Documente Academic
Documente Profesional
Documente Cultură
Ejemplos
Problema Nro. 01
Donde:
2
n
n n
2
n
n n
∑ ∑ Yi = ( 921) = 848.241 ; ∑Y
2 2
Yi = 921 ; i = 85.255
i =1 i =1 i =1
n
Y los productos cruzados ∑ X Y = 179.971
i =1
i i
Con todos estos datos podemos calcular el Coeficiente de correlación de Pearson (1):
n
n n
n.∑ X iYi − ∑ X i . ∑ Yi
r=ρ= i =1 i =1 i =1 =
2 2
n
n
n
n
n∑ X i2 − ∑ X i . n ∑ Yi 2 − ∑ Yi
i =1 i =1 i =1 i =1
10. (179971) − (1950 ) . ( 921) 1799710 − 1795950 3760
= = = = 0, 9442
10. ( 380618 ) − ( 3802500 ) . 10 ( 85255 ) − ( 848241) 3680 4309 3982, 0999
r = ρ = 0,9442
2° Antes de hallar la gráfica de regresión lineal debemos encontrar primero los coeficientes
de dicha recta la pendiente y el corte con el eje y, a través del mínimo cuadrado
∑y ∑x
2
∑ y = bn + m∑ x ∑ xy ∑ x ∑ y ∑ x − ∑ x ∑ xy
2
⇒b= =
2
2
∑ xy = b∑ x + m∑ x n ∑x n∑ x 2 − ∑ x
∑x ∑x 2
n ∑y
∑ x ∑ xy n ∑ xy − ∑ y ∑ x
m= =
2
(2)
n ∑x n∑ x 2 − ∑ x
∑x ∑x 2
n ∑ xy − ∑ y ∑ x
m= = 10 (179971) − ( 921)(1950 ) = 3760 = 47 = 1, 0217
2
10 ( 380618 ) − 3802500 3680 46
n∑ x 2 − ∑ x
2
∑ y ∑ x − ∑ x ∑ xy ( 921)( 380618 ) − (1950 )(179971) −394272
b=
2
= = = −107,139
3680 3680
n∑ x − ∑ x
2
∑ ( x − x )( y − y )
i i
m= y b = y − mx (3)
2
∑ ( x − x)
i
∑ ( x − x )( y − y )
i i
376 47
m= Entonces m = = = 1, 0217
2 368 46
∑ ( x − x)
i
47
b = y − mx Entonces b = ( 92,1) − (195 ) = −107,139
46
Introduciendo los datos en el software estadístico SPSS 15.0 obtenemos los resultados
siguientes (observe son iguales que las cuentas antes realizadas paso a paso.)
Correlaciones
Estadísticos descriptivos
Desviación
Media típica N
Estatura 195,0000 6,39444 10
Peso 92,1000 6,91938 10
Correlaciones
Estatura Peso
Estatura Correlación de Pearson 1 ,944(**)
Sig. (bilateral) ,000
Suma de cuadrados y
productos cruzados 368,000 376,000
Covarianza 40,889 41,778
N 10 10
Peso Correlación de Pearson ,944(**) 1
Sig. (bilateral) ,000
Suma de cuadrados y
productos cruzados 376,000 430,900
Covarianza 41,778 47,878
N 10 10
** La correlación es significativa al nivel 0,01 (bilateral).
Correlaciones no paramétricas
Correlaciones
Estatura Peso
Rho de Spearman Estatura Coeficiente de
correlación 1,000 ,939(**)
Sig. (bilateral) . ,000
N 10 10
Peso Coeficiente de
correlación ,939(**) 1,000
Sig. (bilateral) ,000 .
N 10 10
** La correlación es significativa al nivel 0,01 (bilateral).
Valor X Y
Mínimo 186 85
Máximo 205 103
Covariancia =37.6
Problema Nro. 02
La información estadística obtenida de una muestra de tamaño 12, sobre la relación entre
inversión y el rendimiento obtenido en cientos de miles Bs F para exportaciones agrícola
Inversión ( X ) Rendimineto
(Y)
11 2
14 3
16 5
15 6
16 5
18 3
20 7
21 10
14 6
20 10
19 5
11 6
Para el cálculo del coeficiente de correlación usaremos una ecuación semejante a la usada
en el problema anterior:
n
n n n
n.∑ X iYi − ∑ X i . ∑ Yi ∑( X i (
− X ) Y −Y )
r=ρ= i =1 i =1 i =1 ≡ i =1
2 2 n n
n n 2
∑( Xi − X ) . ∑ (Y − Y )
n n 2
n∑ X i2 − ∑ X i . n∑ Yi 2 − ∑ Yi i
i =1 i =1 i =1 i =1 i =1 i =1
2 2
∑X
i =1
i
195 65 ∑Y i =1
i
68 17
X= = = = 16, 25 ; Y = = = = 5, 6
n 12 4 n 12 3
∑( Xi =1
i (
− X ) Y −Y ) 58
r=ρ= = = 0, 618039
n n 2 128, 25 68, 67
∑( X ∑ (Y − Y )
2
i − X) . i
i =1 i =1
∑ ( x − x )( y − y )
i i
58 232
m= Entonces: m = = = 0, 452241
2 128, 25 513
∑ ( x − x)
i
232
( )
b = y − mx Entonces: b = 5, 6 − (16, 25 ) = −1, 6823
513
Valor X Y
Mínimo 11 2
Máximo 21 10
Covariancia = 4.833333
Correlaciones
Estadísticos descriptivos
Desviación
Media típica N
Inversión 16,2500 3,41454 12
Rendimiento 5,6667 2,49848 12
Correlaciones
Inversión Rendimiento
Inversión Correlación de Pearson 1 ,618(*)
Sig. (bilateral) ,032
Suma de cuadrados y
productos cruzados 128,250 58,000
Correlaciones no paramétricas
Correlaciones
Inversión Rendimiento
Rho de Spearman Inversión Coeficiente de
correlación 1,000 ,552
Sig. (bilateral) . ,063
N 12 12
Rendimiento Coeficiente de
correlación ,552 1,000
Sig. (bilateral) ,063 .
N 12 12