1.

- Elaborar Diagrama de Correlacin Lineal

A 12 alumnos de un centro se les pregunt a qu distancia estaba su
residencia del Instituto, con fin de estudiar si esta variable estaba relacionada
con la nota media obtenida, se obtuvieron los datos que figuran en la
siguiente tabla:

Observamos una nube de puntos que no nos sugiere ninguna recta

concreta, porque la correlacin es prcticamente inexistente, es decir, no
tiene nada que ver con el rendimiento acadmico la distancia del domicilio al
instituto.
2.- Calculo de Coeficiente de Correlacin. Concepto. Tipos. Significado
Matemtico
Clculo de Coeficiente de Correlacin. Concepto.
Los coeficientes de correlacin son medidas que indican la situacin
relativa de los mismos sucesos respecto a las dos variables, es decir, son la

expresin numrica que nos indica el grado de relacin existente entre las 2
variables y en qu medida se relacionan, son nmeros que varan entre los
lmites +1 y -1, su magnitud indica el grado de asociacin entre las variables;
el valor r = 0 indica que no existe relacin entre las variables; los valores 1
son indicadores de una correlacin perfecta positiva (al crecer o decrecer X,
crece o decrece Y) o negativa (Al crecer o decrecer X, decrece o crece Y).
Tipos
Segn la relacin entre variables:
Correlacin lineal: Se representa mediante una lnea recta.
Correlacin no lineal: Se representa con una lnea curva.
Segn el nmero de variables:
Correlacin simple: La variable dependiente acta sobre la variable
independiente.
Correlacin mltiple: Cuando la variable dependiente acta sobre
varias variables independientes.
Correlacin parcial: Cuando la relacin que existe entre una variable
dependiente y una independiente es de tal forma que los dems factores
permanezcan constantes.
Segn el valor cuantitativo:
Correlacin perfecta: El valor del coeficiente de correlacin es 1.
Correlacin imperfecta: El coeficiente de correlacin es menor a 1
sea en sentido positivo o negativo.

Correlacin nula: El coeficiente de correlacin es 0. No existe

correlacin entre las variables. Ejemplo: Nmero de calzado de una persona
y su cociente intelectual.
Segn el signo:
Correlacin positiva: Dos variables tiene correlacin positiva cuando
al aumentar o disminuir el valor de una de ellas entonces el valor
correspondiente a la otra aumentar o disminuir respectivamente, es decir,
cuando las dos variables aumentan en el mismo sentido. Ejemplo: Peso de
una persona y su talla.
Correlacin negativa: Dos variables tiene correlacin negativa
cuando al aumentar o disminuir el valor de una de ellas entonces el valor de
la otra disminuir o aumentar respectivamente, es decir, una variable
aumenta y otra disminuye o viceversa.

Ejemplo: Nmero de partidos

ganados por un equipo en una temporada y su posicin final en la tabla.

Significado Matemtico
Es un factor multiplicativo, es decir, el nmero constante que se
encuentra a la izquierda de una variable o incgnita y la multiplica. Por
ejemplo, 3X = X + X + X, donde 3 es coeficiente de la variable X; el
coeficiente de correlacin del conjunto de datos se pueden derivar de la
frmula:

Las variables de un conjunto de datos es muy alta correlacin, si el

coeficiente de correlacin r cuya magnitud se encuentra entre 0,9 y 1,0;
altamente correlacionado, si el coeficiente de correlacin r cuya magnitud se
encuentra entre 0,7 y 0,9; moderadamente correlacionadas si la magnitud de
r se encuentra entre 0,5 y 0,7; correlacin baja, si el valor de r se encuentra
entre 0.3 y 0.5 y correlacin lineal si la magnitud es inferior a 0,3. En muchas
aplicaciones es necesario calcular el coeficiente de correlacin para
conjuntos de datos, donde esta calculadora en lnea coeficiente de
correlacin puede ayudar a hacer simplemente sus clculos
3.- Clculo de Coeficiente de Regresin. Coeficiente de Determinacin y
Alineacin
Clculos de Coeficiente de Regresin
La regresin lineal es una tcnica que permite cuantificar la relacin
que puede ser observada cuando se grafica un diagrama de puntos
dispersos correspondientes a dos variables, cuya tendencia general es
rectilnea; relacin que cabe compendiar mediante una ecuacin del mejor
ajuste de la forma: y = a + bx
En esta ecuacin, y representa los valores de la coordenada a lo
largo del eje vertical en el grfico (ordenada), en tanto que x indica la
magnitud de la coordenada sobre el eje horizontal (abscisa), el valor de a
(que puede ser negativo, positivo o igual a cero) es llamado el intercepto; en
tanto que el valor de b (el cual puede ser negativo o positivo) se denomina
la pendiente o coeficiente de regresin. Serie de datos para el clculo de una
regresin (a y b) y del coeficiente de correlacin (r):

