You are on page 1of 7

Serie de Trabajos Prácticos de Correlación y Regresión

CORRELACIÓN Y REGRESIÓN
Al concluir la fase de recolección de datos de un experimento, el investigador cuenta normalmente con un conjunto de
medidas de alguna variable dependiente(Y) en relación con ciertos valores seleccionados de una variable independiente(X).

QUE ESTUDIAMOS?
 Dadas dos variables, que pueden ser aleatorias o no aleatorias, deseamos saber que relación existe entre ellas.
 Si existe dicha relación, el grado de correlación o intensidad entre ambas
 Hacer predicciones de posibles resultados, conociendo determinados valores.

Ejemplo:
1. Rendimiento en Kg. /Ha. de arroz:
 Cantidad de lluvia caída en cada parcela Variable aleatoria.
 Cantidad de abono colocado en cada parcela Variable No aleatoria.
2. Velocidad de un automóvil, y distancia de frenado en mts. que le tomará detenerse.
3. Inversiones en Plazo Fijo, ante la suba o baja de las tasas de interés.
4. Capacidad de ahorro, ante un aumento determinado de salarios.
5. Costo de los alquileres de departamentos, y su distancia al microcentro.

PASOS A SEGUIR:
1. Diagrama de dispersión. (Gráfico con los n pares de valores Curva de Aproximación)
Lineal
2. Ajustar una curva a los datos. (Elección del modelo matemático) No lineal

Directa
3. Grado o intensidad de la relación. ( Coeficiente r ) Inversa

4. Cálculo de los coeficientes del modelo elegido. (a, b, .....)


5. Graficación del modelo. (Curva de Ajuste)

1)
Y . .
. .
. .
. .
. .
X
Directa Inversa

Lineal No lineal

2) Lineal: Recta: y = a + b . x No lineal: Cuadrática: Y = a + b . x + c . x2

_ _
Sxy = (Xi . Yi ) – X . Y
Sxy N xi . y i
x. y
3) r = _ _ n
r=
. x = Xi2 _ X2 y = Yi2 _ Y2
x y xi2 2 y i2 2
N N x y
n n

4) MÉTODOS DE AJUSTAMIENTO:

LINEAL: Ecuación de la recta: Y = a + b . X

(a) Mínimos Cuadrados:


_ _ _
(b) (X . Y ) – N . X . Y
i i _ _
b= _ a=Y–b.X
Xi2 – N . X2

(b) Ecuaciones lineales simultáneas:

Yi = a.N + b. Xi ( X)
2
( Xi . Yi) = a . Xi + b . Xi (-N)

Página 1 de 7 PROFESOR: Ernesto L. Arengo


Serie de Trabajos Prácticos de Correlación y Regresión

EJERCICIO 1.
Objetivo: Observar la relación que existe entre ambas variables.

X Y X2 y2 XY Ŷ

5 9

5 10

6 12

7 13

8 10

8 12

Ajustar dicho conjunto de datos, utilizando los tres métodos descriptos.

Coef. de Correlación: r = 0,71

a) Mínimos Cuadrados: b = 0,7 a = 6,37

b) Ecuaciones Lineales Simultáneas: b = 0,7 a = 6,37

EJERCICIO 2.
Objetivo: Observar la relación que hay entre el grado de estudio que presentan los estudiantes de Estadística de
segundo año del Instituto Misericordia en relación con el grado de estrés.

(X) Estrés (Y) Estudio X2 y2 XY Ŷ

1 5

2 8

3 4

4 3

5 7

6 10

7 5

8 1

9 4

Ajustar dicho conjunto de datos, utilizando los métodos descriptos.

Coef. De Correlación: r=

a) Mínimos Cuadrados: b= a=

Página 2 de 7 PROFESOR: Ernesto L. Arengo


Serie de Trabajos Prácticos de Correlación y Regresión

b) Ecuaciones Lineales Simultáneas: b = a=

Página 3 de 7 PROFESOR: Ernesto L. Arengo


Serie de Trabajos Prácticos de Correlación y Regresión

MÉTODOS DE AJUSTAMIENTO NO LINEAL

Ecuación Cuadrática

Y = A . N + B . X + C . X2
Y A B. X C. X 2
X. Y = A . X + B . X2 + C . X3
X2.Y = A . X2 + B . X3 + C. X4

EJERCICIO 2-a) Ajustar los siguientes datos a una Parábola.


 Realizar el Diagrama de Dispersión con las curvas de aproximación y ajuste.
 Determinar los coeficientes del modelo indicado.

