Universidad de San Carlos de Guatemala Facultad de Ciencias Econmicas Escuela de Auditora Onceavo Semestre SIP 11196 Licenciado Titular:

MSC. Luis Ricardo de la Rosa Licenciado Auxiliar: Jared Mendoza Saln 205 Edificio S-12 Grupo 1

TI12 REGRESIN Y CORRELACIN

Grupo 1 Carnet 200315470 200512569 200711378 200711658 200812805 200813686 Apellidos Cano Divas Siliezar Gordillo Rodas Velsquez Cruz Batres Mendizbal Mendoza Lpez Billar Nombres Erwin Rolando Carlos Humberto Karen Stephanie Sonia Marina Annelly Luis Adalberto Sergio Adonas

Guatemala lunes, 09 de Febrero del 2013

Universidad San Carlos de Guatemala Seminario Integrador Profesional

NDICE

I. a) b) c) d) e) f)

ANUALIDADES VARIABLES .............................................................Error! Bookmark not defined. Definicin de Anualidad Variable ..............................................Error! Bookmark not defined. Funcin de las Anualidades Variables .......................................Error! Bookmark not defined. La Fase de Acumulacin ............................................................Error! Bookmark not defined. La Fase de Desembolso .............................................................Error! Bookmark not defined. Caractersticas esenciales de las anualidades Variables ...........Error! Bookmark not defined. Otras definiciones importantes.................................................Error! Bookmark not defined. Intervalo o periodo de pago ..................................................Error! Bookmark not defined. Plazo de la anualidad.............................................................Error! Bookmark not defined. Renta .....................................................................................Error! Bookmark not defined.

Condiciones para que una serie de pagos sea una anualidad ............ Error! Bookmark not defined. g) h) i) j) k) Objetivos de las anualidades .....................................................Error! Bookmark not defined. Principales aplicaciones de las anualidades ..............................Error! Bookmark not defined. poca de valuacin de las anualidades .....................................Error! Bookmark not defined. Objeto de clculo de las anualidades ........................................Error! Bookmark not defined. Clases de anualidades ...............................................................Error! Bookmark not defined. Anualidades Simples .............................................................Error! Bookmark not defined.

Periodos al vencimiento pos pagable o por adelantado prepagables. Error! Bookmark not defined. Anualidad Vencida.................................................................Error! Bookmark not defined. Anualidades anticipadas........................................................Error! Bookmark not defined. Anualidades Diferidas............................................................Error! Bookmark not defined. Anualidad Simple diferida .....................................................Error! Bookmark not defined. Anualidad simple diferida vencida ........................................Error! Bookmark not defined. Anualidad simple diferida Anticipada ...................................Error! Bookmark not defined.

Universidad San Carlos de Guatemala Seminario Integrador Profesional l) II. a) b) c) Anualidades perpetuas..........................................................Error! Bookmark not defined. Plazo Diferido ............................................................................Error! Bookmark not defined. Valor presente de una anualidad simple diferida y vencida. Error! Bookmark not defined. Fecha focal: final del plazo diferido k ....................................Error! Bookmark not defined.

CASOS PRCTICOS ANUALIDADES VARIABLES ..............................Error! Bookmark not defined. Caso 01 ......................................................................................Error! Bookmark not defined. Planteamiento del problema ................................................Error! Bookmark not defined. Anlisis del problema ............................................................Error! Bookmark not defined. Datos .....................................................................................Error! Bookmark not defined. Resolucin .............................................................................Error! Bookmark not defined. Caso 02 ......................................................................................Error! Bookmark not defined. Planteamiento del problema ................................................Error! Bookmark not defined. Anlisis del problema ............................................................Error! Bookmark not defined. Datos .....................................................................................Error! Bookmark not defined. Resolucin .............................................................................Error! Bookmark not defined. Caso 03 ......................................................................................Error! Bookmark not defined. Planteamiento del problema ................................................Error! Bookmark not defined. Datos .....................................................................................Error! Bookmark not defined. Resolucin .............................................................................Error! Bookmark not defined.

