ANÁLISIS DE REGRESIÓN Y

CORRELACIÓN
Algunos Ejemplos de Variables y su relación

¿Existe alguna relación entre la cantidad que

Healthtex gasta por mes en publicidad y sus ventas
mensuales?
Con base en el costo de calefacción de una casa en el
mes de enero. ¿Es posible estimar el área de la casa?
¿Hay alguna relación entre las millas por galón que
rinde una camioneta grande y el tamaño del motor?
¿Hay alguna relación entre el número de horas que
estudiaron los alumnos para un examen y la
calificación que obtuvieron?
 TENDENCIA LINEAL

Es la que puede señalarse en una línea recta

o curva suave, y puede ser ascendente o
descendente.
 REGRESIÓN Y CORRELACIÓN
LOS ANÁLISIS DE REGRESIÓN Y DE CORRELACIÓN
ESTÁN BASADOS EN LA RELACIÓN O ASOCIACIÓN,
ENTRE 2 O MÁS VARIABLES:
•UNA VARIABLE CONOCIDA LLAMADA VARIABLE
INDEPENDIENTE.
•LA VARIABLE QUE SE ESTÁ TRATANDO DE PREDECIR
ES LA VARIABLE DEPENDIENTE.

LA REGRESIÓN Y LOS ANÁLISIS DE CORRELACIÓN

MUESTRAN COMO DETERMINAR TANTO LA
NATURALEZA COMO LA FUERZA DE UNA RELACIÓN
ENTRE DOS VARIABLES.
 REGRESIÓN Y CORRELACIÓN
 La Regresión y la correlación son dos técnicas
estadísticas que se pueden utilizar para solucionar
problemas comunes en los negocios.
 Muchos estudios se basan en la creencia de que es
posible identificar y cuantificar alguna Relación
Funcional entre dos o más variables, donde una
variable depende de la otra variable.
 Se puede decir que Y depende de X, en donde Y y X
son dos variables cualquiera en un modelo de
Regresión Simple.
5
 Métodos para obtener una línea
recta y su ecuación:

Método Gráfico,
de Mano Alzada o Mano Libre,
Método de Semipromedios,
Método de Promedios Móviles y
Método de Mínimos Cuadrados.
 Método de Mínimos Cuadrados:
Para el ajuste de la línea se utiliza el Método de
Mínimos Cuadrados, con la Ecuación de la Línea
Recta:

Y = a + bx

Y cuando se usa para describir la tendencia es escrita

así:
Yc = a + bx
 ANÁLISIS DE REGRESIÓN

Es la técnica mas usada en investigación

económica y comercial para buscar una
relación entre 2 o mas variables ligadas de
un modo causal.

Consiste en general en: una función a partir

de datos o información conocida para hacer
estimaciones .
TIPOS ANÁLISIS DE REGRESIÓN

a) REGRESION LINEAL SIMPLE

Se refiere al análisis de 2 variables.

b) REGRESION MÚLTIPLE
Cuando se relacionan 3 o mas variables.
Regresión Lineal Simple

EN EL ANÁLISIS DE REGRESIÓN SE DESARROLLA

UNA ECUACIÓN DE ESTIMACIÓN, ESTO ES, UNA
FÓRMULA MATEMÁTICA QUE RELACIONA LAS
VARIABLES CONOCIDAS CON LA VARIABLE
DESCONOCIDA.
 Modelo de
Regresión
 
En el Modelo de Regresión es muy importante
identificar cuál es la variable dependiente y cuál
es la variable independiente.
En el Modelo de Regresión Simple se establece
que “Y” es una función de sólo una variable
independiente, razón por la cual se le denomina
también Regresión Divariada porque sólo hay dos
variables, una dependiente y otra independiente.
11 11
 Modelo de
Regresión
 La variable dependiente es la variable que se
desea explicar, predecir. También se le llama
REGRESANDO ó VARIABLE DE RESPUESTA.

 La variable Independiente «X» se le denomina

VARIABLE EXPLICATIVA ó REGRESOR y se le
utiliza para EXPLICAR «Y» 

12 12
 Técnicas más utilizadas en el análisis de
regresión lineal simple

1) ORDENAMIENTO Y ANÁLISIS DE LA
13
INFORMACIÓN ORIGINAL
2) CÁLCULO DE DATOS ESTIMADOS
3) DIAGRAMA DE DISPERSIÓN E INTERPRETACIÓN
EL PRIMER PASO PARA DETERMINAR SI EXISTE O
NO UNA RELACIÓN ENTRE DOS VARIABLES ES
ANALIZAR LA GRÁFICA DE DATOS OBSERVADOS.

