233 [233]

Introduccin
En el captulo anterior se vio que es muy frecuente encontrar varia-
bles que estn relacionadas o asociadas entre s; por ejemplo, las
calificaciones de los estudiantes estn relacionadas con el tiempo
que dedican al estudio, el gasto familiar est relacionado con el
ingreso familiar, etc.
Existen muchas variables, en especial cuantitativas, que se
relacionan en algn grado con otras; entonces, es posible que una
de las variables pueda expresarse matemticamente en funcin de
la otra. Frecuentemente se nos formulan las siguientes preguntas:
El peso de las personas est relacionado con la estatura? El tiem-
po de servicio de trabajo activo tiene relacin con la edad? El
ingreso o salario est relacionado con el nivel educativo? El aho-
rro familiar tiene relacin con los ingresos? La demanda de un
producto depender de los precios?, etc.
Estadsticamente nos interesa analizar la relacin entre dos o
ms variables, siempre que se tenga un indicio de que entre ellas
existe por lo menos cierto grado de dependencia o asociacin. Lo
importante es medir y expresar funcionalmente esta relacin me-
diante una funcin o modelo matemtico.
En el presente captulo estudiaremos el anlisis de regresin
entre dos variables X e Y, y el grado de relacin entre ellas me-
diante el anlisis de correlacin.
Captulo V
Anlisis de regresin y correlacin lineal
05_cap5.p65 31/03/2006, 02:48 p.m. 233
234
Anlisis de regresin lineal simple
Si se trata de predecir o explicar el comportamiento de una variable
Y, a la que se denomina dependiente o variable respuesta, en fun-
cin de otra variable X denominada independiente o regresora,
Y =f( X), estamos frente a un problema de anlisis de regresin
lineal simple; pero si deseamos investigar el grado de asociacin
entre las variables X e Y estamos frente a un problema de anlisis
de correlacin.
Diagrama de dispersin
Cmo encontrar la relacin entre X e Y ? Una de las formas gr-
ficas ms sencillas es realizando el diagrama de dispersin, deno-
minado tambin diagrama de nube de puntos.
Este tipo de grfico se utiliza para visualizar la relacin entre
las variables y, a partir de dicha relacin, observar en qu medida
se mantiene el incremento o disminucin de una variable a partir
del aumento de otra variable.
Para su construccin, se trazan en el plano cartesiano los ejes
de la abscisa ( X) y de la ordenada ( Y ). En el eje X se colocan los
valores de una de las variables y, en el eje Y , los valores de la otra
variable. En la interseccin correspondiente a cada valor de X y a
cada valor de Y se coloca un punto, y as tendremos la nube de
puntos.
Mostraremos a continuacin algunas formas que adquiere el
diagrama de dispersin.
Figura 1. Diagramas de dispersin
Y
Y
. . . . .
. . . . . . .
. . . . . .
. . . . . .

X

X

Y a bX +

Y a bX
a) Relacin lineal positiva b) Relacin lineal negativa

05_cap5.p65 31/03/2006, 02:48 p.m. 234
235
Y

Y
. . . . .
. . . . . . . . . . .. .
. . . . . . . . . . .. .
. . .
. . . . . .

X

X
Y a

2
Y a bX cX + +
c) No hay relacin lineal d) Relacin no lineal
entre X e Y
Como se puede ver en el grfico (a), los valores de Y se
incrementan linealmente conforme X crece, es decir, el conjunto
de datos se puede representar por una lnea recta ascendente. Por
ejemplo, al aumentar la partida presupuestal asignada por el go-
bierno a un colegio, aumenta la posibilidad de atender una mayor
demanda escolar.
Es diferente en el grfico (b), porque cuando los valores de X
crecen, los valores de Y decrecen, es decir, el conjunto de datos se
puede representar por una lnea recta descendente. As, por ejem-
plo, cuando aumenta el nmero de horas semanales que los es-
tudiantes dedican a las distracciones, su rendimiento acadmico
disminuye.
En el grfico (c) no hay ninguna relacin entre X e Y ; mien-
tras que el grfico (d) muestra una relacin de tipo curvilnea entre
X e Y . As, por ejemplo, cuando los estudiantes dedican diaria-
mente un mayor nmero de horas a ver programas de televisin,
disminuye su rendimiento acadmico en el colegio.
Como se observa en los diagramas de dispersin, el trmino
lineal empleado se refiere al tipo de relacin entre X e Y .
Una vez visualizada la relacin, los diagramas de dispersin
no son suficientes para determinar el grado de la relacin entre las
variables, por lo que debemos utilizar procedimientos estadsticos
para determinar el modelo mas apropiado que exprese el compor-
tamiento del conjunto de datos ( ) ,
i i
x y .

05_cap5.p65 31/03/2006, 02:48 p.m. 235
236
Ajust e de una funcin de regresin:
Mt odo de mnimos cuadrados
Ajustar una funcin de regresin significa encontrar, la funcin
que exprese con mayor precisin la relacin entre las variables
X e Y . Grficamente ser aquella funcin que mejor se adecue a
la nube de puntos. En este sentido, es recomendable como primer
paso construir el diagrama de dispersin o diagrama de nube de
puntos para, luego de analizar su forma, decidir por el tipo de
funcin matemtica (modelo) o la ecuacin de regresin que expre-
se la relacin entre las variables X e Y . Luego, se estiman los
parmetros del modelo, para lo cual existen varios mtodos, sien-
do el ms usado el mtodo de mnimos cuadrados.
Intentamos describir la dependencia de una variable Y sobre
una variable independiente X . Emplearemos la ecuacin de regre-
sin a fin de apoyar la hiptesis que postula la posible causalidad
de los cambios de Y mediante los cambios en X ; para propsitos
de prediccin de Y en funcin de X ; y para propsitos de explica-
cin de parte de la variacin de Y por X utilizando la ltima va-
riable como control estadstico. Los estudios de los efectos de la
temperatura en el rendimiento acadmico, el contenido de nitrge-
no en el suelo sobre la tasa de crecimiento de una planta, la edad de
un estudiante sobre su presin sangunea, la dosis de un insectici-
da sobre la mortalidad de una poblacin de insectos, el nmero de
horas de estudio sobre el rendimiento acadmico, son ejemplos tpi-
cos de regresin para los propsitos sealados.
Supondremos que el diagrama de dispersin sugiere que la
relacin entre las dos variables se puede expresar mediante una
recta L: Y a bX + . El mtodo de mnimos cuadrados garantiza
que la recta que representa el comportamiento del conjunto de da-
tos es la recta L, donde la suma de los cuadrados de las diferencias
de las ordenadas
i
y de los puntos observados ( ,
i i
x y ), y de las
ordenadas

i
y a bx + de los puntos (

,
i i
x a bx + ) que estn en la
recta L, sea mnimo. Esto es, se trata de obtener los valores de a y
b de tal manera que el valor de la suma de cuadrados de los resi-
duos, SSE, sea mnimo. Es decir:
( )
2
1

n
i i
i
SSE y y

sea mnimo, (5.1)
05_cap5.p65 31/03/2006, 02:48 p.m. 236
237
donde:
i
y : son los valores observados de la variable dependiente Y ,

i
y : son los valores estimados de Y ,
b
: es la pendiente de la recta, llamada tambin coeficiente de
regresin, para predecir la variable Y ,
a : es la constante o intercepto
Entonces la ecuacin de regresin estimada se expresa como:

Y a bX +
Y
recta de regresin
para predecir Y .
.........................................
.
.
.
.
10 .
.

