T12 Regresion y Correlacion Grupo 9

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA
FACULTAD DE CIENCIAS ECONMICAS

ESCUELA DE CONTADURA PBLICA Y AUDITORA
SEMINARIO DE INTEGRACIN PROFESIONAL
CDIGO: 11196
SALN: 102
LIC. TITULAR: DLFIDO EDUARDO MORALES GABRIEL

LIC. AUXILIAR: ALEX MRIDA
TRABAJO No. 12
REGRESIN Y CORRELACIN
GRUPO No. 9
No
.
1
2
3
4
5
6
7
8
CARNE
NOMBRES Y APELLIDOS
20051251 Melissa de los ngeles Almirez

7
Benavente
20051367
Elder David Herrera Chacn
8
20081279
Arlin Ivonne Castaeda Juanta
2
20081299
Oscar Ren Lpez Velsquez
5
20091247
Norma Lpez Yaque
0
20091330
Aura Maritza Ayala Rodas
2
20101088
Wendy Karina Jocol Garca
3
201011626 Mirian Elizabeth Coy
GUATEMALA, 01 DE AGOSTO DE 2016
NDICE
Contenido
Pgina
INTRODUCCIN
i
CAPTULO NICO
1.1
DISTRIBUCIONES BIDIMENSIONALES
1.2
IDEA DE CORRELACIN
1.3
NUBE DE PUNTOS O DIAGRAMA DE DISPERSIN
1.4
CORRELACIN LINEAL Y RECTA DE REGRESIN
1.5
MEDIDA DE LA CORRELACIN
1.6
ESTIMACIN MEDIANTE LA RECTA DE REGRESIN
1.7
PROPIEDADES DE LA RECTA DE REGRESIN DE LOS

MNIMOS CUADRTICOS
1.8
MAPA DE ESPARCIMIENTO O NUBE DE PUNTOS
1.9
ANLISIS DE REGRESIN
10
1.10 TIPOS ANLISIS DE REGRESIN
11
1.11 REGRESIN LINEAL SIMPLE
11
1.12 DIAGRAMA DE ESPARCIMIENTO, NUBE DE PUNTOS O

MAPA DE DISPERSIN
12
1.13 ERROR ESTNDAR DE REGRESIN
12
1.14 INTERVALO DE CONFIANZA
13
1.15 ANLISIS DE CORRELACIN
21
1.16 TIPOS DE CORRELACIN
21
1.16.1 Correlacin Perfectamente Positiva
22
1.16.2 Correlacin Perfecta Negativa
23
1.16.3 Correlacin Irregular O Nula
24
1.17
COEFICIENTE DE DETERMINACIN
25
1.18
COEFICIENTE DE CORRELACIN
25
1.19
CASO PRACTICO
27
CONCLUSIONES
32
RECOMENDACIONES
33
REFERENCIAS BIBLIOGRFICA
34

INTRODUCCIN
El presente documento contiene una investigacin bibliogrfica sobre el tema de

anualidades variables, realizado por estudiantes de la carrera de Contadura
Pblica y Auditora, de la Facultad de Ciencias Econmicas de la Universidad de
San Carlos de Guatemala, a travs del Seminario de Integracin Profesional,
con el propsito de reforzar los conocimientos adquiridos en el curso de
estadstica, y contribuir a la preparacin de exmenes generales privados de la
carrera de Contadura Pblica y Auditora.
En captulo nico se desarrollara el grado de proporcin entre dos o ms
variables en lo que llamaremos anlisis de correlacin. Para representar esta
concordancia utilizaremos una representacin grfica llamada diagrama de
dispersin, estudiaremos un modelo matemtico para estimar el valor de una
variable basndonos en el valor de otra, en lo que llamaremos anlisis de
regresin.
Finalmente se desarrollar un ejercicio referente al tema, donde se utilizar
datos de una empresa llamada Chapn.
A continuacin, las conclusiones y recomendaciones sugeridas sobre el tema
investigado.
Finalmente,
se
detallan
las
referencias
bibliogrficas,
correspondientes a la informacin documental utilizada como base terica para

