Actividad

Documento de socialización sobre regresiones y correlación lineal

Estadística Descriptiva

Emili Yulyer Arboleda Caicedo 711763

Luis Miguel Vega Torres 710861

Docente

David Fernando Méndez

Corporación Universitaria Minuto De Dios

Administración En Seguridad Y Salud En El Trabajo

Apartado Antioquia

V Semestre

2020
 Coeficiente de correlación

El Coeficiente de correlación es una medida que permite conocer el grado de asociación lineal
entre dos variables cuantitativas (X, Y).

En los siguientes Diagramas de dispersión se puede observar que existe una relación lineal entre
la variable X y la variable Y.

Para poder contar con un indicador que nos permita, por un lado establecer la covariación
conjunta de dos variables, y por otro, que tenga la universalidad suficiente para poder establecer
comparaciones entre distintos casos, se utiliza el coeficiente de correlación (lineal, de
Pearson).La correlación es, pues una medida de covariación conjunta que nos informa del
sentido de esta y de su relevancia, que está acotada y permite la comparación entre distintos
casos.

El coeficiente de correlación entre dos variables puede definirse como la covarianza existente

entre sus dos variables tipificadas y tiene por expresión de cálculo:
Interpretación:

**Si r < 0 Hay correlación negativa : las dos variables se correlacionan en sentido inverso. A
valores altos de una de ellas le suelen corresponder valores bajos de la otra y viceversa. Cuánto
más próximo a -1 esté el coeficiente de correlación más patente será esta covariación extrema.
Si r= -1 hablaremos de correlación negativa perfecta lo que supone una determinación absoluta
entre las dos variables (en sentido inverso): Existe una relación funcional perfecta entre ambas
(una relación lineal de pendiente negativa).

** Si r > 0 Hay correlación positiva: las dos variables se correlacionan en sentido directo. A
valores altos de una le corresponden valores altos de la otra e igualmente con los valores bajos.
Cuánto más próximo a +1 esté el coeficiente de correlación más patente será esta covariación.
Si r = 1 hablaremos de correlación positiva perfecta lo que supone una determinación absoluta
entre las dos variables (en sentido directo): Existe una relación lineal perfecta (con pendiente
positiva).

** Si r = 0 se dice que las variables están correlacionadas: no puede establecerse ningún sentido
de covariación.

Propiedad importante: Si dos variables son independientes estarán correlacionadas aunque el

resultado recíproco no es necesariamente cierto
 Análisis De Regresión Lineal Simple

El análisis de regresión lineal simple tiene por objetivo (1) describir las relaciones lineal

existente entre dos variables cuantitativa mediante la ecuación de la recta que mejor se ajusta a

los datos y (2) usar al ecuación para realizar una predicción de los valores de una variable

usando la información aportada por la otra.

En el análisis de regresión lineal es simple cuando intervienen sólo dos variables: Una de ellas

es llamada variable independiente y es denotada por la letra X. La otra variable es llamada

variable dependiente, denotada por la letra Y. Los valores de la variable dependiente son los

que deseamos predecir, usando para ello la información aportada por la variable independiente

(X ). Si en el análisis de regresión intervienen más de dos variables (una dependiente y las

demás independientes), éste es llamado análisis de regresión lineal múltiple

 ESTADISTICA TALLER UNIDAD 5
REGRESIÓN LINEAL

Ejercicio 1. Una determinada empresa de productos básicos muestra los datos del último año
de ventas (en millones de pesos) y al gasto en publicidad (en millones de pesos). La tabla
siguientes muestra estas dos variables X e Y.

a. Grafique la nube de puntos

b. Calcule el valor de la covarianza
c. Determine el tipo de correlación lineal hallando el coeficiente de correlación
d. Halle la recta de regresión

X Y
181 16
176 17
174 15
196 21
200 19
188 17
184 18
193 20
190 21
199 22
170 15
184 17
Solución:

Nª X Y x^2 y^2 x*y

1 181 16 32761 256 2896
2 176 17 30976 289 2992
3 174 15 30276 225 2610
4 196 21 38416 441 4116
5 200 19 40000 361 3800
6 188 17 35344 289 3196
7 184 18 33856 324 3312
8 193 20 37249 400 3860
9 190 21 36100 441 3990
10 199 22 39601 484 4378
11 170 15 28900 225 2550
12 184 17 33856 289 3128
Sumas 2235 218 417335 4024 40828
 a) Grafique la nube de puntos

ventas y al gasto en publicidad (en millones de pesos)

