DOCUMENTO DE SOCIALIZACION SOBRE REGRESION Y CORRELACION

LINEAL

DOCENTE
DARLIN RICAURTE AVILA BUCURU

ESTUDIANTES:
LORENA VALENTINA CHAVEZ MORA
ALLISON TATIANA RIVERA RONDON
KELLY TATIANA VILLEGAS ORDOÑEZ

COORPORACION UNIVERSITARIA MINUTO DE DIOS

ESTADISTICA DESCRIPTIVA
CONTADURIA PÚBLICA
TERCER SEMESTRE
LERIDA-TOLIMA
2019
 COEFICIENTE DE CORRELACIÓN Y ANÁLISIS DE REGRESIÓN LINEAL
SIMPLE

OBJETIVO GENERAL:
 En este curso se pretende que el estudiante adquiera los conocimientos
teóricos básicos para comprender temas más avanzados de estadística.
Para ello se inicia con la exposición de los principios de teoría de
estimación y prueba de hipótesis, con lo cual se pretende lograr una mejor
comprensión de las técnicas inferenciales.

OBJETIVOS ESPECÍFICOS:
 Mostrar los elementos teóricos necesario para establecer un análisis de
regresión.
 Desarrollar las ecuaciones normales correspondientes al método de
mínimos cuadrados.
 Establecer la manera de en la que se elige el modelos de regresión a
utilizable a partir de la forma que tomen el conjunto de datos.
 Analizar las aplicaciones prácticas del análisis de regresión.
 Conocer las principales diferencias entre el análisis de regresión y el
análisis de correlación.

METODOLOGÍA

CORRELACION Y RELACION LINEAL

En este tema se presentan el coeficiente de correlación y la regresión lineal simple
como las dos técnicas estadísticas más utilizadas para investigar la relación entre
dos variables continuas X e Y.
Las técnicas de correlación y las de regresión están estrechamente relacionadas,
aunque obedecen a estrategias de análisis un tanto diferentes. Por un lado, el
coeficiente de correlación determina el grado de asociación lineal entre X e Y, sin
establecer a priori ninguna direccionalidad en la relación entre ambas variables.
Por el contrario, la regresión lineal simple permite cuantificar el cambio en el nivel
medio de la variable Y conforme cambia la variable X, asumiendo implícitamente
que X es la variable explicativa o independiente e Y es la variable respuesta o
dependiente.
 CORRELACIÓN
La finalidad de la correlación es examinar la dirección y la fuerza de la asociación
entre dos variables cuantitativas. Así conoceremos la intensidad de la relación
entre ellas y si, al aumentar el valor de una variable, aumenta o disminuye el valor
de la otra variable.
Hay dos coeficientes de correlación que se usan frecuentemente: el de Pearson
(paramétrico) y el de Spearman (no paramétrico, se utiliza en aquellos casos
donde las variables examinadas no cumplen criterios de normalidad o cuando las
variables son ordinales). El coeficiente de correlación de Pearson evalúa
específicamente la adecuación a la recta lineal que defina la relación entre dos
variables cuantitativas. El coeficiente no paramétrico de Spearman mide cualquier
tipo de asociación, no necesariamente lineal.

COEFICIENTE DE CORRELACION LINEAL

El coeficiente de correlación lineal es un método estadístico paramétrico, ya que
utiliza la media, la varianza, y por tanto, requiere criterios de normalidad para las
variables analizadas. Se define como la covarianza muestral entre X e Y dividida
por el producto de las desviaciones típicas de cada variable:

Y trata de medir la dependencia lineal que existe entre las dos variables. Su
cuadrado se denomina coeficiente de determinación.
Propiedades del coeficiente de correlación:
a) No tiene dimensión, y siempre toma valores en [-1,1].
b) Si las variables son independientes, entonces r=0, pero el inverso no tiene por
qué ser cierto.
c) Si existe una relación lineal exacta entre X e Y, entonces r valdría 1 (relación
directa) ó -1 (relación inversa).
d) Si r>0, esto indica una relación directa entre las variables (es decir, que si
aumentamos X, también aumenta Y).
 COEFICIENTE DE DETERMINACION (r 2):
El coeficiente de determinación puede interpretarse como la proporción de
variabilidad de Y que es explicada por X. Mide la proximidad de la recta ajustada a
los valores observados de Y.

REGRESION LINEAL SIMPLE

El objetivo de un modelo de regresión es tratar de explicar la relación que existe
entre una variable dependiente (variable respuesta) Y un conjunto de variables
independientes (variables explicativas) X1,..., Xn. En un modelo de regresión lineal
simple tratamos de explicar la relación que existe entre la variable respuesta Y y
una única variable explicativa X.
El modelo de regresión lineal simple tiene la siguiente expresión: Y X =+ + αβ ε.
En donde  es la ordenada en el origen (el valor que toma Y cuando X vale 0), 
es la pendiente de la recta (e indica cómo cambia Y al incrementar X en una
unidad) y  una variable que incluye un conjunto grande de factores, cada uno de
los cuales influye en la respuesta sólo en pequeña magnitud, a la que llamaremos
error. X e Y son variables aleatorias, por lo que no se puede establecer una
relación lineal exacta entre ellas.

COEFICIENTE DE REGRESION
El coeficiente de regresión nos da información sobre el comportamiento de la
variable Y frente a la variable X, de manera que:
a) Si / 0 Y X b =, para cualquier valor de X la variable Y es constante (es decir, no
cambia).
b) Si / 0 Y X b >, esto nos indica que al aumentar el valor de X, también aumenta
el valor de Y.
c) Si / 0 Y X b <, esto nos indica que al aumentar el valor de X, el valor de Y
disminuye.
 INTERVALO DE CONFIANZA
El intervalo de confianza describe la variabilidad entre la medida obtenida en un
estudio y la medida real de la población (el valor real). Corresponde a un rango de
valores, cuya distribución es normal y en el cual se encuentra, con alta
probabilidad, el valor real de una determinada variable.

RECURSOS

EJERCICIO SOBRE CORRELACIÓN Y REGRESIÓN

Se ha solicitado a un grupo de 50 individuos información sobre el número de horas
que dedican diariamente a dormir y ver la televisión. La clasificación de las
respuestas ha permitido elaborar la siente tabla:
Nº de horas dormidas (X) 6 7 8 9 10
Nº de horas de televisión (Y) 4 3 3 2 1
Frecuencias absolutas (fi) 3 16 20 10 1
Se pide:
1 Calcular el coeficiente de correlación.
2 Determinar la ecuación de la recta de regresión de Y sobre X.
3 Si una persona duerme ocho horas y media, ¿cuánto cabe esperar que vea la
televisión?
SOLUCIÓN
EVIDENCIA DE ESTRATEGIA
 BIBLIOGRAFIA

https://es.slideshare.net/daemon1309/regresion-ycorrelacion
https://es.slideshare.net/JoanFernandoChipia/anlisis-de-correlacin-y-regresin-
lineal-simple
https://www.academia.edu/8743183/EJERCICIOS_RESUELTOS_DE_CORRELA
CION_YREGRESION