You are on page 1of 30

Correlacin

De Wikipedia, la enciclopedia libre Saltar a: navegacin, bsqueda Para otros usos de este trmino, vase Correlacin (desambiguacin). En probabilidad y estadstica, la correlacin indica la fuerza y la direccin de una relacin lineal y proporcionalidad entre dos variables estadsticas. Se considera que dos variables cuantitativas estn correlacionadas cuando los valores de una de ellas varan sistemticamente con respecto a los valores homnimos de la otra: si tenemos dos variables (A y B) existe correlacin si al aumentar los valores de A lo hacen tambin los de B y viceversa. La correlacin entre dos variables no implica, por s misma, ninguna relacin de causalidad (Vase cum hoc ergo propter hoc).

Contenido
[ocultar]

1 Fuerza, sentido y forma de la correlacin 2 Coeficientes de correlacin o 2.1 Interpretacin geomtrica o 2.2 Distribucin del coeficiente de correlacin 3 Referencias 4 Enlaces externos

[editar] Fuerza, sentido y forma de la correlacin


La relacin entre dos super variables cuantitativas queda representada mediante la lnea de mejor ajuste, trazada a partir de la nube de puntos. Los principales componentes elementales de una lnea de ajuste y, por lo tanto, de una correlacin, son la fuerza, el sentido y la forma:

La fuerza extrema segn el caso, mide el grado en que la lnea representa a la nube de puntos: si la nube es estrecha y alargada, se representa por una lnea recta, lo que indica que la relacin es fuerte; si la nube de puntos tiene una tendencia elptica o circular, la relacin es dbil. El sentido mide la variacin de los valores de B con respecto a A: si al crecer los valores de A lo hacen los de B, la relacin es positiva; si al crecer los valores de A disminuyen los de B, la relacin es negativa. La forma establece el tipo de lnea que define el mejor ajuste: la lnea recta, la curva monotnica o la curva no monotnica.

[editar] Coeficientes de correlacin

Existen diversos coeficientes que miden el grado de correlacin, adaptados a la naturaleza de los datos. El ms conocido es el coeficiente de correlacin de Pearson (introducido en realidad por Francis Galton), que se obtiene dividiendo la covarianza de dos variables por el producto de sus desviaciones estndar. Otros coeficientes son:

Coeficiente de correlacin de Spearman Correlacin cannica Coeficiente de Correlacin Intraclase

[editar] Interpretacin geomtrica


Dados los valores muestrales de dos variables aleatorias e

, que pueden ser consideradas como vectores en un espacio a n dimensiones, puden construirse los "vectores centrados" como: e .

El coseno del ngulo alfa entre estos vectores es dada por la frmula siguiente:

Pues es el coeficiente de correlacin muestral de Pearson. El coeficiente de correlacin es el coseno entre ambos vectores centrados:

Si r = 1, el ngulo Si r = 0, el ngulo Si r =-1, el ngulo

, ambos vectores son colineales (paralelos). , ambos vectores son ortogonales. , ambos vectores son colineales de direccin opuesto. .

Ms generalmente:

Por supuesto, del punto vista geomtrica, no hablamos de correlacin lineal: el coeficiente de correlacin tiene siempre un sentido, cualquiera si que sea su valor entre -1 y 1. Nos informa de modo preciso, no tanto sobre el grado de dependencia entre las variables, que sobre su distancia angular en la hiperesfera a n dimensiones. La Iconografa de las correlaciones es un mtodo de anlisis multidimensional que reposa en esta idea. La correlacion lineal se da cuando en una nube de puntos estos se encuentran o se distribuyen alrededor de una recta.

[editar] Distribucin del coeficiente de correlacin


El coeficiente de correlacin muestral de una muestra es de hecho una varible aleatoria, eso significa que si repetimos un experimento o consideramos diferentes muestras se obtendrn valores diferentes y por tanto el coeficiente de correlacin muestral calculado a partir de ellas tendr valores ligeramente diferentes. Para muestras grandes la variacin en dicho coeficiente ser menor que para muestras pequeas. R. A. Fisher fue el primero en determinar la distribucin de probabilidad para el coeficiente de correlacin. Si las dos variables aleatorias que trata de relacionarse proceden de una distribucin gaussiana bivariante entonces el coeficiente de correlacin r sigue una distribucin de probabilidad dada por:1 2

donde: es la distribucin gamma es la funcin gaussiana hipergeomtrica.

