ACTIVIDAD 7

DOCUMENTO DE SOCIALIZACIÓN SOBRE REGRESIÓN Y CORRELACIÓN LINEAL

HECTOR YESID SILVA HOYOS

ID. 661278

LAUDY YAMIR GUERRERO CACERES

ID. 677676

GLORIA YANETH RUEDA MEDINA

TUTOR

CORPORACION UNIVERSITARIA UNIMINUTO

CONTADURIA PUBLICA
ESTADISTICA DESCRIPTIVA
BUCARAMANGA
2019
 DOCUMENTO DE SOCIALIZACIÓN SOBRE REGRESIÓN Y CORRELACIÓN LINEAL

Objetivos

- Reconocer los conceptos básicos de regresión y correlación lineal y su aplicación en

casos de la cotidianidad.

- Identificar el procedimiento para el trato de variables con incógnitas.

- Conocer las principales diferencias entre el análisis de regresión y el análisis de

correlación.

- Mostrar los elementos teóricos necesarios para establecer un análisis de regresión.

 Metodología

1. Presentación de conceptos básicos

Regresión
La regresión está dirigida a describir como es la relación entre dos variables X e Y, de tal
manera que incluso se pueden hacer predicciones sobre los valores de la variable Y, a partir
de los de X. Cuando la asociación entre ambas variables es fuerte, la regresión nos ofrece
un modelo estadístico que puede alcanzar finalidades predictivas.

La regresión supone que hay una variable fija, controlada por el investigador (es la
variable independiente o predictora), y otra que no está controlada (variable respuesta o
dependiente). La correlación supone que ninguna es fija: las dos variables están fuera del
control de investigador.

La regresión es su forma más sencilla se llama regresión lineal simple. Se trata de una
técnica estadística que analiza la relación entre dos variables cuantitativas, tratando de
verificar si dicha relación es lineal.

Si tenemos dos variables hablamos de regresión simple, si hay más de dos variables
regresión múltiple.

Correlación
La finalidad de la correlación es examinar la dirección y la fuerza de la asociación entre
dos variables cuantitativas. Así conoceremos la intensidad de la relación entre ellas y si, al
aumentar el valor de una variable, aumenta o disminuye el valor de la otra variable.

Hay dos coeficientes de correlación que se usan frecuentemente: el de Pearson

(paramétrico) y el de Spearman (no paramétrico, se utiliza en aquellos casos donde las
variables examinadas no cumplen criterios de normalidad o cuando las variables son
ordinales).
 El coeficiente de correlación de Pearson evalúa específicamente la adecuación a la recta
lineal que defina la relación entre dos variables cuantitativas. El coeficiente no paramétrico
de Spearman mide cualquier tipo de asociación, no necesariamente lineal.

La Correlación es una técnica estadística usada para determinar la relación entre dos o
más variables. La relación entre la duración de una carrera de distancia y el test del escalón,
o la relación entre las características de la personalidad y la participación en deportes de
alto riesgo.

2. Explicación con casos prácticos

Regresión Lineal

1. Vamos a suponer que hay dos tipos de variables:

- Una variable dependiente que queremos explicar o pronosticar y la llamaremos “y”
- De otro lado tendremos una variable independiente que explica a la variable “y” y la
llamaremos “x”.
- Vamos a suponer que las dos variables están conectadas a través de una ecuación lineal.

La técnica de regresión lineal consiste en modelar una ecuación de una recta, así:
y

Ejemplos:
1. Se desea predecir el sueldo (pesos) en función de la edad de un trabajador.
Entonces, el sueldo será la variable dependiente “y” y la edad será la variable independiente
o explicativa “x”.
Ahora bien, si se presenta que a mayor edad mayor sueldo o que a menor edad menor
sueldo podemos decir que X y Y tienen una relación directa.
2. Se desea predecir el tiempo (meses) que demora una constructora en edificar un
condominio en función al número de trabajadores que contrató para realizar la obra.
Tenemos la variable Tiempo de construcción que es la variable Y que es la que se desea
predecir y luego se tiene la variable Número de trabajadores que es la variable X.

En este caso se puede determinar que mientras el número de trabajadores aumenta el

tiempo de la construcción va a disminuir. En su defecto si el número de trabajadores
disminuye el tiempo se alargará.
De esto podemos decir que tienen una relación inversa.