la investigacin.
Seminario de Integracin Profesional
pg. 1

CAPTULO NICO
REGRESION Y CORRELACIN
Consiste en encontrar una relacin entre la variable dependiente Y el conjunto
de variables Independientes Xi (Y=f(X1, X2,..Xk) que aproxime a la relacin que
realmente existe entre las variables y que es desconocida, con el objeto de
poder predecir valores de Y, a partir de los valores de Xi.
En el anlisis de regresin se deben contemplar cuatro aspectos que son:
Determinar interrelacin entre variables (test de independencia, etc....)
Determinar tipo de funcin matemtica que relaciona ptimamente las
variables (representacin grfica).
Calcular parmetros de dicha funcin matemtica y determinar bondad de
ajuste.
Realizar predicciones de la variable dependiente a partir de la independiente. 1
1.1 DISTRIBUCIONES BIDIMENSIONALES
Cuando sobre una poblacin estudiamos simultneamente los valores de dos
variables estadsticas, el conjunto de los pares de valores correspondientes a
cada individuo se denomina distribucin bidimensional.
Ejemplo 1:
1 http://www.revistaseden.org/files/14-CAP%2014.pdf
Grupo No. 9
pg. 1

Las notas de 10 alumnos en Matemticas y en Lengua vienen dadas en la

siguiente tabla:
MATEMTICAS
LENGUA
10
Los pares de valores {(2,2), (4,2), (5,5),...;(8,7), (9,10)}, forman la distribucin

bidimensional.
1.2 IDEA DE CORRELACIN
Es frecuente que estudiemos sobre una misma poblacin los valores de dos
variables estadsticas distintas, con el fin de ver si existe alguna relacin entre
ellas, es decir, si los cambios en una de ellas influyen en los valores de la otra.
Si ocurre esto decimos que las variables estn correlacionadas o bien que hay
correlacin entre ellas.
En el ejemplo anterior parece que hay cierta tendencia a que cuanto mejor es la
nota en Matemticas, mejor es la de lengua.
1.3 NUBE DE PUNTOS O DIAGRAMA DE DISPERSIN
La primera forma de describir una distribucin bidimensional es representar los
pares de valores en el plano cartesiano. El grfico obtenido recibe el nombre de
nube de puntos o diagrama de dispersin.
Grupo No. 9
pg. 2

1.4 CORRELACIN LINEAL Y RECTA DE REGRESIN.

Cuando observamos una nube de puntos podemos apreciar si los puntos se
agrupan cerca de alguna curva. Aqu nos limitaremos a ver si los puntos se
distribuyen alrededor de una recta. Si as ocurre diremos que hay correlacin
lineal. La recta se denomina recta de regresin.
Grupo No. 9
pg. 3

Hablaremos de correlacin lineal fuerte cuando la nube se parezca mucho a una

recta y ser cada vez ms dbil (o menos fuerte) cuando la nube vaya
desparramndose con respecto a la recta.
En el grfico observamos que en nuestro ejemplo la correlacin es bastante
fuerte, ya que la recta que hemos dibujado est prxima a los puntos de la nube.
Cuando la recta es creciente la correlacin es positiva o directa: al aumentar una
variable, la otra tiene tambin tendencia a aumentar, como en el ejemplo
anterior. Cuando la recta es decreciente la correlacin es negativa o inversa: al
aumentar una variable, la otra tiene tendencia a disminuir.
Ejemplo 2:
Una persona se entrena para obtener el carnet de conducir repitiendo un test de
50 preguntas. En la grfica se describen el n de errores que corresponden a los
intentos realizados.
Observa que hay una correlacin muy fuerte (los puntos estn "casi" alineados)
y negativa (la recta es decreciente).
Grupo No. 9
pg. 4

