UNIVERSIDAD METROPOLITANA CASTRO CARAZO

DIRECCION DE CIENCIAS EMPRESARIALES

BACHILLERATO EN CONTADURIA PBLICA
ESTADISTICA II
Tema:
REGRESION Y CORRELACION LINEAL SIMPLE.
Estudiantes:
Ma!e"a P#as $uesada
Manue" C##nad# Henande%
Ne"s#n E. Pee% A&uie
'i"(et) Mui""# Lei*a
P#+es#:
He!t# O"meda Guea Pati,#
-e!)a: A&#st#. /010.
INTRODUCCIN
El anlisis de regresin lo que se pretende es predecir o estimar el valor
promedio de la variable explicada en base a unos valores fijos de las
variables explicativas. En el anlisis de regresin, las variables explicativas
son fijas y la variable explicada es estadstica.
Si sabemos que existe una relacin entre una variable denominada
dependiente y otras denominadas independientes (como por ejemplo las
existentes entre la experiencia profesional de los trabajadores y sus
respectivos sueldos, las estaturas y pesos de personas, la produccin agraria y
la cantidad de fertili!antes utili!ados, etc.", puede darse el problema de que la
dependiente asuma m#ltiples valores para una combinacin de valores de las
independientes.
$a dependencia a la que %acemos referencia es relacional matemtica y no
necesariamente de causalidad. &s, para un mismo n#mero de unidades
producidas, pueden existir niveles de costo, que varan empresa a empresa.
Si se da ese tipo de relaciones, se suele recurrir a los estudios de regresin en
los cuales se obtiene una nueva relacin pero de un tipo especial denominado
funcin, en la cual la variable independiente se asocia con un indicador de
tendencia central de la variable dependiente. 'abe recordar que en t(rminos
generales, una funcin es un tipo de relacin en la cual para cada valor de la
variable independiente le corresponde uno y slo un valor de la variable
dependiente.
$a regresin lineal simple, es una %erramienta muy importante para la
Econometra, que estudia la dependencia existente entre una variable
dependiente y una o ms variables explicativas.
El t(rmino regresin fue introducido por )rancis *alton en su libro +atural
in%eritance (,--." y fue confirmada por su amigo /arl 0earson. Su trabajo se
centr en la descripcin de los rasgos fsicos de los descendientes (variable
&" a partir de los de sus padres (variable 1". Estudiando la altura de padres e
%ijos a partir de ms de mil registros de grupos familiares, se lleg a la
conclusin de que los padres muy altos tenan una tendencia a tener %ijos que
%eredaban parte de esta altura, pero que revelaban tambi(n una tendencia a
regresar a la media. *alton generali! esta tendencia bajo la 2ley de la
regresin universal2 3'ada peculiaridad en un %ombre es compartida por sus
descendientes, pero en media, en un grado menor.4
El modelo de regresin lineal simple, busca encontrar la recta de regresin
que relacione dos variables (5 e 6"
7n ejemplo de dic%a regresin lineal, es la renta, ya que no podemos saber el
nivel de renta en un futuro, pero si podemos saber si el promedio de la renta
aumentar o disminuye determinando con cierta exactitud la cantidad.
1. ASPECTOS TERICOS
REGRESIN SIMPLE Y CORRELACIN
$a regresin como una t(cnica estadstica, una de ellas la regresin lineal
simple y la regresin multifactorial, anali!a la relacin de dos o mas variables
continuas, cuando anali!a las dos variables a esta se el conoce como variable
bivariantes que pueden corresponder a variables cualitativas, la regresin nos
permite el cambio en una de las variables llamadas respuesta y que
corresponde a otra conocida como variable explicativa, la regresin es una
t(cnica utili!ada para inferir datos a partir de otros y %allar una respuesta de
lo que puede suceder.
Siendo as la regresin una t(cnica estadstica, por lo tanto para interpretar
situaciones reales, pero a veces se manipula de mala manera por lo que es
necesario reali!ar una seleccin adecuada de las variables que van a construir
las formulas matemtica, que representen a la regresin, por eso %ay que
tomar en cuenta variables que tiene relacin, de lo contraria se estara
matemati!ando un galimatas.
Se pueden encontrar varios tipos de regresin, por ejemplo
8egresin lineal simple
8egresin m#ltiple ( varias variables"
Simple b" 9#ltiple, etc.
