Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
SE DIVIDE EN
REGRESION CORRELACION
TIPOS GRADOS
TIPOS
DIRECTA NULA
FUERTE
NULA
INVERSA DEBIL
SIMPLE MULTIPLE
CORRELACIÓN
16
14
12
Estatura en cm
Height in CM
10
0
0 10 20 30 40 50 60 70 80 90
Age in Weeks
Edad en semanas
RELACIÓN NEGATIVA
Confiabilidad
Si r = l = perfecta correlación.
¿Cómo clacular el coeficiente de correlación
simple (r)?
Las dos variables son de tipo cuantitativo, una variable,
como por ejemplo la edad, la cual llamada independiente
y como variable dependiente podríamos llamar al Peso, la
cual se denota con letra Y, para encontrar la relación entre
edad y peso, se calcula el coeficiente de correlación
simple de la siguiente manera
TIPOS DE CORRELACIÓN
Correlación directa: La correlación directa se da
cuando al aumentar una de las variables la otra
aumenta. La recta correspondiente a la nube de
puntos de la distribución es una recta creciente.
TIPOS DE CORRELACIÓN
• Correlación inversa: La correlación inversa
se da cuando al aumentar una de las
variables, la otra disminuye. La recta
correspondiente a la nube de puntos de la
distribución es una recta decreciente.
TIPOS DE CORRELACIÓN
• Correlación nula: La correlación nula se da
cuando no hay dependencia de ningún tipo
entre las variables. En este caso se dice que
las variables son incorreladas y la nube de
puntos tiene una forma redondeada.
REGRESIÓN
200
180
160
140
120
100
80
Wt (kg)
60 70 80 90 100 110 120
Usando el método de los cuadrados mínimos (un
procedimiento que minimiza las desviaciones
verticales de puntos trazados alrededor de la
línea recta) somos capaces de construir el mejor
trazado de la línea recta en la gráfica de puntos
dispersos y luego formular la ecuación de
regresión en la forma de:
ŷ a bX
ECUACIÓN LINEAL
Y
ŷ = bX
Y a +bX
a
b=
Cambio
Change
b = Slope en
pendiente in Y
Change in
Cambio enXX
a
a == Y-intercept
intersección
X
TIPOS DE MODELOS DE
REGRESIÓN LINEAL
Existen diferentes tipos de regresión lineal que se clasifican de acuerdo a
sus parámetros:
13.5
y = 10,829x + 6,5143
13
12.5
12
11.5
11
10.5
10
0.35 0.4 0.45 0.5 0.55 0.6 0.65
r = 0,913135
Fuerte correlación directa
# X Y X^2 Y^2 XY
1 645 224 416025 50176 144480
2 1103 235 1216609 55225 259205
3 997 252 994009 63504 251244
4 598 197 357604 38809 117806
5 1152 218 1327104 47524 251136
6 811 249 657721 62001 201939
7 791 221 625681 48841 174811
8 738 179 544644 32041 132102
9 1372 263 1882384 69169 360836
10 571 161 326041 25921 91931
11 1234 219 1522756 47961 270246
∑ 10012 2418 9870578 541172 2255736
a=0,072465
b=153,8623
r=0,642116
300
250
y = 0,0725x + 153,86
200
150
100
50
0
0 200 400 600 800 1000 1200 1400 1600