Para mayor claridad podemos ingresar al siguiente enlace https://www.youtube.com/watch?

v=qm_dfifxRE4

Coeficiente de Correlación

Para abordar de una manera clara este tema se sugiere el siguiente enlace
https://www.youtube.com/watch?v=aKsjilxc5ww
 ESTADISTICA TALLER UNIDAD 5
REGRESIÓN LINEAL

Ejercicio 1. Una determinada empresa de productos básicos muestra los datos del
último año de ventas (en millones de pesos) y al gasto en publicidad (en millones de
pesos). La tabla siguientes muestra estas dos variables X e Y.

GASTOS EN PUBLICIDAD VENTAS EN MILLONES DE PESOS

X Y

Xi Yi Xi² Yi² Xi*Yi (Xi-) (Xi-) ² ( Yi- ) ( Yi- ) ² (Xi-)*(Yi-) (Xi-)²*(Yi-)²

1 170 15 28900 225 2550 -16,25 264,0625 -3,167 10,028 51,458 2647,96
2 174 15 30276 225 2610 -12,25 150,0625 -3,167 10,028 38,792 1504,79
3 176 17 30976 289 2992 -10,25 105,0625 -1,167 1,361 11,958 143,00
4 181 16 32761 256 2896 -5,25 27,5625 -2,167 4,694 11,375 129,39
5 184 18 33856 324 3312 -2,25 5,0625 -0,167 0,028 0,375 0,14
6 184 17 33856 289 3128 -2,25 5,0625 -1,167 1,361 2,625 6,89
7 188 17 35344 289 3196 1,75 3,0625 -1,167 1,361 -2,042 4,17
8 190 21 36100 441 3990 3,75 14,0625 2,833 8,028 10,625 112,89
9 193 20 37249 400 3860 6,75 45,5625 1,833 3,361 12,375 153,14
10 196 21 38416 441 4116 9,75 95,0625 2,833 8,028 27,625 763,14
11 199 22 39601 484 4378 12,75 162,5625 3,833 14,694 48,875 2388,77
12 200 19 40000 361 3800 13,75 189,0625 0,833 0,694 11,458 131,29
2235 218 417335 4024 40828 0 1066,25 0,000 63,667 225,5 7985,58

a. Grafique la nube de puntos

GASTOS PUBLICIDAD / VENTAS

25

20

15

10

0
165 170 175 180 185 190 195 200 205

GASTOS PUBLICIDAD / VENTAS

 b. Calcule el valor de la covarianza

Para hallar la covarianza procedemos inicialmente a calcular la media de gastos de

publicidad (X):

MEDIA DE GASTOS PUBLICIDAD Xi= 2235 186,25

12
Y ahora hallamos la media de ventas:

MEDIA DE VENTAS Yi= 218 18,17

12

Ahora si hallamos la covarianza:

∑(Xi-
COVARIANZA )*(Yi-)   225,5 18,7916667
N 12

c. Determine el tipo de correlación lineal hallando el coeficiente de correlación

Para determinar el tipo de correlación lineal hallamos primero el coeficiente de

correlación:

COEFICIENTE DE CORRELACION LINEAL

1/n*∑( Xi- ) * ( Yi- ) 1/12*(225,5) 18,792 0,728
√ 1/n*∑( Xi- ) ² * ( Yi- ) ² √ 1/12*7985,58 25,797

Luego decimos que existe una correlación de 0.7 entre las dos variables

d. Halle la recta de regresión

Se realiza el proceso para hallar la regresión y así poder terminar la recta:

y=a+bx b= 1/n*∑( Xi- ) * ( Yi- ) 1/12*225,5 18,792 0,211

1/n*∑( Xi-) ² 1/12*1066,25 88,854

a= -b 18,17-(0,211*186,25) -21,223

y=a+bx y= (-21,223)-0,211(X)
 GASTOS PUBLICIDAD / VENTAS
25

20

15

10

0
165 170 175 180 185 190 195 200 205

GASTOS PUBLICIDAD / VENTAS

Ejercicio 2. Para una muestra de 10 personas disponemos de información respecto a su

grado de extroversión, y se desea evaluar su posible relación lineal con la dimensión de
personalidad estabilidad emocional. Ambas variables se han medido con un test y se han
obtenido las puntuaciones para cada sujeto en una escala de 0 a 10. Los valores
obtenidos se presentan en la siguiente tabla:

