Академический Документы
Профессиональный Документы
Культура Документы
Nos interesará cuantificar la intensidad de dicha relación lineal entre las variables a
través de un coeficiente de correlación lineal que designaremos por la letra “r”
también conocido como coeficiente de Pearson.
Las ecuaciones matemáticas nos dan una relación de causa-efecto y por medio
de estas representamos los diversos fenómenos de la naturaleza.
Se tomaron las siguientes mediciones de elongación (x) para diferentes pesos (F)
y se obtuvo la siguiente tabla:
11
Dato 1 2 3 4 5 6 7 8 9 10
F 0 5 10 15 20 25 30 35 40 45 50
Elong. 0 1.557 1.290 3.153 4.227 4.660 5.201 6.996 7.074 9.706 10.464
12 13 14 15 16 17 18 19 20 21 22
55 60 65 70 75 80 85 90 95 100 105
11.446 11.8 12.189 14.702 15.898 15.022 17.623 18.986 19.67 19.701 21.121
Gráficamente todo esto se puede plasmar mediante un diagrama de dispersión
(nube de puntos) con su correspondiente recta ajustada.
Luego de observar la gráfica, podemos inferir que los datos siguen un comportamiento
lineal, entonces la pregunta es, ¿cuál es la recta que mejor se ajusta a los datos? Para
responder a esta cuestión debemos encontrar la ecuación de la recta que esté lo más
cercana posible a todos los puntos, y para esto podemos utilizar el método de los mínimos
cuadrados para encontrar los parámetros “a” y “b”
para calcular los coeficientes a y b utilizaremos las fórmulas que a continuación se muestran.
𝑛 ∑𝑛 𝑛 𝑛
𝑖=1 𝑥𝑖 𝑦𝑖 −( ∑𝑖=1 𝑥𝑖 )(∑𝑖=1 𝑦𝑖 ) 𝑆𝑥𝑦 𝑎 = 𝑦̅ − 𝑏𝑥̅
𝑏= 2 𝑜𝑏= 𝑠𝑥2
𝑛 ∑𝑛 2 𝑛
𝑖=1 𝑥𝑖 −(∑𝑖=1 𝑥𝑖 )
Valor Significado
-1 Correlación negativa grande y perfecta
-0,9 a -0,99 Correlación negativa muy alta
-0,7 a -0,89 Correlación negativa alta
-0,4 a -0,69 Correlación negativa moderada
-0,2 a -0,39 Correlación negativa baja
-0,01 a -0,19 Correlación negativa muy baja
0 Correlación nula
0,01 a 0,19 Correlación positiva muy baja
0,2 a 0,39 Correlación positiva baja
0,4 a 0,69 Correlación positiva moderada
0,7 a 0,89 Correlación positiva alta
0,9 a 0,99 Correlación positiva muy alta
1 Correlación positiva grande y perfecta
Este nos indica el porcentaje del ajuste que se ha conseguido con el modelo lineal.
A mayor porcentaje mejor es nuestro modelo para predecir el comportamiento de la
variable y. De modo que se trata de una medida de la proximidad o de ajuste de la
recta de regresión a la nube de puntos.
Para calcular ls variables marginles a utilizar en las ecuciones de la recta y la del coeficiente de
correlacion (r) y el el de determinacion R2. Se utlizan las siguientes formulas.
La forma más sencilla para calcular todas estas variables marginales es construir
tablas con los datos de las variables que pretendemos analizar, tal y como se
muestra en la hoja de cálculo adjunta con el primer ejemplo:
Otro ejemplo sencillo para ilustrar este post será buscar correlación lineal
Por último, para obtener la recta de regresión y el factor de determinación,