UNIDAD 7.

REGRESIÓN Y
CORRELACIÓN LINEAL

23 ENERO 2021
 IT Cd. Cuauhtémoc
Maestría En Ingeniería Administrativa
Estadística

índice
INTRODUCCIÓN ........................................................................................................ 3
ENUNCIADO DEL PROBLEMA PROPUESTO........................................................... 4
DATOS ........................................................................................................................ 5
CUESTIONAMIENTOS ............................................................................................... 6
1. Usando una gráfica de dispersión, grafique los datos para los años 1969-1988.
¿Le parece que hay una relación lineal entre el número de autos importados y el
año? 6
1.1. Solución en Excel ........................................................................................... 6
1.2. Solución en Minitab ........................................................................................ 6
1.3. Interpretación ................................................................................................. 6
2. Use un paquete de software para hallar la recta de mínimos cuadrados para
predecir el número de autos importados como función del año para los años 1969-
1988. 7
2.1. Formulario ...................................................................................................... 7
2.2. Solución en Excel ........................................................................................... 7
2.3. Solución en Minitab ........................................................................................ 8
2.4. Interpretación ................................................................................................. 9
3. ¿Hay una relación lineal significativa entre el número de autos importados y el
año? 9
3.1. Prueba de hipótesis: Para el coeficiente de correlación poblacional simple .. 9
3.1.1. Hipótesis ..................................................................................................... 9
3.1.2. Estadístico de prueba ................................................................................. 9
3.1.3. Región de rechazo y regla de decisión ..................................................... 10
3.1.4. Experimentación, muestreo y cálculos ...................................................... 10
3.1.5. Decisión. ................................................................................................... 11
3.1.6. Conclusiones. ........................................................................................... 11
3.1.7. Supuestos. ................................................................................................ 11
3.1.8. Cuestionamientos adicionales. ................................................................. 11
3.2. Solución en Excel ......................................................................................... 11
3.3. Solución en Minitab ...................................................................................... 13
3.4. Interpretación ............................................................................................... 13

1
 IT Cd. Cuauhtémoc
Maestría En Ingeniería Administrativa
Estadística

4. Use el programa de cómputo para predecir el número de autos que serán

importados usando intervalos de predicción de 95% para cada uno de los años 2007,
2008 y 2009. .......................................................................................................... 14
4.1. Formulario .................................................................................................... 14
4.2. Solución en Excel ......................................................................................... 14
4.3. Solución en Minitab ...................................................................................... 15
4.4. Interpretación ............................................................................................... 16
5. Ahora vea los datos reales para los años 2007-2009. ¿Las predicciones
obtenidas en el paso 4 dan estimaciones precisas de los valores reales observados
en estos años? Explique. ....................................................................................... 16
6. Agregue los datos para 1989-2009 a su base de datos y recalcule la recta de
regresión. ............................................................................................................... 17
6.1. Solución en Excel ......................................................................................... 17
6.2. Solución en Minitab ...................................................................................... 18
6.3. Interpretación ............................................................................................... 18
7. ¿Qué efecto tienen los nuevos puntos de datos sobre la pendiente? ¿Cuál es
el efecto en el SSE (sumatoria de cuadrados del error)? ...................................... 19
7.1.1. Hipótesis ................................................................................................... 19
7.1.2. Estadístico de prueba ............................................................................... 19
7.1.3. Región de rechazo y regla de decisión ..................................................... 19
7.1.4. Experimentación, muestreo y cálculos ...................................................... 20
7.1.5. Decisión. ................................................................................................... 20
7.1.6. Conclusiones. ........................................................................................... 20
7.1.7. Supuestos. ................................................................................................ 20
7.1.8. Cuestionamientos adicionales. ................................................................. 20
7.2.1. Solución en Excel ..................................................................................... 21
7.3. Solución en Minitab ...................................................................................... 21
7.4. Interpretación ............................................................................................... 22
8. Dada la forma de la gráfica de dispersión para los años 1969-2009, ¿le parece
que una recta da un modelo preciso para los datos? ¿Qué otro tipo de modelo podría
ser más apropiado? (Use gráficas residuales para ayudar a contestar esta pregunta.)
22
CONCLUSIONES...................................................................................................... 23
BIBLIOGRAFÍA ......................................................................................................... 23