0

X
0 5 10 15 20 25 30
Segn el mtodo de mnimos cuadrados, se demuestra que a
y

b valores de a y b que hacen mnima la SSE , satisfacen el

denominado sistema de ecuaciones normales:
1 1
n n
i i
i i
y an b x

+

2
1 1 1
n n n
i i i i
i i i
x y a x b x

+
. (5.2)
Resolviendo el sistema se deducen los siguientes valores para
las constantes a y
b
, denominados valores estimados de los co-
eficientes de regresin:
2
1 1 1 1
2
2
1 1

n n n n
i i i i i
i i i i
n n
i i
i i
y x x x y
a Y bX
n x x

| `

. ,


(5.3)

05_cap5.p65 31/03/2006, 02:48 p.m. 237
238
1 1 1
2
2
1 1

,
n n n
i i i i
i i i
n n
i i
i i
n x y x y
b
n x x

| `

. ,


(5.4)
La recta de regresin nos permite, basndonos en los datos de
la muestra, estimar un valor de la variable Y que denotaremos
con
i
y correspondiente a un valor dado
i
x de la variable X .
Para ello es suficiente reemplazar el valor de
i
x en la recta de
regresin y encontraremos el correspondiente valor estimado
i
y .
Ejemplo 1
Con los datos de la tabla 1, correspondiente al rendimiento acad-
mico en el nivel superior ( Y ) y al rendimiento acadmico en el
nivel secundario ( X ) de 8 estudiantes:
a) Construiremos el diagrama de dispersin.
b) Aplicaremos el mtodo de mnimos cuadrados para encon-
trar los coeficientes de regresin lineal.
c) Averiguaremos: Cul ser el rendimiento en educacin su-
perior de un estudiante con nota promedio de 12 en la edu-
cacin secundaria?
Tabla 1: Rendimiento acadmico en secundaria
y en educacin superior de un grupo de alumnos
Est ud iant es
X Y
1 16 15
2 13 11
3 15 17
4 12 14
5 11 11
6 16 14
7 13 15
8 10 12
Solucin
a) Usando los comando del SPSS presentados en el captulo VII, se
obtiene el diagrama de dispersin presentado en la figura 2. Tam-
bin presentamos los clculos para encontrar los valores a y
05_cap5.p65 31/03/2006, 02:48 p.m. 238
239

b de la ecuacin de regresin estimada por el mtodo de mnimos

cuadrados.
Figura 2
Di agrama de dispersin de rendi mi ento en secundar ia
y rendi mi ento en e ducacin superior
Rendimiento en educacin superior
1 8 1 6 1 4 1 2 1 0
R
e
n
d
i
m
i
e
n
t
o
e
n
s
e
c
u
n
d
a
r
i
a
1 7
1 5
1 3
11
9
El diagrama de dispersin nos sugiere que los datos se pue-
den representar mediante una recta
Y a bX +
.
b) Clculos necesarios para estimar los coeficientes de regre-
sin y usando el mtodo de mnimos cuadrados

i
x
i
y
2
i
x
i i
x y
16 15 256 240
13 11 169 143
15 17 225 255
12 14 144 168
11 11 121 121
16 14 256 224
13 15 169 195
10 12 100 120
Total 106 109 1440 1466
( )
8 8 8 8
2
1 1 1 1
2 2
8 8
2
1 1
109 1440 106 1466
5, 51
8 1440 106
i i i i i
i i i i
i i
i i
y x x x y
a
n x x

| `

. ,


05_cap5.p65 31/03/2006, 02:48 p.m. 239
240
( )
1 1 1
2 2
2
1 1
8 1466 106 109

0, 61
8 1440 106
n n n
i i i i
i i i
n n
i i
i i
n x y x y
b
n x x

| `

. ,


Entonces, la recta de regresin de Y sobre X queda expresada
como:

5, 51 0, 61 Y X +
Si un estudiante obtiene un rendimiento de 12 en secundaria,
entonces su rendimiento esperado en educacin superior se obtie-
ne reemplazando X por el valor 12 en la recta definida, es decir:

5, 51 0, 61 12 5, 51 7, 32 12, 83 Y + +
.
Puede decirse que se estima que un alumno que tiene un ren-
dimiento de 12 puntos en educacin secundaria, en educacin
superior tendr un rendimiento de 12,83 puntos.
Anlisis de correlacin lineal
Nos proponemos investigar si dos variables son independientes o
covaran, esto es, si varan conjuntamente. No expresamos una va-
riable como funcin de la otra, as como tampoco hacemos distin-
cin alguna entre variables dependientes e independientes. Puede
muy bien suceder que, de una pareja de variables cuya correlacin
se estudia, una sea causa de la otra, aunque nosotros no lo sepamos
ni lo sospechemos. Una hiptesis importante, aunque no esencial,
es que las dos variables sean efectos de una causa comn y lo que se
desea conocer es el grado en el que ambas variables varan conjunta-
mente. As, podramos estar interesados en la correlacin entre las
longitudes de las extremidades superiores y extremidades inferio-
res en una poblacin de estudiantes, o entre el peso y la estatura de
un grupo de estudiantes, o entre los das necesarios para la madu-
rez y el nmero de semillas en una siembra.
La correlacin lineal mide el grado de la asociacin lineal en-
tre dos variables denotadas con X e Y . Analizando el diagrama
de dispersin o nube de puntos podemos visualizar el tipo de co-
rrelacin lineal entre las variables involucradas.
05_cap5.p65 31/03/2006, 02:48 p.m. 240
241
Figura 3. Tipos de correlacin lineal
Y Y
. .
... .. . .
. . . . . .
. . . . ..

. . .
X X
a) Correlacin positiva b) Correlacin negativa
Y
. . .
. . . . . . .
. . . . . . . .
. . : : : .
. . . . . . . .
X
c) Correlacin nula
Correlacin positiva o directa
En la figura 3(a), las variables X e Y estn correlacionadas posi-
tivamente o su variacin est en razn directa; es decir, el aumento
de la medida de la variable X implica el aumento de la medida de
la variable Y .
Ejemplo 2
En la tabla 2 se presentan las puntuaciones en Literatura ( X ) y
las puntuaciones en Lenguaje ( Y ) de un grupo de alumnos de un
centro educativo. Se observar su relacin a travs de un diagrama
de dispersin.


