Correlacion.

Definicion:
La correlacin o coeficiente de correlacin r2 mide la proporcin de variacin en la variable dependiente explicada por la variacin en la o las variables independientes, es decir mide el grado de intensidad lineal de vinculacin de las variables, a partir de las variaciones observadas de los valores proyectados y de los valores reales comparadas con la media aritmtica.

Este coeficiente es til por cuanto permite establecer el grado de intensidad en que una variable dependiente se encuentra explicada por la o las variables independientes dentro de un modelo. Tambin facilita el estudio de variables cuantitativas en la medida que podemos explicar un fenmeno por el grado en que una variable influye en otra, es decir nos permite efectuar afirmaciones de carcter social, econmico y fsico.

Esta herramienta estadstica se mide por un coeficiente que puede tomar un valor que puede oscilar entre -1 y 1, si el valor es cercano a 1 se dice que existe una relacin directa entre las variables estudiadas, una mayor cantidad en una implica que la otra aumentara tambin, en la medida que se acerca a 0 se dice que el nivel de correlacin es mnimo o simplemente no existe correlacin y por lo tanto la variacin de una variable no explica el comportamiento de otra, finalmente si es cercano a -1 la relacin es inversa, si aumenta la variable independiente, disminuye el valor de la dependiente.

TIPOS DE CORRELACIN
La correlacin puede clasificarse en dos tipos dependiendo de la cantidad de variables analizadas y por el tipo de relacin lineal, en el primer caso estamos haciendo referencia a: 1. Correlacin simple: se estudia la dependencia nicamente entre dos variables 2. Correlacin mltiple: se estudia la dependencia entre mas de 2 variables 3. Correlacin parcial: cuando se incluye la influencia de variables exgenas no consideradas en el clculo de los coeficientes. Dependiendo del tipo de relacin lineal el coeficiente relaciona: 1. Relacin directa entre las variables: un aumento en la variable independiente implica un aumento en la variable dependiente. 2. Relacin inversa entre las variables: un aumento en la variable independiente implica una disminucin en la variable dependiente. A partir de ello la ecuacin puede mejorar su correlacin si se hace pruebas para determinar si se ajusta mas a una recta, una curva exponencial o parablica

REGRESIN, Definicion
Mientras que la correlacin mide el grado de vinculacin entre variables, la regresin se encarga de calcular, a partir de las observaciones, el valor real de los coeficientes que explican una relacin funcional matemtica. Si dicho valor es calculado a partir de la serie u observaciones de una poblacin completa se esta hablando de una ecuacin de regresin poblacional, y esa es una ecuacin completamente confiable, sin embargo sabemos que en la mayora de los casos es imposible realizar este tipo de estudios ya sea por la cantidad de unidades observacionales, o por la dispersin de la poblacin o sobre todo por el valor econmico asociado a un estudio de tal magnitud. Por tal motivo se utilizan mecanismos que facilitan estos estudios llegando a una aproximacin de los datos poblacinales a partir de porciones o muestras representativas, utilizando para su seleccin mtodos estadsticos de modo que se explique a cabalidad los fenmenos sociales con cierto margen de error tolerable.

Partiendo de esa premisa es lgico pensar que podemos calcular una funcin de regresin a partir de una muestra y el valor encontrado se dice que estima los valores o coeficientes poblacionales y de esta forma se esta contando con una ecuacin muestral que es confiable en la medida que la recoleccin de datos cumple con una metodologa que garantice la representatividad de la informacin. La funcin de regresin se representa tal como una ecuacin de la forma Y(X) =b+aX; En el clculo se estima los coeficiente a y b, donde a es el intercepto y b es una elasticidad. Para su clculo se utiliza el mtodo de Mnimos Cuadrados Ordinarios, el cual se explicar ms adelante

Tipos de regresin
Podemos clasificar los tipos de regresin segn diversos criterios. En primer lugar, en funcin del nmero de variables independientes:

Regresin simple: Cuando la variable Y depende nicamente de una nica variable X.