8egresin logstica
$a regresin lineal t(cnica que usa variables aleatorias, continuas se
diferencia del otro m(todo analtica que es la correlacin, por que esta #ltima
no distingue entre las variables respuesta y la variable explicativa por que las
trata en forma sim(trica.
$a matemati!acin nos da ecuaciones para manipular los datos, como por
ejemplo medir la circunferencia de los ni:os y ni:as y que parece
incrementarse entre las edades de ; meses y ,- a:os, aqu podemos inferir o
predecir que las circunferencias del crneo cambiara con la edad, en este
ejercicio la circunferencia de la cabe!a es la respuesta y la edad la variable
explicativa.
En la regresin tenemos ecuaciones que nos representan las diferentes clases
de regresin
8egresin $ineal y < & = 1x
8egresi>n $ogar?mica y < & = 1$n(x"
8egresin Exponencial y < &c(bx"
0ara obtener un modelo de regresin es suficiente establecer la regresin para
eso se %ace uso del coeficiente de correlacin 8.
8 < 'oeficiente de correlacin, este m(todo mide el grado de relacin
existente entre dos variables, el valor de 8 vara de @, a ,, pero en la prctica
se traba con un valor absoluto de 8.
El valor del coeficiente de relacin se interpreta de modo que a media que 8
se aproxima a ,, es ms grande la relacin entre los datos, por lo tanto 8
(coeficiente de correlacin" mide la aproximacin entre las variables.
El coeficiente de correlacin se puede clasificar de la siguiente manera
'A88E$&'BC+ D&$A8 A 8&+*A
," 0erfecta ," 8 < ,
;" Excelente ;" 8 < E.. F < 8 F ,
G" 1uena G" 8 < E.- F < 8 F E..
H" 8egular H" 8 < E.I F < 8 F E.-
I" 9ala I" 8 F E.I
JBSK8B17'BC+ JBD&8B&+KE
JE)B+B'BC+
$a distribucin divriate es cuando se estudia en una poblacin dos variables,
que forman pares correspondientes a cada individuo, como por Ejm
$as notas de ,E alumnos en biologa y lenguaje
1BA$A*B& ; H I I L L M M - .
$E+*7&NE ; ; I I I M I - M ,E
$os pares de valores son ( ;, ;" (H,;" (I,I"OO.(-,M" (.,,E" forman una
distribucin divriate.
$a correlacin, m(todo por el cual se relacionan dos variables se pude
graficar con un diagrama de dispersin de puntos, a la cual muc%os autores le
llaman nubes de puntos, encuadrado dentro de un grfico de coordenadas 5
6 en la cual se pude tra!ar una recta y cuyos puntos mas cercanos de una
recta %ablaran de una correlacin mas fuerte, %a esta recta se le denomina
recta de regresin, que puede ser positiva o negativa, la primera contundencia
a aumentar y la segunda en descenso o decreciente.
Kambi(n se puede describir un diagrama de dispersin en coordenadas
cartesianas valores como en la distribucin divriate, en donde la nube de
puntos representa los pares de valores.
*8&)B'AS JE 8E'K& JE 8E*8ESBC+
0or #ltimo se pueden graficar las lneas de tendencia, %erramienta
8egresin 'uadrtica y < & = 1x ='x;
$a 8egresin y la correlacin son dos t(cnicas estadsticas que se pueden
utili!ar para solucionar problemas comunes en los negocios.
9uc%os estudios se basan en la creencia de que es posible identificar y
cuantificar alguna 8elacin )uncional entre dos o ms variables, donde una
variable depende de la otra variable.
Se puede decir que 6 depende de 5, en donde 6 y 5 son dos variables
cualquiera en un modelo de 8egresin Simple.
"Y es una funcin de "
Y ! f"#
'omo 6 depende de 5,
6 es la variable dependiente, y
5 es la variable independiente.
En el 9odelo de 8egresin es muy importante identificar cul es la variable
dependiente y cul es la variable independiente.
En el 9odelo de 8egresin Simple se establece que 6 es una funcin de slo
una variable independiente, ra!n por la cual se le denomina tambi(n
8egresin Jivariada porque slo %ay dos variables, una dependiente y otra
independiente y se representa as
Y ! f "#
"Y es$% &e'&esand( )(& "
$a variable dependiente es la variable que se desea explicar, predecir.
