Regresin

Finanzas Cuantitativas
Avanzadas
MBA. Luis Zapatel Arriaga

AGENDA

oIdentificar relacin entre variables por un diagrama de

dispersin.
oCalcular la recta de regresin e Interpretar
coeficientes bo y b
oRealizar predicciones, basndose en la recta de
1

regresin, interpretado el error estndar de la

estimacin.
Calcular e interpretar el coeficiente de correlacin y de
determinacin.
Prueba de Hiptesis del coeficiente de correlacin.
Aplicaciones de temas a Regresin Mltiple.
Solucin en Software.
Prctica en equipos.

o
o
o
o
o

Regresin Simple

MBA Luis Zapatel Arriaga

Estn relacionados??
De que
FORMA?
Hermanos.
Primos.
Amigos.
Enamorados.
Esposos.

Qu tan FUERTE es esa

relacin?
Dbil
Media
Intensa
Perfecta

Anlisis de correlacin:
Terminologa
Tcnicas
estadsticas usadas
para medir el grado de relacin
(correlacin)
entre
dos
variables,
una
variable
independiente
y
otra
dependiente.
Diagrama de dispersin:
Grfica que describe la relacin
entre las dos variables de
inters.
Variable dependiente:
Variable que se pronostica o
estima.
Llamada tambin
variable efecto.
Variable independiente:
Variable que proporciona la
base para la estimacin. Es la
variable predictora o causal.

ANALISIS
REGRESION (Forma de la
relacin)
DIAGRAMA DE DISPERSION
ECUACION DE LA RECTA

CORRELACION

PRONOSTICOS,

de la relacin)

(Fuerza
ERROR

ESTANDAR DE ESTIMACION
COEFICENTE
DE
CORRELACION.
COEFICIENTE

DETERMINACION
ANOVA

DE

CASO Televisores

Se realiza un estudio para

determinar
el
efecto
del
Tamao de un TV. en el costo
del artefacto. Se analizaron 10
TV en diferentes empresas
X: Tamao de TV
hallndose:
12 47 24 32 42
pulgadas

Y: Costo TV anual

12

42

32

47

24

860 2800 1200 1500 1600 800 1800 1800 3000 1500

Diagrama de dispersin de el tamao y el costo de un Televisor.

3500
3000
2500
2000
Costo en $

1500
1000
500
0
0

10

20

30

40

Tamao de T.V. pulgadas

50

60

70

Nubes de puntos y sus modelos

de regresin

Cuando X crece,
Y decrece

Cuando X crece,
Y decrece

Recta de Regresin

(M.C.):

y b

b1

x i y i ((x i y i ) / n)
x i

xi 314

xi

yi 16860

11434

Reemplazando
en las frmulas,
sera:

yi 33199600

605720 ((314 * 16860) / 10)

1686

11434 (

(314) 2
)
10

n 10

48.473

(48.473 * 31.4) 163.95

__

( x i ) 2
(
)
n
__

Donde:
: es el valor predicho o estimado de y.
b0 : es la ordenada al origen de esa recta.
b1 : es la pendiente de la recta que minimiza los errores de prediccin de Y.
2

16860

1686
10

__

y b x
1

__

314
31.4
10

xi yi 605720

y b

b1 x

y 163.95 48.473x
Interpretacin de los coeficientes de
regresin:
bo : Para poder interpretarlo se debe reemplazar x=0 en la ecuacin, entonces Y = bo= 163.95.
bo= 163.95: En condiciones normales, se espera que un TV cueste S/. 163.95.
b1 :Para poder interpretarlo se debe analizar el signo y el valor de b 1.
b1 = 48.473: Por cada pulgada que se incremente el Tamao del TV, su costo aumenta en S/. 48.473.

Predicciones:
Tamao en
pulgadas. (X)

Costo TV annual
= 163.95+48.473 x

18

1036.464

Pronosticar para valores21

contenidos el rango de X48

1181.883

Y
=
163.95+48.473X

2490.654

50

2587.6

Interpretacin: Un TV de 21 pulgadas de tamao , costar S/. 1181.883 al ao.

Error Estndar de Estimacin:

Para interpretarlo se le debe

entender como cuanto de
EEE SY . X
error
puede
tener
el
pronstico realizado con la
recta hallada.

2
i

b0 yi b1 xi yi
n2

EEE =366.4.

