Page 152 - ed2017.pdf
P. 152
✐
✐
144 “ED-MathBookFC” — 2017/9/12 — 19:56 — page 144 — #150 ✐ ✐
4.
Descripciones para datos conjuntos
existen múltiples ejemplos de dos variables que evolucionan en el tiem-
po y que presentan un coeficiente de correlación alto, pero en realidad
no hay ninguna o muy poca relación causal entre ellas, por ejemplo,
el número de premios Nobel obtenidos por país y el consumo de cho-
colate per cápita. Véase el divertido libro de Vigen [18] en donde se
muestran las gráficas de varios de estos ejemplos.
En el siguiente recuadro se resumen algunas de las propiedades del coeficien-
te de correlación.
Propiedades del coeficiente de correlación
covpx, yq
ρpx, yq“ a
varpxq¨ varpyq
´1 ď ρpx, yq ď 1
ρpx, yq“ ρpy, xq
#
`ρpx, yq si a ą 0,
ρpax, yq“
´ρpx, yq si a ă 0.
ρpx ` c, yq“ ρpx, yq, c constante
ρpx, yq“ 1 ô y “ ax ` b, con a, b constantes, a>0
ρpx, yq“´1 ô y “ ax ` b, con a, b constantes, a<0
Recta de regresión
Una vez que uno ha determinado que existe una posible dependencia lineal
y causal entre las observaciones de dos variables, el siguiente paso consiste
en encontrar la línea recta que mejor se adapte a los datos. Medianteel así
llamado método de mínimos cuadrados, puede comprobarse que esta recta
tiene la siguiente fórmula:
✐ ✐
✐ ✐