1

Corporación Universitaria Minuto

De Dios
Unidad 5. Actividad 7. Documento de Socialización sobre Regresión y Correlación Lineal

Curso:
Estadística Descriptiva
NRC 8937

Alumno:
Maricela Quintero de Antonio

Profesor tutor:
Yeison Andrés Vaquiro
 2

OBJETIVOS.

Indagar los conceptos básicos de regresión y correlación lineal ya que nos permite

aplícalo en el día a día.

Reconocer el procedimiento para determinar las varíales con incógnitas.

Comprender la diferencia entre el análisis de regresión y el análisis de

correlación.

Indicar los elementos teóricos para establecer el análisis de regresión.

Metodología. Definición de conceptos básicos.

Regresión. La regresión está dirigida a describir como es la relación entre dos variables X e Y,

ya que se pueden realizar predicciones sobre los valores de la variable Y, a partir de los de X.

cuando la asociación entre ambas variables es fuerte, la regresión nos ofrece un modelo

estadístico ya que puede alcanzar finalidad predictiva.

La regresión su poner que hay una variable fija, ya que es variable independiente o predictora, en

cuanto a la otra que no está controlada que es variable respuesta o dependiente, la correlación

supone que ninguna es fija, ya que en su forma más sencilla se llama regresión lineal simple. Es

una técnica estadística que analiza la relación entre dos variables cuantitativas, verificando si

dicha relación es lineal. Si las dos variables hablan de regresión simple, si hay dos variables de

regresión múltiple.

Correlación. Tiene como finalidad examinar la dirección y la fuerza de la asociación entre dos

variables cuantitativas, ya que la intensidad de relación entre ella aumenta el valor de una

variable o disminuye el valor de la otra variable. Hay dos coeficientes de relación que se usa

frecuentemente el Pearson (Paramétrico) y el de Spearman (no paramétrico) se utiliza en los

 3

casos donde la variable examinada no cumple criterios de normalidad o cuando las variables son

ordinales.

El coeficiente de correlación de Pearson evalúa la adecuación de la recta lineal que define la

relación entre dos variables cuantitativas, ya que el coeficiente no paramétrico de Pearson mide

cualquier tipo de asociación, no necesariamente lineal, ya que la correlación es una técnica

estadística que es usada para determinar la relación entre dos o más variables. La relación entre

una la duración de una carrera de distancia y el test del escalón, o la relación de las

características de la personalidad y participación en deportes de alto riesgo.

Ejemplos con caos prácticos. Regresión Lineal.

1. hay dos tipos de variables.

Una variable dependiente que queremos pronosticar se llama Y.

De otro lado tenemos una variable independiente que explica la variable Y y se llama X.

Las dos variables están conectadas a través de una ecuación lineal, ya que la técnica de regresión

lineal consiste en modelar la ecuación de una recta. Y x

Se desea predecir el sueldo en función de la edad de un trabajador, el sueldo será variable

depende diente Y y la edad será la variable independiente X. Si representa que a mayor edad

mayor sueldo o que a menor edad menor sueldo podemos decir que X y Y tiene una relación

directa.

2. Se desea pedir el tiempo en meses, que demora una constructora en edificar un condómino en

función al número de trabajadores que contrato para realizar la obra. Tenemos la variable tiempo

de construcción que es la variable Y la que desea predecir y luego tenemos la variable número de
 4

trabajadores X. En este caso se puede determinar que mientras el número de trabajadores

aumenta el tiempo de la construcción va a disminuir, si el número de trabajadores disminuye el

tiempo se alargara, podemos decir que es una relación inversa.

ESTADISTICA TALLER UNIDAD 5

REGRESIÓN LINEAL

Ejercicio 1. Una determinada empresa de productos básicos muestra los

datos del último año de ventas (en millones de pesos) y al gasto en
publicidad (en millones de pesos). La tabla siguientes muestra estas dos
variables X e Y.

a. Grafique la nube de puntos

b. Calcule el valor de la covarianza
c. Determine el tipo de correlación lineal hallando el coeficiente de
correlación
d. Halle la recta de regresión

X Y
181 16
176 17
174 15
196 21
200 19
188 17
184 18
193 20
190 21
199 22
170 15
184 17

Ejercicio 2. Para una muestra de 10 personas disponemos de información

respecto a su grado de extroversión, y se desea evaluar su posible relación
lineal con la dimensión de personalidad estabilidad emocional. Ambas
variables se han medido con un test y se han obtenido las puntuaciones para
 5

cada sujeto en una escala de 0 a 10. Los valores obtenidos se presentan en

la siguiente tabla:

Sujeto X: Grado de Y: Estabilidad

s Extroversión Emocional
1 5 6
2 10 6
3 4 3
4 7 8
5 6 6
6 5 3
7 4 5
8 4 9
9 4 10
10 3 9

a. Calcule el valor de la covarianza

b. Grafique la nube de puntos
c. Determine el tipo de correlación hallando el coeficiente de correlación
d. Halle la recta de regresión
e. Determine la estabilidad emocional para un grado de extroversión de 2

SOLUCIÓN.

Ejercicio 1. Una determinada empresa de productos básicos muestra los datos del último año de

ventas (en millones de pesos) y al gasto en publicidad (en millones de pesos). La tabla siguientes

muestra estas dos variables X e Y.

a. Grafique la nube de puntos.