2
 IT Cd. Cuauhtémoc
Maestría En Ingeniería Administrativa
Estadística

INTRODUCCIÓN
Dentro de las ramas de la estadística se encuentra la estadística inferencial, la cual
tiene como objetivo principal obtener los resultados necesarios a partir de la
información que se presenta en la muestra para realizar deducciones sobre una
totalidad. Esta se usa para modelar patrones y extraer inferencias de la muestra que
es objeto de estudio. Dentro de las técnicas de modelamiento se encuentran la
estimación, la correlación, el análisis de regresión y la prueba de hipótesis.
La regresión lineal o ajuste lineal es un modelo matemático usado para aproximar la
relación de dependencia entre una variable dependiente Y, las variables
independientes Xᵢ y un término aleatorio ε.
En este documento se desarrolla el caso práctico del libro “Introducción a la
probabilidad y estadística” específicamente del capítulo 12 titulado “¿Su automóvil está
“Hecho en EUA”?”, en el que se aplican herramientas estadísticas como la relación
lineal y la predicción en una situación concreta como la importación automotriz en los
años que comprenden el periodo 1969 - 2009.
Las herramientas estadísticas se emplearon mediante la elaboración de tablas,
diagramas, regresiones y correlaciones para describir la relación que existe entre las
variables. Para esa finalidad se utilizaron dos métodos principales: El uso de Minitab
en su versión 17 y Excel 2008 sobre la plantilla “Clase ejemplo regresión” del curso de
Estadística en que esta enmarcada esta asignación.
De forma consecutiva se resolverán cuestionamientos bajo los siguientes conceptos:
relación lineal, recta de mínimos cuadrados, relación lineal significativa, intervalos de
predicción, análisis de predicciones, hipótesis sobre pendiente de una recta, modelos
alternativos que mejor se ajusten.

3
 IT Cd. Cuauhtémoc
Maestría En Ingeniería Administrativa
Estadística

ENUNCIADO DEL PROBLEMA PROPUESTO

La frase “Hecho en EUA” se ha convertido en un conocido grito de batalla porque los
trabajadores de Estados Unidos tratan de proteger sus trabajos de la competencia
extranjera. En las últimas décadas, un importante desequilibrio en la balanza comercial
en Estados Unidos ha estado causando una inundación de productos importados que
entran al país y se venden a menor costo que artículos comparables hechos en él. Una
preocupación principal es la industria automotriz, en la que el número de autos
importados aumentó continuamente durante las décadas de 1970 y 1980. La industria
automotriz de ese país ha estado siendo acosada con quejas por la calidad de sus
productos, despidos de trabajadores y altos precios, y ha gastado miles de millones de
dólares en publicidad e investigación para producir un auto hecho en Estados Unidos
que satisfaga las demandas del consumidor. ¿Han tenido éxito para detener la
inundación de autos importados comprados por consumidores estadounidenses? Los
datos de la tabla siguiente representan los números de autos importados y vendidos
en Estados Unidos (en millones) durante los años 1969-2009.20 Para simplificar el
análisis, hemos codificado el año usando la variable codificada x= Año – 1969.

4
 IT Cd. Cuauhtémoc
Maestría En Ingeniería Administrativa
Estadística

DATOS
Y= Número de Y= Número de
AÑO X AÑO X
autos importados autos importados

1969 0 1.1 1989 20 2.7

1970 1 1.3 1990 21 2.4

1971 2 1.6 1991 22 2.0

1972 3 1.6 1992 23 1.9

1973 4 1.8 1993 24 1.8

1974 5 1.4 1994 25 1.7

1975 6 1.6 1995 26 1.5

1976 7 1.5 1996 27 1.3

1977 8 2.1 1997 28 1.4

1978 9 2.0 1998 29 1.4

1979 10 2.3 1999 30 1.7

1980 11 2.4 2000 31 2.0

1981 12 2.3 2001 32 2.1

1982 13 2.2 2002 33 2.2

1983 14 2.4 2003 34 2.1

1984 15 2.4 2004 35 2.1

1985 16 2.8 2005 36 2.2

1986 17 3.2 2006 37 2.3

1987 18 3.1 2007 38 2.4

1988 19 3.0 2008 39 2.3

2009 40 1.8

5
 IT Cd. Cuauhtémoc
Maestría En Ingeniería Administrativa
Estadística

CUESTIONAMIENTOS
1. Usando una gráfica de dispersión, grafique los datos para los años 1969-
1988. ¿Le parece que hay una relación lineal entre el número de autos
importados y el año?
1.1. Solución en Excel
Seleccionar datos de las columnas X , Y, del año 1969 al 1988 > Insertar > Insertar
grafico de dispersión > click sobre un punto de dispersión > botón derecho > agregar
línea de tendencia > opciones de línea de tendencia > lineal.

