SESION

14

2016

UN CASO

El gerente de una empresa exportadora esta

interesado en hacer un estudio de las ultimas
ventas realizadas al mercado extranjero en
funcin de su produccin y exportacin.

Existir alguna relacin entre la produccin y

la exportacin?

Cul ser la variable independiente y cul la

dependiente?
Sugerencias y discusin de ideas

TEMATICA:
Anlisis de correlacin. Diagrama de dispersin.
Coeficiente de correlacin lineal de Pearson. Modelo de
regresin lineal simple (Aplicaciones con SPSS, MINITAB o
EXCEL).

CAPACIDADES:
Calcula el coeficiente de correlacin de Pearson para
dos variables cuantitativas.
Estima los coeficientes para el modelo de regresin
lineal simple.
Interpreta la asociacin de dos variables cuantitativas
mediante la aplicacin de la correlacin y regresin
lineal simple.
simple.
ACTIVIDADES:

CONTENIDO
ANLISIS DE
REGRESIN

CORRELACI
N

DEFINICIN

CORRELACI
N LINEAL
SIMPLE
Fuente: Elaboracin por la Coordinacin de Mtodos Estadsticos.

REGRESIN
LINEAL
SIMPLE

CARACTERTI
CAS

MODELO
LINEAL

CORRELACIN
REGRESIN LINEAL SIMPLE
El anlisis de correlacin tiene por objetivo medir la
fuerza de una relacin entre variables cuantitativas
o cualitativas . Ella es medida a travs del
coeficiente de correlacin
variables cuantitativas ( que tiene distribucin
normal) La correlacin de Pearson
variables cualitativas ( que no tiene distribucin
normal) la correlacin de tau de kendall o spearman.
El anlisis de correlacin se realiza para determinar
el grado de relacin que hay entra las variables

 El anlisis de regresin lineal, se aplica para establecer la forma de

la relacin entre las variables, es decir, este estudia la relacin
funcional entre las variables y = f(x), de modo que podamos
predecir este el valor de una con base en la otra u otras.
Las variables que son la base de la prediccin (independientes)
Las variables que se va a predecir (dependientes)
Hiptesis a probar correlacional
A mayor X mayor Y
Esto se entiende altos valores de X estn asociados con altos
valores
de Y
A mayor X menor Y
Esto se entiende altos valores de X se asociados con bajos valores
de Y
La correlacin de Pearson no va evaluar la causalidad
dentro de las variables : no considera a una como independiente y
otra como dependiente debido que no se evala causalidad

CORRELACION
TIPO DE
Sxy< 0 relacin lineal inversa o negativa
CORRELACION
Sxy> 0 relacin lineal directa
o
positiva

Y - Y
Y - Y

X - X

X - X

Sxy= 0 independencia lineal

Y - Y

Coeficiente de
correlacin:
X - X

rxy
X

n xy ( x)( y )

n x 2 ( x ) 2 n y 2 ( y ) 2

DIAGRAMA DE
DISPERSION
representacin
grafica de los distintos

Es la
valores de la variable
estadstica bidimensional (Xi, Yi) en el sistema cartesiano. Esta
representacin da origen a una NUBE DE PUNTOS que se
denomina DIAGRAMA DE DISPERSIN O ESPARCIMIENTO.
y
y

Lineal positiva

Lineal negativa

Ninguna relacin

No lineal

MEDIDA DE
CORRELACION
LINEAL SIMPLE
Se realiza a travs del Coeficiente de Correlacin Lineal de
Pearson (r).
Se utiliza cuando las variables de estudio son cuantitativas
medidas en escala de intervalo o razn.
El Coeficiente puede tomar cualquier valor entre -1 y 1
r = 1 (relacin lineal directa y perfecta)
r = -1 (relacin lineal inversa y perfecta)
r = 0 (indica que las dos variables no estn asociadas)

CORRELACION LINEAL
SIMPLE

El coeficiente de correlacin , o llamado tambin coeficiente

de correlacin de Pearson, se denota o r
y se define por

n.(XY ) (X )(Y )
n.(X 2 ) (X ) 2 .

2
2

n. Y Y

El valor de r varia como sigue -1 r 1

EL OBJETIVO DEL ANALISIS DE CORRELACION DE PEARSON
ES MEDIR LA INTENSIDAD DE LA ASOCIACION OBSERVADA
ENTRE DOS VARIABLES CUANTITATIVAS.