05_cap5.p65 31/03/2006, 02:48 p.m. 241
242
Tabla 2: Puntuaciones en Literatura y en
Lenguaje de un grupo de alumnos
N Estudiante X Y
1 5 12
2 8 20
3 12 30
4 16 30
5 16 42
6 24 40
7 28 50
Solucin
El diagrama de dispersin, usando los comandos del SPSS presen-
tados en el captulo VII es el siguiente:
Figura 4
Puntuaciones en Literatura y Lenguaje de un grupo de alumnos
Puntu aciones en Li teratura
30 20 10 0
P
u
n
t
u
a
c
i
o
n
e
s
e
n
L
e
n
g
u
a
j
e
60
50
40
30
20
10
Como se puede observar, cuando aumenta el valor de la va-
riable X (puntuaciones en Literatura) tambin aumenta el valor
de la variable Y (puntuaciones en Lenguaje); luego, visualizando
que el tipo de correlacin entre las puntuaciones en literatura y
lenguaje es positiva.
Correlacin negat iva o inversa
Se dice que las variables X e Y estn correlacionadas negativa-
mente o su variacin est en razn inversa, cuando el aumento de
05_cap5.p65 31/03/2006, 02:48 p.m. 242
243
la medida de la variable X implica la disminucin de la medida
de la variable Y , o la disminucin de la medida de la variable X
implica el aumento de la variable Y , como se puede observar en la
figura 3(b).
Ejemplo 3
La tabla 3 nos muestra las puntuaciones en Literatura (
X
) y las
puntuaciones en Matemtica ( Y ) de un grupo de alumnos de un
determinado centro educativo. Mostraremos el diagrama de dis-
persin.
Tabla 3
Puntuaciones en Literatura y en Matemtica de un grupo de alumnos
N Estudiante
i
x
i
y
1 10 30
2 30 15
3 38 37
4 40 25
5 60 35
6 65 05
7 80 20
8 90 10
Solucin
El diagrama de dispersin, usando los comandos del SPSS presen-
tados en el captulo VII es el siguiente:
Figura 5
Puntuaciones en Literatura y Matemtica de un grupo de alumnos
Puntuaci ones en Lite ratura
10 0 80 60 40 20 0
P
u
n
t
u
a
c
i
o
n
e
s
e
n
M
a
t
e
m

t
i
c
a
40
30
20
10
0
05_cap5.p65 31/03/2006, 02:48 p.m. 243
244
Como se puede apreciar, frente al aumento de las puntuaciones
en literatura ( X ) disminuyen las puntuaciones en Matemtica (
Y
),
visualizando la correlacin entre X e Y es negativa o inversa.
Correlacin nula
En la figura 3(c) las variables no estn correlacionadas entre s; es
este caso, diremos que la correlacin entre X e Y es nula; esto lo
podemos observar en el siguiente ejemplo.
Ejemplo 4
En la tabla 4, la variable X corresponde a las puntuaciones en
deporte y la variable Y corresponde a las puntuaciones en Mate-
mtica de un grupo de alumnos. Mostraremos el diagrama de dis-
persin para identificar el tipo de correlacin.
Tabla 4: Puntuaciones en deporte y en
Matemtica de un grupo de alumnos
N Estudiante
X Y
1 02 25
2 04 10
3 04 35
4 08 05
5 08 40
6 14 05
7 14 15
8 14 40
9 18 20
10 18 35
Solucin
El diagrama de dispersin, usando los comandos del SPSS presen-
tados en el captulo VII es el siguiente:
05_cap5.p65 31/03/2006, 02:48 p.m. 244
245
Figura 6
Puntuaciones en deporte y en Matemtica
de un grupo de alumnos
Punt uaci ones en deport e
20 10 0
P
u
n
t
u
a
c
i
o
n
e
s
e
n
M
a
t
e
m

t
i
c
a
50
40
30
20
10
0
Como se puede apreciar, la correlacin entre las puntuaciones
en deporte ( X ) y las puntuaciones en matemtica ( Y ) es nula.
Coeficient e de correlacin de Pearson ( r )
Existen numerosos coeficientes de correlacin en Estadstica. El
ms comn de ellos es el denominado coeficiente de correlacin
producto-momento, cuya formulacin se debe a Karl Pearson.
El coeficiente de correlacin de Pearson se utiliza en el anli-
sis de informacin cuantitativa, cuando se desea medir el grado de
asociacin lineal entre dos variables cuantitativas.
Sus valores varan entre 1 y 1. El valor +1 indica que entre X e
Y existe una correlacin lineal directa y perfecta; el valor 1, una
correlacin lineal inversa y perfecta. El valor 0 indica ausencia de
correlacin lineal.
Para obtener este coeficiente hay una gran variedad de expresio-
nes matemticas que son equivalentes, destacando las siguientes:
a) Para puntuaciones directas o datos originales:
( )( )
( ) ( )
2 2
2 2
i i i i
i i i i
n x y x y
r
n x x n y y

] ]

] ]
] ]


(5.5)
05_cap5.p65 31/03/2006, 02:48 p.m. 245
246
b) para puntuaciones Z (puntuaciones tipificadas):
x y
x
Z Z
r
S

, (5.6)
donde:
i
x
x
x X
Z
S

.
i
y
y
y Y
Z
S

Propiedades
El valor de r se encuentra entre 1 y +1, de donde se deduce que:
a) Si r > 0, existe correlacin directa o correlacin positiva,
b) Si r < 0, existe correlacin inversa o correlacin negativa.
En la interpretacin clsica del coeficiente de correlacin se
deduce, por ejemplo, que si:
a) 0 0, 20 r < , la correlacin es muy baja,
b) 0, 20 0, 40 r < , existe una correlacin baja,
c) 0, 40 0, 70 r < , existe una moderada correlacin positiva,
d) 0, 70 1, 00 r < , existe de moderada a buena correlacin
positiva,
e) 1, 00 r , existe una perfecta correlacin positiva,
f) 1, 0 0, 70 r < , existe de moderada a buena correlacin
inversa,
g) 1, 00 r , existe una perfecta correlacin inversa.
Ejemplo 5
Se desea saber el grado de relacin entre los aos de escolaridad de
la madre ( X ) y las calificaciones de sus hijos en una prueba de
Matemtica ( Y ). Los datos se presentan en la siguiente tabla.
Tabla 5: Aos de escolaridad de la madre y calificaciones
de sus hijos en una prueba de Matemtica
Est ud iant es X Y
1 8 12
2 5 8
3 3 8
4 6 10
5 7 10
05_cap5.p65 31/03/2006, 02:48 p.m. 246
247
Solucin
En la siguiente tabla se presentan los clculos auxiliares:
Est ud iant es
i
x
i
y
i i
x y
2
i
x
2
i
y
1 8 12 96 64 144
2 5 8 40 25 64
3 3 8 24 9 64
4 6 10 60 36 100
5 7 10 70 49 100
n= 5 29 48 290 183 472
Reemplazando los valores obtenidos en la ecuacin (5.5) para
puntuaciones directas obtenemos:
( ) ( )( )
( ) ( ) [ ]( ) ( )
2 2
5 290 29 48
58
0, 9
74x56
5 183 29 5 472 8
r