Autos importados vendidos en USA

1969-1988
4
variable independiente

3
2
1
0
0 5 10 15 20
variable dependiente

1.2. Solución en Minitab

Gráfica > Gráfica de dispersión > Con regresión > Variables Y = C3 seleccionar >
Simple > Variables X = C2 seleccionar > Etiquetas > titulo y subtitulo > Aceptar.

Autos importados vendidos en USA

1968-1988
3.5

3.0
Variable dependiente

2.5

2.0

1.5

1.0
0 5 10 15 20
Variable independiente

1.3. Interpretación

6
 IT Cd. Cuauhtémoc
Maestría En Ingeniería Administrativa
Estadística

Una relación lineal es una tendencia en los datos que se puede modelar mediante una
línea recta. En las gráficas anteriores se puede observar una tendencia de los puntos
a aumentar simultáneamente a un ritmo constante lo que supone que existe una
relación lineal positiva

2. Use un paquete de software para hallar la recta de mínimos cuadrados para

predecir el número de autos importados como función del año para los años
1969-1988.

2.1. Formulario

𝑦̂ = 𝛽̂0 + 𝛽̂1 𝑥

𝛽̂0 = 𝑦̄ − 𝛽̂1 𝑥̄
𝑆𝑥𝑦
𝛽̂1 =
𝑆𝑥𝑥
𝑛 𝑛
(∑𝑛𝑖=1 𝑥𝑖 )2
𝑆𝑥𝑥 = ∑(𝑥𝑖 − 𝑥̄ )2 = ∑ 𝑥𝑖2 −
𝑛
𝑖=1 𝑖=1
𝑛 𝑛
(∑𝑛𝑖=1 𝑦𝑖 )2
𝑆𝑦𝑦 = ∑(𝑦𝑖 − 𝑦̄ )2 = ∑ 𝑦𝑖2 −
𝑛
𝑖=1 𝑖=1
𝑛 𝑛
(∑𝑛𝑖=1 𝑦𝑖 )(∑𝑛𝑖=1 𝑥𝑖 )
𝑆𝑥𝑦 = ∑(𝑥𝑖 − 𝑥̄ )𝑦𝑖 = ∑ 𝑥𝑖 𝑦𝑖 −
𝑛
𝑖=1 𝑖=1

2.2. Solución en Excel

7
 IT Cd. Cuauhtémoc
Maestría En Ingeniería Administrativa
Estadística

2.2.1. Con programación de fórmulas (en plantilla)

2.2.2. Con el uso de las herramientas de la gráfica

Click sobre un punto de dispersión > botón derecho > agregar línea de tendencia >
presentar ecuación en el gráfico.

Autos importados vendidos en USA

1969-1988
4
variable independiente

0
y = 0.0987x + 1.1671
0 5 10 15 20
variable dependiente

2.3. Solución en Minitab

Estadísticas > Regresión > Regresión > Ajustar modelo de regresión > Respuestas =
C3 > predictores continuos > C2 > Aceptar.

8
 IT Cd. Cuauhtémoc
Maestría En Ingeniería Administrativa
Estadística

2.4. Interpretación
El valor esperado de la variable aleatoria y que representa el número de automóviles
importados vendidos en USA depende del año analizado (codificado en x). La recta de
mínimos cuadrados que mejor ajusta a los datos presentados es:
E(y/x) = ̂𝑦 = 1.1671 + 0.09872𝑥̂

3. ¿Hay una relación lineal significativa entre el número de autos importados y

el año?
3.1. Prueba de hipótesis: Para el coeficiente de correlación poblacional simple
3.1.1. Hipótesis
H0: 𝜌 = 0 n= 20
H1: 𝜌 ≠ 0 α= 0.05
3.1.2. Estadístico de prueba
De acuerdo con el formulario para prueba de hipótesis, se busca el estadístico que
mejor corresponde a las características del planteamiento del problema, en este caso,
como se indica al principio del ejercicio, cuenta con una muestra menor a 30, por lo
que la fórmula seleccionada es:

9
 IT Cd. Cuauhtémoc
Maestría En Ingeniería Administrativa
Estadística

𝑟√𝑛 − 2
𝑡= = 12.655
√1 − 𝑟 2
3.1.3. Región de rechazo y regla de decisión
Utilizaremos una prueba bilateral, para eso procedemos a graficar en Minitab, de la
siguiente manera:
Click en: Gráfica > Gráfica de Distribución de probabilidad > Ver probabilidad >
Distribución t > Grados de libertad = 18 > Área sombreada > Probabilidad > Ambas
colas > Probabilidad = 0.05

Analizando la gráfica de distribución, se observan los parámetros para establecer la

siguiente:
Regla de decisión: Si ||t|| >2.101 la H0 será rechazada, de lo contrario no rechazar.
3.1.4. Experimentación, muestreo y cálculos
Datos del M.A.S:
AÑO X Y AÑO X Y
1969 0 1.1 1979 10 2.3
1970 1 1.3 1980 11 2.4
1971 2 1.6 1981 12 2.3
1972 3 1.6 1982 13 2.2
1973 4 1.8 1983 14 2.4
1974 5 1.4 1984 15 2.4
1975 6 1.6 1985 16 2.8
1976 7 1.5 1986 17 3.2
1977 8 2.1 1987 18 3.1
1978 9 2 1988 19 3

10
 IT Cd. Cuauhtémoc
Maestría En Ingeniería Administrativa
Estadística

𝑆𝑥𝑦 65.65
𝑟= = = 0.948
√𝑆𝑥𝑥 𝑆𝑦𝑦 √665 ∗ 7.20

𝑅 2 = 𝑟 2 = 0.9482 = 0.898

𝑟√𝑛 − 2 0.948√20 − 2
𝑡= = = 12.655
√1 − 𝑟 2 √1 − 0.9482
𝑔. 𝑑. 𝑙 = 𝑛 − 2 = 20 − 2 = 18
3.1.5. Decisión.
Como el valor de prueba ( t= 12.655) > 2.101, se rechaza la hipótesis nula (H0).
3.1.6. Conclusiones.
Existe suficiente evidencia para afirmar que en la muestra de tamaño n=20 existe
correlación entre el número de autos importados y el año con un nivel de significancia
del 5%.
El valor R²=0.898, significa que 89.89% de la variación en y esta explicada por este
modelo.
3.1.7. Supuestos.
• Muestreo Aleatorio Simple
• Distribución aproximadamente normal
• La muestra es suficientemente grande para que la media muestral se distribuya
normalmente
• Se cumple el Teorema de limite central

3.1.8. Cuestionamientos adicionales.

No aplica
3.2. Solución en Excel

11
 IT Cd. Cuauhtémoc
Maestría En Ingeniería Administrativa
Estadística

3.2.1. Con programación de fórmulas (en plantilla)

3.2.2. Con el uso de las herramientas de la gráfica

12
 IT Cd. Cuauhtémoc
Maestría En Ingeniería Administrativa
Estadística

Click sobre un punto de dispersión > botón derecho > agregar línea de tendencia >
presentar el valor R cuadrado en el gráfico.

Autos importados vendidos en USA

1969-1988
4
variable independiente

1 R² = 0.899

0
0 5 y =100.0987x 15+ 1.167120
variable dependiente

3.3. Solución en Minitab

Estadísticas > Regresión > Regresión > Ajustar modelo de regresión > Respuestas =
C3 > predictores continuos > C2 > Aceptar

3.4. Interpretación
El número de autos importados se explica con base en el año en un 89.9%. El valor
p<α por lo tanto se comprueba una vez más el rechazo de H0.

13
 IT Cd. Cuauhtémoc
Maestría En Ingeniería Administrativa
Estadística

4. Use el programa de cómputo para predecir el número de autos que serán

importados usando intervalos de predicción de 95% para cada uno de los
años 2007, 2008 y 2009.
4.1. Formulario