Ejemplo 3:
A 12 alumnos de un centro se les pregunt a qu distancia estaba su residencia
del Instituto, con fin de estudiar si esta variable estaba relacionada con la nota
media obtenida. Se obtuvieron los datos que figuran en la siguiente tabla:
Distancia
km)
Nota media
(en
0,05 0,1 0,12 0,4 0,5 0,7 1
8,4
5,7
1,2 2,1 2,5 3
9,1 6,3 6,7 4,3 5,4 7,8 4,5 7,2 8,1
Observamos una nube de puntos que no nos sugiere ninguna recta concreta,
porque la correlacin es prcticamente inexistente, es decir, no tiene nada que
ver con el rendimiento acadmico la distancia del domicilio al instituto,
Grupo No. 9
pg. 5

1.5 MEDIDA DE LA CORRELACIN

La apreciacin visual de la existencia de correlacin no es suficiente. Usaremos
un parmetro, llamado coeficiente de correlacin que denotaremos con la letra r,
que nos permite valorar si sta es fuerte o dbil, positiva o negativa.
El clculo es una tarea mecnica, que podemos realizar con una calculadora o
un programa informtico. Nuestro inters est en saber interpretarlo.
Antes de ponernos a trabajar destacaremos una de sus propiedades
-1 < r < 1
A continuacin tienes unos ejes con una nube de puntos que puedes modificar
haciendo clic sobre ellos con el ratn y arrastrndolos. No tengas miedo de
equivocarte, siempre puedes volver a la posicin inicial pulsando el botn inicio.
Las coordenadas de los puntos las puedes saber con aproximacin naciendo clic
en cualquier punto del plano y arrastrando hasta colocarte encima del punto.
Observa el valor de r, as como el ajuste de la nube a la recta. Intenta deducir las
propiedades de r, relacionando su valor con la forma de la nube y realizando los
siguientes ejercicios.
1. Acerca los puntos a la recta. Hacia qu valor se aproxima r?
2. Aleja los puntos de la recta, separndolos entre s Hacia qu valor se
aproxima r?
3. Mueve los puntos hasta que la recta tenga pendiente negativa, es decir,
sea decreciente. En estas condiciones contesta a las preguntas
anteriores.
Grupo No. 9
pg. 6

4. Si alineas todos los puntos Qu valor aproximadamente toma r?

Anota tus conclusiones en tu cuaderno; puedes ayudarte con el siguiente
esquema:
1.6 ESTIMACIN MEDIANTE LA RECTA DE REGRESIN
Es evidente que no todos dibujaramos exactamente la misma recta para una
nube de puntos, aunque la correlacin fuera bastante fuerte.
De todas las rectas posibles los matemticos han elegido como la mejor
aproximacin la llamada de los mnimos cuadrticos, Su clculo es tambin algo
mecnico que podemos hacer con calculadora o un ordenador. En el siguiente
apartado encontrars un ejercicio para estudiar sus propiedades.
La recta de regresin sirve para hacer estimaciones, teniendo en cuenta que:
Los valores obtenidos son aproximaciones en trminos de probabilidad:

es probable que el valor correspondiente a x 0 sea y0.
La fiabilidad es mayor cuanto ms fuerte sea la correlacin.
La fiabilidad aumenta al aumentar el nmero de datos.
La estimacin es ms fiable para los valores de x prximos a la media.
Ejemplo 1:
Con los datos del primer ejemplo, (las notas de 10 alumnos en Matemticas y en
Lengua), podemos contestar con aproximacin a la siguiente cuestin: si un
alumno no realiz el examen de lengua, pero s el de matemticas, obteniendo
un 7, qu nota cabe esperar que obtuviera en lengua?
Grupo No. 9
pg. 7

MATEMTICAS
LENGUA
10
Observa el punto amarillo, cuya abscisa corresponde a la nota de matemticas y

su ordenada a la nota que esperamos que tenga en lengua. Es resultado es
aproximado y relativamente fiable, ya que la correlacin es fuerte Y el valor de la
nota no est muy prximo a la media, aunque el n de datos que tenemos no es
muy alto.
Puedes cambiar el valor de la nota de matemticas sin ms que cambiar su
valor en el recuadro de la parte inferior.
1.7 PROPIEDADES DE LA RECTA DE REGRESIN DE LOS MNIMOS
CUADRTICOS.
En la siguiente escena puedes comprobar las principales propiedades de la
recta de regresin mnimo-cuadrtica.
1. Observa la recta blanca, cuyos coeficientes a y b puedes hacer variar en
los recuadros inferiores de la escena, bien con las flechas o introduciendo
los valores deseados. Observa los segmentos denominados di, que
marcan las distancias de los puntos de la nube a la recta en la direccin
del eje OY. i
1.8 MAPA DE ESPARCIMIENTO O NUBE DE PUNTOS
Esla representacin grfica del predictor y el predictando o sea de las variables
consideradas, es decir los datos de dos variable, marcadas en un grfica. Como
Grupo No. 9
pg. 8