Universidad San Carlos de Guatemala Seminario Integrador Profesional

Universidad San Carlos de Guatemala Seminario Integrador Profesional

CAPTULO I

1. REGRESIN La regresin como una tcnica estadstica, una de ellas la regresin lineal simple y la regresin multifactorial, analiza la relacin de dos o ms variables continuas, cuando analiza las dos variables a esta se le conoce como variable bivariantes que pueden corresponder a variables cualitativas, la regresin nos permite el cambio en una de las variables llamadas respuesta y que corresponde a otra conocida como variable explicativa, la regresin es una tcnica utilizada para inferir datos a partir de otros y hallar una respuesta de lo que puede suceder. Siendo as la regresin una tcnica estadstica, por lo tanto para interpretar situaciones reales, pero a veces se manipula de mala manera por lo que es necesario realizar una seleccin adecuada de las variables que van a construir las formulas matemtica, que representen a la regresin, por eso hay que tomar en cuenta variables que tiene relacin, de lo contraria se estara matematizando un galimatas.

Se desarrollara el grado de relacin entre dos o ms variables en lo que llamaremos anlisis de correlacin, para representar esta relacin utilizaremos una representacin grfica llamada diagrama de dispersin.

Universidad San Carlos de Guatemala Seminario Integrador Profesional

1.1 Objetivo

Determinar una ecuacin que permita estimar los valores de la variable dependiente conociendo los valores de la variable independiente.

1.2 Conceptos Importantes

Coeficiente de Correlacin: Son las medidas que indican la situacin relativa de los mismos sucesos, respecto a las 2 variables. Varan entre (-1 a 1). Miden el grado de asociacin. Anlisis de Correlacin: Es un grupo de tcnicas estadsticas que se emplean para medir la intensidad de la relacin entre 2 variables. Coeficiente de determinacin: Proporcin de la variable total en la variable dependiente Y, que se debe a la variacin en la variable independiente X. Diagrama de dispersin: Planos cartesianos en los que se marcan los puntos correspondientes a los pares (X, Y) de los valores de las variables. Ecuacin de regresin: Y= a + bx Como Tcnica Estadstica: La regresin nos permite el cambio en una de las variables llamadas respuesta y que corresponde a otra conocida como variable explicativa, la regresin es una tcnica utilizada para inferir datos a partir de otros y hallar una respuesta de lo que puede suceder.

Universidad San Carlos de Guatemala Seminario Integrador Profesional

Siendo as la regresin una tcnica estadstica, por lo tanto para interpretar situaciones reales, pero a veces se manipula de mala manera por lo que es necesario realizar una seleccin adecuada de las variables que van a construir las formulas matemtica, que representen a la regresin, por eso hay que tomar en cuenta variables que tiene relacin.

1.3 Regresin lineal La regresin lineal simple comprende el intento de desarrollar una lnea recta o ecuacin matemtica lineal que describe la reaccin entre dos variables. La regresin puede ser utilizada de diversas formas. Se emplean en situaciones en la que las dos variables miden aproximadamente lo mismo, pero en las que una variable es relativamente costosa, o, por el contrario, es poco interesante trabajar con ella, mientras que con la otra variable no ocurre lo mismo. La finalidad de una ecuacin de regresin seria estimar los valores de una variable con base en los valores conocidos de la otra. Otra forma de emplear una ecuacin de regresin es para explicar los valores de una variable en trmino de otra. Es decir se puede intuir una relacin de causa y efecto entre dos variables. El anlisis de regresin nicamente indica qu relacin matemtica podra haber, de existir una. Ni con regresin ni con la correlacin se pude establecer si una variable tiene causa ciertos valores de otra variable.

Universidad San Carlos de Guatemala Seminario Integrador Profesional

1.3.1 Mapa de esparcimiento o nube de puntos Es la representacin grfica del predictor y el predictando o sea de las variables consideradas, es decir los datos de dos variables, marcadas en una grfica. Como primer punto cuando se cuenta con dos variables, es representarlas grficamente porque esto permite tener una apreciacin visual del comportamiento lineal o no; tambin se puede apreciar si su comportamiento es positivo o negativo, importante porque si es negativo el valor del coeficiente de regresin b en la ecuacin de regresin tendr signo negativo. 1.3.2 Ecuacin Lineal Cuando se requiere estimar Y en funcin de X, es necesario ajustar un conjunto de datos a una lnea recta, utilizando el mtodo de mnimos cuadrados, a travs de la ecuacin de la lnea recta. Dos caractersticas importantes de una ecuacin lineal 1) La independencia de la recta 2) La localizacin de la recta en algn punto. 3) Una ecuacin lineal tiene la forma: y = a + bx En la que a y b son valores que se determina a partir de los datos de la muestra; a indica la altura de la recta en x= 0, y b seala su pendiente. La variable y es la que se habr de predecir, y, x es la variable predictora.

