Académique Documents
Professionnel Documents
Culture Documents
ID 000630636
ID 000651168
DOCENTE
CONTADURÍA PÚBLICA
Siendo Cov (X,Y) la covarianza entre las series temporales X e Y, y σX e σY las desviaciones estándar de X e Y.
Interpretación
El coeficiente de correlación tiene un valor acotado entre -1 y +1. Los valores cercanos a cero indican que no hay
asociación entre las variables. Valores cercanos a uno indican una asociación fuerte, mientras que los valores
cercanos a menos uno indican una asociación fuerte pero inversa.
Por ejemplo, si el coeficiente de correlación entre dos activos financieros es mayor que 0,70, podemos decir que
están muy correlacionados positivamente. Por el contrario, si el valor de este coeficiente está entre -0,20 y +0,20,
la correlación será baja. Por último, si el coeficiente de correlación es menor que -0,70 existirá una gran
correlación, pero negativa.
ANALISIS DE REGRESIÓN LINEAL SIMPLE
La regresión lineal simple se basa en estudiar los cambios en una variable, no aleatoria, afectan a una variable
aleatoria, en el caso de existir una relación funcional entre ambas variables que puede ser establecida por una
expresión lineal, es decir, su representación gráfica es una línea recta. Es decir, se está en presencia de una
regresión lineal simple cuando una variable independiente ejerce influencia sobre otra variable dependiente.
Ejemplo: Y = f(x)
La regresión lineal permite trabajar con una variable a nivel de intervalo o razón, así también se puede comprender
la relación de dos o más variables y permitirá relacionar mediante ecuaciones, una variable en relación a otras
variables llamándose Regresión múltiple. O sea, la regresión lineal múltiple es cuando dos o más variables
independientes influyen sobre una variable dependiente.
Ejemplo: Y = f(x, w, z)
ESTADISTICA TALLER UNIDAD 5
REGRESIÓN LINEAL
Ejercicio 1. Una determinada empresa de productos básicos muestra los datos del último año de ventas (en
millones de pesos) y al gasto en publicidad (en millones de pesos). La tabla siguientes muestra estas dos variables
X e Y.
X Y
181 16
176 17
174 15
196 21
200 19
188 17
184 18
193 20
190 21
199 22
170 15
184 17
RTA:
Ejercicio 2. Para una muestra de 10 personas disponemos de información respecto a su grado de extroversión, y
se desea evaluar su posible relación lineal con la dimensión de personalidad estabilidad emocional. Ambas
variables se han medido con un test y se han obtenido las puntuaciones para cada sujeto en una escala de 0 a 10.
Los valores obtenidos se presentan en la siguiente tabla:
RTA:
Regresión Lineal
12
10
0
0 2 4 6 8 10 12
CONCLUSIÓN
El uso del coeficiente de correlación puede resultar útil en el Value Investing en algunos casos. Este coeficiente
nos puede ayudar a la hora de optimizar la diversificación de nuestra cartera si escogemos acciones con un
coeficiente de correlación bajo. Esta afirmación puede ser muy discutible, por lo que debemos mirar los problemas
del coeficiente de correlación como guía a la hora de diversificar en el Value Investing.
A la hora de usar el coeficiente de correlación, primero hemos de tener en cuenta que este coeficiente mide la
correlación entre retornos, es decir, la diferencia en precios, pero no en valor. Así que debemos examinar las
causas de la correlación para hacer un uso más adecuado de este coeficiente.
El coeficiente de correlación puede resultar útil a la hora de buscar valores o sectores en los que podamos mejorar
nuestra diversificación. Eso sí, siempre hay que analizar la lógica detrás del valor del coeficiente y analizar si su
valor se adecúa a las características de la empresa que hay detrás que esa cifra.
La Aplicaciones de la regresión lineal comprende una serie de datos obtenidos a través de un largo período. Este
tipo de líneas puede decir si un conjunto de datos en particular (como, por ejemplo, el PBI, el precio del petróleo
o el valor de las acciones) han aumentado o decreciendo en un determinado período. Las líneas de tendencia son
generalmente líneas rectas, aunque algunas variaciones utilizan polinomios de mayor grado dependiendo de la
curvatura deseada en la línea.
Contaduría Publica
Una forma muy clara en que la regresión lineal simple es aplicada a la contaduría son las relaciones estrechas
entre los conceptos básicos de esta.
Podemos destacar la relación Pasivo- Activo, Activo-Capital, Peso- Dólar, Costos Unitarios-Costos Fijos,
Ganancia- Perdida, en fin, el aumento o disminución de uno es afectado por el resultado del otro.
Cabe señalar que, al contrario de el uso que se le da en medicina, en el caso de la contaduría es más preciso, pues
presenta datos verificables que se interpretan en un resultado exacto y útil.
Medicina
En Medicina, las primeras evidencias relacionando la mortalidad con el fumar tabaco vinieron de estudios que
utilizaban la regresión lineal. Los investigadores incluyen una gran cantidad de variables en su análisis de
regresión en un esfuerzo por eliminar factores que pudieran producir correlaciones espurias.
En el caso del Tabaquismo, los investigadores incluyeron el estado socio-económico para asegurarse que los
efectos de mortalidad por tabaquismo no sean un efecto de su educación o posición económica. No obstante, es
imposible incluir todas las variables posibles en un estudio de regresión.
En el ejemplo del tabaquismo, un hipotético gen podría aumentar la Mortalidad y aumentar la propensión a
adquirir enfermedades relacionadas con el consumo de tabaco.
Industria
En la industria tiene aplicación para investigar la relación entre el rendimiento de la producción y uno o más
factores del (o de los) que depende, como la Temperatura, la humedad ambiental, la presión, la cantidad de
insumos, etc.; con base en este análisis se puede pronosticar el comportamiento de una variable que se desea
estimar.
REFERENCIAS BIBLIOGRAFICAS
El coeficiente de correlación
https://www.rankia.com/blog/la-sonrisa-de-buffett/426059-coeficiente-correlacion