REGRESIN Y CORRELACIN LINEAL: SIMPLE Y MLTIPLE

El coeficiente de correlacin es una medida de asociacin entre dos variables y se

simboliza con la literal r
Los valores de la correlacin van de + 1 a - 1, pasando por el cero, el cual corresponde a
ausencia de correlacin. Los primeros dan a entender que existe una correlacin
directamente proporcional e inversamente proporcional, respectivamente.
Las tres graficas en coordenadas cartesianas posteriores, se muestra la variable
independiente (X) se ubica en las abscisas y la dependiente (Y) en el eje de las
ordenadas. Los coeficientes de correlacin significan esa asociacin entre los cambios
que se observan en la variable dependiente con respecto a la variable independiente
La grfica (a) representa una correlacin positiva, es decir, conforme los valores de X
aumentan, tambin aumentan los valores de Y. A su vez, la grfica (b) muestra una
correlacin negativa, de modo que al incrementarse los valores de la variable
independiente, los valores de la dependiente disminuyen. La grfica (c) no indica
correlacin.

El coeficiente de correlacin lineal de Pearson se define matemticamente con la

ecuacin siguiente:

=Coeficiente de correlacin lineal de Pearson.

= Tamao del grupo
= Sumatoria del producto de la variable independiente y la variable dependiente.
= Sumatoria de la variable independiente.
= Sumatoria de la variable dependiente
= Sumatoria de los cuadrados de la variable independiente
= Sumatoria de los cuadrados de la variable dependiente
= Sumatoria de los valores de la variable independiente elevados al cuadrado.
= Sumatoria de los valores de la variable dependiente levados al cuadrado.

Este procedimiento estadstico es aplicable cuando las observaciones se miden segn

una escala de intervalo, por otra parte, el fenmeno debe ser lineal. Al igual que las otras
pruebas paramtricas, la varianza de las variables X y Y deben guardar homogeneidad.
Ejemplo: Eleccin de la prueba estadstica para medir la asociacin o correlacin. Las
edades en das estn en escala de tipo intervalo, tenemos dos variables, entonces
aplicamos esta prueba
Objetivo: Conocer qu grado de asociacin existe entre la edad y peso corporal de nios
de edades desde el nacimiento hasta los 6 meses.
Hiptesis
Ha. Entre las observaciones de edad de los nios y peso corporal existe correlacin
significativa.
Ho. Entre las observaciones de edad de los nios y pero corporal no existe correlacin
significativa

g.l. = 21-2 =19

= 0.05
rc = 0.91
rt = 0.444
rcrt se rechaza Ho. Entre las variables edad del nio y el peso corporal existe una
correlacin muy significativa. Elevando r al cuadrado obtenemos el error existente r 2 =
0.8281 = 0.83, donde el 83% de los cambios observados en el peso de los nios se debe
a los incrementos de la edad, sin embargo, el 17% se ignora
Creamos ahora una grfica para representar la correlacin obtenida. Encontramos
entonces una correlacin positiva, es decir, conforme la edad aumenta, tambin aumenta
el peso corporal de los nios.

La dispersin de datos puede ser representada por un modelo matemtico de acuerdo a

las siguientes ecuaciones.

= pendiente o inclinacin de la lnea recta

= ordenada al origen o el punto donde la lnea recta cruza el eje y
= Tamao del grupo
= Sumatoria del producto de la variable independiente y la variable dependiente.
= Sumatoria de la variable independiente.
= Sumatoria de la variable dependiente
= Sumatoria de los cuadrados de la variable independiente
= Sumatoria de los valores de la variable independiente elevados al cuadrado
Ecuacin de la lnea recta:

Y=mx+b

Y= variable dependiente
X= variable independiente
Regresin Mltiple
Esta prueba estadstica en su modelo matemtico, significa conocer la correlacin entre
tres o ms variables, en las que dos de ellas se asocian y la tercera se muestra sin
cambio. Por lo tanto, cabe formular la pregunta clave: qu tan estrechamente dependen
las variables a y b, cuando c se mantiene sin cambios?. Matemticamente, la frmula
siguiente se define como correlacin mltiple

Las frmulas para correlacin parcial se definen matemticamente como sigue

Ejemplo: Conocer si la cantidad de lectura en nios de 12, 13 y 14 aos es una variable

dependiente de la edad o de la variable del dimetro de su cabeza.
Hiptesis
Ha. Entre las variables cantidad de lectura, edad y dimetro de la cabeza existe
correlacin significativa, as como dependencia.
Ho. Entre las variables cantidad de lectura, edad y dimetro de la cabeza no existe
correlacin significativa, as como dependencia

g.l. = n-k = 15 3

Los valores de r calculados de la correlacin parcial se comparan en la distribucin de

valores crticos en funcin de la probabilidad y se observa que con 12 grados de libertad
se ubican las cifras de 0.532 y 0.661, para un nivel de significancia al 5 y 1%. Esto
significa que los valores 0.97 y 0.99 tienen una probabilidad menor que 0.01
Entonces las variables X y Y tienen una probabilidad que cae en el nivel de significancia,
se acepta Ha y se rechaza Ho. La variable Z se acepta Ho y se rechaza Ha
Hay significancia entre la edad de los nios y su cantidad de lectura, y no hay significancia
entre el radio de sus cerebros.