BIOMETRIA Y DISEO EXPERIMENTAL

UNIDAD 2. TAREA 4. ACTIVIDAD INTERMEDIA

CORRELACION Y REGRESION

PRESENTADO POR: ALEXIS RAMIREZ DELGADO

CC: 1.044.506.326

GRUPO 203018_10

TUTORA: JESSICA ALMEIDA BRAGA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

CEAD MEDELLIN

2017
 CUESTIONARIO

1. Cul es el propsito del anlisis de regresin y correlacin?

El anlisis de regresin consiste en emplear mtodos que permitan determinar la mejor relacin funcional
entre dos o ms variables concomitantes (o relacionadas). El anlisis de correlacin estudia el grado de
asociacin de dos o ms variables.
El anlisis de correlacin emplea mtodos para medir la significacin del grado o intensidad de asociacin
entre dos o ms variables. El concepto de correlacin est estrechamente vinculado al concepto de
regresin, pues, para que una ecuacin de regresin sea razonable los puntos muestrales deben estar
ceidos a la ecuacin de regresin; adems el coeficiente de correlacin debe ser: - grande cuando el
grado de asociacin es alto (cerca de +1 o -1, y pequeo cuando es bajo, cerca de cero. - independiente
de las unidades en que se miden las variables. (Mendiburu, s.f.)

2. Por qu se requiere la regresin lineal mltiple? En qu casos se presenta?

La regresin lineal mltiple es la gran tcnica estadstica para comprobar hiptesis y relaciones
causales. Ante de empezar, una serie de condiciones que se deben cumplir para poder aplicar la regresin
lineal mltiple:
La variable dependiente (resultado) debe ser ordinal o escalar, es decir, que las categoras de la
variable tengan orden interno o jerarqua, p.ej. nivel de ingresos, peso, nmero de hijos,
justificacin del aborto en una escala de 1-nunca a 10-siempre.
Las variables independientes (causas) deben ser ordinales o escalares o dummy
Hay otras condiciones como: las variables independientes no puede estar altamente
correlacionadas entre s, las relaciones entre las causas y el resultado deben ser lineales, todas
variables deben seguir la distribucin normal y deben tener varianzas iguales. Estas condiciones
no son tan estrictas y hay maneras de tratar los datos si se incumple. Sobre ello volveremos en
futuras entradas (Cardenas, 2014)

3. Que tipos de correlacin existe, cite un ejemplo para cada uno de los casos.
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. Los tipos de correlacin son:
 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.
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.
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 (Perez,
2013)

4. Qu es coeficiente de correlacin y cul es su interpretacin?

Se define como un indicador estadstico que nos permite conocer el grado de relacin, asociacin o
dependencia que puede existir entre una o ms variables. El clculo de del coeficiente de correlacin se
realiza dividiendo la covarianza por el producto de las desviaciones estndar de ambas variables. (Rosales,
2015)

5. Qu es coeficiente de determinacin y cul es su interpretacin?

Mide qu parte de la variacin de una variable viene explicada (se puede predecir) por la variacin de la
otra. Puede tener valores entre 0 (ninguna relacin lineal) y 1 (relacin lineal perfecta). El coeficiente
determina la calidad del modelo para replicar los resultados, y la proporcin de variacin de los resultados
que puede explicarse por el modelo.
Esta medida es el Coeficiente de Determinacin, que es el cuadrado del coeficiente de correlacin de
Pearson, y da la proporcin de variacin de la variable Y que es explicada por la variable X (variable
predictora o explicativa). Si la proporcin es igual a 0, significa que la variable predictora no tiene NULA
capacidad predictiva de la variable a predecir (Y). Cuanto mayor sea la proporcin, mejor ser la
prediccin. Si llegara a ser igual a 1 la variable predictora explicara TODA la variacin de Y, y las
predicciones no tendran error. (Expansion, 2014)

REFERENCIAS BIBLIOGRAFICAS

Cardenas, J. (05 de febrero de 2014). Qu es la Regresin Lineal Mltiple y cmo analizarla en 4 pasos.
Recuperado el 16 de 11 de 2017, de Networkianos: http://networkianos.com/regresion-lineal-
multiple/

Expansion. (2014). Coeficiente de determinacin. Recuperado el 16 de 11 de 2017, de Unidad Editorial

Informacin Econmica : http://www.expansion.com/diccionario-economico/coeficiente-de-
determinacion.html

Mendiburu. (s.f.). Anlisis de Regresin y Correlacin. Recuperado el 16 de 11 de 2017, de

http://tarwi.lamolina.edu.pe/~fmendiburu/index-filer/academic/metodos1/Regresion.pdf

Perez, G. (14 de octubre de 2013). Correlaciones estadsticas. Recuperado el 16 de 11 de 2017, de

Slideshare: https://es.slideshare.net/GabrielPerezSalazar/correlaciones-estadsticas

Rosales, M. (26 de Mayo de 2015). Correlacion. Recuperado el 16 de 11 de 2017, de Slideshare:

https://es.slideshare.net/mader_rosales/correlacin-48618911
ESTUDIO DE CASO

1. En un ensayo sobre trigo se quiere cuantificar la relacin que hay entre la disponibilidad de Nitrgeno
en el suelo con la cantidad de Nitrgeno en la planta. Se obtuvieron datos para doce parcelas en las que
se registr el contenido de nutrientes en el suelo (x) y los valores promedio de nitrgeno por planta (y)

N en el suelo N en la planta

x Y

0,42 0,13

0,45 0,15

0,50 0,16

0,55 0,17

0,68 0,18

0,69 0,18

0,70 0,19

0,73 0,20

0,80 0,20

0,90 0,21
0,92 0,22

0,94 0,23

Para estos datos realice:

a. Cul es la variable dependiente (y) respuesta y cul es la variable independiente (x) o predictora en
este caso?
b. Realice el diagrama de dispersin asignando la variable respuesta e independiente segn corresponda.
Qu sugiere la grfica con respecto al modelo?
c. Identifique el modelo
d. Estime los parmetros del modelo e interprtelos
e. Redacte las hiptesis que interesa contrastar en el anlisis de varianza
f. Especifique matemticamente el modelo y especifique cada trmino
g. Verifique los supuestos para realizar en ANAVA y determine las hiptesis
h. Es significativo el modelo, a qu nivel?
i. Realice la regresin con frmulas en archivo Excel y con la herramienta regresin de anlisis de datos
de Excel.
j. Son significativos los coeficientes de regresin
k. Como se cuantifica si el modelo explica una parte significativa de la variacin de la variable respuesta
l. Redactar como si fuese para la seccin de material y mtodo y resultados de un artculo cientfico