Protocolo individual
Descripción del texto o actividad a realizar.
Sintesis sobre regresión lineal y correlación donde se identificará conceptos
fundamentales y ejercicio práctico.
Palabras claves.
• Regresión lineal simple
• Regresión lineal múltiple
• Coeficientes de regresión
• Variable dependiente
• Variable independiente
Objetivos de las lecturas o actividad a realizar.
• Conocer los conceptos de regresión lineal y correlación
• Analizar la funcionalidad de cada concepto en la temática
• Entender por medio de ejercicio práctico como se muestra la regresión
lineal y correlación, para la resolución de problemas.
Conceptos claves y definiciones
• Coeficiente de Determinación (r2):
El coeficiente de determinación mide la proporción de la varianza total de
la variable dependiente que es explicada por el modelo de regresión lineal.
• Linealidad: La relación entre las variables dependiente e independientes es
lineal.
• Independencia de los errores: Los errores (residuos) son independientes
entre sí.
• Método de Mínimos Cuadrados Ordinarios (OLS): Técnica utilizada para
estimar los coeficientes β0 y β1 minimizando la suma de los cuadrados de
las diferencias entre los valores observados de Y y los valores predichos
por el modelo.
Resumen de la(as) lecturas
REGRESION LINEAL Y CORRELACION
En el análisis estadístico, es común encontrar relaciones entre dos variables. La
regresión lineal y la correlación son herramientas que permiten estudiar dichas
relaciones. Mientras la correlación indica la fuerza y dirección de una relación
lineal entre dos variables, la regresión permite modelar y predecir el
comportamiento de una variable a partir de otra.
REGRESIÓN LINEAL
Busca modelar la relación lineal entre una variable dependiente (o de respuesta)
y una o más variables independientes (o predictoras). El objetivo es encontrar la
línea recta que mejor se ajuste a los datos, de manera que se pueda usar para
predecir valores futuros de la variable dependiente basándose en los valores de
las variables independientes.
Regresión lineal simple
En la regresión lineal simple, hay una sola variable independiente (X) y una
variable dependiente (Y). El modelo se representa por la ecuación de una línea
recta:
Y = β0 + β1X + ϵ
Donde:
• Y es la variable dependiente.
• X es la variable independiente.
• β0 es la intersección con el eje Y (el valor de Y cuando X=0).
• β1 es la pendiente de la línea (el cambio en Y por cada unidad de
cambio en X).
• ϵ es el término de error (la diferencia entre el valor real de Y y el valor
predicho por el modelo).
El método más común para estimar β0 y β1 es el de mínimos cuadrados ordinarios
(OLS), que busca minimizar la suma de los cuadrados de los errores.
Regresión lineal multiple
En la regresión lineal múltiple, hay dos o más variables independientes (X1, X2,...,
Xp) que se utilizan para predecir la variable dependiente (Y). El modelo se
representa por la ecuación:
Y = β0 + β1X1 + β2X2 + ...+ βpXp + ϵ
donde β0 es la intersección, y β1,β2,...,βp son los coeficientes para cada variable
independiente.
Puntos importantes sobre la regresión lineal:
• La regresión lineal asume una relación lineal entre las variables.
• Asume que los errores tienen una media de cero, son independientes y
tienen una varianza constante.
• Se utiliza para predicción, explicación y control.
Modelo de regresión lineal
CORRELACION
Mide la fuerza y la dirección de una relación lineal entre dos variables
cuantitativas. En otras palabras, nos dice qué tan cerca se mueven dos conjuntos
de datos juntos.
• Fuerza: Se indica con un valor entre -1 y +1.
o Valores cercanos a +1 indican una fuerte correlación positiva
(cuando una variable aumenta, la otra también tiende a aumentar).
o Valores cercanos a -1 indican una fuerte correlación negativa
(cuando una variable aumenta, la otra tiende a disminuir).
o Valores cercanos a 0 indican una correlación débil o nula.
• Dirección: Se indica con el signo del coeficiente de correlación (+ para
positiva, - para negativa).
El coeficiente de correlación lineal más común es el coeficiente de Pearson (r),
que se calcula de la siguiente manera:
La correlación mide la fuerza y dirección de una relación lineal entre dos variables
cuantitativas. El coeficiente de correlación de Pearson (r) se encuentra entre -1 y
1:
• r = 1: correlación positiva perfecta
• r = -1: correlación negativa perfecta
• r = 0: no hay correlación lineal
donde:
• xi y yi son los valores individuales de las dos variables.
• xˉ y yˉ son las medias de las dos variables.
• n es el número de observaciones.
Puntos importantes sobre la correlación:
• La correlación no implica causalidad. Que dos variables estén
correlacionadas no significa que una cause la otra.
• La correlación solo mide relaciones lineales. Dos variables pueden tener
una relación no lineal fuerte pero tener un coeficiente de correlación
cercano a cero.
• La correlación es sensible a los valores atípicos.
Relación entre Regresión Lineal y Correlación
La correlación y la regresión lineal están relacionadas, pero tienen propósitos
diferentes:
• La correlación cuantifica la fuerza y la dirección de la relación lineal entre
dos variables. Nos dice cuán relacionadas están las variables.
• La regresión lineal modela la relación lineal entre variables para predecir
una variable a partir de otra(s). Nos da una ecuación para describir la
relación y hacer predicciones.
El signo del coeficiente de correlación (r) es el mismo que el signo de la pendiente
(β1) en la regresión lineal simple. Además, el cuadrado del coeficiente de
correlación (r2), conocido como el coeficiente de determinación, indica la
proporción de la varianza de la variable dependiente que es explicada por el
modelo de regresión lineal. Un r2 más alto sugiere que el modelo se ajusta mejor
a los datos.
Ejemplo
Supongamos los siguientes datos de estudio entre horas de estudio (X) y
calificaciones (Y):
Horas (X) Nota (Y)
2 65
3 70
4 72
5 75
6 78
Paso 1: Calcular medias
Paso 2: Calcular pendiente (b)
Paso 3: Calcular intercepto (a)
Ecuación de regresión:
Esto indica que por cada hora adicional de estudio, la nota aumenta en promedio
2.6 puntos.
Paso 4: Calcular el coeficiente de correlación (r)
Mediante cálculo manual o software se obtiene:
Esto indica una fuerte relación positiva entre horas de estudio y calificación.
Metodología de trabajo (Cómo realizó la actividad)
Por medio de links y videos educativos, se pude realizar la actividad a cabalidad.
Conclusiones de la lectura o actividad.
La regresión lineal y la correlación son herramientas esenciales para analizar y
predecir relaciones entre variables cuantitativas. La correlación nos indica la
intensidad de una relación lineal, mientras que la regresión proporciona un modelo
útil para hacer predicciones y tomar decisiones informadas.
Discusiones y recomendaciones.
Se recomienda la realización continua de ejercicios prácticos, para lograr un mejor
estudio de la temática.
Bibliografía.
Videos
Correlación y regresión lineal con ejemplos
Regresión lineal (coeficiente de correlación)
[Link]
=La%20correlaci%C3%B3n%20cuantifica%20como%20de,a%20partir%20de%2
0la%20otra.
