Академический Документы
Профессиональный Документы
Культура Документы
Parte 1: Investigación
Definición y ejemplo de cálculo de los siguientes tipos de correlación:
a) Spearman
b) Biserial
c) Biserial puntual
d) Tetracórico
Procedimiento
Formar grupos de trabajo (de tres a cinco integrantes)
Ambos trabajos presentarlo en Power Point
Habrá exposición por grupo en la primera semana de noviembre
CORRELACIÓN Y REGRESIÓN
La correlación y la regresión son dos técnicas que
permiten estudiar la relación entre dos variables
cuantitativas (escala de intervalo o de razón). Por
ejemplo:
1. Análisis bivariado
2. Regresión lineal simple
Herramientas Cuantitativas
para la Toma de Decisiones
CORRELACIÓN Y REGRESIÓN
1. ANÁLISIS BIVARIADO
A. CONCEPTO
• Consiste en analizar la interacción de dos variables.
Ejemplo.
Analizar la relación entre los siguientes resultados de dos tests
(Matemáticas y Ciencias) aplicados a un grupo de alumnos:
Tabla 1: Resultados de dos Tests (Matemático y Ciencia)
Puntuación Puntuación Ciencias
Alumno
Matemática Test X Test Y
A 83 160
B 46 38
C 92 143
D 81 67
E 70 124
F 70 117
G 75 132
H 88 143
I 74 121
J 79 113
DIAGRAMA DE DISPERSIÓN
r=+ X
LINEAL NEGATIVA
r=- X
NINGUNA RELACIÓN
r=0
En nuestro ejemplo propuesto en la tabla 1 para elaborar
una relación lineal y el diagrama de dispersión de las
variables (Test “X” y Test “Y”)
180
160
140
120
T E S T "Y "
100
80
60
40
20
0
0 20 40 60 80 100
T E S T "X "
COEFICIENTE DE CORRELACIÓN DE PEARSON
N XY X Y
r
n X 2
( X) 2 n Y 2 ( Y) 2
10(90846) (758)(1158)
r
10(58916) (758) 10(146330) (1158)
2 2
30696 30696
r
14596122336 42256.5528
r 0.726
INTERPRETACIÓN:
• La correlación es positiva (por el signo del resultado), lo cual significa
que ambas variables varían en un mismo sentido.
• La correlación es numéricamente igual a 0.726, valor que puede ser
aceptado como “alta”.
Tabla 3. Significación del coeficiente de correlación de
Pearson según Garrett
VALOR r
INTERPRETACIÓN RELACIÓN
De A
0.00 0.19 “r” DEBIL RELACIÓN CASI NULA
CONCEPTO
Y = B0 + B1 X
n XY X Y
B1
n X X
2 2
(1)
B1 Y b X (2)
EJEMPLO:
• Con los datos del Análisis Bivariado de la Tabla 3
obtener la recta de regresión lineal entre la variable
independiente (Test X) y la variable dependiente (Test Y)
Los resultados de este estudio son presentados de la
siguiente manera:
Tabla 3. Resultados de los Datos de los
Test “X” y Test “Y”
TEST X TEST Y
ALUMNOS
(MATEMÁTICA) (CIENCIAS)
A 83 160
B 46 38
C 92 143
D 81 67
E 70 124
F 70 117
G 75 132
H 88 143
I 74 121
J 79 113
• Con los datos obtenidos se elabora una tabla como el que sigue:
ALUMNO X Y X2 XY
A 83 160 6889 13280
B 46 38 2116 1748
C 92 143 8464 13156
D 81 67 6561 5427
E 70 124 4900 8680
F 70 117 4900 8190
G 75 132 5625 9900
H 88 143 7744 12584
I 74 121 5476 8984
J 79 113 6241 8927
TOTAL 758 1158 58916 90846
N 10 PROMEDIOS
X X 75.8
Y Y 115.8
XY
X 2
X 2
• Para obtener B1 utilizamos la fórmula (1)
n XY X Y
Reemplazando: B1 =
n X X
2 2
Reemplazando: B0 = YX
B0 = 115.8 – (2.1) (75.8) = -43.38
Y B0 B1 Y
Y 43.38 2.1 X
EJEMPLOS:
14 24
12 14
20 28
16 30
46 80
23 30
48 90
50 85
55 120
50 110