ESTADISTICA

CONSULTA
GRUPAL

INTEGRANTES: Evelyn Laminia, Evelyn Sanguano,

Javier Reyes, Jardel Macas
NRC: 3315

ANALISIS DE REGRESION Y
CORRELACION
 INTRODUCCION
La Recta de regresin y la distribucin bidimensional es una operacin muy conocida y
aplicada en las actividades de investigacin, pues es una via muy fiable de comprobar la
relacin entre 2 variables fundamental en el momento de demostrar alguna hiptesis o
experimento.
Se viene aplicando incluso en los teoremas ms bsicos del clculo y la fsica puesto que
los corolarios que componen los diferentes teoremas siempre necesitan una demostracin
y esta puede ser directamente por regresin lineal , uno de los ejemplos ms
representativos son las componentes cinemticas de un cuerpo en movimiento , donde la
posicin, velocidad y aceleracin proporcionan informacin similar sobre el movimiento
del cuerpo y el clculo de la correlacin ayuda a entender de qu manera se distribuyen
estos datos y poder analizarlos de una manera ms precisa.
Hay muchos factores que intervienen en el clculo de variables bidimensionales los cuales
se detallaran a continuacin.

DISTRIBUCIONES BIDIMENSIONALES
Se llama as debido a su estudio sobre 2 variables a la vez en cada
experimento.
Se Representa con un diagrama de puntos o nube de puntos.
Se utiliza el plano cartesiano para representar la relacin entre las 2
variables estudiadas
Ejemplos
Nota de Matemticas / Nota de Fsica. (2 variables)
Horas de estudio / Horas de televisin. (2 variables)
Estatura media de los padres / Estatura media de los hijos. (2 variables)

REPRESENTACION

Medida de la correlacin
Al estudiar distribuciones bidimensionales, el objetivo perseguido es determinar si existe relacin
estadstica entre las dos variables consideradas; es decir, ver si los cambios en una de las
variables influyen en los cambios de la otra. Cuando sucede esto, se dice que ambas variables
estn correlacionadas o que hay correlacin entre ellas.
Estudia la relacin o dependencia que existe entre dos variables que intervienen en una
distribucin bidimensional. Estudiamos la covarianza, el centro de gravedad de las dos variables y
el coeficiente de correlacin lineal de Pearson (R). (Garcia, 2010)

Covarianza xy (Factor de Correlacion)

Si las variables crecen conjuntamente, la correlacin es directa. Si, por el contrario, al aumentar
una de ellas disminuye la otra, la correlacin ser inversa. El valor del factor de correlacin siempre
oscilara entre 1 y -1.
La correlacin puede calificarse como fuerte cuando el grado de dependencia es alto; y como dbil
en caso contrario. (VARGAS, 2011)

ECUACION

REPRESENTACION GRAFICA

NOTA:
El punto que tiene por coordenadas la media aritmtica de las 2 variables es
denominado Centro de gravedad
DIAGRAMAS DE DISPERSION

El primer paso para determinar el sentido y el grado de la correlacin entre dos variables
consiste en representar grficamente, en el plano cartesiano, los pares de valores
conocidos.
 Estos grficos, que reciben el nombre de diagramas de dispersin, permiten visualizar la
posicin de los datos en el plano.
La forma de la nube de puntos asociada a cada diagrama permitir establecer conjeturas
sobre la correlacin existente entre las variables estudiadas.

En general, dependiendo de la forma de la nube de puntos, puede asegurarse:

Una nube de puntos alargada indica correlacin lineal: los puntos se distribuyen entorno a una
lnea recta. La estrechez de la nube expresa que la correlacin es fuerte.
Si la recta que se ajusta a la nube tiene pendiente positiva, la correlacin ser directa: al
aumentar x, aumenta y, viceversa .
Una recta con pendiente negativa indica que la correlacin es inversa, al aumentar x, disminuye
y, viceversa. (FERRERO, 2010)

PARAMETROS DE UNA DISTRIBUCION BIDIMENSIONAL

Lo datos correspondientes a cada una de las variables se llaman datos marginales. (En el caso
de tablas de doble entrada puede hablarse de frecuencias marginales). Estos datos permiten el
clculo de los parmetros marginales de cada una de las variables.