]

]
El valor del coeficiente de correlacin es 0,9, significa una alta
correlacin positiva; es decir, el nivel de escolaridad de la madre
est fuertemente relacionado al rendimiento acadmico de sus
hijos en Matemtica.
Ejemplo 6
En la segunda y tercera columna de la Tabla 6 se tiene la informa-
cin sobre coeficientes de inteligencia y puntajes en Matemticas
para una muestra aleatoria de 12 estudiantes que estudiaron el
primer ao de secundaria en el colegio Cabrera Tapia en el ao
2000. Encontraremos el coeficiente de correlacin de Pearson.
El primer da de clases, a todos ellos se les aplic una prueba
para obtener sus coeficientes de inteligencia ( X ) en la escala
Stanford-Binet y al trmino del ao se les aplic una prueba de 35
tems para evaluar su rendimiento en Matemtica.
Solucin
X
: puntajes obtenidos en la prueba Stanford-Binet
Y : rendimiento en Matemticas
05_cap5.p65 31/03/2006, 02:48 p.m. 247
248
Tabla 6: Rendimiento de los estudiantes en Matemtica y puntajes
obtenidos en la prueba Stanford-Binet

i
x
i
y
2
i
x
2
i
y
i i
x y
1 120 17 14400 289 2040
2 112 15 12544 225 1680
3 110 15 12100 225 1650
4 120 19 14400 361 2280
5 103 12 10609 144 1236
6 126 20 15876 400 2520
7 113 15 12769 225 1695
8 114 17 12996 289 1938
9 106 14 11236 196 1484
10 108 14 11664 196 1512
11 128 19 16384 361 2432
12 109 14 11881 196 1526
Totales 1369 191 156859 3107 21993
Con la frmula (5.5) obtenemos el coeficiente de correlacin de
Pearson:
( )
( )
( )
( )
2 2
12(21993) 1369(191)
0, 953
12(156859) 1369 12(3107) 191
r



Se observa muy buena correlacin directa y positiva entre co-
eficiente de inteligencia y el rendimiento acadmico en el curso de
matemtica.
Ejemplo 7
En la tabla 7 se tiene informacin de una muestra aleatoria de 15
alumnos del centro educativo Teresa Gonzales de Fanning. Se de-
sea obtener el coeficiente de correlacin entre los puntajes obteni-
dos en Aritmtica y Lenguaje para medir su grado de relacin.
05_cap5.p65 31/03/2006, 02:48 p.m. 248
249
Tabla 7: Rendimientos de una muestra de estudiantes
del colegio Teresa Gonzales de Fanning, 1998.
Estudiante Aritmtica Lenguaje
1 15 1
2 14 15
3 13 12
4 12 12
5 11 10
6 13 15
7 15 15
8 15 16
9 16 17
10 12 15
11 11 12
12 8 9
13 10 11
14 15 14
15 13 15
Solucin
Se ilustran los clculos auxiliares del coeficiente de correlacin de
Pearson con los valores observados de las variables notas en Arit-
mtica ( X ) y notas en Lenguaje (Y).
Est ud iant e
i
x
i
y
2
i
x
i i
x y
2
i
y
1 15 16 225 240 256
2 14 15 196 210 225
3 13 12 169 156 144
4 12 12 144 144 144
5 11 10 121 110 100
6 13 15 169 195 225
7 15 15 225 225 225
8 15 16 225 240 256
9 16 17 256 272 289
10 12 15 144 180 225
11 11 12 121 132 144
12 8 9 64 72 81
13 10 11 100 110 121
14 15 14 225 210 196
15 13 15 169 195 225
2 2
i
193 204 2553 x 2691 2856
i i i i i
x y x y y

Luego, el coeficiente de correlacin entre las notas de Aritmtica
y Lenguaje es:
05_cap5.p65 31/03/2006, 02:48 p.m. 249
250
( ) ( )
( ) ( ) ( ) ( )
2 2
15 2691 193 204
0, 878
15 2553 193 15 2856 204
r



Se observa una correlacin alta y positiva entre los puntajes
obtenidos en los cursos de Aritmtica y Lenguaje.
Ejemplo 8
Para los datos del ejemplo 5, usando comandos del SPSS, se mos-
trar el diagrama de dispersin y ajustar el modelo de regresin
lineal simple.
Solucin
a) Usando comandos presentados en el captulo VII se obtiene
el siguiente diagrama de dispersin.
Figura 7
Aos de escolaridad de la madre y calificaciones
de los hijos en una prueba de Matemtica
A os de esc ola rid ad de l a ma dr e
9 8 7 6 5 4 3 2
C
a
l
i
f
i
c
a
c
i
o
n
e
s
e
n
M
a
t
e
m

t
i
c
a
13
12
11
10
9
8
7
Se observa que existe una relacin lineal directa y positiva
entre los aos de escolaridad de la madre y las calificaciones en
una prueba de Matemtica que rinden los hijos.
b) El siguiente cuadro, tambin obtenido a partir del SPSS, nos
proporciona resultados para encontrar la ecuacin de la recta de
regresin ajustada por el mtodo de mnimos cuadrados ordinarios.
05_cap5.p65 31/03/2006, 02:48 p.m. 250
251

Coefficients
a
5,054 1,318 3,834 ,031
,784 ,218 ,901 3,597 ,037
(Constant
)Aos de escolaridad
de la madre
Mode
l1
B Std.
E
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig.
Dependent Variable: Calificaciones en una Prueba de Matemtica a.

b a
La recta de regresin lineal simple ajustada por el mtodo de
mnimos cuadrados es:

Y = 5,054 + 0,784 X ,
donde nos indica que un incremento de un ao en los aos de
escolaridad de la madre, incrementar en promedio 0,784 puntos
la calificacin de sus hijos en la prueba de matemtica.
Ejemplo 9
Usando la informacin que corresponde a las variables califica-
cin promedio y notas en el curso de lgebra de la base DATOS3-
educacin, se ajusta la recta de regresin usando el mtodo de
mnimos cuadrados. A continuacin se presentan el grfico y las
salidas proporcionadas por el SPSS.
Solucin
a) Usando comandos del SPSS se encuentra el siguiente
diagrama de dispersin:
Figura 8
Notas de lgebra y calificacin promedio de
profesores de educacin secundaria
N otas de lg ebr a
16 14 12 10 8




