1

Corporación universitaria Minuto de Dios

Tabla de contenido

Introducción ……………………………………………………………………………… 3
Objetivos …………………………………………………………………………………. 4
Regresión lineal ………………………………………………………………………….. 5
Correlación lineal ………………………………………………………………………... 7
Conclusión ……………………………………………………………………………….. 9
Bibliografía ………………………………………………………………………………. 10
 2

1. Introducción
En el presente trabajo abordaremos los temas de regresiones y correlaciones lineales,
las cuales a grandes rasgos está relacionada con la estadística descriptiva.
Encontramos que las regresiones son un modelo matemático usado para aproximar la
relación de dependencia entre una variable dependiente Y, las variables
independientes Xi y un término aleatorio ε y que las correlaciones lineales es una
medida de regresión que pretende cuantificar el grado de variación conjunta entre dos
variables. A continuación se encontrará explícita la información que abarca estos
temas.
 3

2. Objetivos
2.1. Reconocer los diferentes tipos de regresiones y correlaciones lineales
2.2. Identificar las regresiones y correlaciones lineales.
2.3. Analizar las diferencias entre las regresiones y las correlaciones lineales.
 4

3. REGRESIÓN LINEAL
Se denomina regresión lineal cuando la función es lineal, es decir, requiere la
determinación de dos parámetros: la pendiente y la ordenada en el origen de la recta
de regresión, y=ax+b.
La regresión nos permite además, determinar el grado de dependencia de las series de
valores X e Y, prediciendo el valor y estimado que se obtendría para un valor x que no
esté en la distribución.

Por Ejemplo:

3.1. Variantes de la regresión lineal

3.1.1. La función potencial
3.1.2. La función exponencial

3.2. La clase Regresión

Esta describe la regresión lineal no difiere sustancialmente de la clase
Estadística que se ha descrito en la sección anterior. La diferencia estriba en
que los miembros datos son dos arrays x e y que guardan las series de valores
X e Y, cuya dependencia funcional deseamos determinar. En los miembros
dato públicos a y b se guarda la pendiente de la recta de regresión y la
ordenada en el origen.
La función miembro lineal, calcula la pendiente a, y ordenada en el origen b
 5

de la recta de regresión. Se hace uso de variables auxiliares para guardar

resultados intermedios: sx guarda la suma de todas las abscisas, sy la suma de
todas las ordenadas, sx2 la suma de los cuadrados de las abscisas, sy2 la suma
de las cuadrados de las ordenadas, y pxy, la suma de los productos de cada
abscisa por su ordenada. Los valores calculados a partir de las fórmulas
respectivas, se guardan en los miembros públicos a y b de la clase Regresión.
Para obtener el coeficiente de correlación hemos de calcular primero el valor
medio <x> de la serie de datos X, y el valor medio <y> de Y. No calculamos
las desviaciones cuadráticas medias sino que empleamos una expresión
equivalente a la dada anteriormente para el coeficiente de correlación.

3.3. Tipos de modelos de regresión lineal

3.3.1. Regresión lineal simple. Sólo se maneja una variable independiente,
por lo que sólo cuenta con dos parámetros.
3.3.2. Regresión lineal múltiple. La regresión lineal permite trabajar con
una variable a nivel de intervalo o razón. De la misma manera, es
posible analizar la relación entre dos o más variables a través de
ecuaciones, lo que se denomina regresión múltiple o regresión lineal
múltiple. Constantemente en la práctica de la investigación estadística,
se encuentran variables que de alguna manera están relacionadas entre
sí, por lo que es posible que una de las variables puedan relacionarse
matemáticamente en función de otra u otras variables. Maneja varias
variables independientes. Cuenta con varios parámetros.
3.3.3. Rectas de regresión. Son las rectas que mejor se ajustan a la nube de
puntos (o también llamado diagrama de dispersión) generada por una
distribución binomial. Matemáticamente, son posibles dos rectas de
máximo ajuste:
3.3.3.1. La recta de regresión Y sobre X.
3.3.3.2. La recta de regresión X sobre Y.

3.4. Aplicaciones de la regresión lineal

3.4.1. Líneas de tendencia
3.4.2. Medicina
 6

3.4.3. Informática

4. CORRELACIÓN LINEAL
La correlación, también conocida como coeficiente de correlación lineal (de Pearson),
es una medida de regresión que pretende cuantificar el grado de variación conjunta
entre dos variables.
Por tanto, es una medida estadística que cuantifica la dependencia lineal entre dos
variables, es decir, si se representan en un diagrama de dispersión los valores que
toman dos variables, el coeficiente de correlación lineal señalará lo bien o lo mal que
el conjunto de puntos representados se aproxima a una recta.
De una forma menos coloquial, la podemos definir como el número que mide el grado
de intensidad y el sentido de la relación entre dos variables.

Siendo:
Cov (x;y): la covarianza entre el valor “x” e “y”.
σ(x): desviación típica de “x”.
σ(y): desviación típica de “y”.

4.1. Valores que puede tomar la correlación

4.1.1. ρ = -1 Correlación perfecta negativa
Si siempre que el valor “x” sube, y el valor “y” baja, y además con la
misma intensidad, entonces estamos hablando de correlación negativa
(-1).
4.1.2. ρ=0 No existe correlación
4.1.3. ρ = +1 Correlación perfecta positiva
Hablamos de correlación positiva si siempre que el valor “x” sube, el
valor “y” sube, y además con la misma intensidad (+1).
7
 8

5. CONCLUSIONES
5.1. El coeficiente de correlación es un número que indica el grado o intensidad de
asociación entre las variables X e Y. Su valor varía entre -1 y +1.
5.2. El análisis de regresión consiste en emplear métodos que permitan determinar
la mejor relación funcional entre dos o más variables concomitantes (o
relacionadas).
5.3. El análisis de correlación estudia el grado de asociación de dos o más
variables.
5.4. La regresión es un tipo que se presenta cuando dos o más variables
independientes influyen sobre una variable dependiente.
 9

6. BIBLIOGRAFÍA
6.1. http://economipedia.com/definiciones/coeficiente-de-correlacion-lineal.html