UNIVERSIDAD CATLICA

DE SANTA MARA






PROGRAMA PROFESIONAL
DE PSICOLOGA

PSICOESTADSTICA
ANLISIS DE REGRESIN Y CORRELACIN LINEAL SIMPLE



PROFESOR: Dr. Max Rondn Rondn

ALUMNO: Ramrez Lazo, Luis R.

SEMESTRE: V


2014
1. ANLISIS DE REGRESIN

a. CONCEPTO

El anlisis de regresin es un proceso estadstico para la estimacin de relaciones entre
variables. Incluye muchas tcnicas para el modelado y anlisis de diversas variables,
cuando la atencin se centra en la relacin entre una variable dependiente y una o
ms variables independientes. Ms especficamente, el anlisis de regresin ayuda a
entender cmo el valor tpico de la variable dependiente cambia cuando cualquiera de
las variables independientes es variada, mientras que se mantienen las otras variables
independientes fijas. Ms comnmente, el anlisis de regresin estima la esperanza
condicional de la variable dependiente dadas las variables independientes - es decir, el
valor promedio de la variable dependiente cuando se fijan las variables
independientes. Con menor frecuencia, la atencin se centra en un cuantil, u otro
parmetro de localizacin de la distribucin condicional de la variable dependiente
dadas las variables independientes. En todos los casos, el objetivo es la estimacin de
una funcin de las variables independientes llamada la funcin de regresin. En el
anlisis de regresin, tambin es de inters para caracterizar la variacin de la variable
dependiente en torno a la funcin de regresin que puede ser descrito por
una distribucin de probabilidad.

El anlisis de regresin es ampliamente utilizado para la prediccin y previsin, donde
su uso tiene superposicin sustancial en el campo de aprendizaje automtico. El
anlisis de regresin se utiliza tambin para comprender que cuales de las variables
independientes estn relacionadas con la variable dependiente, y explorar las formas
de estas relaciones. En circunstancias limitadas, el anlisis de regresin puede
utilizarse para inferir relaciones causales entre las variables independientes y
dependientes. Sin embargo, esto puede llevar a ilusiones o falsas relaciones, por lo que
se recomienda precaucin,
1
por ejemplo, la correlacin no implica causalidad.

Se han desarrollado muchas tcnicas para llevar a cabo anlisis de regresin. Mtodos
familiares tales como regresin lineal y ordinaria de mnimos cuadrados de regresin
son paramtrica , en que la funcin de regresin se define en trminos de un nmero
finito de desconocidos parmetros que se estiman a partir de los datos . Regresin no
paramtrica se refiere a las tcnicas que permiten que la funcin de regresin mienta
en un conjunto especfico de funciones, que puede ser de dimensin infinita.



b. FRMULA

Una lnea de regresin lineal tiene una frmula de Y = A + BX , donde X es la variable
explicativa y la Y es la variable dependiente. La pendiente de la lnea es B, y a la
intercepcin (el valor de Y cuando X = 0)

Funciones lineales se utilizan para modelar los datos de regresin lineal y los
parmetros del modelo desconocido se estiman de los datos. Ese mtodo de
modelado de datos es conocido como modelos lineales. Generalmente, la regresin
lineal asignar a un modelo en el que la media condicional de y dado el valor de x es una
funcin afn de x. lineal regresin rara vez puede referirse a un modelo en el que la
mediana, o algunos otros cuantice la distribucin condicional de y dado x se expresa
como una funcin lineal de x

Para obtener clculos de regresin lineal como pendiente de la lnea B, de los
explicativo y significa, del familiar a cargo Variable significa X, del interceptar la lnea A,
de la ecuacin de regresin y de los nmero de entradas esta calculadora online es una
herramienta fundamental para analizar la relacin entre los dado dos conjuntos de
datos

c. VENTAJAS Y DESVENTAJAS

VENTAJAS

La regresin lineal (independientemente de si es simple o mltiple) presenta la ventaja
de que puedes hacer una prediccin del comportamiento de alguna variable en un
determinado punto o momento.
Por ejemplo:

Si construiste un modelo de regresin lineal simple que relaciona el aumento de los
ingresos de una compaa con la cantidad de trabajadores, donde los ingresos
dependen de la cantidad de trabajadores, tu puedes (recordando que el modelo de
regresin lineal simple es una recta) tomar un punto determinado de Y (ingresos) y ver
el valor de X (cantidad de trabajadores) para ese punto.

