Regresin lineal y correlacin

Objetivos: Al terminar este captulo podr:

1.

Trazar un diagrama de dispersin.

2.

Entender e interpretar los trminos variable dependiente y variable

independiente.

3.

Calcular y explicar el coeficiente de correlacin, y el coeficiente de

determinacin, as como el error estndar de estimacin.

4.

Realizar una prueba de hiptesis para establecer si el coeficiente de

correlacin de la poblacin es cero.

(Continuacin)

5.

Determinar la lnea (o recta) de regresin de mnimos cuadrados.

6.

Elaborar e interpretar intervalos de confianza e intervalos de prediccin

para la variable dependiente.

7.

Establecer e interpretar una tabla de ANOVA.

Anlisis de correlacin

El anlisis de correlacin es un grupo de tcnicas

estadsticas usadas para medir la fuerza de la
asociacin entre dos variables.
Un diagrama de dispersin es una grfica que
representa la relacin entre dos variables.
La variable dependiente es la variable que se desea
explicar o predecir, tambin se le llama variable de
respuesta o regresando.
La variable independiente proporciona las bases para el
clculo, tambin se le llama variable explicativa o
regresor.
3

El coeficiente de correlacin, r

El coeficiente de correlacin (r) es una medida de la

intensidad de la relacin lineal entre dos variables.
Requiere datos de nivel de razn.
Puede tomar cualquier valor de -1.00 a 1.00.
Los valores de -1.00 o 1.00 indican la correlacin
perfecta y fuerte.
Los valores cerca de 0.0 indican la correlacin dbil.
Los valores negativos indican una relacin inversa y los
valores positivos indican una relacin directa.

Correlacin negativa perfecta

10
9
8
7
6
5
4
3
2
1
0
0

5
X

10
5

Correlacin positiva perfecta

10
9
8
7
6
5
4
3
2
1
0
0

5
X

10
6

Correlacin cero

10
9
8
7
6
5
4
3
2
1
0
0

5
X

10
7

Correlacin positiva fuerte

10
9
8
7
6
5
4
3
2
1
0
0

5
X

10
8

Frmula para r

Calculamos el coeficiente de correlacin de las

frmulas siguientes.

( X X )(Y Y )
r
(n 1) s x s y

n(X

n(XY ) (X )(Y )
2

) (X ) n Y Y
2

Coeficiente de determinacin

El coeficiente de determinacin (r2) es la proporcin de

la variacin total en la variable dependiente (y) que se
explica por la variacin en la variable independiente (x).
Es el cuadrado del coeficiente de correlacin.
Su rango es de 0 a 1.
No da ninguna informacin sobre la direccin de la
relacin entre las variables.

10

Ejemplo 1

Juan Escobedo, presidente de la sociedad de alumnos

de la Universidad de Toledo, se ocupa de estudiar el
costo de los libros de texto. l cree que hay una relacin
entre el nmero de pginas en el texto y el precio de
venta del libro. Para proporcionar una prueba,
selecciona una muestra de ocho libros de texto
actualmente en venta en la librera. Dibuje un diagrama
de dispersin. Compruebe el coeficiente de correlacin.

11

Ejemplo 1 (Continuacin)

Libro
Intr. a la Historia
lgebra
Intr.a la Psicologa
Intr. a la Sociologa
Mercadotecnia
Intr. a la Biologa
Fund. de Jazz
Intr.a la Enfermera

Pginas
500
700
800
600
400
500
600
800

Precio ($)
84
75
99
72
69
81
63
93

12

Ejemplo 1 (Continuacin)
Scatter Diagram of Number of Pages and Selling Price of Text
100

90
Price ($)
80

70

60
400

500

600

700

800

Page

13

Ejemplo 1 (Continuacin)
Libro

Pginas
X

Precio ($)
Y

XY

X2

Y2

Intr. a la Historia

500

84

42,000

250,000

7,056

lgebra

700

75

52,500

490,000

5,625

Intr. a la Psicologa

800

99

79,200

640,000

9,801

Intr. a la Sociologa

600

72

43,200

360,000

5,184

Mercadotecnia

400

69

27,600

160,000

4,761

Intr. a la Biologa

500

81

40,500

250,000

6,561

Fund. de Jazz

600

63

37,800

360,000

3,969

800
4,900

93
636

74,400
640,000
397,200 3,150,000

8,649
51,606

Intr. a la Enfermera
Total

14

Ejemplo 1 (Continuacin)
r

n(X

n(XY ) (X )(Y )
2

) (X ) n Y Y
2

8(397,200) (4,900)(636)

8(3,150,000 (4,900) 8(51,606) (636)

2

0.614

15

Ejemplo 1 (Continuacin)
La correlacin entre el nmero de pginas y el precio
de venta del libro es 0.614. Esto indica una asociacin
moderada entre las variables. Pruebe la hiptesis de
que no hay correlacin en la poblacin. Utilice un nivel
de la significancia del .02.
Paso 1: H0: La correlacin en la poblacin es cero.

H1: La correlacin en la poblacin no es cero.

Paso 2: H0 es rechazada si t>3.143 o si t<-3.143.
Hay 6 grados de libertad, encontrados cerca.
n2=82
= 6.
16

Ejemplo 1 (Continuacin)
Paso 3: Para encontrar el valor del estadstico de
prueba, utilizamos:
t

r n2
1 r

.614 8 2
1 (.614)

1.905

Paso 4: H0 no se rechaza. No podemos rechazar

la hiptesis de que no hay correlacin en la
poblacin. La cantidad de asociacin puede
ser debido al azar.

