Capitulo 15

A menudo los cientficos tierra obtencin datos de una muestra donde dos o
ms variables se han medido en cada unidad de muestreo o experimental,
porque les interesa si estas variables estn relacionadas y, si es as, el tipo de
relacin funcional entre ellas.
Si dos variables estn relacionadas varan juntos como el valor de una
variable aumenta o disminuye, el otro tambin cambia de una manera
consistente. Si dos variables estn relacionadas funcionalmente, varan juntos
y el valor de una variable se puede predecir el valor de la otra.
Para detectar una relacin entre dos variables, ambos se miden en cada uno de
varios temas o unidades experimentales y estos datos bivariantes examinados
para ver si hay algn patrn. Una manera de hacer esto, dibujando un
diagrama de dispersin con una variable en el eje X y el otro en el eje Y, fue
descrita en el captulo 3.
Aunque esto puede revelar patrones, no indica si dos variables se relacionan
significativamente, o tienen una relacin funcional significativa. ste es otro
caso donde tienes que usar un estadstico la prueba, porque puede tener slo
una aparente relacin entre dos variables se produjo por casualidad en una
muestra de una poblacin donde no hay ninguna relacin.
ste es otro caso donde usted tiene que utilizar una prueba estadstica, porque
una aparente relacin entre dos variables puede slo ocurridas por casualidad
en una muestra de una poblacin donde no hay ninguna relacin.
Una estadstica indica la fuerza de la relacin, junto con la probabilidad de
obtener ese resultado particular, o un resultado an ms extremo, en una
muestra de una poblacin donde hay no relacin entre las dos variables.
Dos mtodos paramtricos para el anlisis de las relaciones entre variables
estadsticamente son correlacin lineal y regresin lineal, los cuales pueden
utilizarse datos medidos en escala ordinal, intervalo o relacin. Correlacin y
regresin tienen usos muy diferentes, y ha habido muchos casos donde
correlacin ha sido inadecuadamente utilizado en lugar de regresin y
viceversa.
Despus contrastantes de correlacin y regresin, este captulo explica Anlisis
de correlacin. Anlisis de regresin se explica en el captulo 16.

Contraste con la correlacion y regresin

Correlacin es una tcnica exploratoria utilizada para examinar si los valores

de dos variables se relacionan significativamente, lo que significa si los valores
de ambas variables cambian juntos de una manera consistente. (Por ejemplo,
un aumento de uno puede acompaarse de una disminucin en la otra.) No hay
ninguna expectativa de que se puede predecir el valor de una variable.
Por el contrario, el anlisis de regresin se utiliza para describir la relacin
funcional entre dos variables por lo que se puede predecir el valor de uno del
otro. Una relacin funcional significa que el valor de una variable (variable
dependiente, Y llamado) tiene alguna relacin con el otro (llamado la variable
independiente, X) que es razonable el valor de la hiptesis Y puede ser
afectado por un aumento o disminucin de X, pero la inversa no es cierto.
Por ejemplo, la cantidad de picaduras de edificios de piedra caliza es causada
por la disolucin resultante de la lluvia cida y es probable que ser afectado
por la edad del edificio porque piedras mayores han estado expuestas a la
intemperie durante ms tiempo. Lo contrario no es cierto la edad del edificio
no se ve afectada por la erosin. Sin embargo, aunque la cantidad de erosin
es dependiente de la edad del edificio que no es causada por la edad en
realidad es causado por la lluvia cida.
Este es un punto importante. Anlisis de regresin puede utilizarse siempre
que haya una buena razn para la hiptesis de que el valor de una variable
(dependiente uno) es probable que sea afectada por otro (el que
independiente), pero no necesariamente tiene que ser causado por l.
Anlisis de regresin proporciona una ecuacin que describe el funcional
relacin entre dos variables y que puede utilizarse para predecir los valores de
la variable dependiente de la independiente. Los diferentes usos de correlacin
y regresin se resumen en la tabla 15.1.

1.1 Un contraste entre los usos de la correlacin y regresin.

Exploratoria son dos variables
significativamente relacionadas?

