Repblica Bolivariana de Venezuela

Facultad de Ciencias Econmicas, Administrativas y Gerenciales

Universidad Valle del Momboy
Valera edo. Trujillo

Integrantes

AN
LISIS
DE
REG
RESI
N

Valentina Montilla 26616391

Luzmar Viloria 26412156
Genesis Perdomo 26412157
Stefani Matos 26877703
Albamy Materan 26324297
Maria F. Materan 27154156

Trujillo, 31 de Noviembre de 2016.

INTRODUCCIN
1

El anlisis de la regresin es un proceso estadstico para estimar las

relaciones entre variables. Incluye muchas tcnicas para el modelado y anlisis de
diversas variables, cuando la atencin se centra en la relacin entre una variable
dependiente y una o ms variables independientes. Este ayuda a entender cmo
el valor de la variable dependiente vara al cambiar el valor de una de las variables
independientes, manteniendo el valor de las otras variables independientes fijas.
Ms comnmente, el anlisis de regresin estima la esperanza condicional de la
variable dependiente dadas las variables independientes - es decir, el valor
promedio de la variable dependiente cuando se fijan las variables independientes.
Con menor frecuencia, la atencin se centra en un cuantil, u otro parmetro de
localizacin de la distribucin condicional de la variable dependiente dadas las
variables independientes.
En todos los casos, el objetivo es la estimacin de una funcin de las
variables independientes llamada la funcin de regresin. En el anlisis de
regresin, tambin es de inters para caracterizar la variacin de la variable
dependiente en torno a la funcin de regresin que puede ser descrito por
una distribucin de probabilidad.
La tcnica de regresin lineal simple est indicada cuando se pretende
explicar una variable respuesta cuantitativa en funcin de una variable explicativa
cuantitativa tambin llamada variable independiente, variable regresora o variable
predictora. Por ejemplo, se podra intentar explicar el peso en funcin de la altura.
El modelo intentara aproximar la variable respuesta mediante una funcin lineal
de la variable explicativa. A partir de la presente investigacin, se pretende mostrar
la aplicacin prctica de la regresin y correlacin lineal simple y mltiple

DESARROLLO
2

La regresin y la correlacin son dos tcnicas estrechamente relacionadas

y comprenden una forma de estimacin.
En forma ms especifica el anlisis de correlacin y regresin comprende el
anlisis de los datos mustrales para saber qu es y cmo se relacionan entre si
dos o ms variables en una poblacin.
El anlisis de correlacin produce un nmero que resume el grado de la
correlacin entre dos variables; y el anlisis de regresin da lugar a una ecuacin
matemtica que describe dicha relacin.
Resulta til para un trabajo de exploracin cuando un investigador o
analista trata de determinar que variables son potenciales importantes, el inters
radica bsicamente en la fuerza de la relacin. La correlacin mide la fuerza de
una entre variables; la regresin da lugar a una ecuacin que describe dicha
relacin en trminos matemticos
Los datos necesarios para anlisis de regresin y correlacin provienen de
observaciones de variables relacionadas.
ANALIS DE REGRESIN
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 utilizadas 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
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 valore de (y), respecto a
valores dados de la diferencia variables independientes adicionales es incrementar
la capacidad predicativa sobre la de la regresin lineal simple.
3

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 variable 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.
ANLISIS DE CORRELACIN
La correlacin trata de establecer la relacin o dependencia que existe entre las
dos variables que intervienen en una distribucin bidimensional.
Es decir, determinar si los cambios en una de las variables influyen en los cambios
de la otra. En caso de que suceda, diremos que las variables estn
correlacionadas o que hay correlacin entre ellas.
TIPOS DE CORRELACIN
1. CORRELACIN DIRECTA
La correlacin directa se da cuando al aumentar una de las variables la otra
aumenta.
La recta correspondiente a la nube de puntos de la distribucin es una recta
creciente.

2. CORRELACIN INVERSA
La correlacin inversa se da cuando al aumentar una de las variables la otra
disminuye.
La recta correspondiente a la nube de puntos de la distribucin es una recta
decreciente.

3. CORRELACIN NULA
La correlacin nula se da cuando no hay dependencia de ningn tipo entre las
variables.
En este caso se dice que las variables son incorreladas y la nube de puntos tiene
una forma redondeada.

GRADO DE CORRELACIN
El grado de correlacin indica la proximidad que hay entre los puntos de la nube
de puntos. Se pueden dar tres tipos:
1. CORRELACIN FUERTE
La correlacin ser fuerte cuanto ms cerca estn los puntos de la recta.