Para graficar la nube de puntos debemos encontrar la evocación de la correlación entre variables.

n ∑ xy−∑ ( x ) . ∑ ( y )
Y = a x + b = a. Remplazamos.
n∑ x 2−¿ ¿
 6

12. ( 40.828 )−( 2235 ) ( 218 ) 489. 936−487230 2.76

a= = = = 0.2
12 ( 417335 )−¿ ¿ 5´ 008.020−4 ´ 995 .225 12.795

∑ y−a ( ∑ x ) 218−( 0.2 ) (2235) 218−447 −229

b= = = = = −19 Remplazamos
n 12 12 12
Y = ( 0.2 ) x + (−19 )= y=0.2 x−19

Valores X Valores Y
Nube de Puntos
170 15
25
174 15
20 176 17
181 16
15 184 17
184 18
10
188 17
5 190 21
193 20
0
165 196170 17521 180 185 190 195 200 205
199 22
200 19

Ejercicio 2. Para una muestra de 10 personas disponemos de información respecto a su grado de

extroversión, y se desea evaluar su posible relación lineal con la dimensión de personalidad

estabilidad emocional. Sujeto X: Grado de Y: Estabilidad Ambas variables se han

s Extroversión Emocional
medido con un test y se 1 5 6 han obtenido las
2 10 6
3 4 3
4 7 8
5 6 6
6 5 3
7 4 5
8 4 9
9 4 10
10 3 9
 7

Y- puntuaciones para
2 2 2 2
S X Y X.Y X Y X -Y Y (X-X) (Y-Y) (X-X) ( Y-Y)
cada sujeto en una
1 5 6 30 25 36 -1,1 0 1,21 0 0
2 7 7 49 49 49 0,9 1 0,81 1 0,9 escala de 0 a 10. Los
3 3 4 12 9 16 -3,1 -2 9,61 4 6,2
4 7 6 42 49 36 0,9 0 0,81 0 0 valores obtenidos se
5 5 6 30 25 36 -1,1 0 1,21 0 0
6 9 8 72 81 64 2,9 2 8,41 4 5,8 presentan en la
7 8 7 56 64 49 1,9 1 3,61 1 1,9
1 siguiente tabla:
8 0 8 80 100 64 3,9 2 15,21 4 7,8
9 4 5 20 16 25 -2,1 -1 4,41 1 2,1
1
0 3 3 9 9 9 -3,1 -3 9,61 9 9,3
6 6
1 0 427 384 0 0 54,9 24 34

Sujeto X: Grado de Y: Estabilidad

s Extroversión Emocional
1 3 9
2 4 3
3 4 5
4 4 9
Organizamos la tabla de 5 4 10 frecuencia
6 5 3
7 5 6
8 6 6
9 7 8
10 10 6

a. Calcule el valor de la covarianza.

 8

∑ x 61 ∑y 60
n = 10 x́ = n = 10 = 6,1 Y´ . n = 10 = 6

∑ ¿= 54,9 ∑ ¿ = 24 ∑ ( x−x́ ) ¿) ¿ 34
coeficiente de correlación r=∑ ¿) . (y- ý)

√ ∑ ¿ ¿ .√ ∑ ¿ ¿
r = 34
34 34
√ 54.9 . √ 24 = ( 7.40 )( 4.9 ) = 36.26 = 0.93 Covarianza Co ( x , y )=∑ ( x− x́ ) −¿ ¿

= Co ¿
Con base en el coeficiente de correlación, (0,93) podemos decir que hay una correlación positiva

entre los datos X y los datos de Y, quiere decir que a medida que se incrementan los valores de

X, también se incrementan los valores de Y, ya que el coeficiente de correlación es un valor muy

cercano a 1, los datos de X y de Y están relacionados, si se grafica estos puntos veremos que

forman una aproximación de línea recta.

n ∑ ( x . y )−∑ ( x ) . ∑( y) n ( 400 )−(61∗60) 10 ( 400 )−(3660)

y=ax+b a= 2 a= =
n ( ∑ x )−¿¿ n ( 427 )−¿¿ 10 ( 427 )−3721

4000−3660 340
a= = = 0,62
4270−3721 549

b=
∑ ( y )−a (∑ ( x )) =
60−( 0,62 ) ( 61)
b=
60−37,82 22,18
= =2,22 Reemplazamos
n 10 10 10

y = o, 62x + 2, 22 y = 0, 62(2) +2, 22 = 1, 24 + 2, 22 = 3, 46 Para un grado de extroversión 2,

la estabilidad emocional es de 3.46

 9

Nube de Puntos
Valores X Valores Y
12
10 8
10 10 6
8 7 8
6 6
6
5 6
4 5 3
2 4 10
4 9
0
2 34 4 55 6 7 8 9 10 11
4 3
3 9

C. Determine el tipo de correlación lineal hallando el coeficiente de correlación

 
  C. Determinación C. DE PEARSON
  R² = 0,0176 r= 0,13266499

CONFIABILIDAD DE LA Grado de variación de las

  INFORMACIÓN variables

según este resultado podemos decir que no existe

ningún tipo de correlación, porque el coeficiente es
0,13 y está entre 0 y 0,30

 
r =√ R 2=√ 0,0176=¿ ¿ 0,1
3
    R= 0,132665  
 
     
 10

2Cov ( -0,64     )2 0,4096

  R = 2 2 =  ( 3,76   ) ( 4,45  ) =16,732  =0,024
sx sy

   
     
 
D. Halle la recta de regresión

Referencias.

 Alfa Teorema. Ejemplo de Regresión Lineal Simple

https://www.youtube.com/watch?v=4PiiSUxcalg&ab_channel=AlfaTeorema

 Carmen Carollo Limeres

http://eio.usc.es/eipc1/BASE/BASEMASTER/FORMULARIOS-PHP-
DPTO/MATERIALES/Mat_50140116_Regr_%20simple_2011_12.pdf
11