Regresión y Correlación
1.- El número de turistas (en millones) entrados en España mensualmente durante los años 2001 y 2002 se expone en la siguiente estadística.
a) Calcular en qué año hubo mayor dispersión de turistas por mes.
b) Calcular la matriz de covarianzas.
c) Calcular el coeficiente de correlación lineal entre los dos años e interpretarlo.
2.- Se ha tomado un grupo de parejas (con hijos) y se les ha preguntado a qué edad tuvieron su primer hijo. La información se recoge en la tabla adjunta (x = edad del padre, y = edad de la madre).
Se pide:
a) Estimar mediante la recta de regresión, la edad del padre, si la madre tuvo una edad de 25 años.
b) Estimar mediante la recta de regresión la edad de la madre si el padre tuvo una edad de 25 años.
c) Calcular e interpretar el coeficiente de correlación lineal (r) y el coeficiente de determinación (R2).
d) Representar el polígono de frecuencias absoluta y el polígono de frecuencias absolutas acumuladas de la distribución marginal de los padres.
e) Calcular la mediana y el percentil 90 de la distribución marginal de las madres.
f) Qué media es más representativa. Justificar la respuesta.
3. La tabla siguiente muestra las respectivas estaturas x, y de una muestra de 12 padres y sus hijos mayores.
Estatura x del padre 169 164 174 167 177 162 182 172 177 174 179 185 Estatura y del hijo 177 172 177 169 180 172 177 169 185 174 177 182
A) Calcular Q1, Q3 y la mediana de las estaturas “y” de los hijos.
B) Explicar cuál de las dos estaturas es más dispersa.
C) Hallar e interpretar el coeficiente de correlación lineal.
D) Calcular la recta de regresión de x sobre y. Varianza explicada y residual.
E) ¿Qué estatura tendrá el hijo mayor de un padre que mide 177 cm?
Nº Turistas
2001 2,76 2,62 2,92 3,8 4,4 4,81 8,93 9,98 5,91 4,34 2,62 3,65 4,7283 5,4129 Nº Turistas
2002 2,89 2,63 3,2 3,19 4,52 4,77 8,91 9,99 5,95 4,35 2,87 3,7 4,7475 5,3203
x\y 17-21 21-25 25-29 29-33 33-37
18-22 5 2
22-26 3 9 1
26-30 4 6 10
30-34 6 7
34-38 3 4
Regresión y Correlación
4.- La tabla siguiente muestra cómo se distribuye las notas en Matemáticas y Física de 25 estudiantes
X\Y [20 a 26) [26 a 32) [32 a 38) [38 a 44) [44 a 50) [14 a 20) 1
[20 a 26) 3 1
[26 a 32) 2 5 2
[32 a 38) 1 4 1
[38 a 44) 1 3
[44 a 50) 1
Sobre la distribución marginal X (Matemáticas) calcular:
a) La media, y la cuasivarianza.
b) Representar un diagrama de cajas y estudiar si existen puntos atípicos.
Sobre la distribución marginal Y (Física) calcular:
c) La media, la varianza.
d) Representar el histograma de frecuencias absolutas y el polígono de frecuencias absolutas acumuladas.
Respecto de ambas variables
e) Hallar e interpretar el coeficiente de correlación lineal.
f) Calcular el porcentaje de la variación total de la variable nota de física que se explica mediante la relación con la variable nota de matemáticas.
g) Hallar la recta de regresión que permite estimar la nota de física conocida la nota de matemáticas.
5.- De una variable estadística bidimensional se conocen los siguientes datos:
x y
x=140; y=90; N=12; σ =3.5; σ =2.2
∑ ∑
y el coeficiente de correlación lineal r =0.9. Calcular:
A) La recta de regresión de y sobre x.
B) La recta de regresión de x sobre y.
C) El valor de x para un valor de y=7.
D) El punto de intersección de las rectas de regresión.
E)Varianza residual.
F)Varianza explicada.
G)Coeficiente de determinación.
H)Matriz de covarianzas.
6.- De un cierto estudio estadístico se sabe, que las rectas de regresión de la variable estadística (X,Y) son 4x 2y 1
5x 3y 1
+ =
+ =
y que la varianza marginal de la variable Y es σ =2y 1. Hallar: a) El coeficiente de correlación lineal. b) Las medias marginales. c) La varianza marginal de X (σ2x).d) El valor estimado para y sabiendo que x=0.
Regresión y Correlación
7.-Se han realizado 10 mediciones de distintas distancias (Y) y se ha estimado el correspondiente error (X), cuyos resultados vienen reflejados en la siguiente tabla de doble entrada: a) Hallar la distancia media, el error medio. y las varianzas de las variables distancias y errores. b) Hallar ambas rectas de regresión, los coeficientes de regresión, las pendientes de las rectas de regresión y el coeficiente de correlación lineal.
8.- Se han hallado la velocidad media y la distancia a la Tierra de 10 nebulosas, tal como se indica en la siguiente tabla:
x 6 9 24 38 46 48 52 75 118 196
y 1,2 1,8 3,3 7,2 7 9,1 11 14,5 22,9 36,3
La variable x representa la velocidad media en cientos de km/s, y la variable y, la distancia a la Tierra en millones de parsecs. El parsec equivale a 3,6 años-luz, o sea, es la distancia a la cual se ve el diámetro de la órbita terrestre bajo un ángulo de 1’.
Determinar el coeficiente de correlación lineal.
9.- Sea una parcela o porción de terreno, en la cual se han tomado las coordenadas relativas de los 12 puntos que se expresan en la tabla:
Estaca X Y
1 37 64
2 39 71
3 29 53
4 42 67
5 31 55
6 30 58
7 35 77
8 28 57
9 32 56
10 22 51
11 41 76
12 37 68
a) Hallar el intervalo X± σX. ¿Qué tanto por ciento de valores en la variable X quedan dentro de dicho intervalo?
