Motivación

El gerente de una empresa exportadora esta interesado en hacer

un estudio de las ultimas ventas realizadas al mercado extranjero
en función de su producción y exportación.

¿Existirá alguna relación entre la producción y la exportación?

¿Cuál será la variable independiente y cuál la dependiente?

¿Cuál es la medida de asociación más adecuada?

¿Es posible realizar estimación para periodos posteriores?

 Sesión 11

Correlación y regresión lineal

• Dirección de Investigación

2019 -I
 TEMATICA:
CONTENIDO:
Diagrama de dispersión. Coeficiente de correlación lineal
de Pearson. Modelo de regresión lineal simple
(Aplicaciones con SPSS o EXCEL).

CAPACIDADES:

Analiza el coeficiente de correlación de Pearson para dos

variables cuantitativas y los coeficientes para el modelo
de regresión lineal simple.

ACTIVIDADES
 CONTENIDO
ANÁLISIS DE
CORRELACION Y
REGRESIÓN
LINEAL

CORRELACIÓN REGRESIÓN

DIAGRAMA DE
DISPERSION MODELO LINEAL

COEFICIENTE DE
CORRELACIÓN PREDICCIONES
LINEAL SIMPLE
 CORRELACION

Córdova (2009) indica que: una forma del

estudio de la asociación entre dos variables
cuantitativas X e Y es denominada
CORRELACIÓN, que consiste en determinar la
variación conjunta de las dos variables, su
grado o nivel de relación, y su sentido
(positivo o negativo)
 DIAGRAMA DE DISPERSION
Se utiliza para graficar la relación entre dos variables X e Y,
consiste en una nube de puntos que indicará si existe o no
correlación dependiendo de la tendencia de la tendencia de los
puntos.
20
Var. Dependiente (Y)

15
25

Var. Dependiente (Y)

10 20
5 15 6

Var. Dependiente (Y)

10 5
0 4
0 5 10 15 5
3
Var. Independiente (X) 0 2
0 10 20 30 1
Var. Independiente (X) 0
Correlación 0 10 20
Lineal Positiva Var. Independiente (X)

(Directa) Correlación
Lineal Negativa Sin
(Inversa) Correlación
 EJEMPLO 1
Consideramos que las ventas se relacionan con los gastos en publicidad y
si tenemos los datos que se presentan en la siguiente tabla entonces
podremos observar la siguiente gráfica de dispersión:

Gastos en Diagrama de Dispersión

Ventas en
publicidad en
Año millones de 160
millones de
sosles (Y) 140
soles (X)

Ventas en Millones
120
2008 3 20 100
2009 5 40 80
2010 5 80 60
2011 6 120 40
2012 6 90 20
2013 7 125 0
2014 4 35 0 2 4 6 8 10
Gastos en Publicidad (Millones)
2015 8 135

Observando el gráfico de dispersión podemos decir que las ventas y el gasto en

publicidad tienen una correlación Directa o Positiva.
 COEFICIENTE DE CORRELACION
Llamado también coeficiente de correlación lineal de Pearson, es
un número que indica el grado de asociación entre las variables y
se define del siguiente modo:

r=
 xy -  x  y
n
 n  x - ( x)   n  y - ( y)
2 2 2 2


Este coeficiente puede tomar cualquier valor entre -1 y 1.

El siguiente diagrama resume el análisis del coeficiente de
correlación de Pearson:
 EJEMPLO 2
Del ejemplo 1 hallar el coeficiente de correlación de Pearson, luego interpretar el
resultado.
Publicidad
N° Ventas (Y) XY X2 Y2
(X)
2008 3 20 60 9 400
2009 5 40 200 25 1600
2010 5 80 400 25 6400
2011 6 120 720 36 14400
2012 6 90 540 36 8100
2013 7 125 875 49 15625 n  8, x  5.5, y  80.625
2014 4 35 140 16 1225
2015 8 135 1080 64 18225
Total 44 645 4015 260 65975
∑X ∑Y ∑XY ∑ X2 ∑ Y2

r=
n  xy -  x  y 
8(4015) - 44(645)
 0.932
 n x 2
- ( x)   n  y - ( y )
2 2 2
 8(260) - 44  8(65975) - 645 
2 2

Interpretación: Como r=0.932, existe una correlación positiva fuerte

entre los gastos en publicidad y las ventas.