2. CORRELACIN DBIL
La correlacin ser dbil cuanto ms separados estn los puntos de la recta.

COEFICIENTE DE CORRELACIN
La razn de la variacin explicada a la variacin total se llama coeficiente de
determinacin. Si la variacin explicada es cero, es decir, la variacin total es toda
no explicada, esta razn es cero. Si la variacin no explicada es cero, es decir, la
variacin total es toda explicada, la razn es uno. En los dems casos la razn se
encuentra entre cero y uno. Puesto que la razn es siempre no negativa, se
denota por r2 . La cantidad r se llama coeficiente de correlacin y est dado por:

r=

Variacin explicada
Variacin total

(Yest . Y)2
(Y Y)2

y vara entre -1 y +1, los signos se utilizan para la correlacin lineal positiva y la
correlacin lineal negativa, respectivamente. Ntese que r es una cantidad sin
dimensiones, es decir, no depende de las unidades empleadas. De esta manera
un valor de r igual a +1 implica una relacin lineal perfecta con una pendiente
positiva, mientras que un valor de r igual a -1 resulta de una relacin lineal
perfecta con pendiente negativa. Se puede decir entonces que las estimaciones
mustrales de r cercanas a la unidad en magnitud implican una buena correlacin
o una asociacin lineal entre X y Y, mientras que valores cercanos a cero indican
poca o ninguna correlacin.
Otra forma de medir el coeficiente de correlacin muestral es:

r=

1-

S2 Y . X
S2 Y

Ecuaciones similares se obtienen cuando se intercambian X y Y.

COEFICIENTE DE CORRELACIN LINEAL
El coeficiente de correlacin lineal es el cociente entre la covarianza y el
producto de las desviaciones tpicas de ambas variables. El coeficiente de
correlacin lineal se expresa mediante la letra r.
1 r
PROPIEDADES
1. El coeficiente de correlacin no vara al hacerlo la escala de medicin. Es
decir, si expresamos la altura en metros o en centmetros el coeficiente de
correlacin no vara.
6

2. El signo del coeficiente de correlacin es el mismo que el de la covarianza.

Si la covarianza es positiva, la correlacin es directa.
Si la covarianza es negativa, la correlacin es inversa.
Si la covarianza es nula, no existe correlacin.
3. El coeficiente de correlacin lineal es un nmero real comprendido entre 1
y 1.
4. Si el coeficiente de correlacin lineal toma valores cercanos a 1 la
correlacin es fuerte e inversa, y ser tanto ms fuerte cuanto ms se
aproxime r a 1.
5. Si el coeficiente de correlacin lineal toma valores cercanos a 1 la
correlacin es fuerte y directa, y ser tanto ms fuerte cuanto ms se
aproxime r a 1.
6. Si el coeficiente de correlacin lineal toma valores cercanos a 0, la
correlacin es dbil.
7. Si r = 1 1, los puntos de la nube estn sobre la recta creciente o
decreciente. Entre ambas variables hay dependencia funcional.

EJERCICIO 1
PASO 1: Las notas de 12 alumnos de una clase en Matemticas y Fsica
son las siguientes:
Matemtic
a
2
3
4
4
5
6
6
7
7
8
10
10

Fsica
2
3
4
4
5
6
6
7
7
8
10
10

PASO 2: Hallar el coeficiente de correlacin de la distribucin e interpretarlo

Xi

Yi

Xi Yi

Xi 2

Yi2

2
3
4
4
5
6
6
7
7
8
10
10
72

1
3
2
4
4
4
6
4
6
7
9
10
60

2
9
8
16
20
24
36
28
42
56
90
100
431

4
9
16
16
25
36
36
49
49
64
100
100
504

1
9
4
16
16
16
36
16
36
49
81
100
380

PASO 3:
Hallamos las medias aritmticas.

Calculamos la covarianza.

Calculamos las desviaciones tpicas.

Aplicamos la frmula del coeficiente de correlacin lineal.

Al ser el coeficiente de correlacin positivo, la correlacin es directa.

Como coeficiente de correlacin est muy prximo a 1 la correlacin es muy
fuerte.
NOTA: CUANDO EL COEFICIENTE DE CORRELACIN ES
NEGATIVO, LA CORRELACIN ES INVERSA.

EJERCICIO 2
Cinco nios de 2, 3, 5, 7 y 8 aos de edad pesan, respectivamente, 14, 20, 32, 42
y 44 kilos.
1. Hallar la ecuacin de la recta de regresin de la edad sobre el peso.
2. Cul sera el peso aproximado de un nio de seis aos?
Xi
2
3
5
7
8
25

Yi
14
20
32
42
44
152

Xi2
4
9
25
49
64
151

Yi2
196
400
1.024
1.764
1.936
5.320

Xi Yi
28
60
160
294
352
894

EJERCICIO 3
La informacin estadstica obtenida de una muestra de tamao 12 sobre la
relacin existente entre la inversin realizada y el rendimiento obtenido en cientos
de miles de euros para explotaciones agrcolas, se muestra en el siguiente cuadro:
INVERSIN (X)