Y 0.1 0.2 0.3 0.4 0.5 X
0.01 3 0 0 0 0
0.02 1 1 0 0 0
0.03 0 1 2 0 0
0.04 0 0 0 1 1
Regresión y Correlación
Siendo la distribución conjunta (X, Y)
b) Calcular la matriz de covarianzas. c) El coeficiente correlación lineal.
Interpretarlo d) La recta de regresión de Y sobre X. e) Varianza residual. f) El coeficiente de determinación. Interpretarlo.
10.- Se ha preguntado a 10 alumnos las horas de estudio (X) y la calificación obtenida en Estadística (Y) y como resultado obtenemos las rectas de regresión: x 2y 1
5x 3y 1
− + =
− + =
y que
la varianza marginal de la variable Y es σ =2y 1. Se pide:
a) El coeficiente de correlación lineal. b) Las medias marginales.c) La covarianza d) ¿Qué tiempo tiene que dedicar como mínimo para poder aprobar?
11.-. La intensidad de corriente I, que se aprecia en un amperímetro varía con la fuerza electromotriz aplicada E, de acuerdo con la tabla de datos experimentales adjunta:
E 5 10 1.5 20 25 30 I -7 -2 1.0 4 10 12 Determinar:
a) La matriz de covarianzas.
b) El coeficiente de correlación lineal e interpretarlo.
c) La recta de regresión de la variable intensidad sobre la fuerza electromotriz. ¿Cuál será el valor estimado de la intensidad para una fuerza electromotriz de 20?
12.- La siguiente tabla representa una muestra de 6 valores de una variable estadística bidimensional (x,y).
x 5 4 3 2 1 0
y 6.2 5.6 3.4 2.3 1.9 1.2
a) Representar el diagrama de dispersión. A la vista del diagrama de dispersión es lógico adoptar un ajuste lineal.
b) Calcular:
b1) La matriz de covarianzas.
b2) El coeficiente de correlación lineal. Interpretarlo.
c) Hallar la ecuación de la recta de regresión lineal y estimar el valor de “y” para x = 4.
d) Calcular
d1) La varianza residual.
d2La varianza explicada por el ajuste lineal.
13.- Los siguientes datos representan los resultados, notas, de una determinada asignatura (Y) y el número de horas de estudio semanales (X) de 16 alumnos.
i 96
i
x =
∑
i 64i
y =
∑
i i 492i
x y⋅ =
∑
2 657
i i
x =
∑
i2 526i
y =
∑
Se pide:
a) Estimar el modelo de regresión simple que relaciona los resultados obtenidos con el número de horas dedicadas al estudio.
b) Calcular una medida de la bondad del ajuste e interpretar el resultado.
c) Si un alumno ha estudiado 8 horas, ¿qué nota espera obtener en el examen?
Regresión y Correlación
d) ¿Cuál es el número de horas mínimo que un alumno debe estudiar para superar la asignatura?
14.- La siguiente tabla indica los litros de cerveza vendidos en un bar y la temperatura (en ºC) en la ciudad durante 5 días,
temperatura 34 25 32 37 39
cerveza 187 123 198 232 267
a) ¿Existe correlación entre la temperatura y los litros de cerveza vendidos?
b) Hallar e interpretar el coeficiente de determinación.
c) Calcular la varianza residual del ajuste lineal de y (litros) sobre x (temperatura).
d) Predecir la cantidad de cerveza que se vendería en este bar un día con una temperatura de 35ºC.
15.- Los neumáticos subinflados o sobreinflados pueden acelerar el desgaste de los neumáticos y aumentar o disminuir el consumo. Se toma una muestra de tamaño 14 resultando:
a) Hallar la matriz de covarianzas.
b) Los coeficientes de correlación lineal (r) y de determinación (R2). Interpretarlos.
c) Calcular la recta de regresión de L/M d) Calcular la varianza residual
16.- Conocidas la media aritmética y la varianza de cada una de las variables asociadas a una distribución bidimensional, X=3, Y=2, σ2x=6, σ2y=8 de la que se conoce, además, la recta de regresión de Y sobre X, 2x+3y-12=0. Obtener el coeficiente de correlación lineal y la recta de regresión de X sobre Y.
17.- Sea la distribución conjunta de la variable x = “número de habitaciones de un piso”
con respecto a la variable y = “precio de alquiler en euros”.
x\y 0-500 500-1000 1000- 1500 2 2 2 0 3 8 12 16 4 4 13 18 Se pide:
a)Distribuciones marginales de las variables x e y.
b)Moda y mediana de las variables x e y.
c)Centro de gravedad de la distribución conjunta.
d)Recta de regresión de x sobre y.
L: libras por
pulg2 30 30 31 31 32 32 33
M : millas 29.5 30.2 32.1 34.5 36.3 35.0 38.2 L: libras por
pulg2 33 34 34 35 35 36 36
M : millas 37.6 37.7 36.1 33.6 34.2 26.8 27.4
Regresión y Correlación
Peso Edad en años en kilos 0 1 2 3 4
0 – 4 2
4 – 8 4 2 2
8 – 12 8 9 7
12 – 16 1 2 8 14
16 - 20 1
e)Coeficiente de correlación lineal.
f) Si disponemos de 600 euros ¿Cuál es el mayor número de habitaciones de un piso de alquiler que podemos conseguir?
18.- A partir del diagrama de dispersión
Se pide: a) Coeficiente de correlación lineal. b) Recta de regresión de y sobre x. c) Si y=2 ¿qué valor se puede estimar para la variable x? d) Representar las rectas de regresión sobre el diagrama de dispersión.
