Repblica Bolivariana de Venezuela

Ministerio del poder popular para la Educacin Ciencia y Tecnologa

Universidad Politcnica territorial de Yaracuy Arstides Bastidas
Independencia Yaracuy.

Correlacin
Integrantes:
Alexander Moreno exp: 27383

Programa Nacional de Formacin Agroalimentacin

INDICE
Introduccin.. Pag 1

Correlacin

En probabilidad y estadstica, la correlacin indica la fuerza y la direccin de una relacin

lineal y proporcionalidad entre dos variables estadsticas. Se considera que dos variables
cuantitativas estn correlacionadas cuando los valores de una de ellas varan
sistemticamente con respecto a los valores homnimos de la otra: si tenemos dos
variables (A y B) existe correlacin si al aumentar los valores de A lo hacen tambin los de
B y viceversa. La correlacin entre dos variables no implica, por s misma, ninguna
relacin de causalidad.

Correlacin Lineal
En primer trmino es necesario que la correlacin lineal en probabilidad y estadstica
indique la fuerza y la direccin de una relacin lineal y proporcionalidad entre dos
variables estadsticas.
Se considera que dos variables
cuantitativas estn correlacionadas cuando los valores
de una de ellas varan
sistemticamente con respecto a los valores homnimos de la
otra si tenemos dos variables (A y B) existen correlacin si al aumentar los valores A lo
hacen tambin los de B y viceversa. La correlacin entre dos variables no implica, si por
si misma ninguna relacin de casualidad.
Coeficiente de correlacin
Existen diversos coeficientes que miden el grado de correlacin
naturaleza de los datos.

adaptados a la

El ms conocido es el coeficiente de correlacin de Pearson (introducido en realidad por

Francis Galton), que se obtiene dividiendo la covarianza de dos variables entre el
producto de sus desviaciones estndar.

Otros coeficientes son:

Distribucin de coeficiente de correlacin.
El coeficiente de correlacin maestral es de hecho una variable aleatoria, eso significa
que si repetimos un experimento o consideramos diferentes muestras se obtendrn
valores diferentes por tanto el coeficiente de correlacin maestral calculado a partir de
ellas tendrn valores ligeramente diferentes. Para muestras grandes la variacin en dicho
coeficiente ser menor que para muestras pequeas. R.A. Fisher fue el primero en
determinar la distribucin de probabilidad para el coeficiente de correlacin.

Tipos de correlacin

Correlacin Directa: La correlacin directa se da cuando al aumentar una de

las variables la otra aumenta. La recta correspondiente a la nube de
puntos de la distribucin es una recta creciente.

Correlacin inversa. La correlacin inversa se da cuando al aumentar

una de las variables la otra disminuye. La recta correspondiente a la
nube de puntos de la distribucin es una recta decreciente.

Correlacin nula: La correlacin nula se da cuando no hay dependencia

de ningn tipo entre las variables. En este caso se dice que las variables
son incorreladas y la nube de puntos tiene una forma redondeada.

Correlacin fuerte: La correlacin ser fuerte cuanto ms cerca estn los

puntos de la recta.

Correlacin dbil: La correlacin ser dbil cuanto ms separados estn

los puntos de la recta.

Regresin lineal

La primera forma de regresin lineal documentada fue el mtodo de los

mnimos cuadrados que fue publicada por Legendre en 1805, Gauss
public un trabajo en donde desarrollaba de manera ms profunda el
mtodo de los mnimos cuadrados, y en dnde se inclua una versin del
teorema de Gauss-Mrkov.
El trmino regresin se utiliz por primera vez en el estudio de variables
antropomtricas: al comparar la estatura de padres e hijos, donde result
que los hijos cuyos padres tenan una estatura muy superior al valor
medio, tendan a igualarse a ste, mientras que aquellos cuyos padres
eran muy bajos tendan a reducir su diferencia respecto a la estatura
media; es decir, "regresaban" al promedio. La constatacin empr ica de
esta propiedad se vio reforzada ms tarde con la justificacin terica de
ese fenmeno.
El trmino lineal se emplea para distinguirlo del resto de tcnicas de
regresin, que emplean modelos basados en cualquier clase de funcin
matemtica. Los modelos lineales son una explicacin simplificada de la
realidad, mucho ms giles y con un soporte terico mucho ms extenso
por parte de la matemtica y la estadstica.
Pero bien, como se ha dicho, se puede usar el trmino lineal para
distinguir modelos basados en cualquier clase de aplicacin.
Importancia de la regresin lineal
Segn Levin (2006), en su libro de estadsticas nos menciona que
Francis Galton (estadista del reino unido, 1822 y 1911) fue uno de los
primeros en realizar estudios de relacionados a la regresin. Francis
Galton experiment que todos los valores despus de cierto tiempo
tiende a regresarse a la media; sus experimentos consistan en tener
observaciones de hombres de estatura muy alta o muy baja, los cuales
estaban por arriba o debajo de la media y con el paso de las
generaciones los valores de las estaturas tienden a regresarse a la
media poblacional, de ah el nombre de regresin.

Donde podemos usar regresin.

Estas son interrogantes que surgen en
tema.

personas interesadas en el

Respecto a la pregunta; se puede decir que la regresin se puede usar

en muchos procesos en los cuales se tenga que tomar decisiones o
hacer inferencias acerca de algn fenmeno que no conozcamos aun su
resultado, en el cual se tenga informacin de una variable
independiente y el comportamiento de otra variable que dependa de la
primera.
Porque regresin lineal .
Existen varios tipos de regresin lineal o cuadrtica, y a su vez la lineal
se divide en simple o mltiple.
Es lineal porque el patrn de comportamiento entre variables
(dependiente o independiente) se presenta con un patrn lineal, en lnea
recta y es cuadrtica porque la relacin entre las
variables en forma
curvilnea.
Es regresin lineal simple porque la relacin que se busca es solo entre
dos
variables,
una
independiente
(predictora)
y
la
otra
dependiente (de respuesta).
Y es regresin lineal mltiple porque para una variable dependiente se
puede tener ms de una variable independiente
Coeficientes de regresin estandarizados.
Los coeficientes Beta estn basados en las puntuaciones tpicas y por lo
tanto, son directamente comparables entre s. Indican la cantidad de
cambio, en puntuaciones tpicas, que se producirn en la
variable
dependiente por cada cambio de una unidad en la correspondiente

variable independiente manteniendo constantes el resto de variables

independientes.