13
 Técnicas más utilizadas en el análisis de
regresión lineal simple
14

LA GRÁFICA SE LLAMA DIAGRAMA DE DISPERSIÓN Y ES UN

DIAGRAMA QUE NOS PUEDE DAR DOS TIPOS DE
INFORMACIÓN:
•(VISUALMENTE) PATRONES QUE NOS INDIQUEN QUE LAS
VARIABLES ESTÁN RELACIONADAS
•ENTONCES (SI ESTO SUCEDE), PODEMOS VER QUE TIPO DE
LÍNEA, O ECUACIÓN DE ESTIMACIÓN, DESCRIBE ESTA
RELACIÓN.
 Diagrama de Dispersión
Es una gráfica con datos muestrales apareados
(x, y) en un sistema de ejes rectangular, y cada
par ordenado representa un solo punto. Sirve más
para visualizar la asociación entre las variables
que las gráficas de barras de los hechos aislados,
que nos muestran tendencias al estar ordenados
en una secuencia temporal. Al observar una
gráfica debemos “ver”:
¿Que dirección tiene?
Si una variable se incrementa, ¿qué sucede con
la otra?
¿Existen datos distantes?
15 15
 Diagramas de Dispersión

 
 

16 16
 Tipos de relaciones lineales:

RELACION LINEAL ASCEDENTE

RELACION LINEAL DESCENDENTE
RELACION LINEAL CURVILÍNEA
RELACION LINEAL CONSTANTE
 REGRESIÓN LINEAL SIMPLE

Para este análisis es necesario ajustar los datos a

una línea recta, para poder estimar una variable
con relación a otra. Para esto utilizamos la
ecuación de la línea recta:

Y = a+ bx === Yc = a+ bx = Ecuación
de Regresión
 REGRESIÓN LINEAL SIMPLE

Donde:

Yc = Variable estimada o calculada.

a y b = Coeficientes de regresión.
X= Variable que sirve para estimar la otra
variable. Predictor en base a ella se estima el
predictando. (Variable Independiente).
Y = Constituye la Variable a estimar y recibe el
nombre de Predictando. (Variable Dependiente).
 ECUACIONES NORMALES:

 y = N . a + Xb

 Xy =  X . a +  X^2b
 FÓRMULAS PARA
ENCONTRAR "a" y "b":

 Y   X     X   XY 
2
a
n  X     X 
2 2

n  XY    X   Y 
b
n  X     X 
2 2
 Análisis de Correlación
• EL ANÁLISIS DE CORRELACIÓN SE APLICA PARA
DETERMINAR EL GRADO EN EL QUE ESTÁN
RELACIONADAS LAS VARIABLES.
• EL ANÁLISIS DE CORRELACIÓN, INDICA QUÉ TAN
BIEN ESTÁN RELACIONADAS LAS VARIABLES.
• EL ANÁLISIS DE CORRELACIÓN, MUESTRA QUE
TAN BIEN LA ECUACIÓN DE ESTIMACIÓN
REALMENTE DESCRIBE LA RELACIÓN.

22
Coeficiente de Correlación
Lineal “r”

Mide la fuerza de la relación lineal

entre dos valores cualitativos
apareados, en una muestra. También
se llama “Coeficiente de correlación
producto momento de Pearson.”.
LETRA "r"
23
 Coeficiente de Correlación
Lineal “r”
Si “r” es igual a 0 = no existe correlación
Si “r” mayor que 0 = correlación positiva
Si “r” menor que 0 = correlación negativa
Si “r” es igual a menos 1 = correlación perfecta
negativa
Si “r” es igual a uno = correlación perfecta
positiva.

Los límites o extremos del coeficiente de

correlación son –1 y 1.
 Coeficiente de Correlación -
Interpretación

25
 Mapa de Dispersión
 Correlación perfecta positiva r = 1
 Mapa de Dispersión
 Correlación perfecta negativa r = -1
 Mapa de Dispersión
 No hay correlación r = 0
COEFICIENTE DE CORRELACIÓN:

Es la forma primaria por la cual se puede

medir la extensión o fuerza, de la asociación
que existe entre 2 variables X y Y.

n  XY    X   Y 
r
n  X 2 2

   X   n Y   Y 
2 2

COEFICIENTE DE CORRELACIÓN:

Sirve para medir la relación entre dos

variables. Es la segunda medida que se
pueda usar para describir lo bien que una
variable se explica por otra. Cuando se
está tratando de muestras, el coeficiente
de correlación se denota por “1” y es la
raíz cuadrada del coeficiente de
determinación muestral .