19.- En una unidad de pediatría, se obtuvieron los siguientes datos respecto a los pesos y edades de los niños atendidos.
a) Obtener la mediana del peso en kilos.
b) ¿Qué distribución tiene mayor dispersión relativa?
c) Si un niño tiene 2 años y pesa 10 kg, ¿qué percentil representa entre los niños de 2 años?
d) Hallar el sesgo de la distribución de peso en kilos.
e) Hallar el coeficiente de correlación lineal. Interpretarlo.
f) Si un niño tiene un año ¿cuál será su peso estimado?
g) Si un niño pesa 10 kilos ¿cuántos años se estima que tendrá?
20.- Al probar un geodímetro se obtuvieron los siguientes resultados:
D (km) 8.7 3.7 6 3.3 5.1 6.1 2.7 4.9 3.1 3.7 5.7 4.9 5.6 7.6 4.2 2 4 6.5 7.2 2.7
∆ (cm) 7 3 4 3 4 4 3 4 4 2 6 5 3 4 3 2 2 5 6 2 Determinar el coeficiente de correlación lineal entre la distancia medida D y el error medio en una vuelta ∆ e interpretarlo.
Regresión y Correlación
21.- Decir razonadamente si las ecuaciones 2x+y+1=0; 5x+3y+4=0 pueden corresponder a las rectas de regresión de una distribución estadística bidimensional. En caso
afirmativo, determinar el coeficiente de correlación lineal.
Regresión y Correlación
1.- El número de turistas (en millones) entrados en España mensualmente durante los años 2001 y 2002 se expone en la siguiente estadística.
a) Calcular en qué año hubo mayor dispersión de turistas por mes.
b) Calcular la matriz de covarianzas.
c) Calcular el coeficiente de correlación lineal entre los dos años e interpretarlo.
Solución:
a)
x 2, 3266 CV(2001)
X 4, 7283
=σ = ≈ 0, 49205. y 2, 3066
CV(2002)
Y 4, 7475
=σ = ≈ 0, 4850.
La dispersión en el año 2001 es un poco mayor.
b)
i i i i
xy
x y n
12611, 5
XY 4, 7283 4, 7475 4, 7475
n 12
σ =
∑
− = − ⋅ =2
x xy
2
xy y
σ σ Σ =σ σ =
5, 4129 5, 3438 5, 3438 5, 3203
c)
xy xy
x y
5, 3438 r 2, 3266 2, 32066
= σ = ≈
σ σ ⋅ 0, 996. La correlación lineal es directa y casi perfecta
Nº Turistas
2001 2,76 2,62 2,92 3,8 4,4 4,81 8,93 9,98 5,91 4,34 2,62 3,65 4,7283 2,3266 Nº Turistas
2002 2,89 2,63 3,2 3,19 4,52 4,77 8,91 9,99 5,95 4,35 2,87 3,7 4,7475 2,3066
X σx
Regresión y Correlación
2.- Se ha tomado un grupo de parejas (con hijos) y se les ha preguntado a qué edad tuvieron su primer hijo. La información se recoge en la tabla adjunta (x = edad del padre, y = edad de la madre). Se pide:
a) Estimar mediante la recta de regresión, la edad del padre, si la madre tuvo una edad de 25 años.
b) Estimar mediante la recta de regresión la edad de la madre si el padre tuvo una edad de 25 años.
c) Calcular e interpretar el coeficiente de correlación lineal (r) y el coeficiente de determinación (R2).
d) Representar el polígono de frecuencias absoluta y el polígono de frecuencias absolutas acumuladas de la distribución marginal de los padres.
e) Calcular la mediana y el percentil 90 de la distribución marginal de las madres.
f) Qué media es más representativa. Justificar la respuesta.
Solución:
x\y 19 23 27 31 35 ni. ni.xi ni.(xi-m)2
20 5 2 7 140 448
24 3 9 1 13 312 208
28 4 6 10 20 560 0
32 6 7 13 416 208
36 3 4 7 252 448
n.j 5 5 13 16 21 60 1680 1312
n.jyj 95 115 351 496 735 Y= 29,87 X = 28 σ2x=21,87 n.j(yj-m)2 590,78 235,98 107,08 20,43 552,65 σ =2y 25,12
f) x=28 σx =4,68 CV(x)=0,17 y=29,87 σy =5,01 CV(y)=0,17
Las dos medias, son igual de representativas, ya que, los coeficientes de variación son iguales.
x y 17-21 21-25 25-29 29-33 33-37
18-22 5 2
22-26 3 9 1
26-30 4 6 10
30-34 6 7
34-38 3 4
Regresión y Correlación
a) Recta de regresión de x sobre y: xy2
( )
y
x X σ y Y
− = −
σ
(
x 28)
18,13(
y 29,87)
21,87
− = − ⇒ =x 0,83y 3, 24+ ⇒ x=0,83 25 3, 24⋅ + =24
b) Recta de regresión de y sobre x: xy2
( )
x
y Y σ x X
− = −
σ
(
y 29,87)
18,13(
x 28)
25,12
− = − ⇒ =y 0, 72x+9, 66 ⇒ y=0, 72 25 9, 66⋅ + =27, 7
c) xy xy
x y
r σ
= =
σ σ 0, 77, por tanto, la relación lineal es directa pero no demasiado buena.
6 , 0
R2 = , el ajuste no es demasiado bueno.
d) Polígonos de frecuencia, absoluta y absoluta acumulada de la distribución marginal
“padres”.
e) Mediana; M 29 28
= +16 = 30, 75 Percentil 90; P90 33 60
= +21= 35,86
x\y 19 23 27 31 35
20 1900 920
24 1656 5832 744
28 3024 5208 9800
32 5952 7840
36 3348 5040
1900 2576 8856 15252 22680 51264
covarianza 18,13
0 5 10 15 20 25
16. 18 - 22 22 - 26 26 - 30 30 - 34 34 - 38 40. 0 10 20 30 40 50 60 70
18. 22. 26. 30. 34. 38.
