Análisis de Regresión y Correlación

UNIVERSIDAD PRIVADA DEL ESTE
SEDE CIUDAD DEL ESTE

PLAN COMÚN
ESTADÍSTICA I
FACULTAD DE CIENCIAS AGROPECUARIAS
INGENIERÍA AGRONÓMICA
ESTADÍSTICA APLICADA
Ajuste de curvas
método del mínimo cuadrado
Relación entre variables

Relación entre variables
En la práctica nos encontramos a

menudo con variables que están
relacionadas entre dos o más
variables.
Ejemplos:
a) Los pesos de las personas dependen
en cierta medida de sus alturas.
Ejemplos:
a) Los pesos de las personas dependen
en cierta medida de sus alturas.
b) Las circunferencias de los círculos

dependen de los radios.
c) La presión de una masa de gas

depende de su volumen y su temperatura.
c) La presión de una masa de gas

depende de su volumen y su temperatura.
d) Las ventas a menudo depende del

precio y la calidad del producto.
Suele ser deseable expresar tales

relaciones en forma matemática
determinando una ecuación que conecte
las variables.
Ajuste de Curvas
Para hallar una ecuación que relacione las
variables, el primer paso es recoger datos
que muestren valores correspondientes de
las variables bajo consideraciones. Así por
ejemplos supongamos que X e Y denotan
las variables consideradas.
El próximo paso es marcar los puntos

sobre un sistema de coordenadas
rectangulares. El conjunto de puntos
resultante se llama diagrama de
dispersión.
A partir del diagrama de dispersión es

posible visualizar una recta o una
curva suave que aproxima los datos,
tal curva se llama curva aproximante
o curva de regresión.
Si los datos parecen aproximarse a

una recta, decimos que hay una
relación lineal entre las variables;
caso contrario, se dice que hay una
relación no lineal.
Método del Mínimo Cuadrado

Para juicios subjetivos al construir
rectas, parábolas y otras curvas
aproximantes de ajuste de datos, es
necesario acordar una definición de
“recta de mejor ajuste” o “parábola de
mejor ajuste”.
Fijémonos en el Gráfico
Para cada valor dado de X, habrá una

diferencia D entre la Y1 y el valor de la
curva C, esta diferencia denotamos con
D1 en la gráfica y se llama desviación,
error o residual y puede ser positiva,
negativa o nula. Análogamente los otros
valores lo denotamos por D2 , D3 , ... , DN
De todas las curvas que se aproximan

un conjunto dado de datos, la que tiene
la propiedad de que
D12 + D22 + D32 + ... + DN2 sea
mínimo se llama una curva de ajuste
óptimo.
Recta de Mínimos Cuadrados

La recta regresión o de mínimo
cuadrado que se aproxima al conjunto
de datos tiene por ecuación
y= a0 + a1 x
donde las constantes a0 y a1 quedan

fijadas al resolver simultáneamente las
ecuaciones
Σ y = ao N + a1 Σ x
Σ xy = ao Σ x + a1 Σ x2
Correlación y Regresión
En las clases anteriores hemos tratado

el problema de la regresión que es el
proceso de ajustar los datos e una
recta o curva.
Ahora vamos a estudiar la teoría de

correlación que es el grado de
interconexión entre las variables, que
intenta determinar con qué precisión
describe o explica la relación entre las
variables una ecuación.
Correlación lineal
Si x e y son las dos variables en cuestión,
un diagrama de dispersión muestra la
localización de los puntos sobre un sistema
rectangular de coordenadas.
Correlación lineal
Si x e y son las dos variables en cuestión,
un diagrama de dispersión muestra la
localización de los puntos sobre un sistema
rectangular de coordenadas. Si todos los
puntos parecen estar sobre una recta, se
dice que hay una correlación lineal.
Si y tiende a crecer cuando x crece, la

correlación se dice que es positiva, o
directa.
Si y tiende a crecer cuando x crece, la

correlación se dice que es positiva, o
directa. Si y tiende a decrecer cuando
x crece, la correlación es negativa o
inversa, tal como muestran las figuras
Coeficiente de Correlación
La raíz cuadrada, del cociente entre la
variación explicada y la variación total se
llama coeficiente de correlación
Coeficiente de Correlación
La raíz cuadrada, del cociente entre la
variación explicada y la variación total se
llama coeficiente de correlación y
denotamos ese cociente por “r” que varía
desde 0 hasta 1; o en porcentaje desde 0%
hasta 100% y viene dada por:
𝑁 . ∑ ( 𝑥 . 𝑦 ) −∑ 𝑥 .∑ 𝑦
𝑟=
± √[ 𝑁 . ∑ 𝑥 − ( ∑ 𝑥 ) ] [ 𝑁 . ∑ 𝑦 − ( ∑ 𝑦 ) ]
2 2 2 2
𝑁 . ∑ ( 𝑥 . 𝑦 ) −∑ 𝑥 .∑ 𝑦
𝑟=
± √[ 𝑁 . ∑ 𝑥 − ( ∑ 𝑥 ) ] [ 𝑁 . ∑ 𝑦 − ( ∑ 𝑦 ) ]
2 2 2 2
Si tiene signo positivo el valor de r es

positivo, caso contrario será negativa
Si el coeficiente de correlación es
cercano a cero hay una débil relación
entre las variables,
Si el coeficiente de correlación es
cercano a cero hay una débil relación
entre las variables, sin embargo si el
coeficiente de correlación se acerca a 1
hay una fuerte relación entre las
variables.
Observación:
Hemos de hacer constar que un

coeficiente de correlación alto, o sea
cercano a 1, no indica necesariamente
una dependencia directa entre las
variables.
Puede haber una alta correlación entre el

número de libros publicados cada año y
el número de tormentas cada año. Tales
ejemplos constituyen lo que se denomina
correlaciones sin sentido o espúreas.
EJERCICIOS

Análisis de Regresión y Correlación

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Análisis de Regresión y Correlación

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD PRIVADA DEL ESTE

SEDE CIUDAD DEL ESTE

Relación entre variables

Relación entre variables

En la práctica nos encontramos a

b) Las circunferencias de los círculos

c) La presión de una masa de gas

c) La presión de una masa de gas

d) Las ventas a menudo depende del

Suele ser deseable expresar tales

El próximo paso es marcar los puntos

A partir del diagrama de dispersión es

Si los datos parecen aproximarse a

Método del Mínimo Cuadrado

Para cada valor dado de X, habrá una

De todas las curvas que se aproximan

Recta de Mínimos Cuadrados

donde las constantes a0 y a1 quedan

En las clases anteriores hemos tratado

Ahora vamos a estudiar la teoría de

Si y tiende a crecer cuando x crece, la

Si y tiende a crecer cuando x crece, la

Si tiene signo positivo el valor de r es

Hemos de hacer constar que un

Puede haber una alta correlación entre el

También podría gustarte