X Y X.Y X2.Y X2 X3 X4 Ŷ
0 2.4
1 2.,1
2 3.2
3 5.6
4 9.3
5 14.6
6 21.9

Y = 2.51 – 1.20 * X + 0.73 * X2

A B C

X = 21 X2 = 91 X3 = 441 X4 = 2275
Y = 59.1 X*Y = 266.9 X2 * Y = 1367.5

= 16464 A = 41316.8 B = - 19756.8 C = 12073.6

A B C
A= B= C=

EJERCICIO 2-b)

X Y X.Y X2.Y X2 X3 X4 Ŷ
1.2 4.5
1.8 5.9
3.1 7.0
4.9 7.8
5.7 7.2
7.1 6.8
8.6 4.5
9.8 2.7

Y=

X= X2 = X3 = X4 =
Y= X*Y = X2 * Y =

Página 4 de 7 PROFESOR: Ernesto L. Arengo


Serie de Trabajos Prácticos de Correlación y Regresión

= A= B= C=

Página 5 de 7 PROFESOR: Ernesto L. Arengo


Serie de Trabajos Prácticos de Correlación y Regresión

MÉTODOS DE AJUSTAMIENTO NO LINEAL


Ecuación Exponencial y Potencial

PASOS A SEGUIR:
 Diagrama de dispersión. (Gráfico con los n pares de valores (Curva de Aproximación).

 Grado o intensidad de la relación. ( Coeficiente r ). r = -0,73

 Ajustar una curva a los datos (Elección del modelo matemático adecuado).
 Cálculo de los coeficientes del modelo elegido. (a y b) por Mínimos Cuadrados.
 Graficación del modelo. (Curva de Ajuste).

DADO EL SIGUIENTE CONJUNTO DE DATOS, SE DESEA AJUSTAR POR:

MODELO EXPONENCIAL y a.e b. x ln y ln a b.x. ln e


1

Cálculo de R Cálculo de coeficientes a y b


2 2

X Y X*Y X Y ln Y X*lnY X2 Y
1 1000 558,89
2 500 444,43
3 250 353,41
5 140 223,48
10 60 71,06
15 30 22,60
36 1980 31,08 152,57 364
_ _
a = -0,23 (Xi . lnYi) – N . X . lnY
_ _

b= _
ln a = lnY – b . X
b = 706,27
Xi2 – N . X2

MODELO POTENCIAL y a.x b ln y ln a b. ln x

Cálculo de coeficientes a y b

X Y lnX*lnY lnX lnY lnX2 Y
1 1000 1085,78
2 500 443,74
3 250 262,91
5 140 135,96
10 60 55,56
15 30 32,92
36 1980 36,97 8,41 31,08 14,84

_ _
a = -1,21 (lnXi . ln Yi) – N . lnX . lnY _ _
b = 966,81 b= _ ln a = lnY – b . lnX
lnXi2 – N . lnX2

Ecuaciones lineales simultáneas: xi . y i


x. y
r=
n
lnYi = a.N + b. lnXi ( lnX)
(lnXi . lnYi) = a . lnXi + b . lnXi2 (-N) xi2 2 y i2 2
x y
n n

Página 6 de 7 PROFESOR: Ernesto L. Arengo


Serie de Trabajos Prácticos de Correlación y Regresión

MODELO EXPONENCIAL

Cálculo de R Cálculo de coeficientes a y b


2 2

X Y X*Y X Y ln Y X*lnY X2 Y a = 1,83
2 3 b = 0,38
3 6
4 9
5 12
6 15
7 20
13,28 66,00 139

MODELO POTENCIAL

Cálculo de coeficientes a y b a = 1,13



X Y lnX*lnY lnX lnY lnX2 Y
b = 1,47
2 3
3 6
4 9
5 12
6 15
7 20
20,46 8,53 13,28 13,20

MODELO EXPONENCIAL

Cálculo de R Cálculo de coeficientes a y b


2 2

X Y X*Y X Y ln Y X*lnY X2 Y a = 0,68
2 1,9 b = 0,43
3 2,3
4 3,7
5 5,2
6 9,1
7 15,2
8 22,9
12,49 74,6 203

MODELO POTENCIAL

Cálculo de coeficientes a y b a = 0,37



X Y lnX*lnY lnX lnY lnX2 Y b = 1,83
2 1,9
3 2,3
4 3,7
5 5,2
6 9,1
7 15,2
8 22,9
21,59 10,60 12,49 17,52

Página 7 de 7 PROFESOR: Ernesto L. Arengo

You might also like