CORRELACION Y REGRESION

PRESENTADOPOR:

Lic. EDWARD F. HUAMANI ALHUAY

 INTRODUCCIN
Es frecuente que estudiemos sobre una misma poblacin los valores de dos
variables estadsticas (X,Y) distintas, con el fin de ver si existe alguna
relacin entre ellas.

Ejemplo: En una poblacin de

nios entre 1 y 5 aos, estudiamos
las variables peso y talla, en
general ocurre que a mayor talla
tambin encontremos mayor peso,
aunque es posible que en algunos
pocos casos no ocurra as.
Vemos que existe una relacin
entre las dos variables, aunque no
es funcional, o sea, no puedo
determinar con exactitud el peso
que corresponder a cada talla.

En este tema trataremos de describir y medir este tipo de

relaciones, que aparecen en gran cantidad de problemas.
1. ANALISIS DE CORRELACION

DEFINICIN. La correlacin es el mtodo empleado para

determinar el grado de asociacin o relacionamiento entre las
variables que se estudian, para as determinar en qu medida una
relacin funcional describe o explica en una forma adecuada la
relacin entre estas variables.

TIPOS DE CORRELACIN. Atendiendo al relacionamiento entre

las variables X e Y podemos tener:

Correlacin Directa o Positiva. Cuando las variables X e Y

presentan variaciones en un mismo sentido, esto es, para mayores
valores de X corresponde mayores valores de Y.
Correlacin Inversa o Negativa. Cuando las variaciones de X e Y
son en sentidos contrarios, esto es, para mayores valores de X
corresponden menores valores de Y.
Sin correlacin. Cuando no existe ningn tipo de relacionamiento
entre las variables.
1.1 DIAGRAMA DE DISPERSION

Se utiliza para graficar la relacin entre dos variables X e Y,

consiste en una nube de puntos que indicar si existe o no
correlacin dependiendo de la tendencia de la tendencia de los
puntos.

Correlacin Correlacin
Sin
Positiva Negativa
Correlacin
(Directa) (Inversa)
1.2 EJEMPLO DE CORRELACION

Ejemplo1: Si tenemos los datos que se presentan en la tabla y

consideramos que la edad determina el peso de las personas
entonces podremos observar la siguiente grfica:

EDAD(X) PESO(Y)
54 74
10 48
8 45
15 52
30 60
18 54
42 65
28 58
19 55
31 62

Observando el grfico podemos decir que la edad y el peso

tienen una correlacin Directa o Positiva.
1.3 COEFICIENTE DE CORRELACION
Es un nmero que indica el grado de asociacin entre las variables
y se define del siguiente modo:
n
xi yi nxy S xy
r n
i 1
n

Sx S y
xi2 nx 2 yi2 ny 2
i 1 i 1
1.4 EJEMPLO DE CORRELACION
Ejemplo2: Del ejemplo1 hallar el coeficiente de correlacin
N EDAD (X) PESO(Y) XY X2 Y2
1 54 74
3996 2916 5476
2 10 48
480 100 2304
3 8 45
360 64 2025
4 15 52
780 225 2704
5 30 60
1800 900 3600
6 18 54
972 324 2916
7 42 65
2730 1764 4225
8 28 58
1624 784 3364
9 19 55
1045 361 3025
10 31 62 1922 961 3844
X=255 Y=573 XY=15709 X2=8399 Y2=33483
2. ANALISIS DE REGRESION
REGRESIN. Es un mtodo que se emplea para encontrar una
funcin que se ajusta a una nube de puntos o diagrama de
dispersin, con la finalidad de obtener una prediccin aproximada
de una de las variables a partir de la otra. Y f ( X )
3. REGRESION LINEAL SIMPLE
Este tipo de regresin se utiliza cuando existe solo una variable
independiente X para una variable dependiente Y. Est definida
por la siguiente ecuacin lineal en su forma general:
3.1 METODO DE MINIMOS CUADRADOS PARA
ESTIMAR LOS COEFICIENTES DE REGRESIN.
Es un mtodo para obtener la recta que se ajuste mejor a los
datos, al graficar los datos sabemos que podemos trazar infinidad
de rectas pero este mtodo nos proporciona la de mejor ajuste.
3.2 ESTIMACION DE LOS COEFICIENTES
3.3 EJEMPLO APLICATIVO

Ejemplo3: Una empresa tiene 7 vendedores, y se quiere analizar

las ventas mensuales (en miles de soles) frente a los aos de
experiencia. Los datos estn en la siguiente tabla.
Se trata de una relacin lineal? (analizar el diagrama de
dispersin)
Si es una ecuacin lineal hallar la ecuacin de regresin
determinando los coeficientes de regresin.
Predecir la venta de un empleado con 40 aos de experiencia
(Estimar Y para un valor X=40)

Solucin:
a) Segn el diagrama de dispersin existe una relacin
aproximadamente lineal.
b) Hallando la ecuacin de la recta de regresin:
3.3 EJEMPLO APLICATIVO
N
Ventas(miles)
Experiencia (X) (Y) XY X2 Y2
1 13 26 338 169 676

2 16 33 528 256 1089

3 30 36 1080 900 1296

4 2 16 32 4 256

5 8 26 208 64 676

6 6 19 114 36 361

7 31 38 1178 961 1444

X=106 Y=194 XY=3478 X2=2390 Y2=5798

3.3 EJEMPLO APLICATIVO
4. COEFICIENTE DE DETERMINACION
5. ERROR ESTNDAR DE ESTIMACIN