Regresin y correlacin

1.1 La regresin y

Introduccin La correlacin.

Analizan las relaciones entre dos variables para predecir eventos futuros. que se pueden utilizar para solucionar problemas comunes en los negocios. Y depende de X En el modelo de regresin.

Y es una funcin de X Se lee Y es funcin de X

Y = f(X)

[1.1]

Variable dependiente Y.
Es la variable que se desea explicar o predecir, variable de respuesta. La variable que se pronostica o estima. La variable independiente X.
Tambin se le denomina variable explicativa

Proporciona la base para estimacin. Es la variable preeditora .se utiliza para explicar Y. Diagrama de dispersin: grfica que describe la relacin entre las dos variables de inters.

Cul es la variable dependiente y cul es la variable independiente en el modelo de regresin

Esto depende de la lgica y de lo que el estadstico intente medir.

Se desea analizar la relacin entre las notas de los estudiantes y el tiempo que pasan estudiando. Se recolectaron datos sobre ambas variables.

Es lgico presumir que las notas dependen de la cantidad de tiempo que los estudiantes pasan estudiando.

Por tanto, notas es la variable dependiente tiempo es la variable independiente.

La regresin simple se representa

Y = f(X) [1.1]

Se le denomina regresin bivariada porque slo hay dos variables, una dependiente y una independiente,

El modelo de regresin mltiple

Y es una funcin de dos o ms variables independientes.

En un modelo de regresin mltiple con k variables independientes

Y = f ( X1, X2, X3, ., Xk )

[1.2]

En donde (X1, X2, X3, ., Xk son variables independientes que permiten explicar Y.

Diagramas de dispersin

Los diagramas de dispersin ayudan a ilustrar lo que muestran los datos sin procesar.
Muestran la apariencia de una relacin entre X y Y

Diferentes patrones de diagramas de dispersin:

Lineal, positiva, perfecta Lineal, negativa, perfecta

Lineal, positiva, imperfecta

Lineal, negativa, imperfecta Curva Sin relacin

Relacin lineal negativa perfecta

10 9 8 7 6 5 4 3 2 1 0
0 1 2 3 4 5 X 6 7 8 9 10

Relacin positiva perfecta

10 9 8 7 6 5 4 3 2 1 0
0 1 2 3 4 5 X 6 7 8 9 10

Relacin positiva fuerte

10 9 8 7 6 5 4 3 2 1 0 0 1 2 3 4 5 X 6 7 8 9 10

Relacin negativa fuerte

10 9 8 7 6 5 4 3 2 1 0 0 1 2 3 4 5 X 6 7 8 9 10

Relacin Curvilnea

10 9 8 7 6 5 4 3 2 1 0 0 1 2 3 4 5 X 6 7 8 9 10

Sin Relacin
10 9 8 7 6 5 4 3 2 1 0 0 1 2 3 4 5 X 6 7 8 9 10

Relaciones lineales y curvilneas.

Si X y Y se relacionan en forma lineal, entonces a medida que X cambia, Y cambia en una cantidad constante. Si existe una relacin curvilnea,. Y cambiara en una cantidad diferente a medida que X cambia.

1.2

Determinacin del modelo Regresin lineal simple

Y = b0 + b1X
[1.3]

Ecuacin de la recta

En donde b0 es el intercepto y b1 es la pendiente de la recta. Una relacin como esta es una descripcin inadecuada de la realidad. Es decir no cabe esperar una relacin lineal perfecta entre las variables X e Y, por lo que introducimos una variable aleatoria (la letra griega epsilon)

Y 0 1 X
Ello modificacin la naturaleza del modelo Por tanto mientras que Y = b0+ 1 X era determinista El modelo (1.4) es de naturaleza probabilstica

[1. 4]

Los parmetros 0 y 1, permanecern desconocidos y se pueden estimar slo con los datos mustrales.
Un modelo lineal con base en datos muestrales

Y = b0 + b1 X +

[1.5]

Si conociramos , podra calcular el valor Y. Sin embargo, debido a que es aleatoria. y

Y slo puede estimarse.

