Correlación y regresión parte de la bioestadistica
1. REGRESIÓN Y
CORRELACIÓN
UNIVERSIDAD NACIONAL DEL CALLAO
FACULTAD DE CIENCIAS DE LA SALUD
ESCUELA PROFESIONAL DE ENFERMERÍA
BENAVIDES SANDOVAL SHARON
ZAPANA LAURENTE ANEL
DOCENTE : DRA. ZELA PACHECO LAURA MARGARITA
INTEGRANTES :
CALLAO, PERÚ
2023
3. Correlación
La correlación es un tipo de asociación entre dos variables numéricas,
específicamente evalúa la tendencia (creciente o decreciente) en los datos.
Dos variables están asociadas cuando una variable nos da información
acerca de la otra.
El análisis de correlación es el conjunto de tecnicas estadísticas para medir
la intensidad de la asociación entre dos variables. Su objetivo es determinar
que tan intensa es la relación entre dos variables. Pueden ser :
V. Dependiente: su representación es "Y"
V Independiente: su representación es "X"
4. Regresiòn lineal
En el modelo de regresión lineal simple, la función elegida para aproximar la
relación entre las variables es una recta, es decir
y = a + bx
Donde a y b son parámetros. A esta recta le llamaremos RECTA DE
REGRESIÓN
Υ : variable dependiente
a : es la constante ó promedio de la correlación de las variables.
b : es coeficiente de la variable independiente, varia en función a “X”
X : variable independiente
9. Coeficiente de correlación
Coeficiente de correlación
El valor del coeficiente de correlación oscila entre 0 y
±1; una correlación igual a 0 significa ausencia de
relación.
10. Hablamos de correlación positiva si siempre que el valor
«x» sube, el valor «y» sube, y además con la misma
intensidad (+1).
a . Dirección de correlación
11. a . Dirección de correlación
En el caso opuesto, si siempre que el valor «x» sube, y el
valor «y» baja, y además con la misma intensidad, entonces
estamos hablando de correlación negativa (-1).
12. b . Fuerza de la relación
En los extremos ( esto es , si r es +1 ó -1 ) la ecuación contendrá
todos los puntos de datos . Esto es , que cuanto más se
aproxime r a +1 , mayor será la relación directa entre las
variables, y cuanto más se aproxime r a -1 , más inverso es el
grado de relación entre las variables
16. Es también denominado R cuadrado.
Indica la cantidad proporcional de variación en la variable de respuesta y, explicada
según las variables independientes X en el modelo de regresión lineal. Cuanto mayor
sea el R cuadrado, mayor será la variabilidad explicada por el modelo de regresión
lineal.
Coeficiente de
Coeficiente de
determinación(
determinación( )
)
Ejemplo
Ejemplo