𝑦̂ = 𝛽̂0 + 𝛽̂1 𝑥

𝜇̂ 𝑌0 = 𝑦̂0 = 𝐸̂ (𝑌|𝑥0 ) = 𝛽̂0 + 𝛽̂1 𝑥0

∑𝑛𝑖=1(𝑦𝑖 − 𝑦̂𝑖 )2 𝑆𝑆𝐸

𝑀𝑆𝐸 = =
𝑛−2 𝑛−2
𝜇̂ 𝑌0 = 𝑦̂0 = 𝐸̂ (𝑌|𝑥0 ) = 𝛽̂0 + 𝛽̂1 𝑥0

1 (𝑥𝑜 − 𝑥̄ )2
𝑦̂0 ± 𝑡𝛼/2,𝑛−2 √𝑀𝑆𝐸 [ + ]
𝑛 𝑆𝑥𝑥

1 (𝑥𝑜 − 𝑥̄ )2
𝑦̂0 ± 𝑡𝛼/2,𝑛−2 √𝑀𝑆𝐸 [1 + + ]
𝑛 𝑆𝑥𝑥

4.2. Solución en Excel

4.2.1. Con programación de fórmulas (en plantilla)

14
 IT Cd. Cuauhtémoc
Maestría En Ingeniería Administrativa
Estadística

Gráficamente:
4
Diagrama de dispersión
3.5
y = 0.0987x + 1.1671
R² = 0.899
3

2.5

2
Y

1.5

Y
1
LIC

LSC
0.5

0
0 5 X10 15 20

4.3. Solución en Minitab

Estadística > Regresión > Regresión > Predecir > x = 38, 39 y 40 > Aceptar.

15
 IT Cd. Cuauhtémoc
Maestría En Ingeniería Administrativa
Estadística

4.4. Interpretación
Se estima que el número de autos que serán importados, en el año 2007 estará entre
4.281 y 5.555 dado que x= 38 con una confianza de 0.95.
Se estima que el número de autos que serán importados, en el año 2008 estará entre
4.368 y 5.666 dado que x= 39 con una confianza de 0.95.
Se estima que el número de autos que serán importados, en el año 2009 estará entre
4.454 y 5.777 dado que x= 40 con una confianza de 0.95.

5. Ahora vea los datos reales para los años 2007-2009. ¿Las predicciones
obtenidas en el paso 4 dan estimaciones precisas de los valores reales
observados en estos años? Explique.

Predicció Estimación Dentro

Año x y I.P.
n precisa de IP
2007 38 2.4 4.918571 4.281-5.555 NO SI
2008 39 2.3 5.017293 4.368-5.666 NO SI
2009 40 1.8 5.116015 4.454-5.777 NO SI

16
 IT Cd. Cuauhtémoc
Maestría En Ingeniería Administrativa
Estadística

Las predicciones obtenidas en el paso 4 no proporcionan estimaciones precisas de los

valores reales observados en los años 2007, 2008 y 2009, sin embargo, si están dentro
del intervalo de predicción calculado. Para mejorar el nivel de precisión se puede
reducir el ancho de un intervalo de confianza, algunas características que inciden en
el I.C. son: el tamaño de la muestra, la varianza y el nivel de confianza.
6. Agregue los datos para 1989-2009 a su base de datos y recalcule la recta de
regresión.
6.1. Solución en Excel
6.1.1. Con programación de fórmulas (en plantilla)

6.1.2. Con el uso de las herramientas de la gráfica

Click sobre un punto de dispersión > botón derecho > agregar línea de tendencia >
presentar ecuación en el gráfico.

17
 IT Cd. Cuauhtémoc
Maestría En Ingeniería Administrativa
Estadística

Auto importados a USA

1969-2009
4

0 y = 0.0077x + 1.8801
0 5 10 15 20 25 30 35 40
R² = 0.0333 45

6.2. Solución en Minitab

Estadísticas > Regresión > Regresión > Ajustar modelo de regresión > Respuestas =
C3 > predictores continuos > C2 > Aceptar.

6.3. Interpretación
El valor esperado de la variable aleatoria y que representa el número de automóviles
importados vendidos en USA depende del año analizado (codificado en x). La recta de
mínimos cuadrados que mejor ajusta a los datos presentados es:
E(y/x) = ̂𝑦 = 1.8801 + 0.0077𝑥̂

18
 IT Cd. Cuauhtémoc
Maestría En Ingeniería Administrativa
Estadística

7. ¿Qué efecto tienen los nuevos puntos de datos sobre la pendiente? ¿Cuál es
el efecto en el SSE (sumatoria de cuadrados del error)?
7.1. Efectos sobre la pendiente

Prueba de hipótesis: Para la pendiente de una recta

7.1.1. Hipótesis
H0: 𝛽 = 0 n= 40
H1: 𝛽 ≠ 0 α= 0.05
7.1.2. Estadístico de prueba
De acuerdo con el formulario para prueba de hipótesis, se busca el estadístico que
mejor corresponde a las características del planteamiento del problema:

𝛽̂1 − 𝛽1
𝑡= = 1.159576963
𝑀𝑆
√ 𝐸
𝑆𝑥𝑥
7.1.3. Región de rechazo y regla de decisión
Utilizaremos una prueba bilateral, para eso procedemos a graficar en Minitab, de la
siguiente manera:
Click en: Gráfica > Gráfica de Distribución de probabilidad > Ver probabilidad >
Distribución t > Grados de libertad = 38 > Área sombreada > Probabilidad > Ambas
colas > Probabilidad = 0.05

Gráfica de distribución
T, df=38

0.4

0.3
Densidad

0.2

Zona de no rechazo
Zona de rechazo Zona de rechazo
0.1

0.025 0.025
0.0
-2.024 0 2.024
t

19
 IT Cd. Cuauhtémoc
Maestría En Ingeniería Administrativa
Estadística

Analizando la gráfica de distribución, se observan los parámetros para establecer la

siguiente:
Regla de decisión: Si ||t|| >2.024 la H0 será rechazada, de lo contrario no rechazar.
7.1.4. Experimentación, muestreo y cálculos
DE la plantilla de cálculo de Excel:

7.1.5. Decisión.
Como el valor de prueba ( t= 1.1595) < 2.101, no se rechaza la hipótesis nula (H0).
7.1.6. Conclusiones.
Existe suficiente evidencia para afirmar que los años censados no aportan buena
información sobre la predicción de los automóviles importados a USA.
7.1.7. Supuestos.
• Distribución aproximadamente normal
• La muestra es suficientemente grande para que la media muestral se distribuya
normalmente

7.1.8. Cuestionamientos adicionales.

No aplica
7.2. Efectos sobre SSE

20
 IT Cd. Cuauhtémoc
Maestría En Ingeniería Administrativa
Estadística

7.2.1. Solución en Excel

7.3. Solución en Minitab

21
 IT Cd. Cuauhtémoc
Maestría En Ingeniería Administrativa
Estadística

7.4. Interpretación
La diferencia entre el SSE 1 (0.72841353) y SSE 2 (9.87183972) quiere decir que el
primer modelo explica (aproximadamente 13 veces) mejor que el segundo la relación
entre las variables años y autos importados a USA.
.
8. Dada la forma de la gráfica de dispersión para los años 1969-2009, ¿le parece
que una recta da un modelo preciso para los datos? ¿Qué otro tipo de modelo
podría ser más apropiado? (Use gráficas residuales para ayudar a contestar
esta pregunta.)

Auto importados a USA

1969-2009
4

0
0 5 10 15 20 25 30 35 40 45

Analizando las gráficas residuales y calculando de manera simultánea el coeficiente

de determinación en cada caso, se concluye que la línea recta no es un modelo
adecuado para representar este grupo de datos, por su parte el R² obtenido indica que
la tendencia que mejor se ajusta es una línea exponencial de grado polinómico 6.
22
 IT Cd. Cuauhtémoc
Maestría En Ingeniería Administrativa
Estadística

CONCLUSIONES
La correlación y la regresión lineal simple son métodos estadísticos que estudian la
relación lineal existente entre dos variables. Es importante destacar sus diferencias:
La correlación cuantifica como estan relacionadas 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 X e Y, 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).
A nivel experimental, la correlación se suele emplear cuando ninguna de las variables
se ha controlado, simplemente se han medido ambas y se desea saber si están
relacionadas. En el caso de estudios de regresión lineal, es más común que una de
las variables se controle (tiempo, concentración de reactivo, temperatura…) y se mida
la otra.
Por norma general, los estudios de correlación lineal preceden a la generación de
modelos de regresión lineal. Primero se analiza si ambas variables están
correlacionadas y, en caso de estarlo, se procede a generar el modelo de regresión.
Se observó en el desarrollo de este documento la importancia del método y sus muy
diversas y amplias aplicaciones y funciones.

BIBLIOGRAFÍA
Chapa D. (2020). Apuntes y video clases de estadística. Plataforma Moodle IT Cd.
Cuauhtémoc.
Laguna C. (s.f.) Correlación y relación lineal. Instituto Aragónes de Ciencias de la
salud.
Mendenhall, W., Beaver, R., Beaver, B., y Velázquez, J. (2015). Introducción a la
probabilidad y estadística. Editorial Cengage.

23