Me refiero a que si tu deseas saber cuntos trabajadores debes tener para que ganes
supongamos 100.000$, simplemente entras al modelo e introduces los ingresos (Y) y
obtendrs fcilmente la cantidad aproximada de trabajadores que debes tener.
Esto te permite tener mayor control en un proceso o en una industria, ya que con
modelo de regresin lineal observas que fenmeno afecta a cual y en que magnitud.

DESVENTAJAS

Una clara desventaja de la regresin lineal es que no siempre existe relacin entre
variables y adems se puede generar una confusin, por ejemplo:
Las arrugas en la piel depende del crecimiento de las orejas, si tu realizas este modelo,
vas a obtener que existe una relacin entre ambas variables, pero usando la lgica e
investigando sobre el tema, te dars cuenta que las arrugas en la piel no dependen del
crecimiento de las orejas, si no del envejecimiento, es decir, de la edad. Observaras
que ambas dependen de la edad, mas no una de la otra, pero para esto debes indagar
sobre el tema.

Adems, la regresin lineal no va a arrojar un resultado favorable a medida que se
aleja de los valores utilizados para crearlo, me explico:

Si realizaste un modelo donde todos los datos se encontraban entre 50 y 100, y luego
quieres saber que sucede si una de las variables vale 10000, no vas a obtener un
resultado ni preciso ni fiable, siempre debe estar o comprendido dentro de los valores
que utilizaste o muy cerca (la extrapolacin es muy imprecisa).

d. EJERCICIO DE APLICACIN
Ci nco ni os de 2, 3, 5, 7 y 8 aos de edad pesan, respecti vamente, 14,
20, 32, 42 y 44 ki l os.
- Hal l ar l a ecuaci n de l a recta de regresin de l a edad sobre el
peso.
- Cul ser a el peso aproxi mado de un ni o de sei s aos?




2. CORRELACION LINEAL SIMPLE
a. CONCEPTO

La correlacin indica la fuerza y la direccin de una relacin
lineal y proporcionalidad entre dos variables estadsticas. Se considera que dos
variables cuantitativas estn correlacionadas cuando los valores de una de ellas varan
sistemticamente con respecto a los valores homnimos de la otra: si tenemos dos
variables (A y B) existe correlacin si al aumentar los valores de A lo hacen tambin los
de B y viceversa. La correlacin entre dos variables no implica, por s misma, ninguna
relacin de causalidad, La relacin entre dos variables cuantitativas queda
representada mediante la lnea de mejor ajuste, trazada a partir de la nube de puntos.
Los principales componentes elementales de una lnea de ajuste y, por lo tanto, de una
correlacin, son la fuerza, el sentido y la forma:
La fuerza extrema segn el caso, mide el grado en que la lnea representa a la
nube de puntos: si la nube es estrecha y alargada, se representa por una lnea
recta, lo que indica que la relacin es fuerte; si la nube de puntos tiene una
tendencia elptica o circular, la relacin es dbil.
El sentido mide la variacin de los valores de B con respecto a A: si al crecer los
valores de A lo hacen los de B, la relacin es directa (pendiente positiva); si al
crecer los valores de A disminuyen los de B, la relacin es inversa (pendiente
negativa).
La forma establece el tipo de lnea que define el mejor ajuste: la lnea recta,
la curva monotnica o la curva no monotnica