05_cap5.p65 31/03/2006, 02:48 p.m. 251
252
Observamos que las notas de lgebra y las calificaciones pro-
medio de profesores que participaron en el programa de capacita-
cin, tienen una relacin directa o positiva.
b) El coeficiente de correlacin de Pearson:
Model Summary
,925
a
,855 ,852 ,52
Model
1
R R Squar e
Adjus ted
R Squar e
St d. Er ror of
the Estimat e
Pr edictors: (Cons tant), NOTAS DE LGEBRA
a.
r
= 0,925 coeficiente de correlacin lineal.
Se encuentra una correlacin alta y positiva entre las notas de
lgebra y las calificaciones promedio que alcanzaron los profeso-
res que participaron en el programa de capacitacin.
c) Los coeficientes de la recta de regresin:
Coeffi cients
a
3 ,8 53 ,4 7 7 ,0 0 0
,7 0 8 ,0 4 3 ,9 2 5 1 6, 29 9 ,0 0 0
( C on s ta n t)
N OTAS D E AL GE B R A
M o de l
1
B S td. E rr o r
U n s ta nd a rd i z e d
C o effi c i e n ts
B eta
S tan d ar d i
z e d
C o effi c i e n
ts
t S ig .
D e pe n de nt Var i ab l e : N O TAS P R OM E D IO
a .
a

b
con los que se obtiene la ecuacin de la recta de regresin
ajustada por el mtodo de mnimos cuadrados:

Y = 3,853 + 0,708 X ,
donde vemos que un incremento en la notas de lgebra de un
punto, incrementar la calificacin promedio de los profesores de
educacin secundaria, en promedio en 0,708 puntos.





05_cap5.p65 31/03/2006, 02:48 p.m. 252
253
Anlisis de regresin lineal mltiple
La ecuacin de regresin lineal simple estudiada en la seccin
anterior, se puede generalizar a una ecuacin de regresin lineal
mltiple, cuando se tenga dos o ms variables independientes o
regresoras
1 2
, ,....,
k
X X X , y una variable independiente o res-
puesta Y .
Explicaremos el anlisis de regresin lineal mltiple con los
datos del ejemplo 10, en el que se muestran los coeficientes de inte-
ligencia (IQ), los promedios de las calificaciones y el tiempo que
dedican al estudio 12 estudiantes. Se desea predecir el promedio
de las calificaciones de estos estudiantes en funcin de sus coefi-
cientes de inteligencia y de los tiempos que dedican al estudio. Se
tienen dos variables regresoras: coeficiente de inteligencia,
1
X y
tiempo dedicado al estudio,
2
X , para explicar el comportamiento
de la variable dependiente o respuesta Y : calificacin promedio
de los estudiantes.
Para el problema descrito se postula la forma general de la
ecuacin de regresin lineal mltiple:
1 2

Y a bX cX + +
(5.7)
donde:

Y : valores estimados de la variable dependiente o respuesta,

a,

b , c : coeficiente de regresin de la ecuacun de regre-

sin lineal mltiple,
1
X ,
2
X : variables independientes o regresoras,
Esta ecuacin es muy similar a la utilizada en la regresin
lineal simple, excepto que agregamos otra variable independiente.
Para hallar los valores de a ,

b , c , se toma una muestra de los

valores (
i
y ,
1i
x
2i
x ) 1, ..., i n , y para cada punto se tiene el
sist ema de ecuaciones,
1 2 i i i
y a bx cx + + , d onde
i
y es el
i-simo valor de la variable Y ,
1i
x ,
2i
x , los i-simos valores
de las variables independientes
1
X ,
2
X , . Luego, se usa el mtodo
05_cap5.p65 31/03/2006, 02:48 p.m. 253
254
de mnimos cuadrados para encontrar los valores a de a,

b de
b y c de c , que hacen mnima la suma de cuadrados de los
errores, es decir, que minimizan
( )
2
1

n
i i
i
SSE y y

.
Cabe resaltar que el mtodo de mnimos cuadrados conduce a
un sistema de ecuaciones denominadas ecuaciones normales, a
partir de las cuales, utilizando conceptos de algebra matricial se
encuentran los estimadores a ,

b , c de los parmetros a , b , c
tema que est fuera de los objetivos del presente libro y que no ser
abordado aqu.
Todos los problemas de regresin mltiple sern resueltos con
el soporte del SPSS, puesto que en la mayora de las investigacio-
nes el nmero de observaciones y el nmero de variables es gran-
de, lo que dificulta el trabajo manual.
Ejemplo 10
Para una muestra de 12 estudiantes se dispone de sus coeficientes
de inteligencia , tiempo semanal dedicado al estudio y los prome-
dios de sus calificaciones . Vamos a ajustar la ecuacin de regre-
sin lineal mltiple, la que explique en funcin de y , usando el
mtodo de mnimos cuadrados.
Promedio de calificaciones, Coeficiente intelectual y
Tiempo dedicado al estudio
Estudiante IQ Tiempo de estudio Promedio de calificaciones
( ) 1
X ( )
2
X ( ) Y
1 110 8 1, 0
2 112 10 1, 6
3 118 6 1, 2
4 119 13 2, 1
5 122 14 2, 6
6 125 6 1, 8
7 127 13 2, 6
8 130 12 2, 0
9 132 13 3, 2
10 134 11 2, 6
11 136 12 3, 0
12 138 18 3, 6
05_cap5.p65 31/03/2006, 02:48 p.m. 254
255
Solucin
Postulamos la ecuacin de regresin
1 2
Y a bX cX + + , para es-
tudiar la relacin entre Y y las variables
1
X ,
2
X , donde:
1
X : Coeficiente intelectual (IQ)
2
X : Tiempo de estudio
Y
: Promedio de calificaciones
Usamos las opciones del SPSS:
Activar el SPSS y copiar los datos en un archivo de nombre:
COEFICIENTE.
En VARIABLE VIEW, definir las siguientes variables: IQ, TIEM-
PO y CALIFICA con sus respectivas especificaciones y, en DATA
VIEW, colocar los d at os d e la t abla. Ejecut ar ANALYZE/
REGRESSION/ LINEAR/ ingresar en DEPENDENT la variable
CALIFICA y en INDEPENDENT las variables IQ TIEMPO/ OK.
El output del SPSS es el siguiente:
Coeffi cients
Un st andardized
, , , ,