El modelo de regresin estimada toma la forma

= b0 + b1 X Y
(que se lee como Y sombrero)

[1.6]

1.3 Mnimos cuadrados ordinarios: Y La recta de mejor ajuste

El propsito del anlisis de regresin es determinar una recta que se ajuste a los datos muestrales mejor que cualquier otra Se recolecta datos sobre los gastos publicitarios y los ingresos por ventas de 5 meses,.
Tabla 1.1

Mes 1 2 3 4 5

Ventas Publicidad (X US $ 1000) (X US $ 100) Us $450 380 540 500 420 US $50 40 65 55 45

Datos de ventas Publicidad .

 se obtienen mediante la recta de regresin y Los valores Y representan el estimado de las ventas.
Esta recta est determinada mediante la estimacin de b0 y b1. un procedimiento matemtico utilizado para estimar esos valores se denomina mnimos cuadrados ordinarios (MCO),

Figura 1.1

La diferencia entre lo que Y era realmente, Yi y lo que se estima que es Error = ( Yi Y i,

es el error.

[1.7]

Debido a que algunos errores son negativos y positivos. MCO producir una recta tal que la suma de errores sea cero:

) 0 ( Y Y i i

MCO tambin asegurar que se minimice la suma de estos errores al cuadrado.

La suma de errores al
cuadrado se minimiza

2 ) ( Y Y min i i

[1.8]

Es decir, MCO minimizar la suma de los errores al cuadrado.

mnimos cuadrados ordinarios; Y Es por esto que se denomina i

produce una recta tal que la suma de los errores al cuadrado es menor de lo que sera con cualquier otra recta.

El mtodo MCO utiliza varias formas de calculo que llegan a los mismos resultados
La pendiente b1 de la recta de regresin, llamada el coeficiente de regresin y el intercepto b0,

Utilizaremos el mtodo Suma de cuadrados ordinario

y X Y

Los parmetros 0 y 1,son desconocidos por lo tanto son los que se van a estimar con los datos mustrales. Utilizaremos el mtodo Suma de cuadrados ordinario Sumas de cuadrados y los productos cruzados
La pendiente de la recta de regresin

b1

SCxy SCx

[1.9]

El intercepto de la recta de regresin

b0 Y b1 X

[1.10]

Estos clculos son extremadamente sensibles a la aproximacin.

Por tanto, se aconseja en aras de la exactitud a efectuar los clculos hasta con cinco o seis cifras decimales.

Para determinar esta recta de mejor ajuste

MCO requiere calcular la suma de cuadrados y productos cruzados.

Suma de los cuadrados de X

SCx

( X
2

X )
(

2 2

X ) n
2

[1.11]

Suma de los cuadrados de Y

SCy

Y
2

(Y

Y ) (

Y ) n

[1.12]

Suma de los productos cruzados de X y Y

SCxy

( X i X )( Y i Y )
( X )( Y ) n
[1.13]

XY

Las primeras porciones de cada una de estas frmulas.

SCx ( X i X ) SCy (Yi Y )

2

SCxy ( X i X )(Yi Y )
Ilustran cmo la recta MCO realmente se basa en las desviaciones de las observaciones a partir de su media.

Se utilizar la segunda versin al hacer los clculos.

1.4 Ejemplo utilizando MCO

Una empresa de trasporte Areo, considera que existe una relacin directa entre los gastos publicitarios y el nmero de pasajeros.

Se recolectaron los valores mensuales por gastos de publicidad y nmero de pasajeros para los n = 15 meses ms recientes. Los datos aparecen en la tabla 1.2, Determinar el modelo de regresin por MCO para ver si esta relacin
existe Coeficiente de regresin y el intercepto

b bX Y 0 1

Tabla 1.2 Datos de regresin para la Aerolnea

Observacin (mes) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Publicidad (en US$1.000`s) (X) 10 12 8 17 10 15 10 14 19 10 11 13 16 10 12 187 Pasajeros (en 1.000`s) (Y) 15 17 13 23 16 21 14 20 24 17 16 18 23 15 16 268 Xy X2 Y2

150 204 104 391 160 315 140 280 456 170 176 234 368 150 192 3.490

100 144 65 289 100 225 100 196 361 100 121 169 256 100 144 2.469

225 289 169 529 256 441 196 400 576 289 256 324 529 225 256 4.960

Las sumas de los cuadrados y de los productos cruzados son:

SCx X
2

( X ) 2

n 2 (187) 2.469 15 137.733333 3

SCy Y 2 ( Y)
SCy Y
2

( Y ) 2

n 2 (268) 4.960 n 171.733333

n (268)2 4.960 n 171.733333

SCx y

n (187)(268) 3.490 15 148.933333

XY -

( X )( Y )

Con Formulas (1.9) establecer el coeficiente de regresin as :y con(1.10 el intercepto )

b1

SCxy SCx 148.933333 137 . 733333 1.0813166

Y 268 Y 17 .86667 n 15
X X n 187 12 .46667 15

1.08

b 0 Y b1 X 17.866667 1.08(12.46667) 4.3865 o 4.40

Yi 4.40 1.08 X i
El modelo de regresin

 4.40 1.08 (10 ) 15 .2 Y i

es 15.200 valor que predice el modelo As, si el valor X = 10 , Y es el N personas decidirn volar en nuestra empresa
Tanto X como Y estn expresadas en miles

4.40 1.08 (11) 16 .28 Y i

El coeficiente de 1.08 significa que por cada incremento de una unidad en X,Y aumentar en 1.08 unidades. 1.080 pasajeros ms
abordarn aviones Figura 1.2

1.-El centro de ubicacin laboral en una universidad desea determinar si los promedios puntuales en notas de los estudiantes puede explicar el nmero de ofertas laborales que ellos reciben despus de graduarse. Los datos siguientes corresponden a los 10 recin graduados.
Estudiante Promedios Ofertas 1 3.25 3 2 2.35 3 3 1.02 1 4 0.36 0 5 3.69 5 6 2.65 4 7 2.15 2 8 1.25 2 9 3.88 6 10 3.37 2

a. Haga un diagrama de dispersin para los datos.

b. Calcule e interprete el modelo de regresin. Qu le dice este modelo

sobre la relacin entre promedios los y las ofertas de trabajo? c. Si Carlos tiene un promedios de 3.22, cuntas ofertas laborales

pronostica usted que l recibir?

2.- Un economista del Departamento de Recursos Humanos est preparando un estudio sobre el comportamiento del consumidor. l recolect los datos que aparecen en miles de dlares para determinar si existe una relacin entre el ingreso del consumidor y los niveles de consumo. Determine cul es la variable dependiente.
Consumidor Ingreso Consumo 1 24.3 16.2 2 12.5 8.5 3 31.2 15 4 28.0 17 5 35.1 24.2 6 10.5 11.2 7 23.2 15 8 10.0 7.1 9 8.5 3.5 10 15.9 11.5 11 14.7 10.7 12 15 9.2

a. Haga un diagrama de dispersin para los datos. b. Calcule e interprete el modelo de regresin. Qu le dice este modelo sobre la relacin entre el consumo y el ingreso? Qu proporcin de cada dlar adicional que se gana se invierte en consumo?

c. Qu consumo pronosticara el modelo para alguien que gana US$27.500?

3.- Un banco que se especializa en crditos para vivienda intenta analizar el mercado de finca raz, midiendo el poder explicativo que las tasas de inters tienen sobre el nmero de casas vendidas en el rea. Se compilaron los datos para un periodo de 10 meses, as:
Mes Inters Casas 1 12.3 196 2 10.5 285 3 15.6 125 4 9.5 225 5 10.5 248 6 9.3 303 7 8.7 255 8 14.2 102 9 15.2 105 10 12 114

a. Haga un diagrama de dispersin para los datos.

b. Calcule e interprete el modelo de regresin. Qu le dice este modelo

sobre la relacin entre las tasas de inters y las ventas de vivienda? c. Si la tasa de inters es del 9.5%, cuntas casas se venderan de acuerdo con el modelo?

4.- Una empresa produce partes para camin que se utilizan en los
semirremolques. El jefe de contabilidad desea desarrollar un modelo de regresin que pueda utilizarse para predecir los costos. El selecciona unidades de produccin fabricadas como una variable de prediccin y

recolecta los datos que se observan aqu. Los costos estn en miles de
dlares y las unidades en cientos.
Unidades Costo 12.3 6.2 8.3 5.3 6.5 4.1 4.8 4.4 14.6 5.2 14.6 4.8 14.6 5.9 6.5 4.2

a. Haga un diagrama de dispersin para los datos. b. Calcule e interprete el modelo de regresin. Qu le dice este modelo sobre la relacin entre produccin y costos? c. Segn el modelo, Cunto costara producir 750 unidades?

