Ao del Buen servicio al ciudadano

INTRODUCCION

En la mayora de las investigaciones sin importar el campo del

conocimiento en las que se desarrollen en las cuales se realicen
mediciones, observaciones o experimentos de donde se obtengan datos
de diferentes variables; es fundamental determinar algn tipo de relacin
de dependencia entre las variables con el fin de hacer predicciones o
pronsticos de eventos futuros de acuerdo con el comportamiento de
ellas.

Es una herramienta estadstica bsica no solo en lo acadmico, adems

en lo profesional, que permite demostrar grficamente la existencia o no
de una relacin entre la cantidad de datos de dos variables y cuantificar la
intensidad de dicha magnitud; as como tambin de qu tipo es su
correlacin (positiva, negativa o nula).

1
 1. Regresin

Es el anlisis que se utiliza para hacer predicciones. Adems, la regresin mide

en forma funcional, a travs de una ecuacin, la posible relacin entre las
variables con el objeto de predecir una de ellas en funcin de la(s) otra(s).

La naturaleza de la relacin puede tomar muchas formas, desde las sencillas

hasta las extremadamente complicadas. La ms sencilla consiste en una lnea,
es decir, una relacin lineal. Se establece que Y es una funcin de slo una
variable independiente. Se le denomina tambin regresin bivariada, porque solo
hay dos variables.

Se represente por la formula. Y = f (X).

Esta frmula se utiliza para determinar la pendiente del grfico.

Modelo de estimacin:

2
1.1 Regresin Lineal Simple
Slo se maneja una variable independiente, por lo que slo cuenta
con dos parmetros.
Son de la forma:

1.2 Regresin Lineal Mltiple

La regresin lineal permite trabajar con una variable a nivel de
intervalo o razn. De la misma manera, es posible analizar la
relacin entre dos o ms variables a travs de ecuaciones, lo que
se denomina regresin mltiple o regresin lineal mltiple.
Constantemente en la prctica de la investigacin estadstica, se
encuentran variables que de alguna manera estn relacionadas
entre s, por lo que es posible que una de las variables pueda
relacionarse matemticamente en funcin de otra u otras variables.
Maneja varias variables independientes y cuenta con varios
parmetros.

Se expresan de la forma:

1.3 Regresin recta de regresin

Las rectas de regresin son las rectas que mejor se ajustan a la
nube de puntos (o tambin llamado diagrama de dispersin)
generada por una distribucin binomial. Matemticamente, son
posibles dos rectas de mximo ajuste:

3
 2. Correlacin
Es cuando se estudia el grado de asociacin o dependencia entre dos
variables. Se mide por un coeficiente de correlacin, representado por r
.
se dirige sobre todo a medir la intensidad o fuerza con que
estn relacionadas linealmente las variables.
Se utiliza para medir la intensidad de la asociacin entre
variables numricas.
Mide la fuerza y la direccin de la relacin lineal entre dos
variables cuantitativas.

2.1. Coeficiente de correlacin

Para determinar el grado de relacin entre variables, se usa la siguiente frmula

(coeficiente de Pearson):

4
Dependiendo del resultado obtenido a travs de la frmula, se le asigna un
grado de relacin:

2.2 Tipo de correlacin:

- Correlacin Directa:
La correlacin directa se da cuando al aumentar una de las variables la
otra aumentar una de las variables la otra aumenta. Aumenta la recta
correspondiente a la nube de la recta correspondiente a la nube de puntos
de la creciente.
- Correlacin Inversa:
La correlacin inversa se da cuando la correlacin inversa se da cuando
al aumentar una de las variables la otra .disminuye. La recta
correspondiente a la nube de la nube de puntos de la distribucin es una
recta puntos decreciente.
- Correlacin nula:

La correlacin nula se da cuando no hay dependencia de ningn tipo entre

las variables.

En este caso se dice que las variables no son correlacionadas y la nube

de puntos tiene una forma redondeada.

5
2.3 Grado de correlacin

Correlacin fuerte
Correlacin dbil
2.4 Clasificacin de la Correlacin

Segn la Relacin entre Variables:

Correlacin lineal: Se representa mediante una lnea recta.

Correlacin no lineal: Se representa con una lnea curva.

Segn el nmero de variables:

Correlacin simple: La variable dependiente acta sobre la variable

independiente.
Correlacin mltiple: Cuando la variable dependiente acta sobre varias
variables independientes.
Correlacin parcial: Cuando la relacin que existe entre una variable
dependiente y una independiente es de tal forma que los una que los
dems factores permanezcan constantes.

Segn el valor cuantitativo:

Correlacin perfecta: El valor del coeficiente de correlacin es 1.

Correlacin imperfecta: El coeficiente de correlacin es menor a 1 sea en
sentido positivo o negativo.
Correlacin nula: El coeficiente de correlacin es 0.

3. Diagrama de dispersin

Un diagrama de dispersin muestra la relacin entre dos variables cuantitativas

medidas para los mismos individuos o grupo de individuos. Los valores de una
variable aparecen en el eje de las abscisas y los valores de la otra en el eje de
las ordenadas.

6
Si una de las dos variables se puede considerar una variable explicativa, sus
valores se sitan siempre en eje de las abscisas en el diagrama de dispersin.

La representacin grfica bidimensional en el anlisis de regresin que implica

una variable dependiente y una variable independiente. Para interpretar un
diagrama de dispersin, se identifica primero sus aspectos generales.