a
Las estimaciones de los parmetros son:
5, 249 a ,

b 0, 049 c 0,118
Luego, la ecuacin de regresin lineal mltiple ajustada por
el mtodo de mnimos cuadrados es:

b
c
05_cap5.p65 31/03/2006, 02:48 p.m. 255
256
1 2

5, 249 0, 049 0,118 Y X X + +

donde, manteniendo constante la variable tiempo de estudio,
un incremento en el coeficiente intelectual (IQ) de un punto, por
ejemplo, es acompaado por un incremento en el promedio de ca-
lificaciones de 0,049 puntos. En forma similar, manteniendo cons-
tante la variable coeficiente intelectual, un incremento de 1 hora en
el tiempo de estudio, es acompaado por un incremento en el pro-
medio de calificaciones de 0,118 puntos.
Coeficient e de det erminacin
El coeficiente de determinacin
2
R , multiplicado por 100, indica
el porcentaje de la variacin de la variable dependiente y que es
explicado por las variaciones de las variables independientes del
modelo.
Tambin se dice que mide la bondad del ajuste o de la recta de
regresin ajustada por el mtodo de mnimos cuadrados.
Se puede demostrar que la variabilidad de Y , expresada por
la suma de cuadrados total,
SST ( )
2
i
y y

, se puede divi-
dir en dos componentes: la suma de cuadrados debido a la regre-
sin,
( )
2

i
SSR y y

, y la suma de cuadrados debido a los

residuos,
( )
2

i i
SSE y y

. Es decir: , donde:
SST
: suma de cuadrados del total
SSR
: suma de cuadrados debido a la regresin
SSE
: suma de cuadrados debido a los residuos
Por ello, resulta natural definir el coeficiente de determina-
cin como:
2
SSR
R
SST

Retomando nuestro ejemplo en el que la variable dependiente

es el promedio de calificaciones de un alumno y la variables inde-
05_cap5.p65 31/03/2006, 02:48 p.m. 256
257
pendientes, el coeficiente de inteligencia y el tiempo dedicado al
estudio; calcularemos la SST , SSR , SSE y el coeficiente de
determinacin
2
R , usando el SPSS.
El output del SPSS es el siguiente:
ANOVA


Mod el


Su m of
Squares
, , , ,
, ,
,


df

2
SSR
R
SST

=
2
6, 389
0, 91
7, 022
R
El coeficiente de determinacin 0,91 significa que el 91% de
las variaciones observadas en la calificacin promedio de los alum-
nos son explicadas por las variaciones del puntajes de coeficiente
de inteligencia y del tiempo dedicado al estudio.
El valor 0,09 = 1 0,91, llamado coeficiente de alienacin,
indica que el 9% de las variaciones observadas en la calificacin
promedio de los alumnos no son explicables por las variaciones en
los puntajes del coeficiente de inteligencia y del tiempo dedicado
al estudio, sino por otras variables o factores no considerados en el
modelo.
Coeficient e de correlacin parcial
A veces, una alta correlacin entre dos variables cuantitativas se
interpreta equivocadamente como una relacin de causa y efecto
entre ellas; pero esa alta correlacin puede deberse a la influencia
de otras variables subyacentes, denominadas variables espurias.
As, por ejemplo, si se observa una relacin positiva entre la asis-
tencia a la iglesia los domingos y la honestidad de las personas
mayores, esto no implica necesariamente que las personas son
honestas porque van a misa los domingos, pues una razn subya-
cente para que las dos variables estn correlacionadas puede en-
05_cap5.p65 31/03/2006, 02:48 p.m. 257
258
contrarse en variables subyacentes como el entrenamiento tempra-
no en asistir a la iglesia y en ensear a los nios a tener actitudes
honestas.
El coeficiente de correlacin parcial mide la relacin lineal
entre dos variables, eliminando la influencia que puedan ejercer
otras variables. As, para las variables X1, X2 y X3, el coeficiente de
correlacin parcial entre las dos primeras variables mide la rela-
cin lineal entre las variables X1, X2 eliminando la influencia que
puede ejercer la tercera variable X
3
. La frmula de clculo es la
siguiente:
( ) ( )
12 13 23
12 3
2 2
13 23 1 1
r r r
r
r r

(5.8)
donde 12.3 r es el coeficiente de correlacin parcial entre X1, y
X2, controlando X3.
El coeficiente de correlacin parcial entre X1, y X2, controlan-
do X3 y
4
X se define como:
( )( )
12 3 14.3 24 3
12 34
2 2
14 3 24 3 1 1
r r r
r
r r

La frmula de obtencin del coeficiente de correlacin parcial
ent r e las var iables
i
X y
j
X , cont r olan d o las var iables
1 1 1 1 1
, ..., , , ...., , ,....
i i j j k
X X X X X X
+ +
,
1,2,...., 1, 1,...., 1, 1,..., ij i i j j k r + +
,
es la siguiente:
1,2,...., 1, 1,...., 1, 1,...,
1,2,...., 1, 1,...., 1, 1,...,
1,2,...., 1, 1,...., 1, 1,..., 1,2,...., 1, 1,...., 1, 1,...,
ij i i j j k
ij i i j j k
ii i i j j k jj i i j j k
s
r
s s
+ +
+ +
+ + + +

donde:
1,2,...., 1, 1,...., 1, 1,..., ii i i j j k s + + :varianza de la variable
i
X ,
controlando las variables
1 1 1 1 1
,..., , ,...., , , ....
i i j j k
X X X X X X
+ +
;
05_cap5.p65 31/03/2006, 02:48 p.m. 258
259
1,2,...., 1, 1,...., 1, 1,..., jj i i j j k s + + : varianza de la variable
j
X , con-
trolando las variables
1 1 1 1 1
, ..., , , ...., , ,....
i i j j k
X X X X X X
+ +
.
Ejemplo 11
Con la base de DATOS3-educacin se ilustra el clculo del coefi-
ciente de correlacin parcial entre la nota promedio y la nota de
lgebra, controlando la nota de Aritmtica.
1
X : notas promedio
2
X : notas de lgebra
3
X : notas de Aritmtica
Solucin
a) Considerar la base DATOS3- educacin y calcular los coefi-
cientes de correlacin simple entre los pares de variables
1
X ,
2
X
3
X , usando los comandos del captulo VII, la salida es:

1 ,925 ,903
,925 1 ,893
,903 ,893 1
Pearson Correlation
Pearson Correlation
Pearson Correlation
NOTAS PROMEDIO
NOTAS DE ARITMTICA
NOTAS
PROMEDIO
NOTAS DE
LGEBRA
NOTAS DE
ARITMTICA
NOTAS DE LGEBRA
donde:
12 13 23
0, 925; 0, 903; 0, 893 r r r
y se obtiene el valor del coeficiente de correlacin parcial entre
la nota promedio (
1
X ) y la nota de lgebra (
2
X ), manteniendo
constante la nota en aritmtica (
3
X ), usando la ecuacin (5.8):
( )
( )( )
12 3
2 2
0, 925 0, 903 0,893
0,1186
0, 6117
0, 0374
1 0, 903 1 0,893
r