Se espera que el pronstico del Costo del Tv anual puede aumentar o disminuir en S/. 366.4

Coeficiente de correlacin, r
Medida de la intensidad de la relacin existente entre dos
variables.
Requiere datos con escala de intervalo o de razn (variables).
Puede tomar valores entre -1 < r < 1, ms lejano de 0 indica
correlacin ms fuerte. Valores cercanos a 0 indican correlacin
dbil.
Valores negativos (relacin inversa) y valores positivos (relacin
directa).
As si r es:
+ : a mayor valor en una variable mayor valor en la otra variable.
- : mayor valor en una variable menor el valor en la otra variable.

rxy

n xi yi xi yi

n x x n y y
2
i

2
i

Correlacin
Negativa
Perfecta

Clculo del
Coeficiente de
correlacin:
rxy

Correlacin
Negativa
Intensa

n xi yi xi yi

-1.00

n x x n y y
2
i

2
i

Correlacin
Positiva
Perfecta

Ninguna
Correlacin
Correlacin
Negativa
Moderada

-0.50

Correlacin
Negativa
Dbil

Correlacin
Positiva
Dbil

Correlacin
Positiva
Moderada

Correlacin
Positiva
Intensa

0.50

1.00

10 605720 314 16860

1011434 314 10 33199600 16860

2

0.88

Para interpretar se debe analizar dos cosas:

Signo: - indican relacin inversa y + indican una relacin directa.
Valor: Cercanos a 0.0 indican correlacin dbil, cercanos a (-1) (1) indican
correlacin perfecta.

r = 0.88 Existe una relacin lineal directa e intensa entre el tamao de un T.V.
y el costo de un TV.

Clculo del Coeficiente de

Determinacin:
2

(r xy ) 2 (0.88) 2 0.775

Para interpretarlo se debe multiplicar por

100 y se entiende como el % de la
variacin de Y que se debe a la variacin

r2 = 77.8%.
El 78% de la variacin del Costo de
un TV, se puede explicar por la
variacin del Tamao del TV.

Anlisis del Coeficiente de

Correlacin
(r) de la poblacin sea nula,
Podra ser que
en realidad la correlacin
a pesar del valor hallado r en la muestra?

0.55

Parmetros

Estimar,
Calcular,
Acercarse

Poblacin

Muestra

r 0.65

Estimadore
s

Significacin del Coeficiente de

Correlacin

Para estar seguros del valor hallado en la muestra desarrollamos una prueba
de hiptesis de r. (Podra suceder que la relacin hallada slo sea producto
del azar (muestra) y que no represente a la relacin poblacional

Ho: 0
H1: 0

La correlacin en la poblacin es nula

La correlacin en la poblacin no es nula

Fuente de
Variacin

Suma de
cuadrados

Grados
de
libertad

Cuadro
medio

Regresin

SSR

SSR/1

Error

SSE

n-2

SSE/(n-2)

Total

SSTotal

n-1

Valor crtico
de F
(p-value)

SSR/1
SSE/(n2)

S p <alfa Se Rechaza la Ho

Anova
de
regresi
n

Retomando el caso de los

Televisores
Paso 1:
H0 : la correlacin en la poblacin es

Ho: 0

cero.
H1 : la correlacin en la poblacin no H 1 : 0
es cero.
ANOVA Tabla
Paso
2: Asumamos
Source
SS un alfa del
df 3%
MS
F
Regression

3,699,270.74

Residual
Total

1,074,369.25
4,773,640.00

8
9

p-value

3,699,270.7
419
27.55 0.0008
134,296.157
3

Recordamos la regla: S p <alfa Se Rechaza

la Ho
En este caso p = 0.0008 < 0.03= , Se rechaza Ho, lo que
indica la relacin entre las variables.

Si deseramos comparar por ejemplo con = 0.05.

En este caso p = 0.0008 < 0.05, por lo que tambin se
rechazara Ho, lo que indicara la relacin entre las
variables.

Swiss Group

Dan Ireland, presidente del

Swiss group, est preocupado
por el costo de los prstamos.
Para tener un panorama del
problema elige una muestra
de 8 prstamos hechos a
bancos
en
el
pasado,
estudiando la relacin entre el
importe del prstamo y el
costo del mismo. Realice un
anlisis completo al 5% de
alfa.

Importe
prstamo
(millones $)

Costo($)

500

28

700

25

800

23

600

24

400

33

500

27

600

21

800

21

..Paso :

H0 :la correlacin en la poblacin es

cero.