Kambi(n se le llama 8E*8ES&+JA D&8B&1$E JE 8ES07ESK&.
$a variable Bndependiente 5 se le denomina D&8B&1$E E50$B'&KBD&
8E*8ESA8 y se le utili!a para E50$B'&8 6.
AN*LISIS ESTAD+STICO, REGRESIN LINEAL SIMPLE
En el estudio de la relacin funcional entre dos variables poblacionales, una
variable 5, llamada independiente, explicativa o de prediccin y una variable
6, llamada dependiente o variable respuesta, presenta la siguiente notacin
6 < a = b 5 = e
Jonde
(a" es el valor de la ordenada donde la lnea de regresin se intercepta con el
eje 6.
(b" es el coeficiente de regresin poblacional (pendiente de la lnea recta"
(e" es el error
SUPOSICIONES DE LA REGRESIN LINEAL
,. $os valores de la variable independiente 5 son fijos, medidos sin
error.
;. $a variable 6 es aleatoria
G. 0ara cada valor de 5, existe una distribucin normal de valores de 6
(subpoblaciones 6"
H. $as variancias de las subpoblaciones 6 son todas iguales.
I. Kodas las medias de las subpoblaciones de 6 estn sobre la recta.
L. $os valores de 6 estn normalmente distribuidos y son
estadsticamente independientes.
ESTIMACIN DE LA ECUACIN DE REGRESIN MUESTRAL
'onsiste en determinar los valores de 2a2 y 2b 2 a partir de la muestra, es
decir, encontrar los valores de a y b con los datos observados de la muestra.
El m(todo de estimacin es el de M-ni.(s Cuad&ad(s, mediante el cual se
obtiene $uego, la ecuacin de regresin muestral estimada es que se
interpreta como
$uego, la ecuacin de regresin muestral estimada es
Pue se interpreta como
(a" es el estimador de a
Es el valor estimado de la variable 6 cuando la variable 5 < E
(b" es el estimador de b, es el coeficiente de regresin
Est expresado en las mismas unidades de 6 por cada unidad de 5. Bndica el
n#mero de unidades en que vara 6 cuando se produce un cambio, en una
unidad, en 5 (pendiente de la recta de regresin".
7n valor negativo de b sera interpretado como la magnitud del decremento
en 6 por cada unidad de aumento en 5.
/. ANTECEDENTES DEL PRO0LEMA
$os datos de la siguiente tabla representan las estaturas (5, cm" y los pesos
(6, Qg" de una muestra de ,; %ombres adultos. 0ara cada estatura fijada
previamente se observ el peso de una persona seleccionada de entre el grupo
con dic%a estatura, resultando
,I; ,II ,I; ,II ,IM ,I; ,IM ,LI ,L; ,M- ,-G ,M-
Y IE L,.I IH.I IM.I LG.I I. L, M; LL M; -H -;
'on estos datos vamos a plantear una ecuacin de regresin simple que nos
permita pronosticar los pesos conociendo las tallas. 7tili!aremos a < E.EI, y
contrastaremos nuestra %iptesis con la prueba ).
1. DESARROLLO
8epresentacin matemtica y grficas de los datos
8epresentacin 9atemtica
estatura pesos 8egresin $ineal
B.'. para la
media
B. '.
individual
datos x y x R; y R; xy y est. 8esidual $. B. $. S. $. B. $. S.
, ,I; IE ;G,EH ;IEE MLEE IL.HG @L.HG IG.EM I..M. HM.GE LI.IL
; ,II L,.I ;HE;I GM-;.G .IG;.I I..EG ;.HM IL.E. L,..M IE.EI L-.E;
G ,I; IH.I ;G,EH ;.ME.G -;-H IL.HG @,..G IG.EM I..M. HM.GE LI.IL
H ,II IM.I ;HE;I GGEL.G -.,;.I I..EG @,.IG IL.E. L,..M IE.EI L-.E;
I ,IM LG.I ;HLH. HEG;.G ..L..I LE.MM ;.MG I-.EI LG.H- I,.-I L..L-
L ,I; I. ;G,EH GH-, -.L- IL.HG ;.IM IG.EM I..M. HM.GE LI.IL
M ,IM L, ;HLH. GM;, .IMM LE.MM E.;G I-.EI LG.H- I,.-I L..L-
- ,LI M; ;M;;I I,-H ,,--E LM.M, H.;. LI.,M ME.;H I-.-I ML.IM
. ,L; LL ;L;HH HGIL ,EL.; LI.,, E.-. L;.LI LM.IL IL.;M MG..H
,E ,M- M; G,L-H I,-H ,;-,L M-... @L... MH.LI -G.GG L..HI --.I;
,, ,-G -H GGH-. MEIL ,IGM; -G.G; E.L- M-.E, --.LH MG.G, .G.GH
,; ,M- -; G,L-H LM;H ,HI.L M-... G.E, MH.LI -G.GG L..HI --.I;
8epresentacin *rfica
2. 3IPTESIS
SA +o %ay relacin entre la variable peso y la variable estatura.
