Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 34 vistas

    Tema - Regresion y Correlacion

    Cargado por

    Carmelasng
    Este documento presenta los conceptos básicos de regresión y correlación lineal simple. Explica que la regresión permite estimar valores de una variable predictando (Y) en función de otra variable predictor (X). Describe cómo calcular la ecuación de regresión lineal y el error estándar de estimación. También define la correlación como una medida de la relación entre dos variables y cómo calcular el coeficiente de correlación.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Tema - Regresion y Correlacion

    Cargado por

    Carmelasng
    34 vistas9 páginas
    Este documento presenta los conceptos básicos de regresión y correlación lineal simple. Explica que la regresión permite estimar valores de una variable predictando (Y) en función de otra variable predictor (X). Describe cómo calcular la ecuación de regresión lineal y el error estándar de estimación. También define la correlación como una medida de la relación entre dos variables y cómo calcular el coeficiente de correlación.

    Título original

    Tema - Regresion y correlacion

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta los conceptos básicos de regresión y correlación lineal simple. Explica que la regresión permite estimar valores de una variable predictando (Y) en función de otra variable predictor (X). Describe cómo calcular la ecuación de regresión lineal y el error estándar de estimación. También define la correlación como una medida de la relación entre dos variables y cómo calcular el coeficiente de correlación.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    34 vistas9 páginas

    Tema - Regresion y Correlacion

    Cargado por

    Carmelasng
    Este documento presenta los conceptos básicos de regresión y correlación lineal simple. Explica que la regresión permite estimar valores de una variable predictando (Y) en función de otra variable predictor (X). Describe cómo calcular la ecuación de regresión lineal y el error estándar de estimación. También define la correlación como una medida de la relación entre dos variables y cómo calcular el coeficiente de correlación.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 9

    APUNTES SOBRE

    REGRESIÓN Y CORRELACIÓN
    LINEAL SIMPLE

    6
    5
    Predictando

    4
    3
    2 Yc = a + bx
    1
    0
    1 2 3 4
    Predictor

    Reyes Donis,José Luis


    Guatemala, Febrero 2015
    Introducción

    Contando con información sobre variables, tales como: ingresos y gastos; ventas y
    años de experiencia, ventas y utilidades. (Variables X, Y), se sabe o se asume que
    guardan relación entre sí; se aplica regresión para estimar valores “Y”, a partir
    de valores “X”, o sea sustituir valores observados por valores calculados.

    Se usa la correlación para cuantificar la relación de las variables X e Y, para


    lo cual se calcula un indicador que se denomina Coeficiente de Correlación. El
    análisis de regresión y correlación, es simple cuando se estudian dos variables;
    es múltiple cuando se estudian tres o más. La correlación parcial es un caso
    particular de correlación múltiple; de las tres o más variables pueden analizarse
    dos, asumiéndose que las demás no influyen.

    Se dice regresión lineal cuando los valores de Y, pueden ser estimados bajo la
    forma Y = a + b X, en cualquier otro caso se denominará regresión o correlación
    no lineal (Curvilínea)

    1. Regresión lineal simple

    Permite estimar una variable llamada Predictando (Y) con relación a otra llamada
    Predictor (X) para lo cual es necesario ajustar una línea recta a un conjunto de
    datos, utilizando el método de mínimos cuadrados, a través de la ecuación de la
    línea recta.
    Y = a + bx; dónde: Y = Predictando, variable que se desea estimar
    a y b = coeficientes de regresión, a = origen y b = pendiente.
    X = Predictor, con base a la que se estima.
    Para encontrar los coeficientes de regresión se pueden utilizar varias fórmulas.

    a) Ecuaciones normales
    ∑ Y = na + b ∑ X
    ∑ XY = a ∑ X + b ∑ X 2

    b) Fórmula de los parámetros

    a= (∑ X 2 ) ( ∑Y ) - ( ∑ X ) ( ∑ XY )

    n ∑X2 - ( ∑X )2

    2
    b= n ( ∑ X Y ) - (∑ X ) ( ∑Y )

    n (∑ X 2 ) - ( ∑ X ) 2

    c) Fórmula abreviada

    a= Y - b X

    b= ∑XY -n XY

    ∑X2 – nX2

    1.1 Propiedades de los mínimos cuadrados

    a) La suma algebraica de las desviaciones de los valores originales respecto a los


    calculados es cero
    ∑ ( Y - Yc ) = 0
    Yc = y calculada o estimada

    b) La suma algebraica de las desviaciones de Y respecto a Yc, al cuadrado es


    mínima, comparada con cualquier otro valor que no sea Yc.

    ∑ ( Y – Yc) 2 es mínima.