b. FRMULA



c. VENTAJAS Y DESVENTAJAS

El coeficiente de correlacin de Pearson es un ndice que mide la relacin lineal entre
dos variables aleatorias cuantitativas. A diferencia de la varianza, la correlacin de
Pearson es independiente de la escala de medida de las variables.
De manera menos formal, podemos definir el coeficiente de correlacin de Pearson
como un ndice que puede utilizarse para medir el grado de relacin de dos variables
siempre y cuando ambas sean cuantitativas.
En el caso de que se est estudiando dos variables aleatorias x e y sobre una poblacin
estadstica; el coeficiente de correlacin de Pearson se simboliza con la letra , siendo la
expresin que nos permite calcularlo:
Donde:
* es la covarianza de
* es la desviacin tpica de la variable
* es la desviacin tpica de la variable
De manera anloga podemos calcular este coeficiente sobre un estadstico muestral,
denotado como a:

El valor del ndice de correlacin vara en el intervalo [-1,1]:
* Si r = 1, existe una correlacin positiva perfecta. El ndice indica una dependencia
total entre las dos variables denominada relacin directa: cuando una de ellas
aumenta, la otra tambin lo hace en proporcin constante.
* Si 0 < r < 1, existe una correlacin positiva.
* Si r = 0, no existe relacin lineal. Pero esto no necesariamente implica que las
variables son independientes: pueden existir todava relaciones no lineales entre las
dos variables.
* Si -1 < r < 0, existe una correlacin negativa.
* Si r = -1, existe una correlacin negativa perfecta. El ndice indica una dependencia
total entre las dos variables llamada relacin inversa: cuando una de ellas aumenta, la
otra disminuye en proporcin constante.

Las ventajas de la correlacin de Spearman es un excelente mtodo para cuantificar la
relacin entre dos escalas de valores discretos y/o con jerarqua (ordinales). Tambin
es una excelente opcin cuando los datos no tienen distribucin normal bivariante,
especialmente si hay valores extremos.
El mtodo de Spearman permite calcular correlacin, pero slo entre dos variables.
Este mtodo tampoco permite hacer regresin, es decir, no se puede modelar la
variable respuesta Y con varios predictores en forma simultnea o ver la influencia de
un predictor sobre otro. En este sentido, el mtodo es mucho menos poderoso que la
regresin lineal o logstica.

d. EJERCICIO DE APLICACIN

Eleccin de la prueba estadstica para medir la asociacin o correlacin. Las edades en
das estn en escala de tipo intervalo, tenemos dos variables, entonces aplicamos esta
prueba.
Objetivo: Conocer qu grado de asociacin existe entre la edad y peso corporal de
nios de edades desde el nacimiento hasta los 6 meses.
Hiptesis.
Ha. Entre las observaciones de edad de los nios y peso corporal existe correlacin
significativa.
Ho. Entre las observaciones de edad de los nios y pero corporal no existe correlacin
significativa.




gl = 21 - 2 = 19
a = 0.05

rc = 0.91
rt = 0.444
rc > rt se rechaza Ho. Entre las variables edad del nio y el peso corporal existe una
correlacin muy significativa. Elevando r al cuadrado obtenemos el error existente r2 =
0.8281 = 0.83, donde el 83% de los cambios observados en el peso de los nios se debe
a los incrementos de la edad, sin embargo, el 17% se ignora.

La correlacin obtenida. Encontramos entonces una correlacin positiva, es decir,
conforme la edad aumenta, tambin aumenta el peso corporal de los nios.


3. DIFERENCIAS ENTRE ANLISIS DE REGRESIN Y CORRELACION LINEAL SIMPLE

La Regresin y la Correlacin son dos medidas que estn estrechamente relacionadas
pero son totalmente diferentes, los conceptos expuestos a continuacin aclaran la
diferencia entre los dos trminos.

El concepto de Correlacin dice que es la medida en la cual se relacionan dos variables
diferentes por ejemplo como se relaciona la cantidad de fumadores con la cantidad de
enfermos de cncer del pulmn o la relacin que tienen las notas de cursos de
estudiantes de diferentes universidades o diferentes niveles econmicos.