Universidad San Carlos de Guatemala Seminario Integrador Profesional

a) Ecuaciones normales

b) Frmulas de los parmetros

1.3.3 Determinacin de la ecuacin matemtica En la regresin, los valores de y son predichos a partir de valores de x dados o conocidos. La variable y recibe el nombre variable dependiente y la variable x es la variable independiente. 1.3.4 Mtodos de mnimos cuadrados El procedimiento ms utilizado por adaptar una recta aun conjunto de punto se le que conoce como mtodo de mnimos cuadrados. La recta resultante presenta 2 caracterstica importantes 1) es nula la suma desviaciones verticales en los puntos a partir de la recta 2) es mnima la suma de los cuadrados de dicha desviaciones

Universidad San Carlos de Guatemala Seminario Integrador Profesional

(yi yc)2

En el cual: Yi = valor esperado de y Yc= valor calculado de y utilizando la ecuacin de mnimos cuadrados con el valor correspondientes x para yi Los valores de a y b para la recta es Yc = a + bx que minimiza la suma de los cuadrados de la desviacin ecuaciones normales y = na + (x) xy= a (x) +b (x2) En las que n es el nmero de pares de observaciones. Evaluando las cantidades x, y, etc. Se puede resolver estas dos ecuaciones simultneamente para determinar a, b, la ecuacin puede despejarse. Se obtuvieron dos frmulas una para a y otra para b.

n(xy)- (x)(y) b= n(x2)-(x)2

y b x a= n

10

Universidad San Carlos de Guatemala Seminario Integrador Profesional

1.3.5 Inferencia en el anlisis de regresin Los supuestos para el anlisis de regresin son: a) Existen datos de medicin para a, x, y, z. b) La variable dependiente es una variable aleatoria. c) Para cada valor de x, existe una distribucin condicional de la qu es de naturaleza normal d) La desviacin estndar de toda las distribuciones condicionales son iguales

1.3.6 El error estndar de estimacin La determinante primaria de la exactitud es el grado de dispersin de la poblacin: cuanto ms dispersa este, menor ser la exactitud de la estimacin. El grado de dispersin en la poblacin se puede estimar a partir del grado de dispersin en las observaciones de la muestra con respecto a utilizando la formula. Se = (yi yc) n-2 En la cual: yi = cada valor de y yc = valor de lnea de regresin correspondiente a partir de n de regresin. n = nmeros de observaciones. la lnea de regresin calculada,

11

Universidad San Carlos de Guatemala Seminario Integrador Profesional

La frmula anterior no se utiliza por lo general para clculos reales, es ms fcil trabajar con la formula simplificada: Se = y2 a y b xy n2 1.3.7 Inferencia de la pendiente de una lnea de regresin Aun cuando es muy poca o nula la relacin entre dos variables de una poblacin, es posible obtener valores maestrales que hacen que parezca que las variables estn relacionadas, es importante probar los resultados de tales clculos, a fin de determinar si son significativos (es decir si los parmetros verdaderos no son cero), Si no existe ninguna relacin se esperara obtener aun pendiente cero, se pone a prueba la hiptesis nula, contra la hiptesis alternativa. La significacin del coeficiente de regresin se puede probar comparndolo con su desviacin estndar t= valor de la muestra valor esperado Desviacin estndar

1.3.8 Anlisis de regresin lineal mltiple La regresin mltiple comprende tres o ms variables. Existe solo una variable dependiente, pero hay dos o ms tipo independiente. Esta operacin al desarrollo de una ecuacin que se puede utilizar para predecir valores de y, respecto a valores dados de la diferencia de las variables independientes adicionales es incrementar la capacidad predicativa sobre la de la regresin lineal simple.

12

Universidad San Carlos de Guatemala Seminario Integrador Profesional

Las tcnicas de los mnimos cuadrados se utilizan para obtener ecuaciones de regresin. Yc= a +b1x1+b2x2+bkxk a = ordenada en el origen b1= pendiente k = nmero de variables independientes

Un anlisis de regresin simple de dos variables da lugar a la ecuacin de una recta, un problema de tres variables produce un plano, y un problema de k variables implica un hiperplano de a (k +1) dimensiones.