5.- El profesor ha anotado que muchos de sus estudiantes se han ausentado de clase este semestre, considera que puede explicar esta falta de asistencia por las distancias a las que sus estudiantes viven del campus. Se prctica una encuesta a once estudiantes sobre cuantas millas deben viajar para asistir a clase y el nmero de clases a las que han faltado.
Millas
Ausencias

5
2

6
2

2
4

0
5

9
4

12
2

16
5

5
2

7
3

0
1

8
4

a. Haga un diagrama de dispersin para los datos. b. Compare e interprete el modelo de regresin Qu determina el profesor? c. A cuantas clases faltara usted si viviera a 3.2 millas del campus, segn el modelo?

1.5 El error estndar de estimacin:

Una medida de bondad de ajuste.

Qu tan bueno es el mejor ajuste en la relacin entre X y Y Por lo menos 2 medidas de bondad de ajuste: 1)El error estndar de estimacin 2) El coeficiente de determinacin.

Refirindonos al primero Mide el grado de dispersin de los valores Yi alrededor de la recta de regresin.
Refleja la tendencia a desviarse del valor real de Y cuando se utiliza el modelo de regresin para fines predicativos. En este sentido, es una medida del error tpico.

Si la recta de regresin pasara por cada uno de los puntos. No se presentarn errores en los pronsticos, y el error estndar de estimacin sera cero
Usualmente habr alguna dispersin en los datos

Figura 1.7
Diagramas de dispersin posibles

El error estndar de estimacin mide esta variacin promedio de los puntos de datos alrededor de la recta de regresin Y Proporciona una medida del error que se presentari en dicha estimacin.

El error estndar de estimacin

Se

2 ( Y Y ) i i

n2

[1.15]

Uno de los supuestos bsicos del modelo MCO es que la varianza en los errores alrededor de la recta de regresin es la misma para todos los valores de X. Entre menor sea el valor de 2, menor ser la dispersin Debido a que 2 es un parmetro, permanecer desconocida, y es necesario estimar su valor con los datos mustrales. Una estimacin insesgada de 2 es el cuadrado medio del error (CME)

La suma de cuadrados
del error

(SCxy ) 2 SCE SCy SCx

[1.16]

En un modelo de regresin simple, se imponen dos restricciones en el conjunto de datos, debido a que se deben estimar dos parmetros, 0 y 1.
Por tanto hay n 2 grados de libertad y CME es:
Cuadrado medio del error

SCE CME n2

[1.17] El error estndar de estimacin es entonces El error estndar

Se CME

[1.18]

Tabla 1.2 Datos de regresin para la Aerolnea

Observacin (mes) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Publicidad (en US$1.000`s) (X) 10 12 8 17 10 15 10 14 19 10 11 13 16 10 12 187 Pasajeros (en 1.000`s) (Y) 15 17 13 23 16 21 14 20 24 17 16 18 23 15 16 268 Xy X2 Y2

150 204 104 391 160 315 140 280 456 170 176 234 368 150 192 3.490

100 144 65 289 100 225 100 196 361 100 121 169 256 100 144 2.469

225 289 169 529 256 441 196 400 576 289 256 324 529 225 256 4.960

Las sumas de los cuadrados y de los productos cruzados son:

SCx X
2

( X ) 2

n 2 (187) 2.469 15 137.733333 3

SCy Y 2 ( Y)
SCy Y
2

( Y ) 2

n 2 (268) 4.960 n 171.733333

n (268)2 4.960 n 171.733333

SCx y

n (187)(268) 3.490 15 148.933333

XY -

( X )( Y )

En el caso de nuestro ejemplo

SCE
xy ) SCE SCy SC x

( SC (SC

2 )2

SC x

(148.9333) 2 171.7333 - (148.9333) 171.7333 - 137 . 7333 137 . 7333 10.6893 CME 10.6893 10.6893 15 CME - 2 0.82226 15 - 2

10.6893

Se

0.82226 0.82226

Se 0.90678 0.82226 o

0.907

0.90678

o 0.907

Proporciona una medida cuantificable de que tan bien se ajusta el modelo a los datos que se han recolectado.