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.
KMS
VALOR DE COMSUMO DE
COMBUSTIBLE Q.
RECORRIDOS
Y
275
300
260
290
310
325
400
400
425
410
Grupo No. 9
pg. 9

1.9 ANLISIS DE REGRESIN

Es la tcnica ms usada en investigacin econmica y comercial para buscar
una relacin entre 2 o ms variables ligadas de un modo causal. Consiste en
general en: una funcin a partir de datos o informacin conocida para hacer
estimaciones.
1.10 TIPOS ANLISIS DE REGRESIN

a) REGRESIN LINEAL SIMPLE: Se refiere al anlisis de 2 variables.
b) REGRESIN MLTIPLE: Cuando se relacionan 3 o ms variables.
1.11 REGRESIN LINEAL SIMPLE
Para este anlisis es necesario ajustar los datos a una lnea recta, para poder
estimar una variable con relacin a otra. Para esto utilizamos la ecuacin de la
lnea recta:
Y = a+ bx
=== yc = a+ bx = Ecuacin de
Regresin donde:
Yc
Variable estimada o calculada.
ayb =
X
Coeficientes de regresin.
= Variable que sirve para estimar la otra variable. Predictor en base
a ella se estima el predictando. (Variable Independiente).

Y
= Constituye la Variable a estimar y recibe el nombre de Predictando.
(Variable Dependiente).
Ecuaciones Normales:
Grupo No. 9
pg. 10

n.a
+b
XY
= X a
+ b
X2
Frmulas para encontrar "a" y "b":

a =
x2 (y
nx2 -
b =
- x xy
x 2
nxy - x y
nxy2 - x 2
1.12 DIAGRAMA DE ESPARCIMIENTO, NUBE DE PUNTOS O MAPA DE

DISPERSIN:
Es la representacin grfica del Predictor y el predictando. Es una grfica que
nos muestra la forma en que los puntajes de dos variables cualquiera X y Y
estn dispersas. As a cada elemento de una muestra de tamao N se le puede
hacer corresponder un par de nmeros. Los nmeros de cada par son
las
medidas o valores correspondientes a determinadas caractersticas o aspectos

que tienen los elementos de la muestra. El diagrama de esparcimiento es la
representacin grfica de los valores "X" y "Y"
A continuacin se presentan 4 tipos de grficas que muestran los tipos de
relaciones lineales:
RELACIN LINEAL ASCENDENTE
RELACIN LNEAS DESCENDENTE
RELACIN LINEAL CURVILNEA
RELACIN LINEAL CONSTANTE
Grupo No. 9
pg. 11

1.13 ERROR ESTNDAR DE REGRESIN:

(SMBOLO Syx) Mide el grado de error de las estimaciones alrededor de la
lnea de regresin; si este es igual a cero ( 0 ) se dir que existe una estimacin
perfecta.
Propiedades de Syx;
Yc, +, - Syx
Agrupa aproximadamente al
68.26% de los datos.
Yc , +, - 2 (Syx) = Agrupa aproximadamente al

Yc , +, - 3 (Syx) = Agrupa aproximadamente al
Hay dos formas de calcularlo:
1.) Varianza no explicada (ve)
___________
Syx =
(y- yc)
N
2.) Formula general
Syx =
y2 - y a - XY b
N
Grupo No. 9
pg. 12