Regresión y Correlación
3. La tabla siguiente muestra las respectivas estaturas x, y de una muestra de 12 padres y sus hijos mayores.
Estatura x del padre 169 164 174 167 177 162 182 172 177 174 179 185 Estatura y del hijo 177 172 177 169 180 172 177 169 185 174 177 182
A) Calcular Q1, Q3 y la mediana de las estaturas “y” de los hijos.
B) Explicar cuál de las dos estaturas es más dispersa.
C) Hallar e interpretar el coeficiente de correlación lineal.
D) Calcular la recta de regresión de x sobre y. Varianza explicada y residual.
E) ¿Qué estatura tendrá el hijo mayor de un padre que mide 177 cm?
Solución:
A)
Si ordenamos la variable y de menor a mayorN 3
4 = ⇒ Q1 =172; 3N 9
4 = ⇒ Q3 =177.5;
N 6
2 = ⇒ M 177= X 2082 173.5;
= 12 = 2x 547
45.5833 σ = 12 =
x 6.7515
σ = 6.7515
CV(x) 0.0389
173.5
= =
Y 2111 175.916
= 12 = . 2y 270.917
22.5764
σ = 12 = .
y 4.7514
σ = 4.7514
CV(y) 0.027
175.916
= =
B) La estatura de los padres es más dispersa por tener su coeficiente de variación mayor.
xy
366522
173.5 175.916 22.074
σ = 12 − ⋅ = .
C) xy 22.074 r = 6.7515 4.7514=
⋅ 0.688 Directa
D) Recta de regresión de x sobre y:
( )
xy 2 y
x X σ y Y
− = −
σ
22.074
x 173.5− = (y 175.916)−
y 169 172 174 177 180 182 185
ni 2 2 1 4 1 1 1
Ni 2 4 5 9 10 11 12
x y
(
x−X)
2(
y−Y)
2 xy169 177 20,25 1.17506 29913 164 172 90.25 15.3351 28208 174 177 0.25 1.17506 30798 167 169 42.25 47.8311 28223 177 180 12.25 16.6791 31860 162 172 132.25 15.3351 27864 182 177 72.25 1.17506 32214 172 169 2.25 47.8311 29068 177 185 12.25 82.5191 32745 174 174 0.25 3.67106 30276 179 177 30.25 1.17506 31683 185 182 132.25 37.0151 33670
2082 2111 547 270.917 366522
Regresión y Correlación
499 . 1 y 978 . 0
x= +
La varianza explicada σ ⋅2y R2 =22, 5764 0, 688⋅ 2 ≈ 10.686
La varianza residual o no explicada σ = σ2r 2y(1 R )− 2 =22, 5764 1 0, 688⋅ −
(
2)
≈11.89E) Recta de regresión de Y sobre X: xy2
( )
x
y Y σ x X
− = −
σ 22.074
y 175.916 (x 173.5)
45.5833
− = − ó y=0.484x+91.897
Si la estatura del padre es x=177 sustituyendo en la ecuación anterior se obtiene y=177.56.
Regresión y Correlación
4.- La tabla siguiente muestra cómo se distribuye las notas en Matemáticas y Física de 25 estudiantes
X\Y [20 a 26) [26 a 32) [32 a 38) [38 a 44) [44 a 50) [14 a 20) 1
[20 a 26) 3 1
[26 a 32) 2 5 2
[32 a 38) 1 4 1
[38 a 44) 1 3
[44 a 50) 1
Sobre la distribución marginal X (Matemáticas) calcular:
a) La media, y la cuasivarianza.
b) Representar un diagrama de cajas y estudiar si existen puntos atípicos.
Sobre la distribución marginal Y (Física) calcular:
c) La media, la varianza de la muestra.
d) Representar el histograma de frecuencias absolutas y el polígono de frecuencias absolutas acumuladas.
Respecto de ambas variables
e) Hallar e interpretar el coeficiente de correlación lineal.
f) Calcular el porcentaje de la variación total de la variable nota de física que se explica mediante la relación con la variable nota de matemáticas.
g) Hallar la recta de regresión que permite estimar la nota de física conocida la nota de matemáticas.
Solución:
a) 31,64
25
X= 791= , 51,24
24 8 , S2x =1229 =
b) Q1=26.833,Q3 =36,75,1.5*IQR=14.875 31 M , 625 , 51 IQR
* 5 . 1 Q , 96 , 11 QR 1
* 5 . 1
Q1− = 3+ = =
c) Y 911
= 25 = 36, 44 2y 884.16
σ = 25 = 35,366 d)
11.96 14
26,8 31 36.7
50 51.62
Regresión y Correlación
e) rxy 0, 7719 Correlación directa y aceptable
f) R2 0,5959 59,59%
g) Recta de regresión de Y sobre X: xy2
x
y Y x X
32,198
y 36, 44 (x 31, 64) 49,19
y 0,654566745x 15,7
Regresión y Correlación
5.- De una variable estadística bidimensional se conocen los siguientes datos:
x y
x=140; y=90; N=12; σ =3.5; σ =2.2
∑ ∑
y el coeficiente de correlación lineal r =0.9. Calcular: A) La recta de regresión de y sobre x. B) La recta de regresión de x sobre y. C) El valor de x para un valor de y=7. D) El punto de intersección de las rectas de regresión. E) Varianza residual. F) varianza explicada. G) Coeficiente de determinación.