1.4 Regresin no lineal En estadstica, la regresin no lineal es un problema de inferencia para un modelo tipo: Y = f(x,O)+E Basado en datos multidimensionales x,y, donde f es alguna funcin no lineal respecto a algunos parmetros desconocidos . Como mnimo, se pretende obtener los valores de los parmetros asociados con la mejor curva de ajuste (habitualmente, con el mtodo de los mnimos cuadrados).

13

Universidad San Carlos de Guatemala Seminario Integrador Profesional

Con el fin de determinar si el modelo es adecuado, puede ser necesario utilizar conceptos de inferencia estadstica tales como intervalos de confianza para los parmetros as como pruebas de bondad de ajuste.

El objetivo de la regresin no lineal se puede clarificar al considerar el caso de la regresin polinomial, la cual es mejor no tratar como un caso de regresin no lineal. Cuando la funcin f toma la forma: f(x) = ax2 + bx + c

La funcin f es no lineal en funcin de x pero lineal en funcin de los parmetros desconocidos a, b, y c. Este es el sentido del trmino "lineal" en el contexto de la regresin estadstica. Los procedimientos computacionales para la regresin polinomial son procedimientos de regresin lineal (mltiple), en este caso con dos variables predictoras x y x2. Sin embargo, en ocasiones se sugiere que la regresin no lineal es necesaria para ajustar polinomios.

1.5 Regresin Tcnica La regresin lineal tcnica que usa variables aleatorias, continuas se diferencia del otro mtodo analtica que es la correlacin, porque esta ltima no distingue entre las variables respuesta y la variable explicativa por que las trata en forma separada.

14

Universidad San Carlos de Guatemala Seminario Integrador Profesional

CAPITULO II 2. CORRELACIN Es un mtodo por el cual se relacionan dos variables se pude graficar con un diagrama de dispersin de puntos, a la cual muchos autores le llaman nubes de puntos, encuadrado dentro de un grfico de coordenadas X Y en la cual se pude trazar una recta y cuyos puntos ms cercanos de una recta hablaran de una correlacin ms fuerte, ha esta recta se le denomina recta de regresin, que puede ser positiva o negativa, la primera contundencia a aumentar y la segunda en descenso o decreciente.

Tambin se puede describir un diagrama de dispersin en coordenadas cartesianas valores como en la distribucin en donde la nube de puntos representa los pares de valores.

2.1 Grficos de Recta de Regresin

Es importante poder graficar las lneas de tendencia central ya que es una herramienta muy til para el mercadeo porque es utilizada para evaluar la resistencia que proyectan los precios. Cuando una lnea de tendencia central se rompe ya sea con tendencia al alza o en la baja es porque ocurre un cambio en

15

Universidad San Carlos de Guatemala Seminario Integrador Profesional

los precios, por lo tanto las lneas de tendencia pueden ser alcista cuando se unen los puntos sucesivos y bajista cuando se unen los puntos mximos.

Tambin existen grficos que representan la dispersin de datos dentro de las coordenadas cartesianas, sea las nubes de puntos y que pueden darse segn la relacin que representa, que puede ser lineal, exponencial y sin relacin, esta ltima cuando los puntos estn dispersos en todo el cuadro sin agruparse lo cual sugiere que no hay relacin.

2.1.2 Relacin con la Estadstica

En la Estadstica, la correlacin indica la fuerza y la direccin de una relacin lineal entre dos variables aleatorias. Se considera que dos variables cuantitativas estn correlacionadas cuando los valores de una de ellas varan sistemticamente con respecto a los valores homnimos de la otra:

Si tenemos dos variables (A y B) existe correlacin si al aumentar los valores de A lo hacen tambin los de B y viceversa. La correlacin entre dos variables no implica, por s misma, ninguna relacin de causalidad.

16

Universidad San Carlos de Guatemala Seminario Integrador Profesional

2.2 Correlacin Lineal Simple Estudia el grado de relacin entre dos variables, un alto grado de correlacin no indica relacin causa-efecto entre variables, se puede obtener alta correlacin que en la prctica no tiene significado real, el grado de correlacin indica un resultado matemtico, que de acuerdo al conocimiento de las variables o tema analizado sirve como una herramienta para la toma de decisiones, por esa razn se debe realizar el anlisis de variables que guarden una relacin lgica.