    1.2 Error estándar de estimación, símbolo Syx


    La ecuación de regresión permite estimar los valores del predictando (Y) en
    función de los valores del predictor (x). Sin embargo no se sabe el grado de error
    de las estimaciones para lo cual se utiliza la medida estadística denominada, Error
    Estándar de Estimación. Sí Sxy = 0, se dirá que existe estimación perfecta,
    mientras menor sea el valor de Syx, la estimación estará más cercana a la
    realidad. El error estándar mide el grado de dispersión de los valores alrededor de
    la línea de regresión.

    a) Fórmula general: Syx = ∑ ( Y - Yc) 2


    n

    3
    Dónde:
    Y = Predictando ó variable que se desea estimar,
    Yc = Valores de Y calculados con la ecuación,
    n = Números de parejas de la variable

    b) Fórmula abreviada:

    Syx = ∑ Y 2 - a ∑ Y - b ∑ XY
    n
    Dónde:
    X = valores del predictor, o variable dependiente
    Y = Valores del predictando
    a = origen de la ordenada
    b= pendiente de la recta
    n = número de parejas de la variable

    a ) Propiedades de S yx

    Y c ± Syx, agrupa aproximadamente al 68.26 % de los puntos


    Y c ± 2Syx, agrupa aproximadamente al 95.46 % de los puntos
    Y c ± 3Syx, agrupa aproximadamente al 99.72 % de los puntos

    2. Correlación lineal simple


    Estudia el comportamiento de una variable con relación a otra, por ejemplo:
    inversión, utilidad; salarios, producción; ingresos, gastos. Las medidas estadísticas
    que permiten medir la relación son dos coeficientes.
    a) Coeficiente de determinación, símbolo r 2 en forma primaria; y
    c) Coeficiente de correlación, símbolo r.

    Ambos coeficientes permiten establecer el grado de asociación o vinculación


    cuantitativa que existe entre dos o más variables.

    4
    2.1 Características:
    r , siempre es positivo, no dice si la correlación es negativa.
    Para r: (puede ser positivo o negativo)

    a) Sí r = 0, correlación positiva
    b) Sí r = 0, correlación negativa
    c) Sí r = 0, no existe correlación
    d) Sí r = - 1, correlación perfecta negativa
    e) Sí r = 1, correlación perfecta positiva
    f) Sí - 1 ≤ r ≤ 1, la correlación es fuerte o débil, según se acerque a cero.

    3. Nube de puntos o mapa de dispersión

    Es la representación gráfica del predictor y el predictando o sea las variables


    consideradas, es decir cuando dos variables, se marcan en una gráfica.

    4. Ejemplo de regresión y correlación

    Una empresa cuenta con información sobre los gastos en publicidad y sus ventas
    anuales. La información es la siguiente: (Miles de Quetzales)

    Año Gastos en publicidad Ventas

    2009 4 32
    2010 10 42
    2011 3 31
    2012 4 35
    2013 2 26
    2014 1 21

    5
    SE PIDE:
    a) El mapa de dispersión o nube de puntos;
    b) Determinar la ecuación de regresión para estimar las ventas anuales;
    c) Estimar las ventas anuales para 2015, si se gasta en publicidad Q 5, 000.00;
    d) Indicar el grado de error de la estimación;
    e) Hallar el intervalo para el 68.26 % de los casos; y
    f) Indicar cual es el grado de correlación entre las variables e interpretar el
    resultado.

    SOLUCIÓN

    a) Mapa de dispersión o nube de puntos

    50
    40
    Ventas Q.

    30
    20

    10
    0
    1 2 3 4 4 10
    Gastos en publicidad Q.

    b) Ecuación de regresión

    Y = a +bX

    b = ∑ XY - n X Y

    ∑X2- nX2

    a = Y - bX

    6
    Cuadro de cálculo:

    1 2 3 4 5

    Año X Y XY X2 Y2

    2009 4 32 128 16 1,024


    2010 10 42 420 100 1,764
    2011 3 31 93 9 961
    2012 4 35 140 16 1,225
    2013 2 26 52 4 676
    2014 1 21 21 1 441
    TOTAL 24 187 854 146 6,091

    b= 854 - 6 (4 ) ( 31.17)
    146 – 6 ( 4 )

    b = 854 – 748.08 = 105.92 = 2.1184


    146 – 96 50

    a = 31.17 – 2.1184 ( 4 )

    a = 31.17 – 8.4736 = 22.6964

    Y = 22.6964 + 2.1184 X

    7
    c) Estimar las ventas anuales para 2015, si se gasta en publicidad Q 5,
    000.00;

    Yc = 22.6964 + 2.1184 (5 ) = Q 33.2884 Miles

    d) Indicar el grado de error de la estimación

    Syx = ∑ Y 2 - a ∑ Y - b ∑ XY
    n

    Syx = 6091 – 22.6964 * 187 - 2.1184 * 854


    6

    Syx = 6091 - 4244.23 - 1809.11


    6

    Syx = 2.5

    e) Hallar el intervalo para el 68.26 % ...

    Yc ± Syx

    Q30.7884 miles
    33.2884 + 2.5 =
    Q35.7884 miles

    8
    f) Indicar el grado de correlación de las variables.

    r= a ΣY + b ΣXY - n Y 2 Fórmula 104


    ΣY2 - n Y2

    r= 22.6964 ( 187 ) + 2.1184 ( 854 ) - 6 (31.17) 2

    6,031 – 6 ( 31.17 ) 2

    r= 4,244.23 + 1,809.11 - 5,829.41

    6,091 - 5829.41

    r = 223.93 = 0.925* 100 = 92.52 %

    261.59

    Intepretación: existe alta correlación entre las dos variables, con un 92.52 % que
    está cercano a 100.0 % que es la máxima correlación.

    También podría gustarte