H) Matriz de covarianzas Solución:
xi
140 35
X ;
N 12 3
=
∑
= = yi 90 15Y ;
N 12 2
=
∑
= =xy xy
xy xy
x y
r 0, 9 6, 93
3, 5 2, 2
σ σ
= = = ⇒ σ =
σ σ ⋅
a) Recta de regresión de y sobre x: xy2
( )
x
y Y σ x X
− = −
σ
2
15 6, 93 35
y x
2 3, 5 3
− = −
⇒ y=0,5657142857·x+0, 9
b) Recta de regresión de x sobre y: xy2
( )
y
x X σ y Y
− = −
σ
2
35 6, 93 15
x y
3 2, 2 2
− = −
⇒ x=1,431818181 y⋅ +0,928030303
c) El valor de x se obtiene de la recta de regresión de x sobre y
x=1.431818181 y⋅ +0.928030303=1.431818181 7⋅ +0.92803030310.95075757
d) El punto de intersección corresponde al centro de gravedad:
( )
X, Y = 35 153 , 2 e) Depende de la recta de regresión Para la recta de regresión de y sobre x
La varianza residual o no explicada σ = σ2r 2x(1 R )− 2 = 3, 52⋅ −
(
1 0, 92)
≈ 2,3275Para la recta de regresión de x sobre y
La varianza residual o no explicada σ = σ2r 2y(1 R )− 2 =2, 22⋅ −
(
1 0, 92)
≈ 0,9196Regresión y Correlación
f)
La varianza explicada σ ⋅2x R2 =3, 5 0, 92⋅ 2 ≈ 9,9225 La varianza explicada σ ⋅2y R2 =2, 2 0, 92⋅ 2 ≈ 3,9204
g)
2 2 2
R =r =0, 9 =0,81
Es bastante fiable, pues explica el 81% de la variación entre las variables.
h)
2
x xy
2
xy y
σ σ Σ =σ σ =
4,84 6, 93 6, 93 12, 25
Regresión y Correlación
6.- De un cierto estudio estadístico se sabe, que las rectas de regresión de la variable estadística (X,Y) son 4x 2y 1
5x 3y 1
+ =
+ =
y que la varianza marginal de la variable Y es σ =2y 1. Hallar: a) El coeficiente de correlación lineal. b) Las medias marginales. c) La varianza marginal de X (σ2x). d) el valor estimado para y sabiendo que x=0.
Solución:
Buscaremos los coeficientes de regresión despejando x e y:
( )
2
xy yx
y 1 2x
4x 2y 1 2 3 6
r b b 2 1
1 3
5x 3y 1 5 5
x y
5 5
= − + =
⇒ ⇒ = ⋅ = − ⋅ − = >
+ =
= −
¡Imposible!
Entonces
2
xy yx
1 1
x y
4x 2y 1 4 2 1 5 5
r b b 1
1 5
5x 3y 1 2 3 6
y x
3 3
= − + =
⇒ ⇒ = ⋅ = − ⋅ − = <
+ =
= −
a)
2 5 5
r r
6 6
= ⇒ = ± -0,9128709291
Correlación inversa y muy fuerte b)
4x 2y 1 5x 3y 1
+ =
+ = ⇒
X 1 2 Y 1
2
=
= −
c)
xy xy xy
xy 2 xy yx 2 2
y x x
1 1 1 / 2 5
b b
1 2 2 3
σ σ σ −
= = = − ⇒ σ = − ⇒ = = = − ⇒
σ σ σ
2 x
3 σ =10 d)
Debemos utilizar la recta de regresión de y sobre x para pode predecir el valor de y:
1 5 1 5
y x 0
3 3 3 3
= − = − = 1
3
Regresión y Correlación
7.- Se han realizado 10 mediciones de distintas distancias (Y) y se ha estimado el correspondiente error (X), cuyos resultados vienen reflejados en la siguiente tabla de doble entrada: a) Hallar la distancia media, el error medio. y las varianzas de las variables distancias y errores. b) Hallar ambas rectas de regresión, los coeficientes de regresión, las pendientes de las rectas de regresión y el coeficiente de correlación lineal.
Solución:
X\Y 0,1 0,2 0,3 0,4 0,5 ni. Xini. Xi2ni.
0,01 3 0 0 0 0 3 0,03 0,0003
0,02 1 1 0 0 0 2 0,04 0,0008
0,03 0 1 2 0 0 3 0,09 0,0027
0,04 0 0 0 1 1 2 0,08 0,0032
n.j 4 2 2 1 1 10 0,24 0,007
Yjn.j 0,4 0,4 0,6 0,4 0,50 2,3
Yj2n.j 0,04 0,08 0,18 0,16 0,25 0,71
0,05 0,05 0,06 0,04 0,04 0,24
0,005 0,01 0,018 0,016 0,02 0,07
RESULTADOS:
X Y
m1 0,024 0,23
m2 0,0007 0,071
0,000124 0,0181
m11 0,0069
0,00138
r 0,92115
a) Error medio Distancia media
i i i 10
x n 0, 24
m X
n 10
= =
∑
= =0, 024;
i i i 01
y n 2, 3
m Y
n 10
= =
∑
= =0, 23
Varianzas:
( ) ( )
2 i i
2 2
2 i 2
x 20
x n 0, 007
m X X 0, 024
n 10
σ = − =
∑
− = − =0, 000124
( ) ( )
2 i i
2 2
2 i 2
y 02
y n 0, 71
m Y Y 0, 23
n 10
σ = − =
∑
− = − =0, 0181 σ2
σxy
Regresión y Correlación
Covarianza:
i i i i
xy 11
x y n
0, 069
m XY XY 0, 024 0, 23
n 10
σ = − =
∑
− = − ⋅ =0, 00138
b) Rectas de regresión
Recta de regresión de y sobre x: xy2
( )
x
y Y σ x X
− = −
σ
(
y 0, 23)
0, 00138(
x 0, 024)
0, 000124
− = − ⇒ y=11,12903225·x−0.03709677419
Recta de regresión de x sobre y: xy2
( )
y
x X σ y Y
− = −
σ
(
x 0, 024)
0, 00138(
y 0, 23)
0, 0181
− = − ⇒ x=0,07624309392 y⋅ +0.006464088397
Los coeficientes de regresión
xy
yx 2
x
b σ
= =
σ 11,12903225
xy
xy 2
y
b σ
= =
σ 0,07624309392 Las pendientes:
byx = α =tg 11.12903225⇒ α =84º 51'56 ''
xy
b 1 0.07624309392
= tg = ⇒
β β =85º 38 ' 24 ''
El coeficiente de correlación lineal:
xy
yx xy
x y
r b b σ
= ± ⋅ = =
σ σ 0,92115 Correlación fuerte y directa
Regresión y Correlación
8.- Se han hallado la velocidad media y la distancia a la Tierra de 10 nebulosas, tal como se indica en la siguiente tabla:
x 6 9 24 38 46 48 52 75 118 196
y 1,2 1,8 3,3 7,2 7 9,1 11 14,5 22,9 36,3
La variable x representa la velocidad media en cientos de km/s, y la variable y, la distancia a la Tierra en millones de parsecs. El parsec equivale a 3,6 años-luz, o sea, es la distancia a la cual se ve el diámetro de la órbita terrestre bajo un ángulo de 1’.
