CORRELACIN La correlacin trata de establecer la relacin o dependencia que existe entre las dos variables que intervienen en una

distribucin bidimensional. Es decir, determinar si los cambios en una de las variables influyen en los cambios de la otra. En caso de que suceda, diremos que las variables estn correlacionadas o que hay correlacin entre ellas. Tipos de correlacin 1 Correlacin directa: La correlacin directa se da cuando al aumentar una de las variables la otra aumenta. La recta correspondiente a la nube de puntos de la distribucin es una recta creciente.

2 Correlacin inversa: La correlacin inversa se da cuando al aumentar una de las variables la otra disminuye. La recta correspondiente a la nube de puntos de la distribucin es una recta decreciente.

3 Correlacin nula: La correlacin nula se da cuando no hay dependencia de ningn tipo entre las variables. En este caso se dice que las variables son incorreladas y la nube de puntos tiene una forma redondeada.

Grado de correlacin El grado de correlacin indica la proximidad que hay entre los puntos de la nube de puntos. Se pueden dar tres tipos: 1. Correlacin fuerte: La correlacin ser fuerte cuanto ms cerca estn los puntos de la recta.

2. Correlacin dbil: La correlacin ser dbil cuanto ms separados estn los puntos de la recta.

3. Correlacin nula

COEFICIENTE DE CORRELACIN LINEAL El coeficiente de correlacin lineal es el cociente entre la covarianza y el producto de las desviaciones tpicas de ambas variables. El coeficiente de correlacin lineal se expresa mediante la letra r.

Propiedades

1. El coeficiente de correlacin no vara al hacerlo la escala de medicin. Es decir, si expresamos la altura en metros o en centmetros el coeficiente de correlacin no vara. 2. El signo del coeficiente de correlacin es el mismo que el de la covarianza. Si la covarianza es positiva, la correlacin es directa. Si la covarianza es negativa, la correlacin es inversa. Si la covarianza es nula, no existe correlacin. 3. El coeficiente de correlacin lineal es un nmero real comprendido entre 1 y 1. 1 r 1 4. Si el coeficiente de correlacin lineal toma valores cercanos a 1 la correlacin es fuerte e inversa, y ser tanto ms fuerte cuanto ms se aproxime r a 1. 5. Si el coeficiente de correlacin lineal toma valores cercanos a 1 la correlacin es fuerte y directa, y ser tanto ms fuerte cuanto ms se aproxime r a 1. 6. Si el coeficiente de correlacin lineal toma valores cercanos a 0, la correlacin es dbil. 7. Si r = 1 1, los puntos de la nube estn sobre la recta creciente o decreciente. Entre ambas variables hay dependencia funcional. EJEMPLOS: Ejercicios Las estaturas y pesos de 10 jugadores de baloncesto de un equipo son:

Estatura (X) Pesos (Y)

186 85

189 85

190 86

192 90

193 87

193 91

198 93

201 103

203 100

205 101

Calcular el coeficiente de correlacin. xi 186 189 190 192 193 193 198 201 203 205 1 950 yi 85 85 86 90 87 91 93 xi2 yi2 xi yi 15 810 16 065 16 340 17 280 16 791 17563 18 414 20 703 20 300 20 705 179 971 Correlacin positiva muy fuerte.

34 596 7 225 35 721 7 225 36 100 7 396 36 864 8 100 37 249 7 569 37 249 8 281 39 204 8 649

103 40 401 10 609 100 41 209 10 000 101 42 025 10 201 380 618

921

85 255

Los valores de dos variables X e Y se distribuyen segn la tabla siguiente: Y/X 100 50 25

14 18 22

1 2 0

1 3 1

0 0 2

Obtener e interpretar el coeficiente de correlacin lineal. Convertimos la tabla de doble entrada en una tabla simple. xi 100 100 50 50 50 25 yi 14 18 14 18 22 22 fi 1 2 1 3 1 2 10 xi fi 100 200 50 150 50 50 600 xi2 fi 10 000 20 000 2 500 7 500 2 500 1 250 43 750 y i fi 14 36 14 54 22 44 184 yi2 fi 196 648 196 972 484 968 3 464 xi yi fi 1 400 3 600 700 2 700 1 100 1 100 10 600

Es una correlacin negativa dbil.

Modelos de Regresin Estas dos caractersticas estn implcitas en un modelo de regresin, postulando que: Un modelo de regresin, es una manera de expresar dos ingredientes esenciales de una relacin estadstica: Una tendencia de la variable dependiente Y a variar conjuntamente con la variacin de la o las X de una manera sistemtica Una dispersin de las observaciones alrededor de la curva de relacin estadstica En la poblacin de observaciones asociadas con el proceso que fue muestreado, hay una distribucin de probabilidades de Y para cada nivel de X. Las medias de estas distribuciones varan de manera sistemtica al variar X.

Anlisis de Regresin: Objetivo: determinar la ecuacin de regresin para predecir los valores de la variable dependiente (Y) en base a la o las variables independientes (X). Procedimiento: seleccionar una muestra a partir de la poblacin, listar pares de datos para cada observacin; dibujar un diagrama de puntos para dar una imagen visual de la relacin; determinar la ecuacin de regresin.

Supuestos de Regresin Lineal Clsica: Cada error est normalmente distribuido con: Esperanza de los errores igual a 0 Variancia de los errores igual a una constante 2. Covariancia de los errores nulas para todo ij