S& Say relacin entre la variable peso y la variable estatura.
Kabla de anlisis de
varian!a
)uente de *rados de Suma de 'uadrados
Dariacin libertad cuadrados medios
estadstico
)
Jebido a
la
regresin , ,EL,., ,EL,., MG.E-
error ,E ,HI.; ,H.I
total ,, ,;EL.G
Se obtiene un valor ) < MG.E- T H..L, con lo cual se rec%a!a la %iptesis nula
y aceptamos que la variable estatura est relacionada con la variable peso con
un .IU de confian!a.
Je acuerdo al desarrollo matemtico %emos obtenido los siguientes
clculos
$o que nos permite obtener los coeficientes a y b.
$uego,
b < ,;;G V ,HE..LLM < E.-LML
a < LI.;I W (E.-LML" (,L;.,LM" < @MI.HHL
4. INTERPRETACIN
$a ecuacin de regresin estimada es
'oeficiente de correlacin 8< E..GM.
'oeficiente de determinacin 8X<E.-M.L
El valor de b < E.-LML indica el incremento del peso en Qilogramos, en
promedio, por cada centmetro de aumento en la estatura de los %ombres
adultos.
El valor de a, no tiene interpretacin prctica en el ejemplo, se interpretara
como el valor obtenido, en promedio, para el peso 6, cuando la estatura es E.
7tili!ando la ecuacin de regresin para estimar o predecir valores de la
variable 6 0ara una talla de ,-E se obtiene un peso de -E.M Qg.
5. CONCLUSIN
$a ecuacin de 8egresin $ineal estimada para las variables estatura y peso
muestran, de acuerdo a la prueba ), relacin.
Esta relacin se %a estimado en un 8 < .G.M, que indica una fuerte relacin
positiva.
&dems si consideramos el coeficiente de determinacin 8X < -M.. podemos
indicar que el -M..U de las variaciones que ocurren en el peso se explicaran
por las variaciones en la variable estatura.
0I0LIOGRA6IA DE REGRESION Y CORRELACION
,. Dommi 9N YPu( es un monografaZ [citada ,G E- ;EEI\ direccin
%ttpVV]]].mografias.comVtrabajosMVberenVberen.s%tml"
;. Korino S . 8esumen del libro de Estadsticas de 1erenson y $evine
[citada ,I E- ;EEI\ direccin %ttpVV
%ttpVV]]].mografias.comVtrabajos,GU;EVberenVberen.s%tml"
G. El 8incn del Dago, S$ ' Koro ML,;^ Salamanca (Espa:a" [,- E-
;EEI\ direccin %ttpVV %tlm.rincondelvago.comVestadisticaV%tml"
H. El 8incn Jel Dago, S$ ' Koro ML,;^ Salamanca (Espa:a" [,L E-
;EEI\ direccin %ttpVV%tlm.rincondelvago.comVestadisticaV%tml"
I. Artega 'alvom, 'ayuela Jomngue! &, 8egresin $ogstica +o
condicionada y tama:o de muestra una revisin bibliogrfica.
8evista Espa:ola de salud 0ublica [serie en Bnternet\ ;EE; 9ar!o
[citada ,L E- EI\ Dol ME+^; [,; paginas\ direccin
%ttpVV]]].scielospp%pVZpiol<s,,GI@
IM;M;EE;EEE;EEEE_scrip[<sciVarte
L. *aldos 'lculo y Estadstica BBB Edicin 7nica. *rupo $a 8epublica.
$ima 0er#`;EEI.
M. 'annavos *. 0robabilidad y Estadstica &plicacin y m(todos. Ed. en
espa:ol 9c *8&a@ SB$$VB+KE8&9E8B'&+& JE
9E5B'A.,..I.