.
El coeficiente de correlacin entre la nota promedio y la nota
en lgebra es 0,925, en tanto que la correlacin entre ellas elimi-
nando la influencia de la nota de aritmtica es 0,6117; lo que signi-
05_cap5.p65 31/03/2006, 02:48 p.m. 259
260
fica que la correlacin lineal entre la nota de lgebra y la nota
promedio estaba influenciada por la nota en Aritmtica.
b) Usando el SPSS, se abre la base de DATOS3-EDUCACION
y con los comandos del captulo VII se tiene el siguiente cuadro:
Control NOTAS NOTAS DE
Variables PROMEDIO LGEBRA
NOTAS DE NOTAS Correlation 1,000 , 611
ARITMTICA PROMEDIO
NOTAS DE Correlation , 611 1,000
LGEBRA
Como puede observarse, el valor del coeficiente de correlacin
parcial coincide con el valor ya encontrado.
Ejemplo 12
Se sabe que la disposicin de las mujeres a trabajar fuera de casa
no ha sido la misma en todas las pocas, y tambin que vara de un
lugar a otro y de unos grupos sociales a otros. En estas condicio-
nes, puede preguntarse qu variables influyen para que las muje-
res estn ms o menos dispuestas a trabajar fuera de casa. Estas
preguntas se plantean hoy da los socilogos y consideran que si
la variable dependiente fuera el porcentaje de mujeres trabajado-
ras, estara explicada por algunas variables como: el salario que
perciben las mujeres, el salario percibido por el marido, el nmero
de hijos, edad de las mujeres, tasa general de desempleo, entre
otras. En la base DATOS7-mujeres, se tienen los valores observa-
dos de las variables:
3
Z : logaritmo (
2
X /
1
X )
1
X : salario promedio de las mujeres
2
X : salario promedio de los hombres
3
X : nmero promedio de hijos por familia
4
X : edad promedio de las mujeres, para una muestra de
seoras casadas.
a) Encontrar el coeficiente de correlacin lineal entre los sala-
rios de las mujeres y los salarios de los hombres.
05_cap5.p65 31/03/2006, 02:48 p.m. 260
261
b) Se propone encontrar el coeficiente de correlacin parcial
entre los salarios de los hombres y las mujeres, controlando la va-
riable edad de las mujeres.
Solucin
a) Abrir la base de DATOS7-mujeres y seleccionar los comandos
del SPSS del captulo VII (procedimientos estadsticos) que permi-
ten obtener el coeficiente de correlacin simple. El output del SPSS
nos proporciona el coeficiente de correlacin simple entre los sa-
larios de los hombres y las mujeres.
Correlations
Salario de Salario de
mujer es hombres
Salario de mujeres Pearson Correlation 1 , 807
Salario de hombres Pearson Correlation ,807 1
b) Abrir la base DATOS7- mujeres y seleccionar los comandos
del captulo VII que permiten obtener el coeficiente de correlacin
parcial, de
1
X y
2
X controlando
4
X .
El output del SPSS nos proporciona el coeficiente de correla-
cin parcial entre los salarios de los hombres y las mujeres, contro-
lando la edad de las mujeres.
Correlations
Control Salario de Salario de
Variables las mujeres los hombres
Edad de las Salario de las Correlation 1,000 , 806
mujer es mujeres
Salario de Correlation , 806 1,000
los hombres
As, 12 0,807 r es el valor del coeficiente de correlacin lineal
entre los salarios de las mujeres y los salarios de los hombres, valor
que indica una buena relacin directa entre las variables. Por otro
lado,
12 4
0,806 r

, es el valor del coeficiente de correlacin entre
los salarios de los hombres y los salarios de las mujeres controlan-
do la edad de las mujeres. Se observa que la correlacin entre los
salarios de las mujeres y de los hombres no est influenciada por la
05_cap5.p65 31/03/2006, 02:48 p.m. 261
262
edad de la mujer, puesto que se sigue manteniendo alta cuando la
variable edad de las mujeres es controlada.
Ejercicios
1. En los siguientes casos identifique en caso de ser posible la(s)
variable(s) dependiente(s) e independiente(s).
a) El presupuesto familiar destinado a la educacin de los hi-
jos y los ingresos familiares.
b) El volumen de ventas de una empresa y la inversin en pro-
paganda.
c) El nmero de hijos por familia y el nivel educativo de los
padres.
d) El analfabetismo, lugar de residencia y la expansin del ser-
vicio educativo.
e) La edad y el tiempo efectivo de servicio de los docentes afi-
liados al sindicato de profesores.
2. A 10 candidatos del programa de doctorado en Psicologa se les
aplica una prueba de personalidad ( X ) y un examen general de
conocimientos ( Y ). Las puntuaciones fueron las siguientes:
Cand id at o A B C D E F G H I J
X 2, 96 2, 46 3, 36 3, 40 2, 43 2, 12 2, 85 3, 12 3, 20 2, 75
Y 529 506 591 610 474 509 550 600 575 540
Realice el anlisis de regresin y correlacin lineal.
3. Un profesor de Estadstica realiza un estudio para investigar la
relacin que existe entre la ansiedad y el rendimiento de sus
estudiantes en los exmenes. Elige a 10 estudiantes para el expe-
rimento y, antes de asistir al examen final, los 10 estudiantes
respondieron un cuestionario de ansiedad. A continuacin se
tienen las calificaciones de la prueba final y los puntajes obteni-
dos en el cuestionario de ansiedad.
Ansied ad 28 41 35 39 31 42 50 46 45 37
Examen 82 58 63 89 92 64 55 70 51 72
Final
05_cap5.p65 31/03/2006, 02:48 p.m. 262
263
a) Elabore el diagrama de dispersin. Utilice la ansiedad como
la variable regresora o independiente.
b) Describa la relacin que muestra el diagrama de dispersin.
c) Suponga que la relacin es lineal y calcule el valor del co-
eficiente de correlacin e interprete.
d) Determine la recta de regresin por mnimos cuadrados
para predecir la calificacin del examen final dado el nivel
de ansiedad.
e) Si un estudiante tiene un nivel de ansiedad de 38, qu va-
lor podra predecirse para su calificacin en el examen fi-
nal?
4. Se realiza un estudio con 10 estudiantes de postgrado en Educa-
cin.
1
X es el nmero de problemas resueltos correctamente por
un estudiante en clase,
2
X son las puntuaciones obtenidas al
aplicarles una prueba psicolgica que mide la autoestima, e
Y
es el nmero de problemas que cada estudiante espera resolver
correctamente en el examen final. Con los datos que se presentan
a continuacin realice el anlisis de regresin lineal mltiple
usando el SPSS.
Est ud iant e Nmer o Puntuacin en Nmero de
pr oblemas au t oest ima problemas que espera
resueltos resolver en el examen final
en clase
1 14 5 14
2 8 15 5
3 9 19 8
4 13 33 11
5 10 39 15
6 11 38 14
7 14 74 18
8 15 74 19
9 11 11 7
10 16 78 17
5. Se aplic a un grupo de 18 adolescentes sordomudos la prueba
de inteligencia de Wechsler para adultos (Wais) y cuatro subtest.
Las puntuaciones de ambas aplicaciones son las siguientes:
05_cap5.p65 31/03/2006, 02:48 p.m. 263
264
Adolescentes Wais Razonamiento Razonamiento Relaciones Velocidad y
mecnico abstracto espaciales exactitud
1 48 22 38 15 25
2 48 19 38 15 40
3 47 20 37 20 21
4 46 20 37 17 20
5 46 17 35 19 18
6 43 21 34 15 17
7 42 21 34 14 31
8 42 19 33 20 35
9 41 17 33 13 35
10 40 15 32 15 27
11 39 15 32 12 17
12 32 11 25 15 28
13 31 17 25 9 29
14 30 16 23 9 37
15 29 15 22 13 29
16 29 15 21 9 39
17 28 16 20 11 28
18 27 16 18 11 38
a) Realice un anlisis de regresin lineal simple de Y con cada
uno de los cuatro subtest.
b) Realice un anlisis de regresin lineal mltiple.
6. Se conocen las edades (
X
) y la presin sangunea (
Y
) de 12
mujeres. Si
2 2
628, 1684, 34416, 238822, 89894. i
i i i i i
x y x y x y