El error estndar siempre se expresa en las mismas unidades que la variable dependiente Y, en este caso miles de pasajeros. Por tanto, el error estndar de 0.907, o 907 pasajeros mide la variabilidad de los valores Y alrededor de la recta de regresin. En anlisis de regresin se tienen dos variables, X y Y. el error estndar de estimacin es una medida de dispersin de los valores Y alrededor de su media, dado un valor X especfico. Como el error estndar de estimacin es similar a la desviacin estndar para una sola variable, puede interpretarse similarmente.
En el ejemplo actual, en donde X = 10.

4.40 1.08 (10 ) 15 .2 Y i

 15,200 es el valor promedio para Y para X es igual a El valor de Y 10 muchas veces.

El error estndar de estimacin, determina un valor de 0.907 por encima y por debajo del valor promedio de 15.2. Estos puntos son 14.29 (15.2 0.907) y 16.11 (15.2 + 0.907). En este caso, el 68.3% de las veces cuando se invierte US$10.000 en publicidad, el nmero de pasajeros estar entre 14.290 y 16.110. El 31.7% del tiempo restante, el nmero de pasajeros exceder de 16.110 o ser menor que 14.290.

Figura 1.8 Error estndar de estimacin

1.7 Anlisis de correlacin

Conjunto de tcnicas estadsticas empleadas para medir la intensidad de la asociacin entre dos variables.

El objetivo del anlisis de correlacin consiste en determinar que tan intensa es la relacin entre dos variables Es decir qu tan bueno es el mejor ajuste.
.

El coeficiente de correlacin (r)

Es una medida de la intensidad de la relacin entre dos variables.
Puede tomar valores entre -1.00 y 1.00.

Valores de -1.00 o 1.00 indican correlacin fuerte y perfecta.

Valores cercanos a 0.0 indican correlacin dbil. Valores negativos indican una relacin inversa y valores positivos indican una relacin directa.

Figura 1.9 Posibles valores para el coeficiente de correlacin r

El coeficiente de correlacin se calcula as:

Coeficiente
de correlacin

Variacin explicada r Variacin total

SCR SCT

[1.22]

Se observa precisamente lo que r est midiendo. La porcin que regresin SCR. est explicada por el modelo de

Con relacin al monto total de la desviacin alrededor de Y , SCT, Como raz cuadrada de SCR/SCT, el coeficiente de correlacin proporciona una medida relativa Por ende mide la fuerza de la relacin entre Y y la variable explicativa X.

La frmula (1.22) es difcil de calcular manualmente. Una frmula ms conveniente

Forma de calcular

el coeficiente de correlacin

SCxy (SCx )(SCy )

[1.23]

En nuestro l caso

148 .93333 r 0.9683 (137 .7333 )(171 .7333 )

Esto indica una relacin positiva fuerte entre los pasajeros y la cantidad de dinero invertido en fines publicitarios.

El coeficiente de determinacin r2
Es otra medida la ms importante de la bondad de ajuste se halla.

Coeficiente de
determinacin

r2

Desviacinexp licada SCR Desviacintotal SCT

[1.24]

una medida de bondad de ajuste

Una frmula ms conveniente de clculo es:

Frmula computacional para

el coeficiente de determinacin

( SCxy ) 2 r ( SCx )( SCy )

2

[1.25]

Proporciona una medida de bondad de ajuste porque revela que porcentaje del cambio en Y se explica por un cambio en X.

El coeficiente de determinacin para nuestro caso

2 2 ( ) 2 ( SCxy ) 2 r r ( ( SCx )()( SC SCY ) 2 2 ( 148 . 9333 ) ( 148 . 9333 ) 2 r r2 (137 .7333 )( 171 (137 .7333 )( 171.7333)) 2 0.93776 o r 2r 0.93776 o 0.94 0.94

Como se puede esperar, r2 puede determinarse ms fcil, simplemente elevando al cuadrado el coeficiente de correlacin r. r2 = (0.9683)2 = 0.94

El 94% del cambio en el nmero de pasajeros se explica mediante un cambio en la publicidad.