17

Anlisis de regresin

En anlisis de regresin utilizamos la variable

independiente (X) para estimar la variable dependiente
(Y).
La relacin entre las variables es lineal.
Ambas variables deben ser por lo menos escala del
intervalo.
El criterio de mnimos cuadrados se utiliza para
determinar la ecuacin. Este es el trmino (Y Y')2

18

Anlisis de regresin
La ecuacin de regresin es: Y' = a + bX, donde:
Y' es el valor pronosticado de la variable Y para un valor
seleccionado de X.
a es la ordenada de la interseccin con el eje Y cuando
X = 0. Es el valor estimado de Y cuando X=0
b es la pendiente de la recta, o el cambio promedio en Y'
para cada cambio de una unidad en X.
el principio de mnimos cuadrados se utiliza para
obtener a y b.

19

Ejemplo ecuacin de la recta

Y= a + bX
Y= 5 + 2X

20

Anlisis de regresin

El principio de mnimos cuadrados se utiliza para

obtener a y b. Las ecuaciones para determinar a y b
son:

n( XY ) ( X )( Y )
b
n( X 2 ) ( X ) 2
Y
X
a
b
n
n

21

Ejemplo 2 (Continuacin)

Desarrolle una ecuacin de regresin para la

informacin dada en el Ejemplo 1 que se puede utilizar
para estimar el precio de venta basado en el nmero de
pginas.
b

8(397,200) (4,900)(636)
8(3,150,000) (4,900)

.05143

636
4,900
a
0.05143
48.0
8
8
22

Ejemplo 2 (Continuacin)
La ecuacin de regresin es:
Y' = 48.0 + .05143X
La ecuacin cruza al eje Y en $48. Un libro sin las
pginas costara $48.
La pendiente de la lnea es .05143. El costo de cada
pgina adicional es de cinco cntimos.
El signo del valor de b y el signo del valor de r sern
siempre iguales.

23

Ejemplo 2 (Continuacin)
Podemos utilizar la ecuacin de regresin para
estimar valores de Y.
El precio de venta estimado de un libro de 800 pginas
es $89.14, encontrado por

Y 48.0 0.05143 X
48.0 0.05143(800) 89.14

24

El error estndar de estimacin

El error estndar de estimacin mide la dispersin de

los valores observados alrededor de la lnea de
regresin.
Las frmulas que se utilizan para comprobar el error
estndar son:
(Y Y ) 2
s y. x
n2

Y 2 aY bXY
n2
25

Ejemplo 3
Encuentre el error estndar de estimacin para el
problema que implica el nmero de pginas en un libro
y el precio de venta.

s y. x

Y 2 aY bXY
n2

51,606 48(636) 0.05143(397,200)

82
10.408
26

Suposiciones subyacentes en el
anlisis de regresin lineal

Para cada valor de X, hay un grupo de valores de Y, y

estos valores de Y se distribuyen normalmente.
Las medias de estas distribuciones normales de valores
Y, caen todas en la recta de regresin.
Las desviaciones estndar de estas distribuciones
normales son iguales.
Los valores de Y son estadsticamente
independendientes. Esto significa que en la seleccin de
una muestra, los valores de Y elegidos para un valor
particular de X no dependen de los valores de Y de
ningn otro valor de X.

27

Intervalo de confianza

El intervalo de confianza para el valor medio de Y para

un valor dado de X est dado por:
Y ts y. x

( X X )2
2
(

X
)
X 2
n

1
89.14 2.447(10.408)

(800 612.5) 2
( 4900) 2
3,150,000
8

89.14 15.31
28

Intervalo de prediccin

El intervalo de prediccin para un valor individual de Y

para un valor dado de X se da por:

Y ts y. x

1
1
n

( X X )2
( X ) 2
X
n
2

1
89.14 2.447(10.408) 1
8

(800 612.5) 2
(4900) 2
3,150,000
8

89.14 29.72
29

Ejemplo 3 (Continuacin)
Resumir los resultados:
El precio de venta estimado para un libro con 800
pginas es $89.14.
El error estndar de estimacin es $10.41.
El intervalo de confianza de 95% para todos los libros con
800 pginas es $89.14+-$15.31. Esto significa que los
lmites estn entre $73.83 y $104.45.
El intervalo de prediccin de 95% para un libro particular
con 800 pginas es $89.14+-$29.72. Esto significa que
los lmites estn entre $59.42 y $118.86.
Estos resultados aparecen en la siguiente salida de
MINITAB.
30

Ejemplo 3 (Continuacin)
Regression Analysis: Price versus Pages
The regression equation is
Price = 48.0 + 0.0514 Pages
Predictor
Constant
Pages

Coef SE Coef
48.00
16.94
0.05143 0.02700

S = 10.41

R-Sq = 37.7%

T
P
2.83 0.030
1.90 0.105

R-Sq(adj) = 27.3%

Analysis of Variance
Source
DF
SS
Regression
1
393.4
Residual Error 6
650.6
Total
7
1044.0

MS
393.4
108.4

F
P
3.63 0.105

Predicted Values for New Observations

New Obs Fit SE Fit
95.0% CI
95.0% PI
1
89.14
6.26 ( 73.82, 104.46) ( 59.41, 118.88)

31