Por otra parte la Regresin es la ecuacin matemtica que describe el comportamiento de
dos medidas, es decir, con la regresin podemos construir una frmula que nos d el
nmero de enfermos de cncer de pulmn en funcin de los fumadores o el nmero de
cursos aprobados en funcin de la universidad o del estatus social del estudiante.

La correlacin se torna interesante cuando el analista o la persona quien est ejecutando
el anlisis de la relacin entre las variables necesita saber con qu fuerza influye una
variable con el comportamiento de la segunda variable, es decir, cuando medimos la
correlacin nos interesa saber que tan importante es una variable y que tanto influye en
el resultado.

En la otra mano tenemos la Regresin que por definicin sabemos que es la construccin
de una ecuacin matemtica que describe el comportamiento de dos variables a partir de
datos muestrales capturados, entonces, la regresin es til cuando saber una prediccin
del resultado en base a un valor que resulta ser la variable de la ecuacin calculada por
medio de la regresin de datos por ejemplo si yo tengo el nmero de alumnos en una
clase de matemtica y quiero saber la cantidad de alumnos que aprobaran, lo puedo
lograr gracias a datos estadsticos que me han generado una ecuacin que describa el
comportamiento del nmero de alumnos aprobados en funcin del nmero de alumnos
inscritos de el curso de matemtica.


REFERENCIAS
ALMANZA, Sonia. (2012) Ejemplos de correlacin y regresin simple. Recuperado de la
web el 18 de junio del 2014: http://www.slideshare.net/ZoniiaALmanza/26-mayo-
ejemplos-de-correlacion-y-regresion-simple

ASTUDILLO, Gaby. Correlacin. Recuperado de la web el 18 de junio del 2014:
http://www.monografias.com/trabajos84/correlacion/correlacion.shtml#coeficiena

ATENEA, Paulina. Regresin y correlacin. Recuperado de la web el 18 de junio del
2014: http://html.rincondelvago.com/regresion-y-correlacion.html

CAMCHO, Leonel. Regresin y Correlacin Lineal. Recuperado de la web el 18 de junio
del 2014: http://www.monografias.com/trabajos82/regresion-y-correlacion-
lineal/regresion-y-correlacion-lineal.shtml

Coeficiente de correlacin de Pearson. Recuperado de la web el 18 de junio del 2014:
http://es.wikipedia.org/wiki/Coeficiente_de_correlaci%C3%B3n_de_Pearson

Coeficiente de correlacin simple de Pearson (modelo rectilneo). Recuperado de la
web el 18 de junio del 2014: http://www.ray-
design.com.mx/psicoparaest/index.php?option=com_content&view=article&id=256:c
oeficiente-pearson&catid=54:coeficiente-correla&Itemid=75

Correlacin de Pearson. Recuperado de la web el 18 de junio del 2014:
http://www.psico.uniovi.es/Dpto_Psicologia/metodos/tutor.6/fcope.html

Correlacin. (2013). Recuperado de la web el 18 de junio del 2014:
http://www.buenastareas.com/ensayos/Correlacion/6991496.html
Diferencia entre regresin y correlacin. Recuperado de la web el 18 de junio del 2014:
http://audiemangt.blogspot.com/2010/04/diferencia-entre-regresion-y.html

MESA, Andy. Muestreo para correlaciones por contingencias y de Pearson
Recuperado de la web el 18 de junio del 2014:
http://www.monografias.com/trabajos93/muestreo-correlaciones-contingencias-y-
pearson/muestreo-correlaciones-contingencias-y-pearson2.shtml#ixzz352wajbLL

SIERRA, Enrique. (2013). Coeficiente de correlacin de Pearson y Spearman.
Recuperado de la web el 18 de junio del 2014:
http://es.scribd.com/doc/134574744/COEFICIENTE-DE-CORRELACION-DE-PEARSON-Y-
SPEARMAN-DR-ENRIQUE-SIERRA