Introducción al Análisis de Regresión y Correlación

La regresión y correlación lineal te permite estudiar cómo dos variables se relacionan entre sí. Imaginate que querés saber si invertir más dinero en publicidad realmente aumenta tus ventas - eso es exactamente lo que estas herramientas pueden responder.

El material incluye varios conceptos clave que vas a dominar: diagrama de dispersión (para visualizar datos), método de mínimos cuadrados (para encontrar la mejor línea), y los coeficientes de correlación y determinación (para medir qué tan fuerte es la relación).

¡Dato útil! Podés usar Excel o LibreOffice Calc para hacer todos estos cálculos automáticamente, pero entender el proceso manual te va a ayudar muchísimo en los exámenes.

Gráfico de Dispersión y Tendencias

Cuando tenés datos bivariados (dos variables relacionadas), el primer paso es crear un gráfico de dispersión. Esto te muestra visualmente si existe una relación entre tus variables x (independiente) y y (dependiente).

Hay tres tipos de tendencias lineales que podés identificar: positiva (cuando x aumenta, y también aumenta), negativa (cuando x aumenta, y disminuye), o sin tendencia (no hay relación clara). Cada tendencia se conecta con el coeficiente de correlación (r), que va de -1 a +1.

El valor de r te dice qué tan fuerte es la relación: r = +1 es correlación perfecta positiva, r = -1 es correlación perfecta negativa, y r = 0 significa que no hay correlación lineal.

¡Tip visual! Si los puntos en tu gráfico forman una línea que sube de izquierda a derecha, tenés correlación positiva. Si baja, es negativa.

La Ecuación de Regresión Lineal

La línea de regresión tiene la forma y = a + bx, donde a es el intercepto (donde la línea corta el eje y) y b es la pendiente (qué tan inclinada está la línea). Esta ecuación te permite hacer predicciones.

La pendiente puede ser positiva, negativa o cero. Una pendiente positiva significa que por cada unidad que aumenta x, y aumenta en b unidades. Una pendiente negativa significa lo contrario. Si b = 0, no hay relación entre las variables.

Para encontrar la línea "promedio" que mejor pase por todos los puntos, usamos criterios matemáticos reproducibles, no nuestra estimación visual. Esto nos lleva al método de mínimos cuadrados.

¡Ejemplo práctico! Si tenés y = -0.1 + 0.7x donde x son cientos de dólares invertidos, significa que por cada $100 que inviertas, vas a ganar $700 en promedio.

Método de Mínimos Cuadrados

El Método de Mínimos Cuadrados (MMC) encuentra la línea que minimiza la suma de los errores al cuadrado. Es como encontrar la línea que está "más cerca" de todos los puntos al mismo tiempo.

Necesitás calcular varias sumas de cuadrados: SCxx (para x), SCyy (para y), y SCxy (producto cruzado). Con estas fórmulas podés encontrar: b = SCxy/SCxx y a = ȳ - bx̄.

Una vez que tenés la ecuación, podés calcular los valores estimados $y_est$ y los errores $e = y - y_est$. Si hiciste todo bien, la suma de los errores debe ser exactamente cero.

¡Verificación rápida! Si la suma de tus errores no es cero, revisá tus cálculos porque algo está mal.

Interpretación de Resultados

El coeficiente de correlación (r) te dice qué tan relacionadas están tus variables. Por ejemplo, r = 0.9037 significa que hay una correlación del 90.37% entre las variables, lo cual es muy fuerte.

El coeficiente de determinación (r²) te explica qué porcentaje de la variación en y se explica por x. Si r² = 0.8167, significa que tu modelo explica el 81.67% de lo que pasa, y el resto (18.33%) se debe al azar.

Para verificar que tu línea está bien calculada, los errores deben sumar cero. También podés graficar la línea sobre los puntos para ver visualmente si tiene sentido.

¡Interpretación clave! Un r² de 0.82 significa que tu modelo es bastante bueno para predecir, ya que explica más del 80% de la variación.

Problemas Prácticos

En esta sección vas a aplicar todo lo que aprendiste con datos reales: resistencia vs porcentaje de fibra, y mediciones de plantas desérticas con diferentes variables como diámetro mayor, menor, altura y peso.

Para cada problema necesitás calcular la ecuación de regresión, el coeficiente de correlación, y el coeficiente de determinación. Podés usar calculadora científica o Excel para hacer los cálculos más rápido.

Los datos de plantas incluyen modelos múltiples: Línea 1 (y vs diámetro mayor), Línea 2 (y vs diámetro menor), Línea 3 (y vs altura). Esto te ayuda a ver qué variable predice mejor el peso.

¡Consejo práctico! Empezá siempre con estadística descriptiva básica (medias, desviaciones) antes de hacer la regresión.

Pruebas de Hipótesis en Regresión

No basta con calcular la ecuación - necesitás probar estadísticamente que tu modelo es confiable. Primero probás si el modelo hace regresión usando la prueba F con H₀: el modelo no hace regresión.

Para el intercepto, probás H₀: a = 0. Si no rechazás esta hipótesis, significa que la línea pasa por el origen. Para la pendiente, probás H₀: b = 0. Si la rechazás, confirmás que realmente hay una relación lineal.

Excel te da toda esta información automáticamente. Solo necesitás comparar el "Valor crítico de F" o la "Probabilidad" con α = 0.05. Si es menor, rechazás H₀.

¡Regla simple! Si la probabilidad es menor a 0.05, tu resultado es estadísticamente significativo al 95% de confianza.

Validación del Modelo

La prueba de hipótesis para la pendiente es crucial porque confirma si realmente existe una relación lineal. Si H₀: b = 0 se rechaza, significa que tu pendiente es significativamente diferente de cero.

Cuando la probabilidad del estadístico es menor a 0.05, tenés confiabilidad mayor al 95%. Por ejemplo, una probabilidad de 0.035 te da 96.46% de confiabilidad en que la pendiente no es cero.

Las bandas de confianza (que aparecen como "Inferior 95%" y "Superior 95%" en Excel) te muestran el rango donde pueden estar los verdaderos valores de a y b. Esto es útil para saber qué tan precisas son tus estimaciones.

¡Interpretación final! Si todas tus pruebas de hipótesis salen significativas, podés usar tu modelo con confianza para hacer predicciones.