Determinar el coeficiente de correlación lineal.
Solución:
x y x*y x2 y2
6 1,2 7,2 36 1,44
9 1,8 16,2 81 3,24
24 3,3 79,2 576 10,89
38 7,2 273,6 1444 51,84
46 7 322 2116 49
48 9,1 436,8 2304 82,81
52 11 572 2704 121
75 14,5 1087,5 5625 210,25
118 22,9 2702,2 13924 524,41
196 36,3 7114,8 38416 1317,69
sumas 612 114,3 12611,5 67226 2372,57
momentos 61,2 11,43 1261,15 6722,6 237,257
covarianza 561,634 2977,16 106,6121 coeficientes de regresión: 0,1886476 5,268013668 Medias:
i i i
x n 612 X=
∑
n = 10 =61, 2; i i i
y n 114, 3 Y=
∑
n = 10 =11, 43
Varianzas:
( ) ( )
2 i i
2 2
2 i 2
x 20
x n 67226
m X X 61, 2
n 10
σ = − =
∑
− = − =2977,16
( ) ( )
2 i i
2 2
2 i 2
y 02
y n 2372, 57
m Y Y 11, 43
n 10
σ = − =
∑
− = − =106, 6121
Regresión y Correlación
Covarianza:
i i i i
xy 11
x y n
12611, 5
m XY XY 61, 2 11, 43
n 10
σ = − =
∑
− = − ⋅ =561, 634
Los coeficientes de regresión:
xy
yx 2
x
561, 634
b 2977,16
= σ = =
σ 0,1886476
xy
xy 2
y
561, 634
b 106, 6121
=σ = =
σ 5, 268013668
Coeficiente de correlación lineal:
yx xy
r= ± b ⋅b = 0,1886476 5, 268013668⋅ ≈ 0, 996. La correlación lineal es directa y casi perfecta
Regresión y Correlación
9.- Sea una parcela o porción de terreno, en la cual se han tomado las coordenadas relativas de los 12 puntos que se expresan en la tabla:
Estaca X Y
1 37 64
2 39 71
3 29 53
4 42 67
5 31 55
6 30 58
7 35 77
8 28 57
9 32 56
10 22 51
11 41 76
12 37 68
c) Hallar el intervalo X± σX. ¿Qué tanto por ciento de valores en la variable X quedan dentro de dicho intervalo?
Siendo la distribución conjunta (X, Y)
d) Calcular la matriz de covarianzas. c) El coeficiente correlación lineal.
Interpretarlo d) La recta de regresión de Y sobre X. e) Varianza residual. f) El coeficiente de determinación. Interpretarlo.
Solución:
X Y XY X2 Y2
37 64 2368 1369 4096
39 71 2769 1521 5041
29 53 1537 841 2809
42 67 2814 1764 4489
31 55 1705 961 3025
30 58 1740 900 3364
35 77 2695 1225 5929
28 57 1596 784 3249
32 56 1792 1024 3136
Regresión y Correlación
22 51 1122 484 2601
41 76 3116 1681 5776
37 68 2516 1369 4624
Sumas 403 753 25770 13923 48139 a) X± σ X
12 i i 1
x 403
X 33, 5833;
12 12
=
∑
= = =( )
12 2
i 2
2 i 1 2
x
x 13923
X 33, 58333 32, 4097222
n 12
σ =
∑
= − = − =[ ]
X X
X , X 33.58333333 32.4097222 , 33.58333333 32, 4097222 27.89, 39.276
− σ + σ = − + =
Resultan 9 de los 12 valores de X
22 28 29 30 31 32 35 37 37 39 41 42
Tenemos el 75% de los valores
b)
( )
12 2
i 2
2 i 1 2
y
y 48139
Y 62, 75 74, 0208333
n 12
σ =
∑
= − = − =12 i i i i 1 xy
x y n
25770
XY 33, 58333333 62, 75 40,1458333
n 12
σ =
∑
= − = − ⋅ =2
x xy
2
xy y
σ σ Σ =σ σ =
32, 4097222 40,1458333 40,1458333 74, 0208333
c) xy xy
x y
40,1458333
r 32, 4097222 74, 0208333
= σ = ≈
σ σ 0,8196
por tanto, la relación lineal es directa y buena
d) Recta de regresión de y sobre x: xy2
( )
x
y Y σ x X
− = −
σ
(
y 62, 75)
40,146(
x 33, 583)
32, 4097
− = − ⇒ y=21,15 1, 2387x+
e) La varianza residual o no explicada σ = σ2r 2y(1 R )− 2 =74, 0208 1 0,8196⋅ −
(
2)
≈ 49, 729 f) R2 =0, 6718 67,18%es el porcentaje de la variación total de las y que se explica mediante la relación con x
Regresión y Correlación
10.- Se ha preguntado a 10 alumnos las horas de estudio (X) y la calificación obtenida en Estadística (Y) y como resultado obtenemos las rectas de regresión: x 2y 1
5x 3y 1
− + =
− + =
y que
la varianza marginal de la variable Y es σ =2y 1. Se pide:
a) El coeficiente de correlación lineal. b) Las medias marginales.c) La covarianza d) ¿Qué tiempo tiene que dedicar como mínimo para poder aprobar?