Se puede obtener el grado de correlacin de una variable con relacin a otra, por ejemplo: inversin-utilidad, salarios-produccin, ingresos-gastos. Las medidas estadsticas que permiten medir la relacin son dos coeficientes. a) Coeficiente de terminacin, smbolo b) Coeficiente de correlacin, smbolo r; Ambos coeficientes ; en forma primaria; y

permiten establecer el grado de asociacin o vinculacin

cuantitativa que existe entre dos o ms variables.

Para determinar los coeficientes de correlacin existen varias formulas se citan algunas de ellas:

17

Universidad San Carlos de Guatemala Seminario Integrador Profesional

a) Formula general o directa

Al resultado se antepone el signo de b en la ecuacin de regresin determinada. b) Formula con desviaciones c) Otras formulas

2.2 .1 Caractersticas del coeficiente de correlacin Para r: a) S r > 0, correlacin positiva b) S r < 0, correlacin negativa c) S r = 0, no existe correlacin

18

Universidad San Carlos de Guatemala Seminario Integrador Profesional

d) S r = -1, correlacin perfecta negativa e) S r = 1, correlacin perfecta positiva

f) S -1 r 1, la correlacin es fuerte o dbil, segn se acerque a cero. 2.2.3 Anlisis de Correlacin EL objetivo de un estudio de correlacin es determinar la consistencia de una relacin entre observaciones por partes. El trmino correlacin significa relacin mutua, ye que indica el grado en el que los valores de una variable se relacionan con los valores de otra. Se considera tres tcnicas de correlacin uno para datos de medicin, otro para datos jerarquizados y el ltimo para clasificaciones nominales.

2.2.3.1 Datos Continuos: r de Pearson El grado de relacin entre dos variables continuas se resume mediante un

coeficiente de correlacin que se conoce como r de Pearson en honor del gran matemtico Kart Pearson, quien ideo este mtodo. Esta tcnica es vlida

mientras si es posible establecer ciertos supuestos bastante estrictos. Tales supuestos son los siguientes:

a)

Tanto x como y son variables continuas aleatorias. Es decir, a diferencia del anlisis de referencia de regresin, no es aceptable seleccionar ciertos valores de x, y despus medir y; tanto y como x deben de variar libremente.

19

Universidad San Carlos de Guatemala Seminario Integrador Profesional

b)

La distribucin conjunta de frecuencia es normal. Esto recibe el nombre de de distribucin normal divariada.

2.2.3.2 Carcter de r El coeficiente de relacin presenta dos propiedades que establecen la naturaleza de una relacin entre dos variables. Una es su signo (+ o -) y la otra, es su magnitud. El signo es igual al de la pendiente de una recta que podra ajustarse a los datos si estos se graficaran en un diagrama de dispersin, y la magnitud de r indica cuan cerca est de la recta tales puntos.

2.2.3.3 Mtodo para calcular r Dado que los clculos necesarios pueden requerir mucho tiempo especialmente cuando se resta las medias del grupo de cada observacin se elevan a cuadrado esas diferencias. Existe una versin, la cual simplifica los clculos:

r=

n (xy)-(x)(y)

n(x2)-(x)2 n(y2)(y)2

Existen 3 formas posibles para obtener el valor de r en el caso de datos de medicin: estandarizar cada conjunto y hallar el producto medio, calcular el coeficiente de determinacin r2 y obtener su raz cuadrada como utilizar la formula. Para un conjunto de datos los tres mtodos producirn el mismo valor para r no

20

Universidad San Carlos de Guatemala Seminario Integrador Profesional

obstante cada mtodo agrega algo a la comprensin del significado del trmino correlacin

2.2.4 Inferencia acerca del coeficiente de correlacin El valor del coeficiente de correlacin de la muestra se puede utilizar como un estimado de la correlacin verdadera de poblacin existen varios mtodos para obtener un mtodo de confianza para pero quizs la forma ms directa es usar un diagrama.

2.2.4.1 Prueba de significacin de r Puede ser necesario evaluar una aseveracin con respecto al valor de . La forma ms sencilla es obtener un intervalo de confianza para r y observar si el valor propuesto est incluido en el intervalo de ser as se rechaza a Ho y se acepta la alternativa.

