Objetivos de la Prctica

El estudiante realiza pruebas de hiptesis para los parmetros de a

ecuacin de regresin lineal

Analiza el comportamiento de los fenmenos explicados por una curva de
ajuste.

Realizar inferencia sobre los parmetros de la recta de regresin.



Construir e interpretar intervalos de confianza e intervalos de prediccin
para la variable dependiente







Marco Terico
La correlacin estadstica constituye una tcnica estadstica que nos indica si dos variables
estn relacionadas o no.
Por ejemplo, considera que las variables son el ingreso familiar y el gasto familiar. Se sabe
que los aumentos de ingresos y gastos disminuyen juntos. Por lo tanto, estn relacionados
en el sentido de que el cambio en cualquier variable estar acompaado por un cambio en la
otra variable.
De la misma manera, los precios y la demanda de un producto son variables relacionadas;
cuando los precios aumentan la demanda tender a disminuir y viceversa.
Si el cambio en una variable est acompaado de un cambio en la otra, entonces se dice que
las variables estn correlacionadas. Por lo tanto, podemos decir que el ingreso familiar y
gastos familiares y el precio y la demanda estn correlacionados.
Relacin Entre las Variables
La correlacin puede decir algo acerca de la relacin entre las variables. Se utiliza para
entender:
1. si la relacin es positiva o negativa
2. la fuerza de la relacin.
La correlacin es una herramienta poderosa que brinda piezas vitales de informacin.
En el caso del ingreso familiar y el gasto familiar, es fcil ver que ambos suben o bajan
juntos en la misma direccin. Esto se denomina correlacin positiva.
En caso del precio y la demanda, el cambio se produce en la direccin opuesta, de modo
que el aumento de uno est acompaado de un descenso en el otro. Esto se conoce como
correlacin negativa.
Coeficiente de Correlacin
La correlacin estadstica es medida por lo que se denomina coeficiente de correlacin (r).
Su valor numrico vara de 1,0 a -1,0. Nos indica la fuerza de la relacin.
En general, r> 0 indica una relacin positiva y r <0 indica una relacin negativa, mientras
que r = 0 indica que no hay relacin (o que las variables son independientes y no estn
relacionadas). Aqu, r = 1,0 describe una correlacin positiva perfecta y r = -1,0 describe
una correlacin negativa perfecta.
Cuanto ms cerca estn los coeficientes de +1,0 y -1,0, mayor ser la fuerza de la relacin
entre las variables.
Como norma general, las siguientes directrices sobre la fuerza de la relacin son tiles
(aunque muchos expertos podran disentir con la eleccin de los lmites).
Valor de r Fuerza de relacin
-1,0 A -0,5 o 1,0 a 0,5 Fuerte
-0,5 A -0,3 o 0,3 a 0,5 Moderada
-0,3 A -0,1 o 0,1 a 0,3 Dbil
-0,1 A 0,1 Ninguna o muy dbil
La correlacin es solamente apropiada para examinar la relacin entre datos cuantificables
significativos (por ejemplo, la presin atmosfrica o la temperatura) en vez de datos
categricos, tales como el sexo, el color favorito, etc.
Desventajas
Si bien 'r' (coeficiente de correlacin) es una herramienta poderosa, debe ser utilizada con
cuidado.
1. Los coeficientes de correlacin ms utilizados slo miden una relacin lineal. Por lo tanto, es
perfectamente posible que, si bien existe una fuerte relacin no lineal entre las variables, r
est cerca de 0 o igual a 0. En tal caso, un diagrama de dispersin puede indicar
aproximadamente la existencia o no de una relacin no lineal.
2. Hay que tener cuidado al interpretar el valor de 'r'. Por ejemplo, se podra calcular 'r' entre el
nmero de calzado y la inteligencia de las personas, la altura y los ingresos. Cualquiera sea el
valor de 'r', no tiene sentido y por lo tanto es llamado correlacin de oportunidad o sin
sentido.
3. 'R' no debe ser utilizado para decir algo sobre la relacin entre causa y efecto. Dicho de otra
manera, al examinar el valor de 'r' podramos concluir que las variables X e Y estn
relacionadas. Sin embargo, el mismo valor de 'r no nos dice si X nfluencia a Y o al revs. La
correlacin estadstica no debe ser la herramienta principal para estudiar la causalidad, por el
problema con las terceras variables.
Procedimiento Y Desarrollo Experimental
Coeficiente de correlacin lineal