Solución:
a) Buscaremos los coeficientes de regresión despejando x e y:
2
xy yx
1 1
y x
x 2y 1 2 2 3 1 3
r b b 1
1 3
5x 3y 1 5 2 10
x y
5 5
= +
− + =
⇒ ⇒ = ⋅ = ⋅ = <
− + =
= − +
Entonces
2 3 3
r r
10 10
= ⇒ = ± 0,5477226<0,8
Correlación directa y muy débil. No se acepta el ajuste.
b)
x 2y 1 5x 3y 1
− + =
− + = ⇒
X 1 7 Y 4
7
=
=
c) xy xy2 xy xy yx xy2 2
y x x
3 3 3 / 5 1
b b
1 5 5 2
σ σ σ
= = = ⇒ σ = ⇒ = = = ⇒
σ σ σ
2 x
6 σ = 5
d) No podemos predecir el valor de la Y.
Regresión y Correlación
11.-. La intensidad de corriente I, que se aprecia en un amperímetro varía con la fuerza electromotriz aplicada E, de acuerdo con la tabla de datos experimentales adjunta:
E 5 10 1.5 20 25 30 I -7 -2 1.0 4 10 12 Determinar:
a) La matriz de covarianzas.
b) El coeficiente de correlación lineal e interpretarlo.
c) La recta de regresión de la variable intensidad sobre la fuerza electromotriz. ¿Cuál será el valor estimado de la intensidad para una fuerza electromotriz de 20?
Solución:
La media para cada variable es: E Ei 15.25; I Ii 3
n n
=
∑
= =∑
=Para el cálculo de varianzas y covarianzas, podemos formar la tabla
E I E−E I I−
(
E−E) ( )
I I−(
E E−)
2( )
I I− 25 -7 -10.25 -10 102.50 105.0625 100
10 -2 -5.25 -5 26.25 27.5625 25
1.5 1 -13.75 -2 27.50 189.0625 4
20.0 4 4.75 1 4.75 22.5625 1
25.0 10 9.75 +7 68.25 95.0625 49
30.0 12 14.75 +9 132.75 217.5625 81
SUMAS 91,5 18 0 0 362.00 656.8750 260
a) Para obtener la matriz de covarianza aplicamos
2
E EI
2
EI I
σ σ
=
σ σ
109.4791 60.3 60.3 43.3
b) Para calcular el coeficiente de correlación aplicamos la siguiente ecuación:
EI EI
E I
r σ 0.876
= = ⇒
σ σ
2
rEI= 0, 767 , por tanto, la correlación es positiva (a mayor fuerza electromotriz mayor intensidad, además es buena el modelo explica el 76,7%
La recta de regresión de I/E es: xy2
( )
E
I I σ E E
− = − ⇒
σ I=0, 5511E 5, 4042−
c) Para un valor de E = 20 esperamos una intensidad de 0,5511·20 - 5.4042 = 5,6176
Regresión y Correlación
12.- La siguiente tabla representa una muestra de 6 valores de una variable estadística bidimensional (x,y).
x 5 4 3 2 1 0
y 6.2 5.6 3.4 2.3 1.9 1.2
a) Representar el diagrama de dispersión. A la vista del diagrama de dispersión es lógico adoptar un ajuste lineal.
b) Calcular:
b1) La matriz de covarianzas.
b2) El coeficiente de correlación lineal. Interpretarlo.
c) Hallar la ecuación de la recta de regresión lineal y estimar el valor de “y” para x
= 4.
d) Calcular:
d1) La varianza residual.
,d2)La varianza explicada por el ajuste lineal.
Solución:
a) Los puntos parecen estar próximos a una recta, por tanto, es lógico efectuar un ajuste lineal.
b) En primer lugar calculamos las medias y varianzas marginales de la muestra, así como la covarianza muestral.
2 2
x x y y xy
X=2.5; S =3.5⇒S ≈1.87; Y≈3.43; S ≈4.19; S ≈2.05; S ≈3.72
La matriz de covarianzas viene dada por:
2
x xy
2
xy y
S S 3.5 3.72
S S 3.72 4.19
=
El coeficiente de correlación lineal es xy xy
x y
S 3.72
r =S ·S =1.87·2.05≈ 0.97 . La relación entre X e Y es muy buena, además nos indica que a mayor valor de la variable X mayor valor para la variable Y (correlación directa).
c) La ecuación de la recta de Y sobre X es:
( ) ( )
xy 2 x
S 3.72
y Y x X y 3.43 x 2.5
S 3.5
− = − ⇒ − = − ⇒ y=0.77 1.06x+
El valor estimado para “y” cuando x = 4 es y = 0.77 + 1.06·4 = 5.01 d) En la recta de Y/X la varianza residual o no explicada es
2 2 2
r y
S =S (1 R )− =4.19(1 0.94)− ≈ 0.24
La varianza explicada es igual a la varianza total menos la varianza no explicada.