1.14 INTERVALO DE CONFIANZA

Yc = Z+,- Syx
APLICACIN: Al tabular los costos
empresa
Unitarios
y la produccin de una
industrial durante el ao anterior, se encontr
el siguiente
comportamiento:
COSTO POR
PROD EN MILES
UNIDAD
Q
DE UNIDADES
1.00
20
Q. 2.00
15
3.00
12
Q. 4.00
11
Q. 5.00
1.) Con los datos tabulados de la contabilidad de la empresa se pide: Elaborar

la representacin grfica sabiendo que la empresa
desea estimar su
produccin.
x2
y2
xy
1 20 1
400
20
15 4
225
30
12 9
144
36
11 16
121
44
49
35
939
165
25
15 65 55
Grupo No. 9
pg. 13

DESARROLLO:
DATOS
15
65
x2
55
y2
939
xy
165
2). Encuentre la Ecuacin de Regresin del comportamiento de la produccin

en funcin de los costos unitarios
65
5 a + 15b (-3) Factor que multiplica a la Ec.

b = -30
-195 = -15a -45b
b= -3
165 = 15 a + 55b
165 = 15a +55b
10
-30 =
10B
Encontrar "a":
65 = 5 a + 15 (-3)
Valor de b
65 = 5 a - 45
Grupo No. 9
pg. 14

-5 a = -65 45
a = -110
= a = 22
-5
La Ecuacin de regresin de la Produccin en funcin de los costos =
Y=
22 3x
3.) OBTENER "a" y "b" por Frmula:

a=
(x2 ) (y) (x) (xy)

n x2
b =
n xy n x2 -
a =
(x)2
(x) (y)
(x) 2
( 55 ) (65) (15) (165)

5
b=
(55) - (15) 2
5 (165) (15) (65)

5
(55) - (15) 2
3575 2475
= 1100
275 - 225
825 975
275 225
a = 22
50
-150
b = -3
50
Grupo No. 9
pg. 15

4.) El Departamento de Ventas de la empresa solicita le indique qu nmero de

unidades puede producir el presente ao, si segn estudios se considera que su
costo unitario ser igual a Q.3.75
Y = a + bx
Yc =
22 3 (3.75)
Yc =
22 11.25
= 10.75
5.) Calcular en error estndar de regresin;
y2 - y.a - xy.b
Syx =
Syx =
939 22 ( 65) (-3)
165
Syx =
939 1430 + 495

5
4
5
Syx = 0.894427191
Yc
Yc=22-3x
(y-Yc)
(y-Yc)2
19
22 - 3 (1)
Grupo No. 9
pg. 16

16
22 - 3 (2)
-1
13
22 - 3 (3)
-1
10
22 - 3 (4)
22 - 3 (5)
65
xxxx
Otra forma:
Syx =
(y- yc)2
N
___________
Syx =
4
5
Syx = 0.894427191
6.) Estimar por intervalo la produccin para costo de Q.6.00 con un 85% de
confianza
yc = a +bx
4 +, - 1.43 (0.89442719)
yc = 22 +-3 (6)
4 + 1.28
= 5.28
yc = 22 18
4 1.28
= 2.72
yc = 4
La produccin estimada para costos de
Q 6.00 oscila entre 2.72 y 5.28
miles de unidades.
7.) Segn el presupuesto de la empresa para el presente ao su produccin
alcanzar la suma de 11,500 unidades. Se quiere saber a qu costo debe
Grupo No. 9
pg. 17

producir?
En ejemplos anteriores en base al costo se estima la produccin, en
este caso es a la inversa. Entonces, para el desarrollo de este caso se invierte

la frmula original Yc = a + bx
por la siguiente:
Xc = a + by
As como las ecuaciones normales, las cuales quedan as:

x = n. A + yb
xy = y a + y2b
15 =
5a + 65b (-13)
165 = 65a + 939b

-195 = - 65a - 845b
165 = 65a + 939b
-30
94b
b = -30
b = -0.31915
94
Encontrar el valor de "a":
15 = 5 a + 65 ( -0.31915 ) 15 = 5 a 2074475
-5 a = -15 20.74475
-5 a = -35.74475
a = 7.14895
La Ecuacin de los costos en funcin de la produccin queda:

X = 7.14895 - 0.31915y
Costos a que debe producir:
Xc = 7.14895- 0.31915 ( 11.5)
Grupo No. 9
pg. 18

Xc = 3.48
8.) Con las ecuaciones de regresin de la produccin en funcin de los costos
unitarios y los costos unitarios en funcin de la produccin, encontrar
el
promedio del costo por unidad y el costo promedio.