CORRELACIN
REGRESIN LINEAL SIMPLE

Cuando se tiene inters en analizar la relacin entre dos

variables cuantitativas como por ejemplo:
estatura y peso,
edad y presin sangunea,
el ingreso familiar y los gastos mdicos,
los niveles de pobreza y las tasas de mortalidad
infantil.
La naturaleza y la intensidad de la relacin entre este tipo
de variables puede ser examinada por medio del anlisis
de CORRELACIN y REGRESIN LINEAL.

REGRESIN LINEAL SIMPLE

Estima la forma o naturaleza de la relacin entre dos variables
cuantitativas, siendo su objetivo final el PREDECIR o
ESTIMAR el valor de una variable en funcin al valor dado de
otra variable.
Es una regresin lineal ya que la relacin X-Y est modelada
para seguir una lnea recta; y es simple ya que hay una sola
variable X.
Modelo de
regresin:

ECUACION DE
REGRESION

1
0

n X iYi ( X i )( Yi )
i 1

n X i2 ( X i ) 2

1 Intercepto de la ecuacin de regresin con el eje Y

0 Coeficiente de regresin

Xi = Valores de la variable independiente

Yi = Valores de la variable dependiente

ACTIVIDAD
En un determinado sector, la produccin y las exportaciones
durante los ltimos aos han sido:
Ao
2000
2001
2002
2003
2004

Produccin
(miles y)
400
420
440
480
500

Exportacin
(miles x)
80
80
90
92
98

Realice el diagrama de dispersin

Calcule el coeficiente de correlacin lineal y d su interpretacin
Encuentre y calcule la ecuacin de regresin lineal simple.
Determine el coeficiente de determinacin e interprete el resultado.

ACTIVIDAD EN AULA

Formar Grupos entre 4 y 6 estudiantes.

Resolver los ejercicios propuestos del libro Manual de
Estadstica del rea al que pertenece

Nota: El docente debe asegurar que todo los integrantes participen, en su

registro auxiliar debe anotar la participacin de los alumnos as mismo el
docente debe calificar esta actividad.

REFERENCIAS
Molina, H. (2012). Mtodos Estadsticos. Lima: UCV Lima Norte.
Casas, J. (2006) Ejercicios de Inferencia Estadstica y Muestreo
para Economa y Administracin de Empresas. Ed. Pirmide.
Cdigo UCV: 330.015195076 C33
Montgomery, M. y Runger, G. (1999) Probabilidad y Estadstica
Aplicada a la Ingeniera. Mxico DF: Mc Graw Hill.
Norman, R. (1998). Bioestadstica. Editorial Harcourt Brace.
Cdigo UCV: 570.15195 N84
Walpole, R. (2002) Probabilidad y Estadstica para Ingenieros.
(6 Ed.) Mxico DF: Pearson Education.

Ejemplo N1 En una obra se observan las caractersticas en el

siguiente cuadro
N
Salario
N de
horas
de
observaci
X2
X.Y
/semana obreros (
ones
(x )
y)
1
2
1
1
2
9
15
2
3
5
16
36
3
4
9
4
5
6
Total

Y2
4
25
81

6
9
13

16
21
27

96

36

256

189

81

441

351

169

36

80

689

312

729
1536

Calculamos el coeficiente de correlacin de la frmula

siguiente.

n(XY ) (X )(Y )
n(X 2 ) (X ) 2 n Y 2 Y 2

6(689) (36)(80)
6(312) (36) 2 61536 80 2

1254
(576)( 2816)

1254
r
1273,58392

r 0.9846

Correlacin positiva muy fuerte

-1.00= correlacin negativa perfecta
-0.90= correlacin negativa muy fuerte
-0.75= correlacin negativa considerable
-0.50= correlacin negativa media
-0.25= correlacin negativa dbil
-0.10= correlacin negativa muy dbil
0.00 = no existe correlacin alguna entre
las variables
0.10= correlacin positiva muy dbil
0.25= correlacin positiva dbil
0.50= correlacin positiva media
0.75= correlacin positiva considerable
0.90= correlacin positiva muy fuerte
1.00= correlacin positiva perfecta

1
0

n X iYi ( X i )( Yi )
i 1

n X i2 ( X i ) 2

Y B0 B1. X

X
n

6(689) 36(80)
1
2.177
2
6(312) (36)
(80)
36
0
(2.177) 0.271
6
6

Y 0.271 2.177. X

Correlations
horas
Pearson Correlation

salario
,985**

horas

Sig. (2-tailed)
,000
N
6
6
Pearson
,985**
1
Correlacin
salario
Sig. (2-tailed)
,000
N
6
6
**. Correlation is significant at the 0.01 level (2-tailed).