2 2 2
explicada y r
S =S −S =4.19 0.24− =3.95, o bien
2 2 2
explicada y
S =S ·R =4.19·0.94≈3.95
Regresión y Correlación
13.- Los siguientes datos representan los resultados, notas, de una determinada asignatura (Y) y el número de horas de estudio semanales (X) de 16 alumnos.
i i
x =96
∑
ii
y =64
∑
i ii
x y⋅ =492
∑
2ii
x =657
∑
i2i
y =526
∑
Se pide:
a) Estimar el modelo de regresión simple que relaciona los resultados obtenidos con el número de horas dedicadas al estudio.
b) Calcule una medida de la bondad del ajuste e interprete el resultado.
c) Si un alumno ha estudiado 8 horas, ¿qué nota espera obtener en el examen?
d) ¿Cuál es el número de horas mínimo que un alumno debe estudiar para superar la asignatura? Considerad que el 5 es el aprobado.
Solución:
a)
16 16
i i
i 1 i 1
x y
96 64
X 6; Y 4
n 16 n 16
= =
=
∑
= = =∑
= =( )
16 2
i 2
2 i 1 2
x
x 657
X -6 5, 0625
n 16
σ =
∑
= − = =( )
16 2
i 2
2 i 1 2
y
y 526
Y 4 16,875
n 16
σ =
∑
= − = − =16 i i i i
xy
x y n
XY 492 6 4 6, 75
n 16
σ =
∑
− = − ⋅ =La ecuación de la recta de Y sobre X es:
( ) ( )
xy 2 x
6, 75
y Y x X y 4 x 6
5, 0625
− = σ − ⇒ − = − ⇒
σ
y 4x 4
= 3 − b) xy xy
x y
r 6,75
5, 0625 16,875
= σ = ≈
σ σ 0,7302967433
por tanto, la relación lineal es directa y buena c) Si x=8 horas, entonces y 4 8 4 6, 6
= ⋅ − ≈3
d) Recta de regresión de X sobre Y: xy2
( )
y
x X σ y Y
− = −
σ e y=5
( )
x-6 6,75 5 4 16,875
= − ⇒ x=6, 4 horas
Regresión y Correlación
14.- La siguiente tabla indica los litros de cerveza vendidos en un bar y la temperatura (en ºC) en la ciudad durante 5 días,
temperatura 34 25 32 37 39
cerveza 187 123 198 232 267
a) ¿Existe correlación entre la temperatura y los litros de cerveza vendidos?
b) Hallar e interpretar el coeficiente de determinación.
c) Calcular la varianza residual del ajuste lineal de y (litros) sobre x (temperatura).
d) Predecir la cantidad de cerveza que se vendería en este bar un día con una temperatura de 35ºC.
Solución:
=
σx2 23,44; σy2 =2321,04; σxy =226,44
xy x y
r σ 0,9708072925
= =
σ σ
a) El coeficiente de correlación lineal es muy próximo a 1, luego existe correlación directa entre la temperatura y los litros de cerveza vendidos.
b)
2
2 xy 2
x y
R σ 0, 9781 0,9424667991
=σ σ = ≈ ⇒
94, 25%se explica por el modelo.
c) En la recta de Y/X la varianza residual o no explicada es
2 2 2
r y(1 R ) 2321,04(1 0, 9425)
σ = σ − = − ≈
133,52
d) Para predecir los litros de cerveza se utiliza la recta de regresión de y sobre x, es decir, y= +y b (xyx −x)=201, 4 9, 66041(35 33, 4)+ − = 216,857
x y ( )
x−x 2( )
y−y 2xy
169 177 20,25 1.17506 29913 164 172 90.25 15.3351 28208 174 177 0.25 1.17506 30798 167 169 42.25 47.8311 28223 177 180 12.25 16.6791 31860 162 172 132.25 15.3351 27864 182 177 72.25 1.17506 32214 172 169 2.25 47.8311 29068 177 185 12.25 82.5191 32745 174 174 0.25 3.67106 30276 179 177 30.25 1.17506 31683 185 182 132.25 37.0151 33670 2082 2111 547 270.917 366522
Regresión y Correlación
15.- Los neumáticos subinflados o sobreinflados pueden acelerar el desgaste de los neumáticos y aumentar o disminuir el consumo. Se toma una muestra de tamaño 14 resultando:
a) Hallar la matriz de covarianzas.
b) Los coeficientes de correlación lineal (r) y de determinación (R2). Interpretarlos.
c) Calcular la recta de regresión de L/M d) Calcular la varianza residual
Solución:
a) σ =2L 4; σ =2M 13.27; σLM = −0.828⇒ 13.27 0.828
M 0.828 4
−
= −
b) LM LM
L M
r σ
= =
σ σ −0.1137 la correlación lineal es mala y negativa como podemos observar en el diagrama de dispersión.
Si ajustamos una recta R2 = 0.0129, la proporción de varianza explicada por la recta es muy pequeño, deberíamos intentar otro tipo de ajuste.
c) La ecuación de la recta pedida es y = 0.2071·x + 40.85
d) La varianza residual es σ = σe L
(
1 R− 2)
=1.97 .L: libras por
pulg2 30 30 31 31 32 32 33
M : millas 29.5 30.2 32.1 34.5 36.3 35.0 38.2 L: libras por
pulg2 33 34 34 35 35 36 36
M : millas 37.6 37.7 36.1 33.6 34.2 26.8 27.4
y = -0,2071x + 40,35 R² = 0,0129
0 10 20 30 40 50
28 30 32 34 36 38
Millas
Libras Diagrama de dispersión