CORRELACIN Y

REGRESIN LINEAL SIMPLE

En este captulo se establecer una relacin cuantitativa entre dos o
ms variables relacionadas, para posteriormente tratar de predecir
y/o explicar el valor de una variable respecto a la otra, as como el
grado de relacin entre las variables

 EL ANLISIS DE CORRELACIN: Es un grupo

de tcnicas que permiten medir la magnitud de la
relacin entre dos variables.
EL DIAGRAMA DE DISPERSIN: Es un
diagrama que refleja la relacin entre las variables,
por ejemplo

EJEMPLO:
Consideremos la siguiente informacin respecto a la cantidad
de comerciales de televisin que aparecen durante en el fin de
semana con el numero de ventas en un negocio en la semana
siguiente
Cantidad de comerciales (x)

Volumen de ventas en cientos de dlares (y)

5 3

60
50
40
30
20
10
0
1

40 60 41 54 38 49 38

70

3 4

La correlacin puede ser de diferentes formas

En el caso particular de la correlacin lineal

EL
COEFICIENTE
CORRELACIN

DE

Es un nmero denotado por la letra , que se define como

=

( )

Este nmero
variables

indica la magnitud de relacin entre las

EL ANLISIS DE
REGRESIN:
Es una tcnica estadstica para el modelado y la
investigacin de la relacin entre dos o ms
variables que permite determinar una funcin que
se ajuste a los puntos de un diagrama de
dispersin con la finalidad de poder predecir en
forma aproximada una de las variables a travs de
la otra.

La regresin lineal consiste en ajustar la nube de

puntos a una recta de ecuacin
= +
Donde
=

( )

EJEMPLO:

Los datos siguientes son los sueldos mensuales

y , promedios de calificaciones x, para
estudiantes que obtuvieron su licenciatura en
administracin, con especializacin en sistemas
de informacin. Para estos datos, halle la
ecuacin de regresin

( )
2

430
0.74

= 581.08

= = 3650 581.08 3.2 = 1790.54

= +

= 1790.54 + 581.08

Sueldo

y = 581.08x + 1790.5
R = 0.7459

4500
4000
3500
3000
2500

Sueldo
Lineal (Sueldo)

2000
1500
1000
500
0
0

0.5

1.5

2.5

3.5

VARIABLE ESTADISTICA
BIDIMENSIONAL
Una variable Estadstica es bidimensional si se realiza una
observacin simultanea de dos caractersticas obteniendo de
esta forma pares que denotaremos como ( , ) que
correspondern la variable (, )

EJEMPLO:
Consideremos el siguiente conjunto de datos grado de instruccin y
edad, del personal que trabaja en determina empresa
X: Grado de instruccin Valores:Primaria,secundaria, superior
Y: Edad
Valores: 24, 35, 40, 52

24

35

40

52

Primaria

Secundaria

10

Superior

15

14

15

podemos representar grficamente el conjunto de datos como

sigue

16
14
12
10

Primaria
Secundaria

Superior
6
4
2

Superior
Secundaria

0
24

35

Primaria

40

52

REPRESENTACION DE LA INFORMACION
MEDIANTE CUADROS BIDIMENSIONALES
Dada una variable bidimensional (, ) que toma los valores

1 , 2, ,
1 , 2, ,
La distribucin de frecuencias de esta variable es un cuadro de doble
entrada de los valores ( , ) con sus respectivas frecuencias

y1

y2

yj

yp

TOTAL

x1
x2

f11
f21

f12
f22

f1j
f2j

f1p
f2p

f 1.
f 2.

xi

fi1

fi2

fij

fip

f i.

xm

fm1
f.1

fm2
f.2

fmj
f.j

fmp
f.p

f m.
n

TOTAL

DISTRIBUCIONES MARGINALES
: es el nmero de veces que se repite el dato ( , )

=1

=1

=
=1 =1

xi
x1
x2

f i.
f 1.
f 2.

yj
y1
y2

f .j
f.1
f.2

xi

f i.

yj

f.j

xm
TOTAL

f m.

yp
TOTAL

f .p

=1

=1

FRECUENCIAS RELATIVAS
FRECUENCIA RELATIVA CONJUNTA:
FRECUENCIA RELATIVAS MARGINALES:

Notemos que

= 1
=1 =1

y1

y2

yp

TOTAL

x1

h11

h12

h1p

h 1.

x2

h21

h22

h2p

h 2.

xm

hm1

hm2

hmp

h m.

TOTAL

h. 1

h.2

h.p

PARAMETROS ESTADISTICOS
MEDIAS MARGINALES:
=

=1

VARIANZAS MARGINALES:

2
=1 ( )
2
=
1
COVARIANZA:

1
=

2 =

=1

=1 (

=1 =1

COEFICIENTE DE CORRELACION:

)2