REGRESION

LINEAL Y
CORRELACION
STEFANIA ERAZO
ESTADISTICA II
PSICOLOGIA
UNIVERSIDAD TECNICA PARTICULAR DE
LOJA
 ANALISIS DE CORRELACION
• “Grupo de técnicas para medir la
asociación entre dos variables.”
• La idea básica del análisis de correlación
es reportar la asociación entre dos
variables. Por lo general, el primer paso
es trazar los datos en un diagrama de
dispersión.
 VARIABLES
• Dependiente: Es la variable que se desea predecir
o estimar. También puede ser descrita como el
resultado de un valor conocido por la variable
independiente. Es aleatorio, esto es por cada valor
dado a la variable independiente, existen muchos
posibles resultados para la variable dependiente.
• Independiente: Proporciona la base para la
estimación, es la variable predictoria. No es un
numero aleatorio.
 COEFICIENTE DE CORRELACION
• Describe la fuerza de la relación entre dos conjuntos de
variables en escala de intervalo o razón. Se designa con
la letra r minúscula.
• Puede adoptar cualquier valor de -1.00 o bien de +1.00.
• Si no hay ninguna relación, la r de Pearson es 0 (poca
asociación entre las variables).
• Un valor cercano a 1 indica una asociación directa o
positiva entre las variables.
• Un valor cercano a -1 indica una asociación inversa o
negativa entre las variables.
 ANALISIS DE REGRESION
• Sirva para estimar el valor de la
variable dependiente e
independiente. Técnica para
proporcionar las estimaciones.
• Ecuación de regresión: Ecuación
que expresa la relación lineal entre
dos variables.
PRINCIPIO DE LOS MINIMOS CUADRADOS

• Determina una ecuación de

regresión al minimizar la suma de
los cuadrados de las distancias
verticales entre los valores reales de
Y y los valores pronosticados de Y.
• Proporciona la recta del “mejor
ajuste”.
 PROBAR LA SIGNIFICANCIA DE LA
PENDIENTE
• Se debe analizar una ecuación de regresión mediante
una prueba de hipótesis para ver si la pendiente de la
recta de regresión es distinta a cero.
• Si es posible demostrar que la pendiente de la recta de la
población es distinta a cero, entonces se puede concluir
que al utilizar la ecuación de regresión aumenta la
capacidad de predecir o pronosticar la variable
dependiente basándose en la variable independiente.
• Si no se puede mostrar que es distinta de cero, entonces
e concluye que no tiene caso utilizar la variable
independiente como método de predicción.
 EVALUACION DE LA CAPACIDAD
PREDICTORA DE UNA ECUACION DE
REGRESION
• Error estándar de estimación: Medida de la
dispersión de los valores observados respecto
de la recta de regresión para un valor dado de
X.
• Coeficiente de determinación: Proporción de la
variación total de la variable dependiente Y
que se explica, o contabiliza, por la variación
de la variable dependiente X.
 ESTIMACIONES DE INTERVALO DE
PREDICCION

Es uno de los estadísticos que

proporciona una evaluación
general de la capacidad de una
ecuación de regresión para
predecir una variable
dependiente.
 INTERVALOS DE CONFIANZA E
INTERVALOS DE PREDICCION
• Intervalo de confianza: Se utiliza cuando la
ecuación de regresión se emplea para
predecir el valor medio de Y para una X
dada
• Intervalo de predicción: Se utiliza cuando la
ecuación de regresión se emplea para
predecir una E individual (n=1) para un valor
dado de X.