Correlación y Regresión 21 Abril 2020
Correlación y Regresión 21 Abril 2020
Correlación y Regresión 21 Abril 2020
21 abril 2020
Regresión y correlación
Correlación Regresión
§ No implica independencia.
100 100
90 90
80 80
70 70
60 60
50 50
40 r=0,8 40 r=0,99
30 30
140 150 160 170 180 190 200 140 150 160 170 180 190 200
Correlaciones negativas
90 80
80 70
70 60
60 50
50
40
40
30
30
20 20
10 r=-0,5 10 r=-0,7
0 0
140 150 160 170 180 190 200 140 150 160 170 180 190 200
80 80
70 70
60 60
50 50
40 40
30 30
20 20
10 r=-0,95 10 r=-0,999
0 0
140 150 160 170 180 190 200 140 150 160 170 180 190 200
r de Pearson
n = 29
Altura Peso
en cm. en Kg. 100
162 61
154 60 75
Peso (kg)
180 78
158 62 50
171 66
169 60 25
166 54
176 84 0
163 68 140 150 160 170 180 190 200 210
... ... Altura (cm)
Modelos de Regresión
Modelos
Simple Múltiple
¿Simple o múltiple?
X1
X Y X2 Y
X3
y
x
Modelos de Regresión
¿Lineal o no lineal?
100 800
90 700
600
80
500
70
400
60
300
50
200
40 100
30 0
140 150 160 170 180 190 200 140 150 160 170 180 190 200
Modelos de Regresión
Familias de funciones más frecuentes:
n b1 (pendiente de la recta)
180
b1=0.5
150
120
90
60
b0=85 cm
30
0
0
10
20
30
40
50
60
70
80
90
100
110
120
130
140
150
160
170
180
190
200
210
220
¿Dependiendo de la altura
podemos predecir el peso?
n = 29
100
75
Peso (kg)
50
25
r= 0.8036, p<0.001
0
140 150 160 170 180 190 200 210
Altura (cm)
¿Dependiendo de la altura
podemos predecir el peso?
El modelo de regresión
lineal simple es:
Peso = b0 + b1(Altura)
b0 = -101.4
b1 = 0.995
r2 = 0.6458
bondad de ajuste = 64.58%
r = 0. 8036 (coeficiente
de correlación)
¿Dependiendo de la altura
podemos predecir el peso?
X Y X2 Y
X3
y
n Detección de interacciones
n Linealidad
n Colinealidad
n Observaciones anómalas
Modelo de Regresión lineal múltiple
n Y = b0 + b1 X 1 + … + bn X n
Donde
n Y es la VD
n El coeficiente b0 es una valor constante (valor medio de Y)
n Los términos X1 son las VI o variables explicativas
n Los coeficientes del modelo b1 son calculados de modo que los residuos sean los menores
posibles
Variables confusoras
Una variable es confusora cuando estando relacionada con alguna VI, a su
vez afecta a la VD (aunque por sí misma no afecte significativamente a
la VD).
Modelo de Regresión lineal múltiple
n Coeficientes
n Bondad de ajuste
n Matriz de correlaciones
Modelo de Regresión lineal múltiple
Y = b0 + b1X1 + … + bnXn