1.

INTRODUCCION:
El anlisis de correlacin lineal (ACL) y el anlisis de regresin lineal (ARL) forman la
pareja de tcnicas ms populares para estudiar la existencia de una relacin lineal entre
dos variables de naturaleza cuantitativa.
Sus objetivos, aunque complementarios son diferentes. Estos son los ms usados en la
investigacin Cientfica.
La correlacin lineal estudia la intensidad y la direccin de la relacin lineal entre dos
variables de naturaleza cuantitativa.
La regresin lineal ayuda en la prediccin de los valores de una variable cuantitativa
(llamada dependiente) cuando se conoce el valor de otra variable cuantitativa (llamada
independiente con la que tiene una relacin tipo lineal.
2. ANALISIS DE CORRELACION
El anlisis de correlacin lineal estudia la intensidad y la direccin de la asociacin lnea
entre dos variables de naturaleza cuantitativa.
El proceso para determinar el grado de relacin lineal se puede resumir en los siguientes
pasos:
Elaboracin del diagrama de dispersin.
Inspeccin del diagrama en busca una relacin lineal.
Calculo de la covarianza entre las dos variables.
Calculo de las desviaciones estndar.
Calculo del coeficiente de correlacin.
2.1.
Diagrama de dispersin:
Consiste en la representacin en ejes de coordenadas de los puntos correspondientes a
los pares de valores de cada individuo.
2.2.

Inspeccin del diagrama.

La relacin entre dos variables cuantitativas puede ser de naturaleza no lineal, por
ejemplo cuadrtica, cubica, logartmica, etc.
El anlisis de correlacin lineal solo debe aplicarse cuando de la inspeccin del diagrama
de dispersin se pueda deducir la existencia de una relacin lineal. En caso contrario
habr que proceder a transformaciones en las variables.
3. ANALISIS DE REGRESION:
Es una herramienta que persigue ayudar en la prediccin de los valores de una variable
cuantitativa supuestos conocidos los valores de otra variable cuantitativa con la que la
primera tiene una relacin de tipo lineal.
3.1.
Prediccin:
En la situacin de incertidumbre:
No podemos asignar una distribucin de probabilidad a los distintos estados de
naturaleza. Si queremos predecir la nica estrategia posible es generar un numero
aleatorio.

En situacin de riesgo:

No sabemos cal es el estado de naturaleza pero al menos somos capaces de asignar una
distribucin de probabilidad a los distintos estados posibles. En este caso. Nuestra mejor
prediccin vendr dada por la media de la distribucin de probabilidad.

4. ANALISIS DE PRECIPITACION
INFORMACION METEOROLOGICA (PRECIPITACION PLUVIAL)
PROMEDIO: 36 AOS (1964-1999)

4.1.

ANALISIS DE CUADRO
GRAFICO N1

ANALISIS:
Hay un total de 36 aos con un promedio anual de precipitacin pluvial entre una
cantidad de 370 a 1290 en el departamento de Puno.
Se denota que en el ao 1992 presento una menor precipitacin de 391.4 a los aos
anteriores.
Se puede describir que el ao 1984 fue el que ms precipitacin se dio con una
cantidad de 1290.04.

4.2.
Estadstica Descriptiva: Promedio, Varianza y desviacin
estndar.
CUADRO N1

4.3.

CORRELACIN Y REGRESIN:
CUADRO N 2
X
408.8
587.8
391.4
694.8
624.1
503.8
568
652.6
798.1
797
750.8
951.6
758
742.4
828
527.3
614.4
657.7
794.8
434.1
1290.6
1072.5
927.4
630.7
847.7
684.6
646.8
596.8
374.1
759.2
803.6
543.3
753.5
908.9
615.1
1003.9
TOTAL
PROMEDI
O

X
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

25544.2

666

709.561111

36

Coeficiente de correlacin:

XY

167117.44
1
408.8
345508.84
4
1175.6
153193.96
9
1174.2
482747.04
16
2779.2
389500.81
25
3120.5
253814.44
36
3022.8
322624
49
3976
425886.76
64
5220.8
636963.61
81
7182.9
635209
100
7970
563700.64
121
8258.8
905542.56
144
11419.2
574564
169
9854
551157.76
196
10393.6
685584
225
12420
278045.29
256
8436.8
377487.36
289
10444.8
432569.29
324
11838.6
631707.04
361
15101.2
188442.81
400
8682
1665648.3
6
441
27102.6
1150256.25
484
23595
860070.76
529
21330.2
397782.49
576
15136.8
718595.29
625
21192.5
468677.16
676
17799.6
418350.24
729
17463.6
356170.24
784
16710.4
139950.81
841
10848.9
576384.64
900
22776
645772.96
961
24911.6
295174.89
1024
17385.6
567762.25
1089
24865.5
826099.21
1156
30902.6
378348.01
1225
21528.5
1007815.2
1
1296
36140.4
19474225.
4
16206
492569.6
540950.70
6 450.166667 13682.4889

La asociacin entre ambas variables es de 0.2762 lo que indica que es dbil.

Coeficiente de regresin:

5. GRAFICO:
GRAFICO N 2 DE TENDENCIA
f(x) =

INFORMACIONRMETEOROLOGICA
(PRECIPITACION PLUVIAL) PUNO ANUAL
=0
12.0
10.0
8.0
Promedio anual 6.0
4.0
2.0
0.0
0

10

12

Numero de aos

GRAFICO N3 DIAGRAMA DE DISPERSION.

f(x) =
INFORMACION METEOROLOGICA (PRECIPITACION PLUVIAL) PUNO ANUAL
R = 0
12.0
10.0
8.0
Promedio anual 6.0
4.0
2.0
0.0
0

10

12

Numero de aos

CUADRO N3 PROMEDIOS Y CANTIDAD DE AOS

N
36
PROMEDIO
X
Y
709.561111
18.5

SC(X) =

X2 - n (X)2 =

SC(X) =

19474225.4

18125170.9

1349054.5

SP(XY) =

XY n(X) (Y)

SP(XY) =

492569.6

472567.7

20001.9

Lo que nos permite tener los coeficientes de a y b luego:

b=

1349054.5
20001.9

67.446

a=

18.5

67.446

709.56

-47838.78

INTERPRETANDO ENTONCES LA ECUACION DE LA REGRESION ESTIMADA ES:

y = 5.1485x + 614.31
Y=

-47838.78

67.446

CUADRO N4 ESTADISTICAS DE REGRESION

Estadsticas de regresin
Coeficiente de correlacin
0.27628735
Coeficiente de determinacin R
0.0763347

El coeficiente de determinacin de R*2 est cerca de 0 quiere decir que tienen poca
relacin entre s. Entonces las precipitaciones no depende tanto del nmero de aos.