Las ecuaciones encontradas son:
Y=223x
X = 7.1489 0.319148y
Las colocamos en orden:
y = 22.0000 3x
0.319148y =
7.1489
y =
-0.9574y = -21.4467
0.0426y =
- x (-3) Se multiplica por este valor la 2. Ecuacin

22.0000 3x
+ 3x
0.5533
Y = 0.5533 = 12.9882
Y = 13 Produccin
0.0426
Comprobacin:
Promedio
Y=
65
= 13
5
Costo Promedio:
Y= 22-3X
= 13 = 22 3 (X)
3X = 22 13
Grupo No. 9
pg. 19

3X = 9
X=3
Comprobacin
X=
15 = 3
5
1.15 ANLISIS DE CORRELACIN
Mide el grado de asociacin de dos o ms variables. La correlacin tambin se
puede usar por s misma para medir el grado de asociacin de dos variables.
SMBOLO
Si r es igual a 0
" r
= no existe correlacin
Si r mayor que 0
= correlacin positiva
Si r menor que 0
= correlacin negativa
Si r es igual a menos 1 = correlacin perfecta negativa

Si r es igual a uno
= correlacin perfecta positiva.
Entonces los lmites o extremos del coeficiente de correlacin son 1y 1.

1.16 TIPOS DE CORRELACIN
a.) Por el comportamiento de las variables: positiva, negativa y nula o irregular
B) por el nmero de variables: simple, mltiple y parcial
Grupo No. 9
pg. 20

1.16.1 Correlacin perfectamente positiva

Aumenta una variable y la otra tambin aumenta o a la inversa.
Precio
Ingresos
Venta
(x)
1.0
(y)
10.00
2.0
12.00
3.0
14.00
4.0
16.00
5.0
18.00
15
70.00
=================
Mapa de Dispersin
Correlacin perfecta positiva r = 1
Grupo No. 9
pg. 21

1.16.2 Correlacin perfecta negativa

Una variable aumenta la otra disminuye.
Costo
Unids
Unidad Vendida
(x)
(y)
18.00
160.00
16.00
180.00
15.00
190.00
14.00
200.00
13.00
210.00
76.00
940.00
===================
Mapa de Dispersin
Correlacin perfecta negativa r = -1
Grupo No. 9
pg. 22

1.16.3 Correlacin irregular o nula

No sabemos el compartimiento de la variable, Eje. Aumentamos costo, las
ventas puede que aumenten o disminuyan.
Precios
Ingresos
(y)
1.00
11.00
2.00
9.00
3.00
2.00
4.00
15.00
5.00
8.00
15.00
45.00
===================
Mapa de Dispersin
No hay correlacin
r=0
Grupo No. 9
pg. 23

1.17 COEFICIENTE DE DETERMINACIN

Es la forma primaria por la cual se puede medir la extensin o fuerza, de la
asociacin que existe entre 2 variables X y Y.
r2 =
a (y) + b (xy) - n ( y )2
y2 - n ( y )2
1.18 COEFICIENTE DE CORRELACIN

Sirve para medir la relacin entre dos variables. Es la segunda medida que se
pueda usar para describir lo bien que una variable se explica por otra.
Cuando se est tratando de muestras, el coeficiente de correlacin se denota
por 1 y es la raz cuadrada del coeficiente de determinacin muestral.
Frmula
.r =
r2
o bien:
.r =
a (y) + b (xy) - n ( y promedio)2