Sujeto X: Grado de Y: Estabilidad

s Extroversión Emocional
1 5 6
2 10 6
3 4 3
4 7 8
5 6 6
6 5 3
7 4 5
8 4 9
9 4 10
10 3 9
 GRADO DE EXTROVERSION ESTABILIDAD EMOCIONAL
X Y

Xi Yi Xi² Yi² Xi*Yi (Xi-) (Xi-) ² ( Yi- ) ( Yi- ) ² (Xi-)*(Yi-) (Xi-)²*(Yi-)²

5 6 25 36 30 -0,2 0,04 -0,50 0,25 0,1 0,01
10 6 100 36 60 4,8 23,04 -0,50 0,25 -2,4 5,76
4 3 16 9 12 -1,2 1,44 -3,50 12,25 4,2 17,64
7 8 49 64 56 1,8 3,24 1,50 2,25 2,7 7,29
6 6 36 36 36 0,8 0,64 -0,50 0,25 -0,4 0,16
5 3 25 9 15 -0,2 0,04 -3,50 12,25 0,7 0,49
4 5 16 25 20 -1,2 1,44 -1,50 2,25 1,8 3,24
4 9 16 81 36 -1,2 1,44 2,50 6,25 -3 9
4 10 16 100 40 -1,2 1,44 3,50 12,25 -4,2 17,64
3 9 9 81 27 -2,2 4,84 2,50 6,25 -5,5 30,25
52 65 308 477 332 0 37,6 0 54,5 -6 91,48

a. Calcule el valor de la covarianza

Para calcular la covarianza primero hayamos la media de extroversión (X):

MEDIA DE EXTROVERSION Xi 52 5,2

10

Y la media de estabilidad emocional (Y)

MEDIA DE ESTABILIDAD
EMOCIONAL Yi= 65 6,50
10

Ahora si hallamos la covarianza:

COVARIANZA ∑( Xi- ) * ( Yi- ) -6 -0,6

N 10

b. Grafique la nube de puntos

 c. Determine el tipo de correlación hallando el coeficiente de correlación

Primero procedemos a hallar el coeficiente de correlación:

COEFICIENTE DE CORRELACION LINEAL

1/n*∑( Xi- ) * ( Yi- ) 1/10*(-6) -0,600 -0,198
√ 1/n*∑( Xi- ) ² * ( Yi- ) ² √1/10*91,48 3,025

Luego decimos que existe una correlación de 0.198 entre las dos variables.

d. Halle la recta de regresión

REGRESION y=a+bx b= 1/n*∑( Xi- ) * ( Yi- ) 1/10*(-6) -0,6 -0,160

1/n*∑( Xi-) ² 1/10*37,6 3,76

a= -b 6,50-(-0,160*5,2) 7,330

e. Determine la estabilidad emocional para un grado de extroversión de 2

y=a+bx Y= 7,330+(-0,1,160*2) 7,011

 DEVOLUCIÓN CREATIVA - METACOGNICIÓN

¿Qué diferencias se encuentran en los tipos de regresión y dónde aplicarlos en su

carrera?
La diferencia fundamental entre los tipos de regresión es la cantidad de variables.
Mientras en la regresión lineal simple se analiza la influencia de una variable explicativa X
en los valores que toma otra variable denominada dependiente (Y), en la regresión lineal
múltiple se utiliza más de una variable explicativa.

En el caso particular de la contaduría son de gran utilidad a la hora de tomar decisiones

pues permiten analizar las diferentes probabilidades del porqué se presenta determinada
situación y la conveniencia de las medidas que se deban adoptar.
 REFERENCIAS BIBLIOGRÁFICAS

Libro guía Martíncez, C., y Levin, R. (2012). Estadística aplicada. Bogotá D.C., Colombia:
Pearson Educación.

Lind, D.A., Marchal, W. G., Wathen, S.A. (2015). Estadística aplicada a los negocios y a
la economía. México D.F., México McGrawHill/Interamericana editores S.A.