La educacin tiene la misin de permitir, a todos sin excepcin, hacer fructificar todos sus talentos y todas sus capacidades

de creacin. Lo que implica que cada uno pueda responsabilizarse de s mismo y realizar su proyecto personal. Jaques Delors.
Modelos empricos
Grfico de dispersin
Correlacin no es causalidad Error estndar.
G. Edgar Mata Ortiz http://licmata-math.blogspot.mx/
http://www.slideshare.net/licmata/
licmata@hotmail.com
Frmulas correlacin y
regresin lineal simple.
Referencias bibliogrficas
Ejemplos de correlacin.
Modelos determinsticos: La variable o variables independientes
predicen exactamente el valor de la variable independiente.



Modelos no determinsticos: La variable independiente (x) no
predice exactamente la variable dependiente (y).

The nature of mathematics. Karl J. Smith. Thomson Learning.
2007.
Introduction to Statistics and Data Analysis. Roxy Peck,Chris
Olsen,Jay L. Devore. CENGAGE Learning. 2012.
Applied Statistics and Probability for Engineers. Douglas C.
Montgomery,George C. Runger. 2011.
Es un grfico que utiliza las coordenadas cartesianas para
mostrar los valores de dos variables x, y.
Un aspecto que debe cuidarse es la interpretacin de la
correlacin. A pesar de que el coeficiente de correlacin
sea muy cercano a uno, no podemos afirmar que x es
causa de y.
En realidad no sabemos que causa la correlacin. Es
posible que sea otra variable la que est causando que
tanto x como y aumenten o disminuyan conforme a
la recta de regresin.
d f
v a PV nRT
t m
= = =
1
y Consumodecombustibledeunvehculo
Ejemplo
x pesodel vehculo
=

2
y Consumodeaguaenunacasa
Ejemplo
x nmerode personas quevivenenella
=

Consumodeagua enuna casa (metroscbicos)

2
x = nmerodepersonasquevivenenella
y
Ejemplo
=

x y
1 2.4
1 3.5
1 5.1
2 6.8
2 8.5
3 8.1
3 7.2
3 7.6
4 8.1
4 7.5
4 6.8
4 8.8
5 8.2
5 8.8
5 9
5 8.9
6 8.1
6 8.8
7 9.2
7 9.5
El modelo de regresin lineal es no determinstico, de
modo que los resultados pronosticados tienen error.
Una ventaja de este modelo es que podemos conocer la
magnitud de dicho error.
Su nombre completo es error estndar al calcular y
dado x.
Se calcula mediante la frmula siguiente:
( )( )
2
2
y
x
y x
x y
xy
n
SC
SC
S
n
(
(
(

Aunque es sencillo simplificarlo observando que el nu-

merador es SCxy.
2
2
xy
y
x
y x
SC
SC
SC
S
n
(

El error estndar nos da una medida de la desviacin

promedio de las predicciones hechas por medio de la
ecuacin de regresin respecto a los valores observados.
En este sentido, la recta de regresin puede ser conside-
rada una estimacin de la media de los valores de y
para cada valor de x.
El error estndar es una cuantificacin del error al prede-
cir y para cada valor de x. Cuanto ms grande es este
error menos podremos confiar en las predicciones del
modelo.


r de Pearson
La educacin tiene la misin de permitir, a todos sin excepcin, hacer fructificar todos sus talentos y todas sus capacidades de creacin. Lo que implica que cada uno pueda responsabilizarse de s mismo y realizar su proyecto personal. Jaques Delors.
r de Pearson Coeficiente de determinacin r
2

Interpretacin del valor de r
Las sumas de cuadrados se sustituyen para obte-
ner r.
El coeficiente de determinacin r
2
nos indica
la proporcin de la variacin total en y que
conocemos como funcin de x.
En ocasiones se le considera la proporcin de
la varianza en y explicada por la regresin.
En correlacin lineal mltiple se usa como
indicador de bondad del ajuste del modelo.
El coeficiente de correlacin lineal r de Pear-
son mide la fuerza de la correlacin entre las
variables x, y.
EL valor de r siempre est entre 1 y +1. Si es
exactamente igual a +1 1 se dice que existe
correlacin perfecta, y nos encontramos ante
un modelo determinstico.
Para calcular r comenzamos con la siguiente
tabla:
x y x
2
y
2
xy
1 1 2.4 1 5.76 2.4
2 1 3.5 1 12.25 3.5
3 1 5.1 1 26.01 5.1
18 6 8.8 36 77.44 52.8
19 7 9.2 49 84.64 64.4
20 7 9.5 49 90.25 66.5
E 78 150.9 372 1206.09 641.9
Ex Ey Ex
2
Ey
2
Exy
.



.




.
.



.




.
.



.




.
.



.




.
.



.




.
.



.




.
Las sumatorias que se obtienen al final de ca-
da columna son las que se utilizan en las fr-
mulas siguientes:
( )
( )
2
2
2
2
x
y
xy
x
SC x
n
y
SC y
n
x y
SC xy
n

=

=
xy
x y
SC
r
SC SC
=

El valor de r indica que tan fuerte es la correla-

cin lineal entre las variables independiente
(x) y dependiente (y). Cuanto ms cerca de
uno, ms fuerte es la correlacin y cuanto ms
cerca de cero, ms dbil.
No existen reglas para decidir si 0.6 es una co-
rrelacin suficientemente fuerte. Depende de
los objetivos del experimentador.
Se recomienda hacer el anlisis de correlacin
y regresin completo. Para encontrar la regla
de regresin se emplean las siguientes frmu-
las.
Coeficientes de la recta de regresin lineal.
( )
2
0 2
2
x y x xy
a
n x x

=

0 1
y a a x = +
( )
1 2
2
n xy x y
a
n x x

=

La recta de regresin lineal
La ecuacin de esta recta es un modelo no
determinstico del efecto que la variabilidad
de la variable explicativa (x) tiene sobre la va-
riable dependiente (y).
Esta ecuacin responde a la pregunta Qu
pasa si x es igual a?
La forma de responder a estas preguntas con-
siste en sustituir los valores de x en la ecua-
cin y obtener los valores de y.
Con dos parejas (x, y) obtenemos dos puntos
y, al unirlos, podemos trazar la recta de regre-
sin lineal.
x y
1 5.261
2 6.049
3 6.836
4 7.624
5 8.411
6 9.199
7 9.986
0.7875 4.4739 y x = +
La tabulacin indica que:
Si en una casa vive slo una
persona, el consumo de
agua ser de 5.261 m
3
; si
viven dos personas serpa de
6.049 y as sucesivamente
hasta llegar a 7 personas
cuando el consumo espera-
do es de 9.986 m
3
.