SESIONES TEÓRICAS ESTADÍSTICA Y TIC: SEMANA 12

TEMA 12: CORRELACIÓN Y CONCORDANCIA

1.     Modelos de análisis de regresión.

Simple: estudia la relación o asociación lineal entre dos variables cuantitativas.

Ejemplo: quiero saber si la edad influye en las cifras de tensión arterial sistólica.

-          Variable independiente: edad

-          Variable dependiente: tensión arterial sistólica.

Es de regresión lineal simple porque solo hay una variable independiente.

Ecuación de la recta: y=ax+b (tensión sistólica= edad+b).

a  à pendiente de la recta. Lo denominamos B1. Puede tener un valor negativa, lo que determina que la recta es descendiente.

bà el punto de corte con el eje de abscisa. Se denomina B0. Si x vale 0, y vale b. Por lo que es el valor que tiene y cuando x es cero. Sustituir en la fórmula.

2. Modelo determinista o no determinista.

Los modelos lineales deterministas: la variable independiente determina el valor de la variable dependiente. Entonces cada valor de la variable independiente solo habría un valor de la dependiente

.

Los modelos lineales probabilísticos: son los que aplicamos en estadística probabilísticas. Para cada valor de la variable independiente existe una distribución de probabilidad de valores de la dependiente, con una probabilidad entre 0 y 1.

Por esto buscamos la recta que suponga la menor distancia entre cada punto.

Para calcular esta recta se calculan dos coeficientes:

Correlación de Pearson: solo se utiliza cunado las variables sigue una distribución normales.

Correlación de Spearman: solo se utiliza cuando una de las variables no sigue la distribución normal.

2. Cálculo del coeficiente correlación de Pearson:

El valor del coeficiente de correlación de Pearson se tiene que situar entre -1 o 1:

1: correlación positiva

0: no hay pendiente y no hay correlación.

1: correlación negativa.