Estadística

- Covarianza Datos
MEDIDAS DE ASOCIACIÓN LINEAL
- Correlación Cuantitativos

x
x1 Recordemos que: Hasta ahora hemos estudiado las medidas tendencia
central (Media, Mediana, Moda) y dispersión
x2 (Varianza y Desviación Estándar) para una Variable
 Cuantitativa (x).
xn

Covarianza: Es una medida de Variabilidad Conjunta entre dos variables (x1 , x2) o bien (x , y)
1 n
x y cov( x , y ) =  ( xi − x )( yi − y )
y( 1 )
n i =1
x(1)
Si Cov(x,y) es positiva: la asociación entre x e y es directamente proporcional,
x( 2 ) y( 2 )
es decir que cuando x aumenta y también aumenta; y viceversa.
  Si Cov(x,y) es negativa: la asociación entre x e y es inversamente proporcional,
x(n ) y( n ) es decir que cuando x aumenta y disminuye; y viceversa.
Si Cov(x,y) es cero: no existe asociación entre x e y.
1
 Estadística

- Covarianza Datos
MEDIDAS DE ASOCIACIÓN LINEAL
- Correlación Cuantitativos

Correlación: Se refiere al grado de asociación entre dos variables (x1 , x2) o bien (x , y)
Coeficiente de Correlación de Pearson (r): Mide el grado de Asociación Lineal
entre dos variables Cuantitativas
cov( x , y ) n
x y r=
sx s y
 xi yi − nxy
x(1) y( 1 ) r = i =1
x( 2 ) y( 2 ) ( n − 1 )s x s y
−1  r  1
  Si r es positivo: la asociación entre x e y es directamente proporcional, es decir que
x(n ) y( n ) cuando x aumenta y también aumenta; y viceversa. Si r=1: la asociación lineal es
perfecta.
Si r es negativo: la asociación entre x e y es inversamente proporcional, es decir
que cuando x aumenta y disminuye; y viceversa. Si r=-1: la asociación lineal es
perfecta.
Si r es cero: no existe asociación entre x e y.

2
 Estadística

EJEMPLO : Representación gráfica de las variables x e y

r=1 r=-1

3
 Estadística

Datos Cuantitativos

REGRESION LINEAL SIMPLE

Objetivo 1 Objetivo 2
Determinar si dos variables están x y Estudiar si los valores de una
asociadas y en qué sentido se da x(1) y( 1 ) variable pueden ser utilizados para
la asociación. predecir el valor de la otra
x( 2 ) y( 2 )
 
Determinar si existe relación x(n ) y( n ) Estudiar la dependencia de una
entre las variables x e y: variable respecto de la otra:
Coeficiente de Correlación Modelo de Regresión
Términos
Variable Respuesta (=variable dependiente)
Variable Explicativa (=variable Independiente)
Relación Lineal (modelo lineal)
Parámetros (intercepto y pendiente)
Intercepto (respuesta media)
Pendiente (efecto de la variable explicativa sobre la respuesta)
Error (residuo)
4
 Estadística

Datos Cuantitativos
REGRESION LINEAL SIMPLE
x y
x(1) y( 1 ) Notación
x( 2 ) y( 2 ) Variable Respuesta: y
Variable Explicativa: x
 
x(n )
Modelo de Regresión Lineal Simple: yi=+xi+ei
y( n )
Intercepto: 
Pendiente: 
Error: e
Modelo Estimado
(recta de regresión) Método de Estimación: Mínimos Cuadrados
a = y − bx
n n n
yˆ = a + bx
Residuos o Errores
n xy −  xi  y i ei = yi − yˆ i
b= i =1 i =1 i =1
2
n
 n 
n  x −   xi 
2

i =1  i =1 
5
 Estadística

REGRESION LINEAL SIMPLE

MODELO DE REGRESIÓN LINEAL SIMPLE

yi=+xi+ei

DATOS MODELO ESTIMADO

x
x(1)
y
y( 1 )
yˆ = a + bx
x( 2 ) y( 2 )
ESTIMADORES ERRORES
 
x(n ) y( n ) a = y − bx ei = yi − yˆ i
n n n
n xy −  xi  y i
b= i =1 i =1 i =1
2
n
 
n
n  x 2 −   xi 
i =1  i =1 
6
 Estadística

REGRESION LINEAL SIMPLE

EJEMPLO: Aplicación del Modelo de Regresión Lineal Simple

Problema 1: Se cuenta con las mediciones sobre la edad y la talla de 14 niños, y estamos
interesados en determinar si existe algún tipo de relación entre la talla del niño y su edad.
niño edad (meses) talla (cm)
i xi yi
y=talla / x=edad / n=14
1 3 55
2 6 68
14
3
4
5
5
64
66  yi = 956 y = 68,3 s y = 5,6
i =1
5 3 62
14
6
7
4
9
65
74  xi = 84 x = 6 sx = 2
i =1
8 8 75
9 9 73
cov( x, y ) = 9,07 rxy = 0,88
10 7 69 14 14
11 6 73  xi y i = 5863  xi2 = 556
12 5 68 i =1 i =1
13 8 73
14 6 71

7
 Estadística

REGRESION LINEAL SIMPLE

EJEMPLO: Aplicación del Modelo de Regresión Lineal Simple

Problema 1: Se cuenta con las mediciones sobre la edad y la talla de 14 niños, y estamos
interesados en determinar si existe algún tipo de relación entre la talla del niño y su edad.

Modelo Estimado
yˆ = a + bx

b = 2,44 a = 53,64

yˆ = 53,64 + 2,44 x

Interpretación de los resultados

- Existe asociación o dependencia entre la Talla del niño y la edad (r=0,88); a
medida que la edad aumenta la talla aumenta.
- Desde los resultados del modelo de regresión lineal simple, se tiene que la talla
media de un niño es de 53,64 cm. Cuando la edad del niño (meses) aumenta en
una unidad la talla se incrementa en 2,44 cm.
8
 Estadística

REGRESION LINEAL SIMPLE

EJEMPLO: Aplicación del Modelo de Regresión Lineal Simple

Problema 1: Se cuenta con las mediciones sobre la edad y la talla de 14 niños, y estamos
interesados en determinar si existe algún tipo de relación entre la talla del niño y su edad.

niño edad (meses) talla (cm) Talla estimada error

i xi yi ŷi ei 14

1 3 55 61,0 -6,0  ( yi − yi ) 2 = 402,86

i =1
2 6 68 68,3 -0,3 14 14
3 5 64 65,8 -1,8  ( yi − yˆ i ) 2 =  ei2 =92,7
4 5 66 65,8 0,2 i =1 i =1
5 3 62 61,0 1,0
6 4 65 63,4 1,6
7 9 74 75,6 -1,6 Bondad de Ajuste del Modelo
8 8 75 73,2 1,8 R2 = 0,77
9 9 73 75,6 -2,6
10 7 69 70,7 -1,7 De acuerdo al coeficiente de
11 6 73 68,3 4,7 determinación, el modelo ajustado
12 5 68 65,8 2,2 a los datos es adecuado (R2
13 8 73 73,2 -0,2
cercano a 1)
14 6 71 68,3 2,7