2.2.5 Datos jerarquizados de Spearman Es una tcnica no paramtrica que utiliza para medir la fuerza de una relacin por pares de 2 variables cuando los datos se encuentran en forma jerarquizados. El objeto de calcular un coeficiente de correlacin es determinar el grado en el que dos conjuntos de jerarquizacin concuerdan o no. Esta tcnica tambin se puede extender a calificaciones u otro tipo de medicin si estas se convierten a rangos.

21

Universidad San Carlos de Guatemala Seminario Integrador Profesional

Las medidas de 1 grado de concordancia son los cuadrados de las diferencias entre los dos conjuntos de rangos: si la suma de stos es pequea, esto significa que hay acuerdo; si la suma es grande, esto indica lo contrario.

El clculo real de la correlacin comprende la formula.

rsp = 1 -

6d2 n(n2 -1)

En la cual n es el nmero de observaciones y d2 es la suma de los cuadrados de la diferencia entre los rangos. El coeficiente de correlacin de jerarqua obtenido recibe el nombre de Spearman. La suma de la diferencia es cero. Esto no sirve como una comprobacin til de los clculos aunque no es necesaria en la

frmula.

El procedimiento es como el siguiente: Obtener la diferencia en rango para cada par de observaciones Como comprobaciones, verificar que la diferencias se sumen a 0 Elevar el cuadrado la diferencias Sumar los cuadrados de la diferencia para obtener d2 Calcular rsp

22

Universidad San Carlos de Guatemala Seminario Integrador Profesional

2.2.6 Datos nominales del coeficiente de contingencia

Cuando ambas variables se miden en escalas nominales ( es decir , categoras ) , el anlisis es fcilmente mediante el desarrollo de una tabla de contingencia semejante a la que se utiliz en el anlisis de k proporciones ( prueba de ji cuadrada ), el procedimiento en realidad de aun extensin del anlisis de una tabla r * k. Una medida de relacin es calcular el coeficiente de contingencia en C, donde

x2 C= X2 + N

Un aspecto interesante de una tabla ji cuadrada es que el tamao mximo posible de x2 es funcin de N, de las observaciones y del tamao de la tabla.

En el caso de tabla con los valores cuadrado, esto lleva obtener un valor mximo de C de K1

23

Universidad San Carlos de Guatemala Seminario Integrador Profesional

C max =

En el cual k es el nmero de fila o columnas. Al comparar C con C max se pude obtener una idea de la intensidad de la asociacin entre la variables. Esta es una relacin moderada, no muy intensa.

Su interpretacin exacta en parte de la naturaleza de los datos y de los resultados comparables que se obtengan de otros estudios, por lo que es difcil establecer valores definitivos d intensidades.

Ventajas: No s requiere de supuestos con respecto a la frmula de poblacin Solamente se necesita una medicin nominal ( categoras)

Limitaciones El lmite superior de C es menor que 1.00 incluso Para un correlacin perfecta. El lmite superior depende del tamao de la tabla, por lo que no son comparables los coeficientes de contingencia de tablas diferente El coeficiente de contingencia no es directamente comprable con otras medidas de correlacin, como la r de Pearson y la r de Spearman, o incluso con otras tablas de contingencia de tamao diferente. Cada casilla deber tener una frecuencia esperada por lo menos 5. de tamao

24

Universidad San Carlos de Guatemala Seminario Integrador Profesional

C max solamente se puede calcular a partir de tabla de valores al cuadrado

Coeficiente de Correlacin Cannica El anlisis de correlacin cannica es un mtodo de anlisis multivariante desarrollado por Harold Hotelling. Su objetivo es buscar las relaciones que pueda haber entre dos grupos de variables y la validez de las mismas.

Se diferencia del anlisis de correlacin mltiple en que ste slo predice una variable dependiente a partir de mltiples independientes, mientras que la correlacin cannica predice mltiples variables dependientes a partir de mltiples independientes. La correlacin cannica es una correlacin lineal y, por tanto, slo busca relaciones lineales entre las variables.

Al disear el experimento hay que considerar el tamao de la muestra ya que son necesarias un mnimo de observaciones por variable, para que el anlisis pueda representar las correlaciones adecuadamente.