Grupo No. 9
pg. 24

y2 - n (y promedio)2
APLICACIN:
Con los datos del ejemplo que se ha desarrollado en el Anlisis de
Regresin, calcular la forma en que primariamente se relacionan las
variables:
r2 =
a (y) + b (xy) - n ( y promedio)2

y2 - n (y promedio)2
.r 2= 65 (22) + 165 (-3) - 5 ( 13)2

939 - 5 (13)2
.r2 = 0.957447
A continuacin calcular el grado de asociacin entre las dos variables, (la

fuerza o extensin en que se asocian las variables):
r=
r=
0.957447
0.978492
Por ser r mayor que cero se dice que la correlacin es positiva. ii
Grupo No. 9
pg. 25

1.19 CASO PRCTICO

La empresa Chapn le proporciona a usted como asesor financiero de la
empresa la siguiente informacin en miles de quetzales:
Aos
Costos
50
60
65
70
90
Ventas (Q.
65
70
75
85
105
miles)
Se pide:
a) Determinar la ecuacin de regresin para estimar las ventas;
b) Determinar las ventas para un costo de Q. 120,000.00;
c) Determinar el grado de asociacin entre las dos variables;
d) Interpretar el coeficiente hallado en el inciso anterior; y
e) El error estndar de estimacin.
Costos
Ventas
(x)
(y)
xy
x2
y2
50
65
3250
2500
4225
60
70
4200
3600
4900
65
75
4875
4225
5625
70
85
5950
4900
7225
90
105
9450
8100
11025
335
400
27725
23325
33000
Grupo No. 9
pg. 26

a) Ecuacin de regresin
a=
(x) ( xy) (y) (x2)

( x)2 n(x2)
a
=
(335) ( 27725) (400) (23325)

(335)2 - 5 (23325)
a = -42125
-4400
a = 9.57
b=
(y) ( x) n (xy)
( x)2 n(x2)
b=
(400) (335) 5 (27725)

(335)2 - 5 (23325)
b=
-4625
-4400
b = 1.05
Yc = 9.57 + 1.05
Grupo No. 9
pg. 27

b) Ventas para un costo de Q 120,000.00

Y (20,000) = 9.57 + 1.05
(120)
Y (20,000) = 135.71
c) Grado de asociacin de las variables
40
80
r =
a ( y) + (b)( xy) n()2

( y2) n( )2
(9.57) (400) + (1.05) (27725)

(5) (80)2
r=
(33000) (5) (80)2
972.30113
r=
6
1000
r=
0.9723011
Grupo No. 9
pg. 28

r = 0.9861
d) Interpretacin del coeficiente de correlacin
Coeficiente de correlacin positivo, lo que implica que al aumentar una variable
(Costos) la otra (Ventas) tambin aumenta.
e) Error Estndar de Estimacin
Syx =
y2 a y b xy
N
(33000) (9.57) (400) (1.05)

Syx =
(27725)
5
Syx =
60.75
5
Syx =
12.15
Syx = 3.49
Grupo No. 9
pg. 29

CONCLUSIONES
1. La correlacin es frecuente que estudiemos sobre una misma poblacin
los valores de dos variables estadsticas distintas, con el fin de ver si
existe alguna relacin entre ellas. La primera forma de describir una
distribucin bidimensional es representar los pares de valores en el plano
cartesiano.
2. Cuando observamos una nube de puntos podemos apreciar si los puntos
se agrupan cerca de alguna curva. El anlisis de regresin es la tcnica
ms
usada en investigacin econmica y comercial para buscar una
relacin entre 2 o ms variables ligadas de un modo causal.

Grupo No. 9
pg. 30

Grupo No. 9
pg. 31

RECOMENDACIONES
1. Al realizar estimar una variable con base a la otra se trata de regresin y

si se desea conocer la relacin existente entre variables entonces se
refiere al tema de correlacin.
2. La regresin y correlacin son una herramienta estadstica para la toma

de decisiones por tal motivo nos proporcionan indicadores que nos lleva a
conocer el comportamiento de una variable a otra, la cual de esta manera
obtendremos los resultados esperados.
Grupo No. 9
pg. 32

