UNIVERSIDAD DE SONORA
CIENCIAS QUÍMICAS- BIOLÓGICAS.
LICENCIATURA EN QUÍMICO BIÓLOGO CLÍNICO.
T2P4-CORRELACION LINEAL Y REGRESION LINEAL SIMPLE.
LEYDY ROSARIO PEREA POQUI.
FUNDAMENTOS DE BIOESTADISTICA.
ROXANA REBECA CONTRERAS RODRIGUEZ
GRUPO 2
HERMOSILLO, SONORA. MIERCOLES 22 DE MAYO DE 2024.
1
INDICE
INTRODUCCION ............................................................................................................ 3
CORRELACION LINEAL................................................................................................. 4
REGRESION LINEAL ..................................................................................................... 5
CONCLUSION ................................................................................................................ 6
REFERENCIAS ............................................................................................................... 7
2
INTRODUCCION
La correlación y la regresión lineales simple son métodos estadísticos que estudian la
relación lineal existente entre dos variables.
Antes conviene destacar algunas diferencias:
La correlación cuantifica como de relacionadas están dos variables, mientras que la
regresión lineal consiste en generar una ecuación (modelo) que, basándose en la
relación existente entre ambas variables, permita predecir el valor de una a partir de la
otra.
El cálculo de la correlación entre dos variables es independiente del orden o asignación
de cada variable a X𝑋 e Y𝑌, mide únicamente la relación entre ambas sin considerar
dependencias. En el caso de la regresión lineal, el modelo varía según qué variable se
considere dependiente de la otra (lo cual no implica causa-efecto).
3
CORRELACION LINEAL
La finalidad de la correlación es examinar la dirección y la fuerza de la asociación entre
dos variables cuantitativas. Así conoceremos la intensidad de la relación entre ellas y si,
al aumentar el valor de una variable, aumenta o disminuye el valor de la otra variable.
Para estudiar la relación lineal existente entre dos variables continuas es necesario
disponer de parámetros que permitan cuantificar dicha relación. Uno de estos parámetros
es la covarianza, que indica el grado de variación conjunta de dos variables aleatorias.
Para poder hacer comparaciones se estandariza la covarianza, generando lo que se
conoce como coeficientes de correlación. Existen diferentes tipos, de entre los que
destacan el coeficiente de Pearson, Rho de Spearman y Tau de Kendall.
Algunos de sus usos son:
Análisis exploratorio de datos: al permitir detectar patrones y relaciones entre variables,
el análisis de correlación puede llevar a la creación de nuevas hipótesis o
descubrimientos.
Predicción y modelado: se emplea para elegir las variables que presentan una mayor
vinculación con la variable objetivo y en la construcción de modelos predictivos.
Toma de decisiones informada: entender la correlación entre dos variables permite tomar
mejores decisiones.
4
REGRESION LINEAL
La regresión lineal es una técnica de modelado estadístico que se emplea para describir
una variable de respuesta continua como una función de una o varias variables
predictoras.
Las técnicas de regresión lineal permiten crear un modelo lineal. Este modelo describe
la relación entre una variable dependiente y (también conocida como la respuesta) como
una función de una o varias variables independientes Xi (denominadas predictores). La
ecuación general correspondiente a un modelo de regresión lineal es:
La regresión lineal cuenta con ciertas características ideales para las siguientes
aplicaciones:
Predicción o pronóstico: utilice un modelo de regresión para crear un modelo de
pronóstico para un conjunto de datos específico. A partir de la moda, puede usar la
regresión para predecir valores de respuesta donde solo se conocen los predictores.
Fuerza de la regresión: utilice un modelo de regresión para determinar si existe una
relación entre una variable y un predictor, y cuán estrecha es esta relación.
5
CONCLUSION
El uso de correlación y regresión en la investigación científica es esencial para predecir
patrones. Un patrón es una tendencia establecida que puede ser ascendente, constante
o descendente, y es lo que el investigador persigue a través de la investigación. Estas
herramientas permiten comprender y predecir el comportamiento de sistemas complejos
y analizar datos experimentales biológicos.
La aplicación de dichas técnicas en el campo de la química biológica clínica no solo
facilita la comprensión de fenómenos complejos y la interpretación de grandes
volúmenes de datos, sino que también impulsa avances significativos en la investigación
biomédica y en la práctica clínica.
6
REFERENCIAS
(N.d.). Spentamexico.org. Retrieved May 23, 2024, from http://www.spentamexico.org/v9-
n2/A3.9(2)18-23.pdf
Análisis de Correlación: Qué es, Dónde se Aplica y Ejemplos. (2024, 21 febrero). UNIR
México. https://mexico.unir.net/noticias/economia/analisis-correlacion/
Introducción a la regresión lineal. (s. f.). MATLAB & Simulink.
https://la.mathworks.com/discovery/linear-regression.html
Laguna, A. C., & Introducción, 4. 1. (n.d.). CORRELACIÓN Y REGRESIÓN LINEAL. Tecnm.Mx.
Retrieved May 23, 2024, from
https://hopelchen.tecnm.mx/principal/sylabus/fpdb/recursos/r132139.PDF
Rodrigo, J. A. (n.d.). Correlación lineal y Regresión lineal simple. Cienciadedatos.net. Retrieved May
23, 2024, from https://cienciadedatos.net/documentos/24_correlacion_y_regresion_lineal