El aspecto general debe revelar la direccin la forma y la fuerza de la relacin

entre las dos variables. Si la relacin entre las dos variables tiene una direccin
clara, decimos que existe una asociacin positiva (si valores altos de las dos
variables tienden a ocurrir simultneamente) o una asociacin negativa (si
valores altos de una variable tienden a coincidir con valores bajos de la otra) Las
relaciones lineales, cuando los puntos del diagrama de dispersin se sitan
aproximadamente a lo largo de una recta, son una forma importante de relacin
entre dos variables.

3.1 Tipos de Diagrama

Dispersin positiva o creciente

7
 Dispersin positiva dbil

Dispersin negativa o decreciente

8
 Dispersin negativa dbil

Dispersin nula

9
4. Aplicacin del regresin y correlacin

Caso 1

Empresa Estilo y Moda

La empresa ESTILO Y MODA comercializa zapatos de calidad, cuenta con

8 vendedores en distintos puntos de Lima y desea saber cul es el grado de
dependencia de estas variables y pronosticar las ventas segn los aos de
experiencia.
En la siguiente tabla se muestra las siguientes cantidades de ventas de pares
de zapatos realizadas por un grupo de 8 vendedores de una compaa
durante un periodo dado, de acuerdo a los aos de experiencia.

Aos de Experiencia y Ventas

x y xiyi xi ^ 2 Y
VENDEDOR Aos de
Ventas
Experiencia
1 1 3 3 1 1.7234
2 2 2 4 4 0
3 3 4 12 9 0
4 3 5 15 9 1.1915
5 4 3 12 16 0
6 5 6 30 25 0
7 6 8 48 36 0
8 6 9 54 36 0
n 30 40 178 136
8 3.75 5 22.25 30.22222222

10
 SOLUCION

a) Hallar la pendiente

a 1.1915

b) Hallar la interseccin con el eje

b 0.5319

c) Mostrar la ecuacion lineal

Y = ax + b

y = 1.1915x + 0.5319

d) Obtener el diagrama de dispersin y mostrar la ecuacin lineal

CALCULO DE LA ECUACION LINEAL

10
9
8 y = 1.1915x + 0.5319
7 R = 0.7582

6
5
4
3
2
1
0
0 1 2 3 4 5 6 7

e) Estimar o pronosticar cuanto seran las ventas teniendo 12 y 15 aos de experiencia

X
14.83

X
18.40

11
- Interpretacin:
Podemos observar que el grafico tiene tendencia positiva y que la variable
ventas si depende de los aos de experiencia.
Adems se puede concluir que el pronstico de ventas teniendo 12 aos
de experiencia ser de 14.83 ventas al da y de 15 aos de experiencia
ser de 18.40 ventas al da.

Caso 2
Empresa Fnix
El gerente de una cadena de servicios de entrega de paquetera desea
desarrollar un modelo para predecir las ventas semanales (en miles de
dlares) para las tiendas individuales basado en el nmero de clientes que
realizan las compras.
Se seleccion una muestra aleatoria entre todas las tiendas de la cadena con
el siguiente resultado.

TIENDA
x y xiyi xi ^ 2
Clientes Ventas
1 907 11.2 10158.4 822649
2 926 11.05 10232.3 857476
3 506 6.84 3461.04 256036
4 141 9.21 1298.61 19881
5 789 9.42 7432.38 622521
6 889 10.08 8961.12 790321
7 874 9.45 8259.3 763876
8 510 6.73 3432.3 260100
9 529 7.24 3829.96 279841
10 420 6.12 2570.4 176400
11 679 7.63 5180.77 461041
n 7170 94.97 64816.58 5310142
11 651.818182 8.63363636 5892.41636 885023.667

12
13
 SOLUCION
a) Hallar la pendiente

a 0.0046

b) Hallar la interseccin con el eje

b 5.6506

c) Ecuacion lineal Y = ax + b

y = 0.0046x + 5.6506

d) Pronostique las ventas semanales (en miles de dlares) para las tiendas que tienen 600
clientes

x 8.396491954

e) Obener el diagrama de dispersion mostrando la ecuacion lineal

Diagrama
12

10 y = 0.0046x + 5.6506
R = 0.4135

0
0 100 200 300 400 500 600 700 800 900 1000

14
- Interpretacin:
Podemos observar que el grafico tiene tendencia positiva y que la variable
ventas si depende de La variable clientes.
Adems se puede concluir que el pronstico de ventas teniendo 600
clientes es de 8.39 (en miles de dlares).

15
5. CONCLUSIONES

La correlacin estadstica constituye una tcnica estadstica que nos indica si

dos variables estn relacionadas o no.
La correlacin es una herramienta poderosa que brinda piezas vitales de
informacin.
En el caso del ingreso familiar y el gasto familiar, es fcil ver que ambos suben
o bajan juntos en la misma direccin. Esto se denomina correlacin positiva.
la regresin se puede usar en muchos procesos en los cuales se tengan que
tomar decisiones o hacer inferencias acerca de algn fenmeno que no
conozcamos an su resultado, en el cual se tenga informacin de una variable
independiente y el comportamiento de otra variable que depende de la primera.
El anlisis de regresin tiene por objetivo estimar el valor promedio de una
variable, variable dependiente, con base en los valores de una o ms variables
adicionales, variables explicativas.
El anlisis de regresin ha cobrado popularidad debido al gran nmero de
paquetes estadsticos que lo incluyen y por ser un proceso adecuado y complejo
que se adapta a un sinfn de aplicaciones cientficas y ejecutivas que permite la
toma de decisiones.

16