Você está na página 1de 7

REGRESIN Y CORRELACIN

En muchos casos se requiere conocer ms que el comportamiento de una sola


variable, se requiere conocer la relacin entre dos o ms variables como la
relacin entre produccin y consumo; salarios y horas de trabajo; oferta y
demanda; salarios y productividad; la altura de un rbol y el dimetro de su
tronco.

Muchos de estos comportamientos tienen una tendencia lineal, aunque hay


muchos otros que lo hacen de forma curva. Para determinar el grado de
correlacin entre las variables, no basta con calcular la varianza explicada,
pues existe el coeficiente de determinacin coeficiente de correlacin; sin
embargo, frecuentemente se utiliza un coeficiente de correlacin rectilneo,
siendo este un valor entre -1y1.

Para estas confrontaciones se utiliza el diagrama de dispersin que es


plano cartesiano en el que se marcan los puntos correspondientes a los
pares (x,y) de los valores de las variables.

El anlisis de Regresin tiene los siguientes usos: el primero es obtener los


estimadores de los parmetros, estimar la varianza del error, obtener los
errores estndares de los parmetros estimados, probar la hiptesis sobre los
parmetros, clculo de valores estimados basados en la ecuacin estimada,
estimar el ajuste o la falta de ajuste del modelo.
El modelo a utilizar es Y= a+ bx, a es el intercepto, b es la pendiente de
la funcin, la que nos indica el cambio marginal de Y respecto a X.

EJERCICIOS:

1. Se quiere estudiar la asociacin entre consumo de sal y tensin arterial. A una


serie de voluntarios se les administra distintas dosis de sal en su dieta y se mide
su tensin arterial un tiempo despus.

X (sal) Y (Tensin)
1,6 98
2,3 102
3,3 109
4,2 113
4,6 115
5,0 120

a. Realice el diagrama de dispersin y determine el tipo de asociacin entre las


variables

Tendencia lineal entre las variables

a. Encuentre el modelo matemtico que permite predecir el efecto de una variable


sobre la otra. Es confiable?
Tanto la grfica como la ecuacin representan un modelo de regresin lineal con
base a la formula y = a + bx, dando como resultado que el 98.7 % de los datos
estn representados satisfactoriamente.

b. Determine el grado de relacin de las dos variables.


Existe un grado de correlacin muy estrecha entre las dos variables con un valor
de (r = R2) 0,99 muy cerca de +1.

d. Si a un paciente se le administra una dosis de sal de 5,6. Cul es la tensin


arterial esperada?
Aplicando la frmula de regresin lineal:
Y= (6,1062) (x)+88,128
Y= (6,1062) (5,6) +88,128
Y=122,32272
R:/ el paciente tendr una tensin de 122,32

2. En un nuevo proceso artesanal de fabricacin de cierto artculo que est


implantado, se ha considerado que era importante ir anotando peridicamente el
tiempo medio (medido en minutos) que se utiliza para realizar una pieza y el
nmero de das desde que empez dicho proceso de fabricacin. Con ello, se
pretende analizar como los operarios van adaptndose al nuevo proceso
mejorando paulatinamente su proceso de produccin.
Los siguientes datos representan dicha situacin:

X 12 23 35 42 53 65 70
Y 45 30 27 25 23 21 20

a. Identifique la variable dependiente (y) y la variable independiente (x), realice el


diagrama de dispersin y determine el tipo de asociacin entre las variables
Las variables muestran una relacin lineal
b. Encuentre el modelo matemtico que permite predecir el efecto de una variable
sobre la otra. Es confiable?
La grafica se puede representar con la tpica ecuacin de regresin lineal simple
con base a la formula y = a + bx,

c. Determine el grado de correlacin de las dos variables.


Con la grfica y la formula aplicada se denota una relacin entre las variables,
donde un 79% de ellas explican la informacin con una correlacin de un 89%
entre el tiempo dedicado para hacer una pieza de artesana y los das gastados
para terminarla.

d. Que tiempo deber tardarse un empleado cuando lleven 90 das?


La ecuacin de la recta ajustada est dada as y=42,56+(0,36) x
entonces y=42,57 + (0,36 ) ( 90 )=10 , 38
Es decir que al cabo de 90 das el empleado se estima que tardara 10,13 minutos
en hacer una pieza de artesana.

3. Una Nutricionista de un hogar infantil desea encontrar un modelo matemtico


que permita determinar la relacin entre el peso y la estatura de sus estudiantes.
Para ello selecciona 10 nios y realiza las mediciones respectivas.
A continuacin se presentan los resultados:

Estatura 120 124 107 118 112 110 115 104 110 116
(cm)
Peso 24 23 19 24 21 19 22 16 20 23
( kg)

a. Identifique la variable dependiente (y) y la variable independiente (x), realice el


diagrama de dispersin y determine el tipo de asociacin entre las variables.
La variable peso depende de la variable estatura, a mayor estatura (x) se
esperara que aumente el peso (y)

La grafica muestra una relacin lineal en los valores obtenidos de las variables.

b. Encuentre el modelo matemtico que permite predecir el efecto de una variable


sobre la otra. Es confiable?
El modelo matemtico que se acomoda a las variables es ecuacin de regresin
lineal simple, arrojando una confiabilidad donde el 83% de los datos representan
bien la informacin.

c. Determine el grado de correlacin de las dos variables.


Existe un grado de correlacin muy estrecha entre las dos variables con un valor
de (r = R2) 0,91 es decir que el 91% de los datos tienen una estrecha relacin.

d. Cul es el peso que debera tener un estudiante que mida 128 cm?
Dada la ecuacin de la recta y=22,751+(0,386)(128)=72,16
Entonces, el nutricionista habra de esperar que el estudiante tenga un peso
promedio de 72,16 Kg

REFERENCIA

Escobar, M. A. (2005). MDULO ESTADSTICA DESCRIPTIVA . Bogot D.C.:


Universidad Nacional Abierta Y A Distancia UNAD -PDF.