Y ni X tiene que ser dependiente

sobre la otra variable. Ni
variable tiene que ser determinado
por
el otro

Definitivo cul es la relacin

funcional entre la variable Y y la
variable X y es significativo?
Predictivo cul es el valor de Y
dado un
el valor particular de X?
Variable Y depende de X. Debe ser
plausible que Y est determinada por
X, pero Y no necesariamente tiene
que ser causada por X.

Clculo de la estadstica r de Pearson.

Una estadstica para la correlacin necesita confiablemente describir la fuerza
de forma lineal relacin para cualquier conjunto de datos bivariado, incluso
cuando las dos variables se han medido en escalas muy diferentes. Por
ejemplo, los valores de una variable pueden variar de cero a 10, mientras que
el otro puede variar de 0 a 1000.
Para obtener una estadstica que siempre tiene un valor entre 1 y 1, con
estos valores mximos y mnimos que indica una perfecta relacin lineal
positiva y negativa respectivamente, se necesita una forma de normalizar los
datos. Esto es muy sencilla y se realiza mediante la transformacin de los
valores de ambas variables a sus puntajes Z, tal como se describe en el
captulo 7.
es el valor de r estadsticamente significativo?
Una vez que ha calculado el valor de r, es necesario establecer si se trata de
significativamente diferentes de cero. Estadsticos han calculado las muestras
al azar de distribucin ofrfor de diferentes tamaos, tomadas de una poblacin
donde no existe correlacin entre dos variables. Cuando 0, la distribucin de
valores ofr para muchas de las muestras tomadas de esa poblacin se
distribuirn normalmente con una media de cero. Por casualidad se generar
valores positivos y negativos de r y 5 de estos ser mayor que un valor crtico
positivo o menos negativo equivalente.
conclusin .
La correlacin es una tcnica exploratoria utilizada para probar si dos variables
estn relacionadas. A menudo es til dibujar una parcela de dispersin de los
datos para ver si hay algn patrn antes de calcular el coeficiente de
correlacin, puesto que las variables 202 relaciones entre las variables
relacionadas con tal vez juntos de una manera no lineal. El coeficiente de
correlacin de Pearson es una estadstica que muestra el grado al que dos
variables estn relacionadas linealmente y pueden tener un valor entre 1,0 y
1.0, con estos extremos mostrando una relacin lineal negativa perfecta y
perfecta relacin lineal positiva respectivamente, mientras que cero no
muestra ninguna relacin. El valor de r indica la manera en que las variables
estn relacionadas, pero la probabilidad de obtener un valor r particular es
necesaria para decidir si la correlacin esestadsticamente significativa.

16.1 Introduccin

Este captulo explica el anlisis de regresin lineal simple. Los diferentes usos
de correlacin y regresin fueron contrastados en el captulo 15. Correlacin
examina si dos variables estn relacionadas. Regresin describe el funcional
relacin entre un dependiente y una variable independiente.
Regresion :
Anlisis de regresin lineal a menudo es utilizado por los cientficos de la tierra.
Por ejemplo, la ecuacin de la regresin de una variable sobre otra puede
sugerir hiptesis sobre por qu las dos variables estn relacionadas. Ms
prcticamente, regresin puede ser utilizado en situaciones donde la variable
dependiente es difcil y caro o imposible de medir, pero sus valores pueden
predecirse de otro fcilmente variable medida a la que est funcionalmente
relacionado.

Predecir un valor de Y de un valor de X

Debido a que la lnea de regresin tiene la pendiente media a travs de un
conjunto de dispersos puntos, el valor previsto de Y es slo el promedio
esperado para un valor dado de X. Si el valor de r 2 es 1.0, el valor de Y se
puede predecir sin error, porque todos los puntos de datos se recostar sobre
la lnea de regresin. Generalmente, sin embargo, los puntos sern dispersados
alrededor de la lnea. Ms avanzados textos describen cmo puedes calcular el
intervalo de confianza 95 por un valor de Y y as predecir su gama probable.

Predecir un valor de X de un valor de Y.

A menudo, tal vez quieras estimar un valor de la variable independiente X de la
variable dependiente Y. Este es un ejemplo. Muchos elementos absorben
energa de una longitud de onda muy especfica porque el movimiento de
electrones o neutrones de un nivel de energa a otro dentro de los tomos se
relaciona con los modos vibracionales de enrejados cristalinos. T