En una distribucin bidimensional puede ocurrir que las dos variables guarden algn tipo de
relacin entre si.
Por ejemplo, si se analiza la estatura y el peso de los alumnos de una clase es muy posible que
exista relacin entre ambas variables: mientras ms alto sea el alumno, mayor ser su peso.
El coeficiente de correlacin lineal mide el grado de intensidad de esta posible relacin entre las
variables. Este coeficiente se aplica cuando la relacin que puede existir entre las varables es
lineal (es decir, si representaramos en un gfico los pares de valores de las dos variables la nube
de puntos se aproximara a una recta).
No obstante, puede que exista una relacin que no sea lineal, sino exponencial, parablica, etc. En
estos casos, el coeficiente de correlacin lineal medira mal la intensidad de la relacin las
variables, por lo que convendra utilizar otro tipo de coeficiente ms apropiado.
Para ver, por tanto, si se puede utilizar el coeficiente de correlacin lineal, lo mejor es representar
los pares de valores en un grfico y ver que forma describen.
El coeficiente de correlacin lineal se calcula aplicando la siguiente frmula:

Es decir:
Numerador: se denomina covarianza y se calcula de la siguiente manera: en cada par de valores
(x,y) se multiplica la "x" menos su media, por la "y" menos su media. Se suma el resultado obtenido
de todos los pares de valores y este resultado se divide por el tamao de la muestra.
Denominador se calcula el produto de las varianzas de "x" y de "y", y a este produto se le calcula
la raz cuadrada.
Los valores que puede tomar el coeficiente de correlacin "r" son: -1 < r < 1
Si "r" > 0, la correlacin lineal es positiva (si sube el valor de una variable sube el de la otra). La
correlacin es tanto ms fuerte cuanto ms se aproxime a 1.
Por ejemplo: altura y peso: los alumnos ms altos suelen pesar ms.
Si "r" < 0, la correlacin lineal es negativa (si sube el valor de una variable disminuye el de la otra).
La correlacin negativa es tanto ms fuerte cuanto ms se aproxime a -1.
Por ejemplo: peso y velocidad: los alumnos ms gordos suelen correr menos.
Si "r" = 0, no existe correlacin lineal entre las variables. Aunque podra existir otro tipo de
correlacin (parablica, exponencial, etc.)
De todos modos, aunque el valor de "r" fuera prximo a 1 o -1, tampoco esto quiere decir
obligatoriamente que existe una relacin de causa-efecto entre las dos variables, ya que este

Cinco nios de 2, 3, 5, 7 y 8 aos de edad pesan, respectivamente, 14, 20, 32, 42 y 44 kilos.
1Hallar la ecuacin de la recta de regresin de la edad sobre el peso.
2Cul sera el peso aproximado de un nio de seis aos?
Solucin
2Un centro comercial sabe en funcin de la distancia, en kilmetros, a la que se site de un ncleo
de poblacin, acuden los clientes, en cientos, que figuran en la tabla:
N de clientes (X) 8 7 6 4 2 1
Distancia (Y) 15 19 25 23 34 40
1Calcular el coeficiente de correlacin lineal.
2Si el centro comercial se sita a 2 km, cuntos clientes puede esperar?
3Si desea recibir a 500 clientes, a qu distancia del ncleo de poblacin debe situarse?
Solucin
3 Las notas obtenidas por cinco alumnos en Matemticas y Qumica son:
Matemticas 6 4 8 5 3. 5
Qumica 6. 5 4. 5 7 5 4
Determinar las rectas de regresin y calcular la nota esperada en Qumica para un alumno que
tiene 7.5 en Matemticas.
Solucin
4Un conjunto de datos bidimensionales (X, Y) tiene coeficiente de correlacin r = 0.9, siendo las
medias de las distribuciones marginales media de X. = 1, media de = 2. Se sabe que una de las
cuatro ecuaciones siguientes corresponde a la recta de regresin de Y sobre X:
y = -x + 2 3x - y = 1 2x + y = 4 y = x + 1
Seleccionar razonadamente esta recta.

Solucin
5Las estaturas y pesos de 10 jugadores de baloncesto de un equipo son:
Estatura (X) 186 189 190 192 193 193 198 201 203 205
Pesos (Y) 85 85 86 90 87 91 93 103 100 101