Correlación y regresión lineal.

Ejemplos

Problema Nro. 01

Las estaturas (mts.) y los pesos (Kg) de 10 jugadores de Baloncestos son:

Estatura X Pesos Y(Kg)

(mts)
186 85
189 85
190 86
192 90
193 87
198 93
201 103
203 100
193 91
205 101

Calcular el coeficiente de correlación y la gráfica de regresión

1° Para el coeficiente de correlación utilizaremos la siguiente fórmula:

n
 n  n 
n.∑ X iYi   ∑ X i  .  ∑ Yi 
r i1  i1   i1  (1)
n  n 2 n  n 2
∑ i2∑X.i1i i1 nY∑ i 2 ∑
nX Yi
i 1  i1

Ampliemos la tabla anterior asi:

Estatura (X)Peso (Y) X.Y x2 y2

186 85 15810 34596 7225
189 85 16065 35721 7225
190 86 16340 36100 7396
192 90 17280 36864 8100
193 87 16791 37249 7569
198 93 18414 39204 8649
201 103 20703 40401 10609
203 100 20300 41209 10000
193 91 17563 37249 8281
205 101 20705 42025 10201
1950 921 179971 380618 85255

Elaborado por: Eliezer

Montoya http:// Página 1
 Correlación y regresión lineal. Ejemplos

Donde:
2
n  n
 n

∑X i  1950 ;  ∑ X i  1950 2  3.802.500 ; ∑X

2
 380.618
i 1  i 1
i

 i1 
2
 921; ∑ Yi   921 2  848.241;
n
∑Y
n n

∑Y
2
 85.255
i  i1  i 1
i

i 1

Y los productos n

cruzados ∑ X Y  179.971
i 1
i i

Con todos estos datos podemos calcular el Coeficiente de correlación de Pearson (1):
n
 n  n 
n.∑ X iYi   ∑ X i  .  ∑ Yi 
r i1  i1   i1 
=
n   2 n  n 2
∑ i2∑X.i1i i1 nY∑ i 2 ∑
n
nX Yi
i 1  i1
10.179971  1950.921 1799710 1795950 3760
    0, 9442
3680 4309 3982, 0999
10.380618  3802500. 10 85255  848241

r    0,
2° Antes de hallar la gráfica de regresión lineal debemos encontrar primero los coeficientes
de dicha recta la pendiente y el corte con el eje y, a través del mínimo cuadrado

y  b   La recta de regresión lineal buscada, donde b es el corte con el eje y

m es la pendiente de la recta, usando determinantes
tenemos:

Elaborado por: Eliezer

Montoya http:// Página 2
 Correlación y regresión lineal. Ejemplos


∑y ∑x
∑ y  bn  m∑ x ∑ xy n∑ x 2   2  


  ∑ y ∑ x   ∑ x ∑ xy
 ⇒b ∑x ∑x     

  ∑x
2

  2
n∑ x2 ∑ x 
 ∑ xy  b x  m  



n∑ y
    
∑ x∑ xy n xy    y  x
    
m n∑ x  ∑ ∑ 2
n∑ x 2
∑
 x  (2)
 

∑x ∑x 2

    
n xy    y  x  10 179971  9211950 3760 47
 ∑   ∑  
m     1, 0217
 x 
2
10  380618   3802500 3680 46
n∑ x2   ∑ 
 

  2   
 ∑ y  ∑ x    ∑ x  ∑ xy 921380618  1950179971 394272
    
b    107,139
2
3680 3680
n∑ x 2   ∑
 x 

 

Esta fórmula también la podemos resumir así también:

∑  x  x  y  y
i i
y b y (3)
m

∑x 
2
x

Elaborado por: Eliezer

Montoya http:// Página 3
 Correlación y regresión lineal. Ejemplos

Estatura (X) Peso (Y)  xi   y y

i  x  x  y  y
i i  x  x
i

x 
186 85 -9 -7,1 63,9 81
189 85 -6 -7,1 42,6 36
190 86 -5 -6,1 30,5 25
192 90 -3 -2,1 6,3 9
193 87 -2 -5,1 10,2 4
198 93 3 0,9 2,7 9
201 103 6 10,9 65,4 36
203 100 8 7,9 63,2 64
193 91 -2 -1,1 2,2 4
205 101 10 8,9 89 100
1950 921 0 5,684E-14 376 368

∑  x  x  y  y Entonces
i i 376 47
m m   1,
 0217
∑x 
2
x

b y Entonces b   92,1 

4647 195   107,139


La ecuación de regresión lineal está definida así: Y = 1.021739x -107.13913 y su

grafica es:

Elaborado por: Eliezer

Montoya http:// Página 4
 Correlación y regresión lineal. Ejemplos

Introduciendo los datos en el software estadístico SPSS 15.0 obtenemos los resultados
siguientes (observe son iguales que las cuentas antes realizadas paso a paso.)

Correlaciones
Estadísticos descriptivos

Desviación
Media típica N
Estatura 195,0000 6,39444 10
Peso 92,1000 6,91938 10

Correlaciones

Estatura Peso
Estatura Correlación de Pearson 1 ,944(**)
Sig. (bilateral) ,000
Suma de cuadrados y
productos cruzados 368,000 376,000
Covarianza 40,889 41,778
N 10 10
Peso Correlación de Pearson ,944(**) 1
Sig. (bilateral) ,000
Suma de cuadrados y
productos cruzados 376,000 430,900
Covarianza 41,778 47,878
N 10 10
** La correlación es significativa al nivel 0,01 (bilateral).