Diapositivas de Clases elaboradas por el Prof. Blanca M. Yaya Gómez

 REGRESION

Córdova (2009) indica que: otra forma de

estudiar la asociación entre dos variables
cuantitativas X e Y es denominada
REGRESION, que consiste en determinar la
relación funcional (recta de regresión) entre
ellas, con la finalidad de predecir el valor de
una variable (variable dependiente Y) en base
a la otra (variable independiente X).
 MODELO DE REGRESION LINEAL
Este tipo de regresión se utiliza cuando existe solo una variable
independiente X para una variable dependiente Y. Está definida
por la siguiente ecuación lineal en su forma general:

Modelo de
regresión

Donde: Error de predicción “e”, para

determinar la recta de ajuste del

n XY  ( X )( Y )
modelo de regresión la suma de
los errores al cuadrado debe ser lo

1 
mas pequeña posible

n X 2  ( X ) 2

0 
 Y
 1
X
n n
 ¿Qué es el análisis de
regresión lineal ?

Es modelar la dependencia de la variable

Y en función de la variable X a través de
la ecuación de una recta

Yi  0  1 X i  ei i=1, 2, …, n

Error ~ N(0,2)

Parámetros Variable predictora

Variable (independiente)
dependiente
 EJEMPLO 3
Del ejemplo 1 determinar el modelo de regresión lineal, luego predecir las ventas si los
gastos en publicidad son de 5.5 millones de soles.

n  XY  ( X )( Y )
8( 4015)  44(645)
1    25.972
n X 2
 ( X ) 2 8( 260)  44 2

0  Y  1
X 
645
 ( 25.972)
44
 62.221
n n 8 8

Entonces el
modelo de Y= -62.221 +25.972 X
regresión será:

Podemos predecir entonces el volumen de ventas usando el modelo de

regresión lineal si los gastos en publicidad son de 5.5 millones de soles, de
la siguiente manera:
Y= -62.221 +25.972 (5.5) = 80.6
Diapositivas de Clases elaboradas por el Prof. Blanca M. Yaya Gómez
 Ejercicio
Los siguientes datos se refieren a la medición de la resistencia en
(ohms) y al tiempo en (minutos) contabilizado en el que fallan
regularmente ciertos resistores sobrecargados.
Resistencia 22 21 31 34 37 43 34 34 42 51 56 59
Tiempo en el que de
20 22 26 28 30 32 33 35 37 42 45 47
falla
El diagrama de dispersión para estas dos variables es:

Gráfica de dispersión de Tiempo(Y) vs Resistencia(X)

50

45

40
Tiempo (Y)

35

30

25

20

20 30 40 50 60
Resistencia(X)

¿Qué podemos comentar acerca del diagrama de

dispersión de estas variables?
 Ejercicio
Calcule e interprete los coeficientes de regresión estimados del ejercicio
anterior, considerando la siguiente información:
 ¿QUE HEMOS VISTO?

• Definición de correlación lineal

• Diagrama de dispersión
• Calculo de coeficiente de correlación de Pearson
• Definición de regresión lineal
• Determinación del modelo de regresión
• Predicciones.
No existe la suerte. Sólo hay preparación adecuada o
inadecuada para hacer frente a una estadística.

Robert Heinlein
 ACTIVIDAD GRUPAL
(4 o 5 integrantes)

En equipos de
trabajo resolver
los ejercicios
propuestos de la
practica de la
sesión N° 11.
Oficina de Investigación