Finalmente, hay que interpretar las cargas cannicas para determinar la importancia de cada variable en la funcin cannica. Las cargas cannicas reflejan la varianza que la variable observada comparte con el valor terico cannico.

25

Universidad San Carlos de Guatemala Seminario Integrador Profesional

CAPITULO III CASO PRCTICO La empresa Si Estudiamos Ganamos desea saber la relacin existente entre los gastos de energa elctrica y sus ingresos anuales, desendose estimar los ingresos con base a los gastos. La informacin es la siguiente:

Ao

Gastos en Energa Elctrica Q. Miles

Ventas Q Miles 32 42 31 35 26 21

2007 2008 2009 2010 2011 2012

4 10 3 4 2 1

26

Universidad San Carlos de Guatemala Seminario Integrador Profesional

Como primer paso es graficar el predictor y el predictando, en virtud que permitir tener una visin general del comportamiento de estas variables.

a) El mapa de esparcimiento o nube de puntos

Mapa de Esparcimiento
45 40 35 30 25 20 15 10 5 0 1 2 4 3 10 4

GASTOS EN ENERGIA ELECTRICA Q MILES Se observa primero una tendencia lineal y segundo que la tendencia es positiva.

b) Determinar la ecuacin de regresin para estimar los ingresos anuales Ao 2007 x 4 y 32 Xy 180 16 Yc 31 y-yc 1 1,024

27

Universidad San Carlos de Guatemala Seminario Integrador Profesional

2008 2009 2010 2011 2012 TOTAL

10 3 4 2 1 24

42 31 35 26 21 187

420 93 140 52 21 854

100 9 16 4 1 146

44 29 31 27 25 187

-2 2 4 -1 -4 -0.01

1,764 961 1,225 676 441 6,091

a= 31.17 - 2.1184(4) = 31.17 8.4736 = 22.6964

c) La ecuacin de regresin buscada queda con la siguiente expresin:

Yc = 22.6964 + 2.1184X

d) Estimar los ingresos anuales para el 2013, si se gasta en energa elctrica es de Q5,000.00

Yc = 22.6964 + 2.1184(5) = Q 33.29 miles e) Demostrar que (y yc) = 0; Queda demostrado en la tabla de clculo del inciso b. f) Indicar el grado de error de la estimacin

28

Universidad San Carlos de Guatemala Seminario Integrador Profesional

g) Hallar el intervalo para el 68.26% de los casos

h) Indicar cul es el grado de correlacin e interpretar el resultado.

29

Universidad San Carlos de Guatemala Seminario Integrador Profesional

De acuerdo al coeficiente encontrado existe una correlacin positiva altamente significativa en orden de 92.52%, por acercarse a 1, que es la mxima correlacin.

INTRODUCCIN El siguiente estudio ha sido elaborado con el objetivo de analizar y discernir la utilidad de las Anualidades Variables cabe mencionar que el mismo ha sido preparado con la finalidad de ampliar y nutrir los conocimientos del estudiante del Seminario Integrador Profesional, impartido en el onceavo semestre de la carrera de Contadura Pblica y Auditora, de la Universidad de San Carlos de Guatemala. Las Matemticas Financieras son de gran importancia en el mbito profesional y de gran utilidad en proyectos monetarios, y siendo parte de ella anualidades se toma como un aspecto muy importante conocer acerca de las mismas. Por lo que en este trabajo podr encontrar, la definicin de los que es una anualidad variable, las funciones que estn cumplen hoy en da, sus caractersticas esenciales, los objetivos y el papel que toman en torno a las

actividades y transacciones econmico-financieras de hoy en da.

30

Universidad San Carlos de Guatemala Seminario Integrador Profesional

Por anteriormente expuesto se espera que este anlisis le aumente el conocimiento de esta herramienta financiera, puesto que puede ser de gran utilidad al momento de su retiro.

CONCLUSIONES

RECOMENDACIONES

31

Universidad San Carlos de Guatemala Seminario Integrador Profesional

REFERENCIAS BIBLIOGRFICAS

32

Universidad San Carlos de Guatemala Seminario Integrador Profesional

CUESTIONARIO

33

Universidad San Carlos de Guatemala Seminario Integrador Profesional

ANLISIS

Tema de investigacin: Anualidades Variables

34