Este r2 tiene significado slo para las relaciones lineales. Dos variables pueden tener un r2 de cero y sin embargo estar relacionadas en sentido curvilneo. Adems, no se interpreta este valor como si el 94% del cambio en los pasajeros fuera causado por un cambio en la publicidad. La correlacin no significa causa.

1.8 Limitaciones del anlisis de regresin

Aunque los anlisis de regresin y correlacin con frecuencia han demostrado ser de utilidad en la toma de decisiones para una gran variedad de negocios y de asuntos econmicos, existen ciertas limitaciones en su aplicacin e interpretacin.
Estos no pueden Determinar relaciones causa-efecto.

Adicionalmente, se debe tener cuidado de no utilizar el modelo de regresin para predecir Y para valores de X que estn fuera del rango del conjunto original de datos.

Figura 1.15
Posible relacin X Y

Fin del Capitulo

2 ( SCxy ) r2 ( SCx)(SCy) 2 ( 148 . 9333 ) 2 r (137.7333)(171.7333)

r 0.93776 o 0.94
2

SCx X
2

( X )

n 2 (187) 2.469 15 137.7333333

SCX = Suma de cuadrados de X

SCx X
2

( X )

n 2 (187) 2.469 15 137.7333333

SCE SCy

(SC xy ) 2 SC x
2

(148.9333) 171.7333 137 . 7333 10.6893 10.6893 CME 15 - 2 0.82226

Se 0.82226 0.90678 o 0.907

SCxy SCx

148.933333

137 . 733333
1.0813166 1.08

Las sumas de los cuadrados y de los productos cruzados son:

SCx X
2

( X ) 2

n 2 (187) 2.469 15 137.733333 3

SCy Y 2 ( Y)
SCy Y
2

( Y ) 2

n 2 (268) 4.960 n 171.733333

n (268)2 4.960 n 171.733333

SCx y

n (187)(268) 3.490 15 148.933333

XY -

( X )( Y )

Las sumas de los cuadrados y de los productos cruzados son:

SCx X 2

( X ) 2

n (187)2 2.469 15 137.733333 3

SCy Y 2 ( Y)
SCy Y
2

( Y ) 2

n 2 (268) 4.960 n 171.733333

n (268)2 4.960 n 171.733333

SCx y

n (187)(268) 3.490 15 148.933333

XY -

( X )( Y )

En el caso de nuestro ejemplo

SCE
xy SCE SCy SC x SC x

( SC (SC

22 ) )

(148.9333) 2 171.7333 - (148.9333) 171.7333 - 137 . 7333 137 . 7333 10.6893 CME 10.6893 10.6893 15 CME - 2 0.8222615 - 2

10.6893

Se

0.82226 0.82226

0.90678 Se 0.82226o

0.907

0.90678

o 0.907

Proporciona una medida cuantificable de que tan bien se ajusta el modelo a los datos que se han recolectado.

En el caso de nuestro ejemplo

SCE
xy SCE SCy SC x SC x

( SC (SC

22 ) )

(148.9333) 2 171.7333 - (148.9333) 171.7333 - 137 . 7333 137 . 7333 10.6893 CME 10.6893 10.6893 15 CME - 2 0.8222615 - 2

10.6893

Se

0.82226 0.82226

0.90678 Se 0.82226o

0.907

0.90678

o 0.907

Se = El error estndar de estimacin

Forma de calcular

el coeficiente de correlacin

SCxy (SCx )(SCy )

[1.23]

148 .93333 r 0.9683 (137 .7333 )( 71 .7333 )

Esto indica una relacin positiva fuerte entre los pasajeros y la cantidad de dinero invertido en fines publicitarios.

SCxy SCx

148.933333

137 . 733333
1.0813166 1.08

 4.40 1.08 X Y i i
Observaciones ( meses ) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Sumatoria Promedio

Publucidad Pasageros en en miles de Miles ( Y) $X 10 15 12 17 8 13 17 23 10 16 15 21 10 14 14 20 19 24 10 17 11 16 13 18 16 23 10 15 12 16 187 268 12,46666667 17,86666667

Pronstico Pasageros en Miles

15,19941917 17,36205227 13,03678606 22,76863504 15,19941917 20,60600194 15,19941917 19,52468538 24,93126815 15,19941917 16,28073572 18,44336883 21,68731849 15,19941917 17,36205227