El procedimiento para obtener valores de a y b para una serie de pares de datos

de x y de y (tal como la presentada en la Figura 1 y/o en la Tabla 1) es como
sigue:
Paso 1: Calcule, para cada par de valores de x e y, las cantidades x, y, y
x.y.
Paso 2: Obtenga las sumas () de estos valores para todos los pares de datos de
x e y, as como las sumas del total de los valores de x e y. Los resultados de
los Pasos 1 y 2 aparecern en forma similar a la siguiente:

Nmero
de pares
de datos

Paso 3: Estime la pendiente (b) por medio de la relacin:

1

2

3

Paso 4: Estime el intercepto

(a) por medio de la relacin:
n

Monto de las sumas
x x y

x.y

y xy

A partir de esos valores de a y de b obtenidos mediante las

Ecuaciones 2 y 3, es posible trazar a lo largo de los puntos dispersos de un
grfico la lnea recta mejor ajustada a los mismos, y verificar visualmente si
tales puntos estn bien expresados por la lnea.

Coeficiente de Determinacin y Alineacin

El coeficiente de determinacin es una medida estadstica de la
bondad del ajuste o fiabilidad del modelo estimado a los datos. Se representa
por R2 e indica cul es la proporcin de la variacin total en la variable
dependiente (Y), que es explicada por el modelo de regresin estimado, es
decir, mide la capacidad explicativa del modelo estimado.

Clculo del coeficiente de Determinacin

En un modelo de regresin lineal el coeficiente de determinacin es
adimensional y se calcula de siguiente modo:

Donde la suma total es la varianza muestral de la variable endgena

multiplicada por el tamao de la muestra, por lo tanto, mide las fluctuaciones
de esta variable alrededor de su media; y, la suma residual indica cual es el
nivel de error que se comete con el modelo estimado al explicar la variable
endgena.
El coeficiente de determinacin siempre va a ser menor o igual que 1
(sera igual a 1 si el modelo estimado puede explicar completamente la
variable dependiente sin ningn error, lo cual es muy improbable en la
prctica) y, si adems, el modelo tiene trmino independiente entonces el R2
es mayor o igual que cero.
Si el modelo tiene trmino independiente, existen diferentes
expresiones que permiten el clculo del R2, tales como:

Donde, la suma explicada es el grado de fluctuacin de la variable

dependiente que el modelo de regresin estimado es capaz de explicar;
es el vector de parmetros estimados del modelo, X es la matriz de
observaciones de las variables explicativas del modelo, y es el vector de
observaciones de la variable dependiente, T es el nmero de observaciones
de las variables del modelo, e

es el cuadrado de la media de la variable dependiente.

El R2 tambin se puede calcular como el cuadrado del coeficiente de
correlacin entre y (variable dependiente) e
(variable dependiente estimada a travs del modelo de regresin).
Utilidad del coeficiente de determinacin
El coeficiente de determinacin no slo mide la capacidad explicativa
de un modelo, sino que adems permite elegir entre varios modelos cual es
el ms adecuado, as los modelos tienen la misma variable dependiente y el
mismo nmero de variables explicativas, ser ms adecuado l tenga un
coeficiente de determinacin mayor.
Sin embargo, si se trabaja con modelos anidados (uno tiene el mismo
nmero de variables explicativas que otro y alguna ms) entonces el
coeficiente de determinacin ya no es adecuado para establecer cul de los
modelos es el mejor para explicar la variable dependiente, esto es debido a
que al aumentar el nmero de variables explicativas entonces la suma
residual disminuye y, por lo tanto, ser necesario trabajar con una medida
que tenga en cuenta el nmero de variables explicativas del modelo, este
coeficiente se conoce como el coeficiente de determinacin corregido

se calcula de la siguiente forma:

Donde, el coeficiente de determinacin no slo est corregido por el

tamao de la muestra (ya que si el nmero de datos aumenta, el coeficiente
disminuye) sino, tambin por el nmero de variables explicativas. De esta
forma se mantendra neutral frente a la introduccin de nuevas variables
explicativas ya que si aumentan las variables explicativas aumentara el R2 y

por lo tanto (1 - R2) disminuye, compensando el efecto del aumento de la

fraccin
cuando aumenta el nmero de variables explicativas.
Es importante resaltar que tanto el R2 como el
dependen de la muestra seleccionada y, por lo tanto, a la hora de
decidir si el modelo es adecuado o no para explicar la variable dependiente
no debera tenerse en cuenta slo la informacin proporcionada por estos
coeficientes.