Saltar al contenido principal
LibreTexts Español

14: Correlación y Regresión Lineal

  • Page ID
    151880
  • \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)

    Muchas veces en la investigación estadística, queremos descubrir si existe una relación entre dos variables. La variable explicativa es la “causa” y la variable respuesta es el “efecto”, aunque una verdadera relación causa y efecto sólo puede establecerse en un estudio científico que controle para todas las variables de confusión (acecho).

    En el Capítulo 12, nos interesó determinar si el género de una persona era una variable explicativa válida de la opinión de la persona sobre la legalización de la marihuana para uso recreativo. En este caso, tanto las variables explicativas como las de respuesta son categóricas y el modelo apropiado fue la Prueba de Chi‐cuadrado de Independencia.

    En el Capítulo 13, exploramos si las ventas de pizza de tofu (la variable de respuesta) se vieron afectadas por la ubicación del restaurante (la variable explicativa). En este caso, la variable explicativa fue categórica pero la respuesta fue numérica. El modelo apropiado para este ejemplo es Análisis de Varianza de un Factor (ANOVA).

    ¿Y si queremos determinar si existe una relación cuando tanto las variables explicativas como las de respuesta son numéricas? Por ejemplo, ¿las lluvias anuales en una ciudad ayudan a explicar las ventas de gafas de sol? Este capítulo explora y define el modelo apropiado para este tipo de problemas.


    This page titled 14: Correlación y Regresión Lineal is shared under a CC BY-SA 4.0 license and was authored, remixed, and/or curated by Maurice A. Geraghty via source content that was edited to the style and standards of the LibreTexts platform; a detailed edit history is available upon request.