H1 :la correlacin en la poblacin no es

Diagrama de dispersin de el Importe prstamo y su costo

35
30
25

f(x) = - 0.02x + 38.94

R = 0.65

20
Costo ($)

15
10
5
0
350 400 450 500 550 600 650 700 750 800 850
Importe prstamo (millones $)

Usando
la ANOVA
de
Regresi
n
Fuente de
Variacin

Suma de
cuadrados

Grados de
libertad

Cuadro
medio

Regresin

SSR

SSR/1

Error

SSE

n-2

SSE/(n-2)

Total

SSTotal

n-1

F
SSR/1
SSE/(n-2)

En este caso p = 0.015 >0.05, por lo que se rechaza Ho, lo que

indica la no relacin entre las variables.

Caso
Planificacin

Horas de
planificacin

Prdidas ($)

5.7

5.2

ao est relacionado con el

10

4.8

nivel de prdidas al final de

15

4.5

20

4.2

Se desea determinar s el
nmero de horas de trabajo
planificando

el

presupuesto de un prximo

dicho ao.
Realice un anlisis completo

Regresin Mltiple

MBA Luis Zapatel Arriaga

Regresin Mltiple
Es el estudio de la forma en que una variable
dependiente, Y, se relaciona con dos o ms variables
independientes.
VARIABLE
DEPENDIENTE (Y)
VARIABLES INDEPENDIENTES (X ,X )
1

2,......

Volumen de ventas, en unidades

Precio unitario
Gasto de Propaganda

Peso de los estudiantes

Estatura
Edad

Consumo de bienes industriales por

ao

Ingreso disponible
Importacin de bienes de consumo

Unidades consumidas de un bien por

familia

Precio unitario del bien

Ingreso
Nmero de integrantes por familia

Precio de una vivienda

N de habitaciones
N de pisos
rea construida
rea techada , etc.

Regresin mltiple para 2 variables independientes

Para dos variables independientes, la frmula general de

la ecuacin de regresin mltiple es:

Y ' a b1 X 1 b2 X 2

X1 y X2 son las variables independientes.

a es la intercepcin en Y.
b1 es el cambio neto en Y para cada cambio unitario en
X1, manteniendo X2 constante. Se denomina coeficiente
de regresin parcial, coeficiente de regresin neta o bien
coeficiente de regresin.
b2 es el cambio neto en Y para cada cambio unitario en
X2, manteniendo X1 constante. Se denomina coeficiente
de regresin parcial o bien coeficiente de regresin.
El clculo de stos valores es por dems laborioso a
mano

Regresin mltiple con k variables

independientes
La ecuacin general de regresin mltiple con k
variables independientes es:

y b0 b1 x1 b2 x2 ... bk xk

El criterio de mnimos cuadrados se usa

desarrollo de esta ecuacin.
Como estimar b1, b2, etc. es muy tedioso,
muchos programas de cmputo que
utilizarse para estimarlos.

para el
existen
pueden

Error estndar mltiple de la estimacin

Es la medida de la eficiencia de la ecuacin de regresin.
Est medida en las mismas unidades que la variable
dependiente.
Es difcil determinar cul es un valor grande y cul es
uno pequeo para el error estndar.

Caso Cine Planet

El administrador de La cadena de cines CINE PLANET desea
estimar el ingreso semanal neto en funcin de los gastos de
publicidad. Los datos histricos de una muestra de 8 semanas
son los siguientes:
Ingresos Brutos Anuncios en
Anuncios en
semanales
TV
peridicos
(Miles de $)
(Miles de $)
(Miles de $)
96

5.0

1.5

90

2.0

2.0

95

4.0

1.5

92

2.5

2.5

95

3.0

3.3

94

3.5

2.3

94

2.5

4.2

94

3.0

2.5

los cambios
producidos en
los ingresos
brutos
semanales
son
explicados
por
los
cambios
producidos en
los gastos
Todo de
publicidad
(TV
pronstico
y peridicos)
tendr un
error de
estimacin de
0.64 miles delos parmetros estimados de las variables independientes:
Interpretemos
$
Para b1: Cuando los gastos de anunciar en televisin varan una unidad y los gastos
de anunciar en peridicos se mantienen constantes, los ingresos brutos semanales
se incrementarn en 2.2902 miles de $.
Para b2: Cuando los gastos de anunciar en televisin se mantienen constantes y los
gastos de anunciar en peridicos varan una unidad, los ingresos brutos semanales
$.
Hse0 :incrementarn
1 2 3 en
... 1.3010
k 0milesEndeeste
caso p = 0.002 < 0.05= , por lo que se
H1 : Por lo menos un i 0 rechaza Ho, lo que ratifica la relacin entre las
variables.

Prctica en equipos 2
Solucin Software