Medias
Las medias marginales para cada una de las variables X e Y valen, respectivamente:

El punto se llama centro medio de la distribucin. Es el centro de gravedad (o centro de, y

masas) de la nube de puntos. Si se considera las medidas ponderadas se llamara centro medio
ponderado.

COEFICIENTE DE CORRELACION LINEAL

El coeficiente de correlacin lineal (r) es el criterio que se utiliza para medir la fuerza de la
correlacin lineal entre dos variables, se define como:

Es la razn entre la covarianza de las variables x e y, y el producto de sus desviaciones tpicas

marginales.
PROPIEDADES FUNDAMENTALES
I. El valor de r no es funcin de la escala de medida.
II. El signo de r es el mismo que el de la covarianza, pues las desviaciones siempre son
positivas. Luego: Si r > 0, la correlacin es directa; Si r < 0, la correlacin es inversa.
III. El valor de r est comprendido entre 1 y +1: 1 r 1
IV. Si r toma valores prximos a 1, la correlacin es fuerte e inversa.
V. Si r toma valores prximos a +1, la correlacin es fuerte y directa.
VI. Si r =1, la correlacin es perfecta denominndose correlacin funcional. Hay
dependencia lineal entre las variables X e Y.
VII. Si r toma valores cercanos a 0, la correlacin prcticamente no existe. (Garcia, 2010)
RECTAS DE REGRESION

La recta de regresin es la que mejor se ajusta a la nube de puntos, haciendo mnima la suma de
las distancias de todos los puntos de la nube a ella. Debe pasar por el punto , centro de
gravedad de la distribucin bidimensional.

La recta que mejor se ajusta a estos propsitos es la recta de regresin mnimo cuadrtica. Con
estas condiciones, los valores de la pendiente a y de la ordenada en el origen b de esa recta
valen:

Luego obtenemos la ecuacin de la recta de regresin.

Siendo x las medidas de las variables X e Y, e y 2 x s la varianza de X y sxy la covarianza.

Esta recta de regresin se llama de Y sobre X, pues se utiliza para predecir (estimar) los valores
de Y a partir de los de X. Si lo que se desea es estimar los valores de X partiendo de los de Y, se
emplear la ecuacin de la recta de regresin de X sobre Y, que es:

se le denomina coeficiente de regresin de X sobre Y. No es la pendiente de la recta, sino su

inversa.
Las rectas de regresin de Y sobre X y de X sobre Y se cortan en el centro de gravedad de la
distribucin . Su posicin relativa es funcin del coeficiente de correlacin, oscilando desde
perpendiculares cuando r = 0, hasta coincidentes cuando r = 1. (FERRERO, 2010)
 SINTESIS
En resumen se puede decir que el clculo de una distribucin bidimensional consiste en la
extraccin de ciertos valores que representan la varianza de datos entre las variables para
establecer una ecuacin que represente la distribucin de los mismos, el cual siempre tendr un
valor entre 1 y -1 lo cual representa la direccin de la recta de regresin si es directa o inversa , el
conjunto de todas las operaciones correspondientes a la distribucin bidimensional y a la grfica
de dispersin de puntos y la recta de regresin se conoce como Regresin Lineal, siendo esta una
tcnica muy aplicada en el campo de la investigacin y comprobacin de hiptesis.

WEBGRAFIA
http://www.edu.xunta.gal/centros/iescastroalobrevilagarcia/system/files/aps
%20est%20bid.pdf
http://www.ugr.es/~mvargas/tema2sd.pdf
http://www.vadenumeros.es/sociales/covarianza-recta-de-regresion.htm
http://www.vitutor.com/estadistica/bi/distribuciones_bidimensionales.html