Regresin mltiple: Cuando la variable Y depende de varias variables (X1, X2, ..., Xr) En segundo lugar, en funcin del tipo de funcin f(X):

Regresin lineal: Cuando f(X) es una funcin lineal. Regresin no lineal: Cuando f(X) no es una funcin lineal.

En tercer lugar, en funcin de la naturaleza de la relacin que exista entre las dos variables:

La variable X puede ser la causa del valor de la variable Y.

Por ejemplo, en toxicologa, si X = Dosis de la droga e Y = Mortalidad, la mortalidad se atribuye a la dosis administrada y no a otras causas.

Puede haber simplemente relacin entre las dos variables.

Por ejemplo, en un estudio de medicina en que se estudian las variables X = Peso e Y = Altura de un grupo de individuos, puede haber relacin entre las dos, aunque difcilmente una pueda considerarse causa de la otra. En este tema se tratar nicamente de la Regresin lineal simple.

Modelo probabilstico linel simple

Funcin lineal Se llama funcin lineal de una variable, a una funcin de la forma

0:

ordenada en el origen (valor de cuando X=0)

1: pendiente (cambio de Y al aumentar X en 1)

Modelo de regresin lineal simple Es un modelo de regresin lineal entre dos variables

es un modelo probabilstico, que tambin se puede escribir

A la variable Y se la denomina variable dependiente y a X independiente. Modelo I de regresin lineal se asume que

i) X no es una variable aleatoria. ii) para cada valor xi de X existe una v.a. Y|xi cuya media est dada por el modelo. iii) todas las variables Y|xi son normales, independientes y con igual varianza.

Ecuacin de la recta de regresin muestral

Consiste en determinar los valores de "a" y "b " a partir de la muestra, es decir, encontrar los valores de a y b con los datos observados de la muestra. Elmtodo de estimacin es el de Mnimos Cuadrados, mediante el cual se obtiene:

Luego, la ecuacin de regresin muestral estimada es

Que se interpreta como: a es el estimador de a Es el valor estimado de la variable Y cuando la variable X = 0 b es el estimador de b , es el coeficiente de regresin Est expresado en las mismas unidades de Y por cada unidad de X. Indica el nmero de unidades en que vara Y cuando se produce un cambio, en una unidad, en X (pendiente de la recta de regresin). Un valor negativo de b sera interpretado como la magnitud del decremento en Y por cada unidad de aumento en X

Mtodos de mnimos cuadrados. El procedimiento mas objetivo para de datos presentados en un diagrama de dispersin cuadrados". La recta se ajustar conoce una recta a un los conjunto mnimos

como

"el mtodo de

resultante presenta dos caractersticas importantes: 1. Es nula la suma de las desviaciones verticales de los puntos a partir de la recta de ajuste (Y - Y) = 0. 2. Es mnima la suma de los cuadrados de dichas desviaciones. Ninguna otra recta dara una suma menor de las desviaciones elevadas al cuadrado (Y - Y) 0 (mnima).

Coeficiente de correlacin lineal El coeficiente de correlacin lineal se expresa mediante la letra r.

Propiedades 1. El coeficiente de correlacin no vara al hacerlo la escala de medicin. Es decir, si expresamos la altura en metros o en centmetros el coeficiente de correlacin no vara.
2.

El signo del coeficiente de correlacin es el mismo que el de lacovarianza. Si la covarianza es positiva, la correlacin es directa. Si la covarianza es negativa, la correlacin es inversa. Si la covarianza es nula, no existe correlacin 3. El coeficiente de correlacin lineal es un nmero real comprendido entre menos 1 y 1.1 r 1 4. Si el coeficiente de correlacin lineal toma valores cercanos a 1 la correlacin es fuerte e inversa, y ser tanto ms fuerte cuanto ms se aproxime r a 1. 5. Si el coeficiente de correlacin lineal toma valores cercanos a 1 la correlacin es fuerte y directa, y ser tanto ms fuerte cuanto ms se aproxime r a 1. 6. Si el coeficiente de correlacin lineal toma valores cercanos a 0, la correlacin es dbil. 7. Si r = 1 1, los puntos de la nube estn sobre la recta creciente o decreciente. Entre ambas variables hay dependencia funcional.