Regresión y Correlación

El análisis de regresión consiste en emplear métodos que permitan

determinar la mejor relación funcional entre dos o más variables
relacionadas. El análisis de correlación estudia el grado de asociación de
dos o más variables.

Hay dos coeficientes de correlación que se usan frecuentemente: el de

Pearson(paramétrico) y el de Spearman(no paramétrico, se utiliza en
aquellos casos donde las variables examinadas no cumplen criterios de
normalidad o cuando las variables son ordinales).

El coeficiente de correlación de Pearson evalúa específicamente la

adecuación a la recta lineal que defina la relación entre dos variables
cuantitativas. El coeficiente no paramétrico de Spearman mide cualquier
tipo de asociación, no necesariamente lineal.
Si se desea medir o cuantificar el grado de asociación entre dos variables
cuantitativas se debe calcular un coeficiente de correlación

El estimador muestral más utilizado para evaluar la asociación lineal

entre dos variables X e Y es el coeficiente de correlación de Pearson (r).
Se trata de un índice que mide si los puntos tienen tendencia a
disponerse en una línea recta. Puede tomar valores entre -1 y +1.

Covarianza: El numerador del coeficiente de correlación es la covarianza

muestral Sxy entre X e Y, que nos indica si la posible relación entre dos
variables es directa o inversa. Es una medida que nos habla de la
variabilidad conjunta de dos variables cuantitativas.
X= variable independiente
Y= variable dependiente
Ecuación de la recta

Ordenada al origen

Pendiente

regresión
a) Diagrama de dispersión
b) Recta de mejor ajuste
c) Ecuación de la recta de mejor ajuste
d) Coeficiente de regresión
e) Pronosticar la demanda de precio a Q.8
Demanda

𝑦 =−1.5 𝑥+ 23.33 7 8

5 6 Precio
precio Demanda x-x' y-y' (x-x')*(y-y') (x-x')^2
Q miles        
x y        
5 16 -1 1.67 -1.67 1
6 14 0 -0.33 0 0
7 13 1 -1.33 -1.33 1
-3 2
x'=6 y'=14.33
 Pendiente

Ordenada al origen

La ecuación de la recta que mejor ajusta

regresión

precio Demanda x-x' y-y' (x-x')*(y-y') (x-x')^2 (y-y')^2

Q miles          
x y          
5 16 -1 1.67 -1.67 1 2.7889
6 14 0 -0.33 0 0 0.1089
7 13 1 -1.33 -1.33 1 1.7689
-3 2 4.6667
x'=6 y'=14.33

−3
𝑟= =−0.98
√2 ∗ 4.67
 a) Diagrama de dispersión
b) Recta de mejor ajuste
c) Ecuación de la recta de mejor ajuste
d) Coeficiente de regresión
e) Pronosticar la demanda de precio a Q.8

precio Demanda x-x' y-y' (x-x')*(y-y') (x-x')^2 (y-y')^2

Q miles          
x y          
5 16
6 14
7 13
 a) Diagrama de dispersión
V I x-x' y-y' (x-x')*(y-y') (x-x')^2 (y-y')^2
b) Recta de mejor ajuste
0 0  -1.5  -0.32 0.48   2.25 0.1 
c) Ecuación de la recta de mejor ajuste
0.5 0.11  -1  -0.21  0.21  1  0.04
d) Coeficiente de regresión
e) Pronosticar la corriente con un V =5V 1 0.21  -0.5  -0.11  0.06  0.25  0.01
1.5 0.32  0  0  0  0  0
2 0.43  0.5  0.11  0.06  0.25  0.01
2.5 0.53  1  0.21  0.21  1  0.04
Y=mx+b 3 0.61  1.5  0.29  0.44  2.25  0.08
1.5 0.32 1.46 7 0.37(1.28)

1.46
𝑚= =0.21
7
1

I 𝑦 =0.21 𝑥+0.01

1.46
𝑟= =0.91
√7 ∗ 0.37
V