y B B1a
y 0.271 2.177 x

Ejemplo N2 En una obra se observan las caractersticas en el siguiente cuadro

N de
observacion
es

(x

Obreros (
y)

x.y

X2

Y2

16

32

256

15

45

225

13

65

169

25

11

77

121

49

72

64

81

10

60

36

100

13

39

169

49

390

880

437

Total

Das

72

Calculamos el coeficiente de correlacin de la frmula

siguiente.
n(XY ) (X )(Y )
7(390) (72)(49)

n(X 2 ) (X ) 2 n Y 2 Y 2

7(880) (72) 2 7 437 49 2

2730 3528
r
6160 5184 3059 2401

798
801.38

r 0.9957

Correlacin negativa muy fuerte

1
0

n X iYi ( X i )( Yi )
i 1

n X i2 ( X i ) 2

X
n

7(390) 72(49)
1
0.81
2
7(880) (72)
(49)
72
0
(0.81)
15.403
7
7

Correlations

dias

obreros

Pearson
1
-,996**
Correlation
dias
Sig. (2-tailed)

,000
N
7
7
Pearson
-,996**
1
Correlation
obreros
Sig. (2-tailed)
,000
N
7
7
**. Correlation is significant at the 0.01 level
(2-tailed).

y a bx
y 18.775 (1.213) x

EJEMPLO 1 Se tiene los siguientes datos que corresponden a pacientes de

enfisema: el nmero de aos que el paciente ha fumado y la evaluacin subjetiva
del mdico en relacin al dao sufrido por los pulmones. La ltima variable se
mide en una escala de 0 a 100. Las observaciones correspondientes a 10 pacientes
son las siguientes:
pacien
tes

Aos
que ha
fumado
(x)

Daos en
los
pulmones
(y)

25

55

36

50

15

30

48

75

39

70

42

70

31

55

22

45

33

35

10

45
336

72
557

Total

X:Y

1375

625

3025

1800

1296

2500

225

900

3600

2304

5625

2730

1521

4900

2940

1764

4900

1705

961

3025

990

484

2025

1155

1089

1225

3240

2025

5184

19985 12294

33309

450

a) Existe relacin entre el nmero de aos que ha fumado y el dao en los

pulmones?
b) Halle el coeficiente correlacin.
.Nota: la enfisema es una enfermedad pulmonar que ataca a las personas que
fuman.
Solucin
a)

b) Hallando el coeficiente de correlacin r

n XY X Y

[n X 2 ( X ) 2 ][ n Y 2 ( Y ) 2 ]

10(19985) (336)(557)
[10(12294) (336) 2 ][10(33309)- (557) 2

r = 0,84

Correlaciones

Aos
Daos
que ha en los
fumado pulmon
es
Correlacin
1
,838**
Aos que de Pearson
ha
Sig.

,002
fumado
(bilateral)
N
10
10
Correlacin
,838**
1
Daos en de Pearson
los
Sig.

,002
pulmones (bilateral)
N
10
10
**. La correlacin es significativa al nivel 0,01
Regresin
(bilateral).

Modelo

Coeficientesa
Coeficientes no Coeficie
t
Sig.
estandarizados
ntes
tipificad
os
B
Error
Beta
tp.
(Constante)
2,635
7,376
,357 ,730
Daos en los
4,35
,556
,128
,838
,002

EJEMPLO 2 Se tiene informacin en cuanto a estatura (cm.) y peso (kg.) de

los 10 primeros pacientes que llegaron al laboratorio de anlisis clnico del
Hospital Nacional Cayetano Heredia el da de ayer.
Estatu X 15
ra
0
Peso

55

Casos
1
2
3
4
5
6
7
8
9
10

15
5

180 160 170 165 185 175 160

50
x
150
155
180
160
170
165
185
175
160
165

Totale
s
1665

85

65
y
55
50
85
65
75
60
80
70
65
60

665

75

60

xy
8250
7750
15300
10400
12750
9900
14800
12250
10400
9900

111700

80
x2
22500
24025
32400
25600
28900
27225
34225
30625
25600
27225

70

65

y2
3025
2500
7225
4225
5625
3600
6400
4900
4225
3600

27832
5
45325

165
60

Correlaciones
Correlaciones

Estatura

Peso

Correlacin de
Pearson
Sig. (bilateral)
N
Correlacin de
Pearson
Sig. (bilateral)
N

Estatura

Peso

,887**

10

,001
10

,887**

,001
10

10

**. La correlacin es significativa al nivel 0,01 (bilateral).

Coeficientesa
Coeficientes no
estandarizados

Modelo

B
1

(Constant
e)
Estatura

a. Variable dependiente: Peso

Error tp.

-81,122

27,280

,887

,164

Coeficient
es
tipificados
Beta

,887

Sig.

-2,974

,018

5,422

,001