OBJETIVOS

GENERAL
Conocer la importancia y aplicacin de las regresiones y el coeficiente de
correlacin en la estadstica aplicada a las ciencias de la salud.
ESPECIFICOS
Definir lo que es la regresin y el coeficiente de correlacin.
Determinar cundo se debe utilizarse las tcnicas de regresin y
correlacin.
Saber cmo interpretar los resultados de la regresin y el coeficiente
de correlacin.
Significacin del coeficiente de correlacin.
Frecuentemente denominado correlacin. Una medida estadstica
ampliamente utilizada que mide el grado de relacin lineal entre dos
variables aleatorias. El coeficiente de correlacin debe situarse en la banda
de -1 a +1. El coeficiente de correlacin se calcula dividiendo la covarianza
de las dos variables aleatorias por el producto de las desviaciones tpicas
individuales de las dos variables aleatorias. Las correlaciones desempean
un papel vital en la creacin de carteras y la gestin de riesgos.
Mide la interdependencia o grado de asociacin entre dos variables. Se
define como la relacin por cociente entre la covarianza de las dos variables
y el producto de sus desviaciones tpicas. Su valor puede oscilar entre 0 y 1
y 0 y -1, segn que la correlacin sea positiva o negativa. Un coeficiente de
correlacin igual a cero significa ausencia de correlacin.
Precauciones en las correlaciones.

Mnimo de dos observaciones por individuo, medidas en una escala

de intervalo (continua); aunque tambin pueden estarlo en escala
ordinal, por codificacin de variables categricas.
El conjunto de observaciones, la muestra, ha de ser representativo de
la poblacin: la presencia de grupos heterogneos en una muestra
(por ejemplo el incluir individuos jvenes y ancianos en la misma
muestra par estudiar la relacin entre la edad y el filtrado glomerular)
puede resultar inapropiada.
El conjunto de observaciones no debe contener datos extremos, ya
que el coeficiente de correlacin r es muy sensible a su presencia.
Las observaciones no deben contener errores de medicin o ste ha
de ser relativamente nfimo ya que la baja fiabilidad de las
observaciones atena el valor de r.
Las variables deben estar relacionadas linealmente, es decir el grfico
de dispersin sigue una diagonal: las relaciones curvilneas pueden
producir r no significativos;

La forma de la distribucin de las variables debe ser igual. Si no

tienen la misma distribucin, aunque el ajuste sea perfecto, se
observar un r < 1, y cuanto menos se parezcan las distribuciones
ms se atenuar r. Este efecto es importante cuando se correlaciona
una variable en escala de intervalo con otra ordinal o dicotomizada.

Adems, la distribucin de los pares (

xi y

y i ), debe ser bivariada

normal. Es importante desde el punto de vista inferencial, cuando se

trata de valorar la intensidad y la significacin estadstica de la
correlacin. Cuando la distribucin no sea normal, el intervalo de r
puede que no sea [1,1].
Para muestras grandes los ndices implicados en las pruebas de
significacin se distribuyen normalmente incluso cuando las propias
variables no lo sean.
De cualquier forma, cuando se prefiera evitar este tipo de conflicto,
puede recurrirse a utilizar un clculo no paramtrico como la de
Spearman o un estadstico no paramtrico como la de Kendall.
La varianza de las variables debe ser homognea (variables
homoscedsticas) y no restringida. Si la varianza es truncada o
restringida en una o varias variables, por ejemplo por un muestreo
deficiente, el coeficiente de correlacin puede verse afectado.
Tambin por truncacin del intervalo de la variable por dicotomizacin
de datos continuos o reduccin de la escala.
http://www.economia48.com/spa/d/coeficiente-decorrelacion/coeficiente-de-correlacion.htm
http://www.fca.proed.unc.edu.ar/mod/book/view.php?
id=3461&chapterid=384
file:///D:/LESNIKEN/Downloads/CORRELACION%20notas.pdf
http://www.tecnun.es/asignaturas/Estad_ii/Archivos/Recursos/Regresio
nMINITAB.pdf