25

20
f(x) = 0.1 x
R² = 0.99
15

10

0
165 170 175 180 185 190 195 200 205

y= variable dependiente= ventas

x= variable independiente= gastos de publicidad
b) Calcule el valor de la covarianza

X 2235
X́ =∑ = =186,25≈ 186
n 12

X 218
Ý =∑ = =18,16 ≈ 18
n 12

2 X2 2 417335 2
σ X =∑ − x́ = −186 =37939,54−34596 ≈ 3344
n 12

2 y2 2 4024 2
σ =∑
y − ý = −18 =335,333−324 ≈ 11
n 12

σ x =√ 3344=57,82≈ 58
σ y =√ 11=3,31 ≈ 3,3

xy ❑ 40828
σ xy =∑ ´ ❑=
− x∗y −( 186∗18 )=3402−3348 ≈ 54
n 12
C Determine el tipo de correlación lineal hallando el coeficiente de correlación

54 54
R= = =0,99 COEFICIENTE DE CORRELACION
58∗3,3 191.4
La correlación entre las variables es muy buena ya que su valor se aproxima a 1

D Halle la recta de regresión

y = 0,0978x

Ejercicio 2. Para una muestra de 10 personas disponemos de información respecto a su grado

de extroversión, y se desea evaluar su posible relación lineal con la dimensión de personalidad
estabilidad emocional. Ambas variables se han medido con un test y se han obtenido las
puntuaciones para cada sujeto en una escala de 0 a 10. Los valores obtenidos se presentan en la
siguiente tabla:
Sujeto X: Grado de Y: Estabilidad
s Extroversión Emocional
1 5 6
2 10 6
3 4 3
4 7 8
5 6 6
6 5 3
7 4 5
8 4 9
9 4 10
10 3 9

a. Calcule el valor de la covarianza

b. Grafique la nube de puntos
c. Determine el tipo de correlación hallando el coeficiente de correlación
d. Halle la recta de regresión
e. Determine la estabilidad emocional para un grado de extroversión de 2
Solución:
Y:
X: Grado de
Sujetos Estabilidad x^2 y^2 x*y
Extroversión
Emocional
1 5 6 25 36 30
2 10 6 100 36 60
3 4 3 16 9 12
4 7 8 49 64 56
5 6 6 36 36 36
6 5 3 25 9 15
7 4 5 16 25 20
8 4 9 16 81 36
9 4 10 16 100 40
10 3 9 9 81 27
Sumas 52 65 308 477 332

a. Calcule el valor de la covarianza

X 52
X́ =∑ = =5,2
n 10

X 65
Ý =∑ = =6,5
n 10

2 X2 2 308 2
σ =∑
X − x́ = −5,2 =30,8−27,04 ≈ 3,76
n 10

2 y2 2 477 2
σ y =∑ − ý = −6,5 =47,7−42,25 ≈ 5,45
n 10

σ x =√ 3,76=1,93

σ y =√ 5,45=2,33

xy ❑ 332
σ xy =∑ ´ ❑=
− x∗y −( 5,2∗6,5 )=33,2−33,8 ≈−0,6
n 10
b. Grafique la nube de puntos

Grado de extroversion vs Estabilidad Emocional

12

10 f(x) = 1.08 x
R² = 0.75

0
2 3 4 5 6 7 8 9 10 11

c. Determine el tipo de correlación hallando el coeficiente de correlación

−0,6 −0,6
R= = =−0,018 COEFICIENTE DE CORRELACION
5,2∗6,5 33,8
La correlación entre las 2 variables es muy mala ya que se aleja de 1

d. Halle la recta de regresión

y = 1,0779x

e. Determine la estabilidad emocional para un grado de extroversión de 2

y = 1,0779x
y=1,0779(2) = 2,1558
 CONCLUSIÓN

Con este trabajo llegamos a concluir que el coeficiente de correlación puede resultar muy
útil a la hora de buscar valores o sectores en los que podemos mejorar nuestra
diversificación.

Eso si siempre hay que analizar la lógica detrás del valor del coeficiente y analizar si su
valor se adecua a las características de la empresa que hay de hay detrás de una cifra

La aplicación de regresiones lineales comprende una serie de dato obteniendo a través de

un largo periodo.

Referencia

https://www.uv.es/ceaces/base/descriptiva/coefcorre.htm

https://es.slideshare.net/JoanFernandoChipia/anlisis-de-correlacin-y-regresin-lineal-simple