REFERENCIAS BIBLIOGRFICAS
LIBROS
1. Libro de Estadstica I Gua de Estudio, Jos Luis Reyes Donis,
Catedrtico de Estadstica, facultad de ciencias economas, Segunda
Edicin, Pg. 189 a 201.
E-GRAFA
1. Recuperado de: http:
//recursostic.educacion.es/descartes/web/materiales_didacticos/Correlaci
on_regresion_recta_regresion/correlacion_y_regresion.htm, fecha de
consulta: 01 de agosto del 2016.
Grupo No. 9
pg. 33
i..http://recursostic.educacion.es/descartes/web/materiales_didacticos/Correlacion_
ii Libro de Estadstica I Gua de Estudio, Jos Luis Reyes Donis, Catedrtico de Estadstica, facultad
de ciencias economas, Segunda Edicin, Pg. 189 a 201.

T12 Regresion y Correlacion Grupo 9

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

T12 Regresion y Correlacion Grupo 9

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA

FACULTAD DE CIENCIAS ECONMICAS

LIC. TITULAR: DLFIDO EDUARDO MORALES GABRIEL

20051251 Melissa de los ngeles Almirez

NUBE DE PUNTOS O DIAGRAMA DE DISPERSIN

CORRELACIN LINEAL Y RECTA DE REGRESIN

ESTIMACIN MEDIANTE LA RECTA DE REGRESIN

PROPIEDADES DE LA RECTA DE REGRESIN DE LOS

MAPA DE ESPARCIMIENTO O NUBE DE PUNTOS

1.10 TIPOS ANLISIS DE REGRESIN

1.11 REGRESIN LINEAL SIMPLE

1.12 DIAGRAMA DE ESPARCIMIENTO, NUBE DE PUNTOS O

1.13 ERROR ESTNDAR DE REGRESIN

1.14 INTERVALO DE CONFIANZA

1.15 ANLISIS DE CORRELACIN

1.16 TIPOS DE CORRELACIN

1.16.1 Correlacin Perfectamente Positiva

1.16.2 Correlacin Perfecta Negativa

1.16.3 Correlacin Irregular O Nula

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA

El presente documento contiene una investigacin bibliogrfica sobre el tema de

correspondientes a la informacin documental utilizada como base terica para

Seminario de Integracin Profesional

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA

Las notas de 10 alumnos en Matemticas y en Lengua vienen dadas en la

Los pares de valores {(2,2), (4,2), (5,5),...;(8,7), (9,10)}, forman la distribucin

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA

1.4 CORRELACIN LINEAL Y RECTA DE REGRESIN.

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA

Hablaremos de correlacin lineal fuerte cuando la nube se parezca mucho a una

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA

0,05 0,1 0,12 0,4 0,5 0,7 1

1,2 2,1 2,5 3

9,1 6,3 6,7 4,3 5,4 7,8 4,5 7,2 8,1

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA

1.5 MEDIDA DE LA CORRELACIN

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA

4. Si alineas todos los puntos Qu valor aproximadamente toma r?

Los valores obtenidos son aproximaciones en trminos de probabilidad:

La fiabilidad es mayor cuanto ms fuerte sea la correlacin.

La fiabilidad aumenta al aumentar el nmero de datos.

La estimacin es ms fiable para los valores de x prximos a la media.

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA

Observa el punto amarillo, cuya abscisa corresponde a la nota de matemticas y

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA

primer punto cuando se cuenta con dos variables, es representarlas

comportamiento lineal o no; tambin se puede apreciar si su comportamiento es

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA

1.9 ANLISIS DE REGRESIN

1.10 TIPOS ANLISIS DE REGRESIN

Variable estimada o calculada.

= Variable que sirve para estimar la otra variable. Predictor en base

a ella se estima el predictando. (Variable Independiente).

= Constituye la Variable a estimar y recibe el nombre de Predictando.

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA

Frmulas para encontrar "a" y "b":

1.12 DIAGRAMA DE ESPARCIMIENTO, NUBE DE PUNTOS O MAPA DE

medidas o valores correspondientes a determinadas caractersticas o aspectos

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA

1.13 ERROR ESTNDAR DE REGRESIN:

Yc , +, - 2 (Syx) = Agrupa aproximadamente al

2.) Formula general