RENDIMIENTO (Y)

11
14
16
15
16
18
20
21
14
20
19
11

2
3
5
6
5
3
7
10
6
10
5
6

1. La recta de regresin del rendimiento respecto de la inversin.

2. La previsin de inversin que se obtendr con un rendimiento de 1 250 000
.
Xi
11
14
16
15
16
18
20
21
14
20
19
11
195

Yi
2
3
5
6
5
3
7
10
6
10
5
6
68

Xi Yi
121
196
256
225
256
324
400
441
196
400
361
121
3 297

Xi2
4
9
25
36
25
9
49
100
36
100
25
36
454

Yi 2
22
42
80
90
80
54
140
210
84
200
95
66
1 163

10

EJERCICIO 4
El nmero de horas dedicadas al estudio de una asignatura y la calificacin
obtenida en el examen correspondiente, de ocho personas es:
X
20
16
34
23
27
32
18
22

Y
6.5
6
8.5
7
9
9.5
7.5
8
1. Recta de regresin de Y sobre X.
2. Calificacin estimada para una persona que hubiese estudiado 28 horas.
Xi

16
18
20
22
23
27
32
34
192

Yi
6
7.5
6.5
8
7
9
9.5
8.5
62

Xi Yi
256
324
400
484
529
729
1 024
1156
4 902

Xi 2
36
56.25
42.25
64
49
81
90.25
72.25
491

Yi2
96
135
130
176
161
243
304
289
1 534

11

EJERCICIO 5
En la tabla siguiente se indica la edad (en aos) y la conducta agresiva (medida en
una escala de cero a 10) de 10 nios.
EDAD

CONDUCTA
AGRESIVA

6
6.4
6.7
7
7.4
7.9
8
8.2
8.5
8.9

9
6
7
8
7
4
2
3
2
1

1. Obtener la recta de regresin de la conducta agresiva en funcin de la

edad.
2. A partir de dicha recta, obtener el valor de la conducta agresiva que
correspondera a un nio de 7.2 aos.
xi

yi

xi yi

xi2

yi2

6
6.4
6.7
7
7.4
7.9
8
8.2
8.5
8.9
75

9
6
7
8
7
4
2
3
2
1
49

36
40.96
44.89
49
54.76
62.41
64
67.24
72.25
79.21
570.72

81
36
49
64
49
16
4
9
4
1
313

54
38.4
46.9
56
51.8
31.6
16
24.6
17
8.9
345.2

12

EJERCICIO 6
En una empresa de transportes trabajan cuatro conductores. Los aos de
antigedad de permisos de conducir y el nmero de infracciones cometidas en el
ltimo ao por cada uno de ellos son los siguientes:
Aos (X)
Infracciones (Y)

3
4

4
3

5
2

6
1

Calcular el coeficiente de correlacin lineal e interpretarlo.

Xi
3
4
5
6
18

Yi
4
3
2
1
10

Xi Yi
12
12
10
6
40

Xi2
9
16
25
36
86

Yi2
16
9
4
1
30

La correlacin es perfecta e inversa.

13

CONCLUSIN
El anlisis de regresin y correlacin lineal constituyen mtodos que se
emplean para conocer las relaciones y significacin entre series de datos.
Lo anterior, es de suma importancia para la industria ya que es aqu en
donde se presentan variables de respuesta e independientes las cuales
interactan para originar las caractersticas de un proceso en particular y por ende;
14

analizar, predecir valores de la variable dependiente y examinar el grado de fuerza

con que se relacionan dichas variables.
La regresin lineal simple y la regresin mltiple, analiza la relacin de dos
o ms variables continuas, cuando analiza dos variables a esta se le conoce como
variable bivariantes que pueden corresponder a variables cualitativas. La finalidad
de una ecuacin de regresin es la de estimar los valores de una variable con
base en los valores conocidos de la otra.
Del mismo modo, una ecuacin de regresin explica los valores de una
variable en trminos de otra. Es decir, se puede intuir una relacin de causa y
efecto entre dos o ms variables. El anlisis de regresin nicamente indica qu
relacin matemtica podra haber, de existir una.
Por otro lado, Al ajustar un modelo de regresin simple o mltiple a una
nube de observaciones es importante disponer de alguna medida que permita
medir la bondad del ajuste. Esto se consigue con los coeficientes de correlacin.
Si el modelo que se ajusta es un modelo de regresin lineal, a R se le denomina
coeficiente de correlacin y representa el porcentaje de variabilidad de la Y que
explica el modelo de regresin.
Estas tcnicas estadsticas constituyen una herramienta til para el anlisis
de las variables de un proceso ya que a travs de la aplicacin de stas, es
posible conocer el modelo que siguen y la fuerza con que se encuentran
relacionadas. Asimismo, es posible explicar la relacin que guardan dos o ms
causas de un posible defecto.

15