Correlaciones no paramétricas
Correlaciones

Estatura Peso
Rho de Spearman Estatura Coeficiente de
correlación 1,000 ,939(**)
Sig. (bilateral) . ,000
N 10 10
Peso Coeficiente de ,939(**) 1,000
correlación
Sig. (bilateral) ,000 .
10 10
N
** La correlación es significativa al nivel 0,01 (bilateral).

Elaborado por: Eliezer

Montoya http:// Página 5
 Correlación y regresión lineal. Ejemplos

Valor X Y
Mínimo 186 85
Máximo 205 103

Covariancia =37.6

Coeficiente Correlación R Error medio

Lineal +0.944225 +4.672609
Cuadrático +0.941389 +4.903035
a*b^x (exponencial) +0.947004 +4.584281
a*x^b (potencial) +0.946342 +4.615529
ax/(b+x) (racional) +0.948042 +4.59074

Problema Nro. 02

La información estadística obtenida de una muestra de tamaño 12, sobre la relación entre
inversión y el rendimiento obtenido en cientos de miles Bs F para exportaciones agrícola

Inversión ( X ) Rendimineto
(Y)
11 2
14 3
16 5
15 6
16 5
18 3
20 7
21 10
14 6
20 10
19 5
11 6

Calcular el coeficiente de correlación y la gráfica de regresión lineal.

Para el cálculo del coeficiente de correlación usaremos una ecuación semejante a la usada
en el problema anterior:

Elaborado por: Eliezer

Montoya http:// Página 6
 Correlación y regresión lineal. Ejemplos

n.∑ X iYi  ∑ X i .  ∑ Yi

n n n n

 ∑ X i 
 X Y Y 
r i1  i1   i1   i1
n n
 n 2
n n  n 2 2 2
∑ i∑X.i1i i 1 nY∑ i 2 ∑
nX 2
Yi ∑ Xi  X.  ∑
Yi  Y

i1  i 1 i1 i1

2 2

Inver. (X) Rend. (Y) xi  y y

i  x  x  y  y
i i  x  x
i  y  y
i

x 
11 2 -5,25 -3,66 19,22 27,56 13,40
14 3 -2,25 -2,66 5,99 5,06 7,08
16 5 -0,25 -0,66 0,17 0,06 0,44
15 6 -1,25 0,34 -0,43 1,56 0,12
16 5 -0,25 -0,66 0,17 0,06 0,44
18 3 1,75 -2,66 -4,66 3,06 7,08
20 7 3,75 1,34 5,03 14,06 1,80
21 10 4,75 4,34 20,62 22,56 18,84
14 6 -2,25 0,34 -0,77 5,06 0,12
20 10 3,75 4,34 16,28 14,06 18,84
19 5 2,75 -0,66 -1,82 7,56 0,44
11 6 -5,25 0,34 -1,79 27,56 0,12
195 68 0 0,08 58 128,25 68,67

La media aritmética de:

∑ ∑Y
n n
195 65 68 17 _
Xi i
i1 i1
X    16, 25 ; Y     5, 6
n 12 4 n 12 3

El coeficiente de correlación de Pearson:

∑ X
n
i 
X Y Y  58
r i1
  0, 618039
n
2
n 2 128, 25 68, 67
∑Xi  X.  ∑
Yi  Y

i1 i1

Coeficiente de Correlación es: 0,6180

La ecuación de regresión lineal, denotada como y  mx  b cuyos coeficientes son:

Elaborado por: Eliezer

Montoya http:// Página 7
 Correlación y regresión lineal. Ejemplos

∑  x  x  y  y Entonces:
i i 58  232  0, 452241
m m
 128, 25513

∑ 
2
x x
_  232 
b y Entonces:
 
b  5, 6 
 
513 16, 25  1, 6823

La gráfica Y = 0.452242x -1.682261 y del diagrama de dispersión nos muestra

Desde otro acercamiento.

Elaborado por: Eliezer

Montoya http:// Página 8
 Correlación y regresión lineal. Ejemplos

Valor X Y
Mínimo 11 2
Máximo 21 10

Media Aritmética X = 16.25 Media Aritmética Y = 5.666667

Desviación Típica X = 3.269174 Desviación Típica Y = 2.392117

Covariancia = 4.833333

Coeficiente Correlación R Error medio

Lineal +0.618054 +3.536387
Cuadrático +0.706111 +2.869162
a*b^x (exponencial) +0.590251 +3.395839
a*x^b (potencial) +0.572799 +3.643326
ax/(b+x) (racional) +0.551185 +3.999327

Podemos constatar dichos cálculos al introducirlos en SPSS (correlaciones bivariadas):

Correlaciones
Estadísticos descriptivos

Desviación
Media típica N
Inversión 16,2500 3,41454 12
Rendimiento 5,6667 2,49848 12

Correlaciones

Inversión Rendimiento
Inversión Correlación de Pearson 1 ,618(*)
Sig. (bilateral) ,032
Suma de cuadrados y
productos cruzados 128,250 58,000

Covarianza 11,659 5,273

N 12 12
Rendimiento Correlación de Pearson ,618(*) 1
Sig. (bilateral) ,032
Suma de cuadrados y
productos cruzados 58,000 68,667

Covarianza 5,273 6,242

N 12 12

Elaborado por: Eliezer

Montoya http:// Página 9
 Correlación y regresión lineal. Ejemplos

* La correlación es significante al nivel 0,05 (bilateral).

Correlaciones no paramétricas

Correlaciones

Inversión Rendimiento
Rho de Spearman Inversión Coeficiente de
correlación 1,000 ,552
Sig. (bilateral) . ,063
N 12 12
Rendimiento Coeficiente de ,552 1,000
correlación
Sig. (bilateral) ,063 .
12 12
N

Elaborado por: Eliezer

Montoya http:// Página