INTRODUCCIN A LOS MODELOS DE

CORRELACIN Y REGRESIN LINEAL PARA

VARIABLES CUANTITATIVAS
 Definiciones
Correlacin

Establece si existe una relacin entre las variables y

responde a la pregunta, Qu tan evidente es esta
relacin?"

Regresin

Describe con ms detalle la relacin entre las variables.

Construye modelos de prediccin a partir de informacin

experimental u otra fuente disponible.

Regresin lineal simple

Regresin lineal mltiple
Regresin no lineal cuadrtica o cbica

2
 CORRELACIN ENTRE VARIABLES

El anlisis de correlacin es un grupo de tcnicas

estadsticas que permiten medir la intensidad de
la relacin que puede existir entre dos variables.

Ejemplos:
Relacin entre los datos de peso y talla de
estudiantes de educacin secundaria.
Relacin entre el tiempo de estudio y
calidad de profesional.

3
 CORRELACIN ENTRE VARIABLES

La correlacin puede ser:

De al menos dos variables

(dependiente-independiente).

o de una variable dependiente y dos o

ms variables independientes
( correlacin mltiple).

4
 Introduccin
1.1.Ejemplos de investigaciones en las que puede ser adecuado utilizar el modelo de
regresin simple.

Se pretende estudiar la relacin entre estrs laboral y la variable trabajo a turno

Variable dependiente o criterio: estrs laboral
Variable independiente o predictora: tipo de turno: fijo o variable

Se pretende estudiar si las notas en Anlisis de Datos II dependen de Anlisis de

Datos I

Variable dependiente o criterio: Anlisis de Datos II

Variable independiente o predictora: Anlisis de datos I

Para estudiar empricamente estas relaciones medimos, en una muestra de sujetos, los valores
de las variables incluidas en la relacin. Genricamente, la informacin de un sujeto cualquiera de
la muestra Si, vendr dada por el par (Xi, Yi). El conjunto de pares constituye la matriz de datos
de la investigacin y para los ejemplos propuestos tendr el siguiente formato.
Interpretacin de la correlacin

El coeficiente de correlacin deber estar entre -1 y +1.

Un valor de +1 indica una correlacin perfecta positiva.
Un valor de 1 indica una correlacin perfecta negativa.
Un valor de 0 indica que no hay asociacin lineal entre las
dos variables.
Una correlacin elevada puede mostrar una relacin dbil
cuando se examina en una grfica de puntos dispersos.
Una correlacin de 0 no siempre indica no relacin, ya que
la relacin puede no ser lineal.
 Coeficiente de correlacin

Un valor positivo de r implica que la pendiente de

la lnea es ascendente hacia la derecha
Un valor negativo de r implica que la pendiente de
la lnea es descendente hacia la derecha
Si r=0 no hay correlacin lineal, aunque puede
haber correlacin curvilnea
Mide la dispersin de los puntos, alrededor de una
tendencia lineal subyacente (lnea recta).
Puede tomar cualquier valor entre 1 y +1.
8
 Correlacin de la informacin (R ) de las X y las Y
Correlacin Positiva Correlacin Negativa
25
Evidente 25
Evidente
20 20

15 15

10
Y

Y
10
5
5
0
0 5 10 15 20 25
Sin Correlacin 0
0 5 10 15 20 25
X 25
R=1 X
R=-1
20

15
Y 10

0
0 5 10 15 20 25
X
R=0
FRMULA DE COEFIENTE DE CORRELACIN DE PEARSON
 donde:
r = coeficiente de correlacin de Pearson.
xy = sumatoria de los productos de ambas variables.
x = sumatoria de los valores de la variable independiente.
y = sumatoria de los valores de la variable dependiente.
x2 = sumatoria de los valores al cuadrado de la variable
independiente.
y2 = sumatoria de los valores al cuadrado de la variable
dependiente.
N = tamao de la muestra en funcin de parejas.
Existe relacin entre la Masa corporal y la fuerza en los alumnos
universitarios?. Si existe, Qu tipo de correlacin?
Variable independiente Variable dependiente

Alumno Masa Corporal(Kg) Fuerza(Kp)

Carmen 60,00 100,00

Pedro 65,00 105,00
Juan 70,00 102,00
Lus 75,00 135,00
Ana 80,00 95,00
Carlos 85,00 125,00
Elena 90,00 140,00
Rosa 95,00 130,00
Lus 100,0013 148,00
COEFICIENTE DE CORRELACIN = r

14
COEFICIENTE DE CORRELACIN = r

15
 Correlaciones (Pearson)
Tabla de Correlacin mnima

n 95% 99% n 95% 99%

de confianza de confianza de confianza de confianza
3 1.00 1.00 15 0.51 0.64
4 0.95 0.99 16 0.50 0.61
5 0.88 0.96 17 0.48 0.61
6 0.81 0.92 18 0.47 0.59
7 0.75 0.87 19 0.46 0.58
8 0.71 0.83 20 0.44 0.56
9 0.67 0.80 22 0.42 0.54
10 0.63 0.76 24 0.40 0.52
11 0.60 0.73 26 0.39 0.50
12 0.58 0.71 28 0.37 0.48
13 0.53 0.68 30 0.36 0.46
14 0.53 0.66

Para un 95% de confianza, con una muestra de 10,

el coeficiente (r) debe ser al menos .63
16
Interpretacin del coeficiente de Correlacin.

Como se ha indicado el coeficiente de correlacin de

Pearson es un ndice cuyos valores absolutos oscilan entre -1
y +1. Cuanto ms cerca de 1 mayor ser la correlacin, y
menor cuanto ms cerca de cero. Pero como interpretar un
coeficiente determinado?
Qu significa un coeficiente de 0.6?. Es alto o bajo?. No
puede darse una respuesta precisa. Depende en gran parte
de la naturaleza de la investigacin.
Interpretacin del coeficiente de Correlacin

Ms inters tiene la interpretacin del coeficiente de

correlacin en trminos de proporcin de variabilidad
compartida o explicada, donde se ofrece una idea ms cabal
de la magnitud de la relacin. Nos referimos al coeficiente
de determinacin. Dicho coeficiente se define como el
cuadrado del coeficiente de correlacin
Por ejemplo, si la correlacin entre Masa Corporal(Kg) y ,
Fuerza(Kp) fue de 0.77 = 0.5929 es la proporcin de
varianza compartida entre ambas variables. Puede
interpretarse como que un 59.29% de los cambios
producidos en la masa Corporal es debido a la fuerza.
 Ejemplo: ( Resolver )

De acuerdo a la siguiente tabla

encuentre la recta de regresin y los
coeficientes de correlacin y de
determinacin