UNIVERSIDAD NACIONAL DE INGENIERÍA

Facultad de Ingeniería Química y Textil

MA-612
ANÁLISIS DE REGRESIÓN Y
CORRELACIÓN

MA-612
ANÁLISIS DE REGRESIÓN Y
CORELACIÓN SIMPLE

En trabajos científicos es necesario, a

menudo, determinar el efecto que una
variable ejerce sobre otra. Un
experimento de laboratorio es una
medida del efecto de una variable sobre
la otra; medimos una cantidad de
muestra, realizamos la reacción y
medimos la respuesta.
 ANÁLISIS DE REGRESIÓN Y
CORELACIÓN SIMPLE

Gran parte de los trabajos de investigación actual

abarcan el nivel correlacional, el cual implica la
descripción de la relación entre dos o más
variables en estudio, una de las cuales es el de
interés explicada por una o más variables
independientes, las cuales pueden ser cualitativas
y/o cuantitativas.
Este procedimiento es denominado como las
técnicas de correlación y de regresión lineal.
ANÁLISIS DE REGRESIÓN Y
CORELACIÓN SIMPLE

El origen de este procedimiento se

remonta a los tiempos de Francis
Galton en 1889 y Karl Pearson en
1895 fueron quienes denominaron
como técnicas de Correlación y de
Regresión Lineal Simple.
 Usos del análisis de regresión:

Predicción, Descripción, Control y Selección

de variables

Modelo de regresión

Ecuación que representa la relación entre las

variables. Puede ser una relación lineal o
puede ser no lineal (exponencial, logarítmica,
cuadrática, etc.)
Modelo de regresión
Línea de regresión estimada

El estimado de α es a y el estimado de β es b,
son hallados usando el método de mínimos
cuadrados, que se basa en minimizar la suma
de cuadrados de los errores.

El modelo de regresión lineal es estimado por

la ecuación

෡ es el valor estimado de Y
𝒀
Línea de regresión estimada

෡ es el valor estimado de Y
𝒀

a: coeficiente de intersección o el valor de Y cuando x = 0

b: Coeficiente de Regresión e indica la pendiente de la
línea, o el cambio promedio de Y para cada cambio en
una unidad de x.

෡ e 𝒀 de forma que
Este modelo con el menor error posible entre 𝒀
෡ − 𝒀 sea una variable que toma valores próximos a cero.
𝒀
Objetivo del Análisis de Regresión

determinar la ecuación de regresión para predecir los valores de

la variable dependiente (Y) en base a la o las variables
independientes (X).
 Procedimiento:

 Seleccionar una muestra a partir de la población y listar

pares de datos para cada observación
 Dibujar un diagrama de puntos para dar una imagen visual
de la relación
 Determinar la ecuación de regresión, calcular el coeficiente
de inerseción y el coeficiente de correlación (calcular las
cantidades 𝒂 𝑦 𝒃)
 EL COEFICIENTE DE
CORRELACIÓN

Llamado también coeficiente de correlación de Pearson se

representa por r y es una medida que representa el grado de
asociación lineal entre dos variables cuantitativas X e Y.
EL COEFICIENTE DE CORRELACIÓN

Características de r :

 Varía entre -1 y 1.
 Valores de -1 o 1 indican relación lineal perfecta.
 Valores cercanos a 1 y a -1, la asociación lineal es alta.
 Valor igual a 0 indica ausencia de correlación.
 Valores cercanos a 0, baja asociación lineal
 Valores negativos indican una relación lineal inversa y
valores positivos indican una relación lineal directa
EL COEFICIENTE DE CORRELACIÓN
EL COEFICIENTE DE CORRELACIÓN

Error estándar de estimación

 El error estándar de la estimación, representa una medida de la

variación en torno a la recta ajustada de regresión.
 Se mide en la unidad de medición de la variable Y dependiente.
 La interpretación es semejante al de la desviación estándar. Así
como la desviación estándar mide la variabilidad alrededor del
promedio, el error estándar de estimación mide la variabilidad en
torno a la recta ajustada de regresión.

n n n
 yi2 - a  yi - b  xi yi
i=1 i=1 i=1
Se =
n-2
EL COEFICIENTE DE CORRELACIÓN

Bondad de ajuste

 Una vez estimada la ecuación de regresión es

conveniente determinar el aporte de la variable
independiente al modelo ajustado.
 Hay que tomar la decisión de eliminarla e incluir
otras que podrían aportar más información sobre la
variabilidad de y.
 El coeficiente para la bondad de ajuste es el
Coeficiente de Determinación.
 EL COEFICIENTE DE CORRELACIÓN

Coeficiente de determinación 𝑹𝟐

 Es simplemente el cuadrado del coeficiente de

correlación.
 El coeficiente de Determinación varía entre 0 y 1,
es bastante común expresarlo en porcentaje.
 Un 𝑹𝟐 mayor del 70 % indica una buena
asociación lineal entre las variables, luego la
variable X puede usarse para predecir Y.

𝑹𝟐 : indica qué porcentaje de la variabilidad de la variable de respuesta Y es

explicada por su relación lineal con X.
EL COEFICIENTE DE CORRELACIÓN
EL COEFICIENTE DE CORRELACIÓN
EL COEFICIENTE DE CORRELACIÓN