1. Regresión
1.1. La recta de regresión es la que mejor se ajusta a la nube de puntos. La recta de regresión pasa por el punto (x,y) llamado centro de gravedad.
1.1.1. Recta de regresión de Y sobre X
1.1.1.1. La recta de regresión de Y sobre X se utiliza para estimar los valores de la Y a partir de los de la X.
1.1.2. Recta de regresión de X sobre Y
1.1.2.1. La recta de regresión de X sobre Y se utiliza para estimar los valores de la X a partir de los de la Y.
2. Correlación
2.1. La correlación trata de establecer la relación o dependencia que existe entre las dos variables que intervienen en una distribución bidimensional.
2.1.1. Tipos de Correlación
2.1.1.1. Correlación Directa
2.1.1.1.1. La correlación directa se da cuando al aumentar una de las variables la otra aumenta.
2.1.1.2. Correlación Inversa
2.1.1.2.1. La correlación inversa se da cuando al aumentar una de las variables la otra disminuye.
2.1.1.3. Correlación Nula
2.1.1.3.1. La correlación nula se da cuando no hay dependencia de ningún tipo entre las variables.
2.1.2. Grado de Correlación
2.1.2.1. Correlación Fuerte
2.1.2.1.1. La correlación será fuerte cuanto más cerca estén los puntos de la recta.
2.1.2.2. Correlación Débil
2.1.2.2.1. La correlación será débil cuanto más separados estén los puntos de la recta.
2.1.2.3. Correlación Nula
2.1.2.3.1. NO existe algún tipo de patrón o relación entre ellas.
2.1.3. Coeficiente de Correlación Lineal
2.1.3.1. El coeficiente de correlación lineal es el cociente entre la covarianza y el producto de las desviaciones típicas de ambas variables.
2.1.3.2. El coeficiente de correlación lineal se expresa mediante la letra r.