a) Encuentre la recta de regresin de Y sobre X .
b) Si una mujer tiene 49 aos, cul sera su presin sangu-
nea?
c) Si una mujer tiene 72 aos, cul es la presin sangunea
esperada?
7. La siguiente tabla muestra las calificaciones obtenidas por 10
estudiantes en dos pruebas de Estadstica:
X : Primera prueba 12 10 16 16 14 12 20 8 18 14
Y : Segunda prueba 16 14 14 20 10 16 20 12 16 12
05_cap5.p65 31/03/2006, 02:48 p.m. 264
265
a) Construya el diagrama de dispersin.
b) Obtenga la recta de regresin de Y sobre X .
c) Si un estudiante obtuvo 14,7 en la primera prueba, cunto
se espera que obtenga en la segunda prueba?
8. Dos profesores, con el propsito de examinar cul es la influen-
cia que los mtodos de enseanza basados en el trabajo libre y
creativo del alumno ejercen sobre su rendimiento escolar, lleva-
ron a cabo una investigacin con 122 nios y nias, en los que
evaluaron los siguientes aspectos:
Creatividad : CREAT Coeficiente intelectual :C.I.
Capacidad de orden : ORDEN Rendimiento escolar :RENDIM.
CASO ORDEN C.I. RENDIM. CREAT. CASO ORDEN C.I. RENDIM. CREAT.
1 8 114 0, 85 8, 00 31 4 109 0, 84 4, 50
2 6 103 0, 87 4, 00 32 7 113 0, 88 7, 50
3 5 97 0, 90 8, 00 33 7 123 0, 86 6, 00
4 3 94 0, 80 2, 00 34 10 106 0, 91 8, 00
5 4 88 0, 70 9, 00 35 7 110 0, 74 6, 00
6 6 76 0, 70 4, 00 36 6 95 0, 62 5, 50
7 7 116 1, 00 10, 0 37 9 125 0, 92 7, 00
8 4 86 0, 73 5, 50 38 6 100 0, 62 2, 00
9 4 97 0, 99 3, 00 39 7 112 0, 72 2, 00
10 3 91 0, 75 8, 00 40 3 53 0, 14 5, 00
11 6,5 123 1, 50 3, 50 41 3,5 77 0, 21 1, 50
12 5 63 0, 73 1, 00 42 7 100 0, 65 3, 50
13 3 92 0, 90 6, 00 43 8 105 0, 78 5, 00
14 5 86 0, 82 8, 00 44 5 89 0, 48 0, 00
15 5,5 84 0, 81 5, 00 45 6 105 0, 91 4, 50
16 4,5 63 0, 62 5, 00 46 4 92 0, 97 6, 00
17 4 88 0, 77 7, 00 47 3 98 0, 62 2, 00
18 10 128 0, 99 7, 00 48 3 91 0, 84 4, 00
19 7 102 0, 78 6, 00 49 6 90 0, 63 0, 00
20 8 115 0, 98 7, 00 50 6 98 0, 89 6, 50
21 6 93 0, 74 6, 00 51 6 113 1, 05 6, 00
22 10 130 0, 94 7, 00 52 4 92 0, 84 3, 00
23 7 90 0, 76 4, 00 53 8 98 0, 74 5, 00
24 5 90 0, 81 5, 00 54 7 86 0, 58 0, 50
25 9 102 0, 2 8, 00 55 5 88 0, 82 2, 00
26 7 102 0, 85 7, 00 56 5 88 0, 82 1, 50
27 7 99 0, 91 6, 00 57 5 102 0, 75 3, 00
28 6 100 0, 73 6, 00 58 5 101 0, 88 6, 50
29 6 88 0, 64 5, 00 59 6 76 0, 81 4, 00
30 4 74 0, 45 3, 00 60 4 94 0, 65 0, 00
05_cap5.p65 31/03/2006, 02:48 p.m. 265
266
a) Use comandos del SPSS para crear el archivo de datos.
b) Existe relacin entre inteligencia y creatividad?
c) Sobre la base de los datos obtenidos en esta experiencia, pode-
mos afirmar que, a mayor creatividad, corresponde una menor
capacidad de orden?
d) Sobre la base de los datos obtenidos en esta experiencia, pode-
mos afirmar que existe relacin lineal entre rendimiento escolar
y creatividad?
e) Cul es la recta que mejor permite predecir la variable rendi-
miento escolar en funcin de la variable creatividad? Interprete.
f) Manteniendo constante la capacidad intelectual de los alum-
nos, la creatividad est relacionada con el rendimiento escolar?
g) Sobre la base de los datos obtenidos en esta experiencia, pode-
mos afirmar que existe relacin lineal entre el rendimiento esco-
lar y la inteligencia?
h) Cul es la ecuacin de la recta que permite predecir el rendi-
miento escolar en funcin de la variable inteligencia? Interprete.
05_cap5.p65 31/03/2006, 02:48 p.m. 266