TEMA 9 Correlacin y regresin lineal OBJETIVO Al finalizar el tema el estudiante ser capaz de a)Calcular el coeficiente de correlacin b)Explicar la significacin

de r=1 r=-1 y r=0 c)Calcular los coeficientes de la ecuacin de regresin lineal d)Calcular el valor de la variable Y, dado un valor particular a la variable X 6.1.Definicin de correlacin Con frecuencia se quiere determinar: El grado de relacin entre dos variables ser expresado en forma cuantitativa a travs de un coeficiente de correlacin (r). Existen varias clases de correlacin. La decisin de cual emplear en un conjunto de datos especficos, depende de factores como-El tipo de escala o medida en la cual se expresan las variables -La naturaleza de la distribucin fundamental( discreta o continua) y -La caracterstica de la distribucin de las calificaciones ( lineal o no lineal. En nuestro caso por su mayor aplicacin, se calcular el coeficiente de correlacin de Pearson (o coeficiente de Producto Momento de Pearson) y el coeficiente de Correlacin por Rangos de Spearman, que se emplea cuando se tienen datos ordinales.

X
r=1 6.2.Caracteristicas comunes Algunas caractersticas comunes r=-1

X
r=0

1. Se obtienen dos series de medidas en los mismos individuos( o sucesos) o en pares de individuos que tengan alguna forma de relacin. 2. Los valores de los coeficientes de correlacin varan entre -1 y 1 ambos extremos representan relaciones perfectas entre las variables y 0 representa ausencia de relacin. 3.Una relacin positiva significa que los individuos que obtienen calificaciones altas en una variable, tienden a obtener calificaciones altas en otra variable. La aseveracin contraria es vlida, es decir individuos que obtienen una calificacin baja en una variable tienden tambin a obtener una calificacin baja en la segunda variable. 4. Una relacin negativa significa que los individuos que obtienen una calificacin alta en una variable, tienden a obtener una calificacin baja en la segunda variable y viceversa. 6.3. Coeficiente de correlacin de Pearson: a) r =

[N X

N XY ( X )( Y )
2

( X )

][ N Y

( Y )

b) r =

xy ( x )( y )
2 2

donde x=X- X e y= Y- Y

Ejemplo: a)Calcular el coeficiente de correlacin en base a la siguiente informacin: Estudiante A B C D E Estudiante A B C D E Prueba diagnostica 5 3 4 6 2 X 5 3 4 6 2 20 Y 5 4 6 7 3 25 Prueba despus de terapia 5 4 6 7 3 XY 25 12 24 42 6 109 X2 25 9 16 36 4 90 Y2 25 16 36 49 9 135

r=

[(5)(90) (20) ][( 5) (135) (25) ]

2 2

(5)(109) (20)( 25)

r=

545 500 = (50)(50)

45 2500

45 = 0.9 50

Aplicando la frmula b) Estudiante A B C D E X 5 3 4 6 2 20 Y 5 4 6 7 3 25 X- X =x 1 -1 0 2 2 X2 1 1 0 4 4 10 Y- Y 0 -1 1 2 -2 Y2 0 1 1 4 4 10 xy 0 1 0 4 4 9

r=

xy ( x )( y )
2 2

donde x=X- X e y= Y- Y
9 = 0.9 10

r=

9 (10)(10)

9 100

6.4. Coeficiente de correlacin por rangos o de Spearman

Tiene aplicacin cuando los datos son de carcter ordina y se utiliza la siguiente frmula 6D 2 rrho = 1 N ( N 2 1) Se han observado comparativamente en 5 estudiantes sus aptitudes para la actividad musical y fsica, el resultado es el siguiente: Estudiante Aptitud Musical Aptitud Fsica Juan Segundo Primero Pedro Cuarto Tercero Mario Tercero Cuarto Roberto Quinto Quinto Felipe Primero Segundo Calcular el grado de relacin entre ambas variables Estudiante Aptitud Musical Aptitud Fsica D A 2 1 1 B 4 3 1 C 3 4 -1 D 5 5 0 E 1 2 -1 D2 1 1 1 0 1

6 ( 4) = 0.8 5(5 2 1) 6.5. REGRESION LINEAL En muchos casos basndonos en datos muestrales, se desea estimar el valor de una variable Y correspondiente a un valor dado en la variable X como ejemplo, si tomamos las medidas del peso y estatura de 4 estudiantes, los mismos que se resumen en el siguiente cuadro: r rho =1
5.5.1 Modelo de Regresin lineal simple bivariante. Se designar con la letra X para designar la variable independiente e Y para la variable dependiente. Los valores que tomen las variables se designaran con x e y respectivamente. 5.1 Lnea recta Y= a 0 +a1 X Donde las constantes

a0 =

(Y )(X 2 ) (X )(XY ) n(X 2 ) (X ) 2

nXY (X )(Y ) n(X 2 ) (X ) 2

a1 =