Ntese que

, por tanto r es estimador sesgado de .

Puede obtenerse un estimador aproximado no sesgado resolviendo la ecuacin:

for Aunque, la solucn:

es subptima. Se puede obtener un estimador sesgado con mnima varianza para grandes valores de n, con sesgo de orden buscando el mximo de la expresin:

, i.e.

En el caso especial de que

, la distribucin original puede ser reescrita como:

CORRELACION

La correlacin trata de establecer la relacin o dependencia que existe entre las dos variables que intervienen en una distribucin bidimensional .

Es decir, determinar si los cambios en una de las variables influyen en los cambios de la otra. En caso de que suceda, diremos que las variables estn correlacionadas o que hay correlacin entre ellas.

Tipos de correlacin

1 Correlacin directa

La correlacin directa se da cuando al aumentar una de las variables la otra aumenta.

La recta correspondiente a la nube de puntos de la distribucin es una recta creciente.

2 Correlacin inversa

La correlacin inversa se da cuando al aumentar una de las v ariables la otra disminuye.

La recta correspondiente a la nube de puntos de la distribucin es una recta decreciente.

3 Correlacin nula

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

En este caso se dice que la s variables son incorreladas y la nube de puntos tiene una forma redondeada.

Grado de correlacin

El grado de correlacin indica la proximidad que hay entre los puntos de la nube de puntos. Se pueden dar tres tipos:

1. Correlacin fuerte

La correlacin ser fuerte cuanto ms cerca estn los puntos de la recta.

2. Correlacin dbil

La correlacin ser dbil cuanto ms separados estn los puntos de la recta.

3. Correlacin nula

C o e f i c i e n t e d e c or r e l a c i n l in e a l

El coeficiente de correlacin lineal es el cociente entre la covarianza y el producto de las desviaciones tpicas de ambas variables.

El coeficiente de correlacin lineal se expresa mediante la letra r.

Propiedades del coeficiente de correlacin

1. El coeficiente de correlacin no vara al hacerlo la escala de


medicin.

Es

decir,

si

expresamos

la

altura

en

metros

en

centmetros

el

coeficiente de correlacin no vara.

2. El signo del coeficiente de correlacin es el mismo que el de la


covarianza.

Si la covarianza es positiva, la correlac in es directa.

Si la covarianza es negativa, la correlacin es inversa.

Si la covarianza es nula, no existe correlacin.

3. El coeficiente de correlacin lineal es un nmero real comprendido


entre 1 y 1.

1 r 1

4. Si el coeficiente de correlacin lineal toma valores cercanos a 1


la correlacin es fuerte e inversa, y ser tanto ms fuerte cuanto ms se aproxime r a 1.

5. Si el coeficiente de correlacin lineal toma valores cercanos a 1 la


correlacin es fuerte y directa, y ser tanto ms fuerte cuanto ms se

aproxime r a 1.

6. Si el coeficiente de correlacin lineal toma valores cercanos a 0,


la correlacin es dbil.

7. Si r = 1 1, los puntos de la nube estn sobre la recta creciente o


decreciente. Entre ambas variables hay dependencia funcional .

Ejemplos

Las notas de 12 alumnos de una clase en Matemticas y Fsica son las siguientes:

Matemticas

10

10

Fsica

10

Hallar el coeficiente de correlacin de la distribucin e interpretarlo.

xi xi yi yi

xi2

yi2

16

16

16

16

20

25

16

24

36

16

36

36

36

28

49

16

42

49

36

56

64

49

10

90

100

81

10

10

100

100

100

72

60

431

504

380

1 Hallamos las medias aritmticas .

2 Calculamos la covarianza.

3 Calculamos las desviaciones tpicas.

4 Aplicamos la frmula del coeficiente de correlacin lineal .

Al ser el coeficiente de correlacin positivo, la correlacin es directa.

Como coeficiente de correlacin est muy prximo a 1 la correlacin es muy fuerte.

Los siguiente:

valores

de

dos

variables

se

distribuyen

segn

la

tabla

Y/X

Determinar el coeficiente de correlacin .

Convertimos la tabla de doble entrada en tabla simple.

xi xi yi fi fi

xi2 fi

yi fi

yi2 fi

xi yi fi

18

16

16

16

10

20

15

45

30

12

48

12

32

16

20

40

120

41

97

76

Al inversa.

ser

el

coeficiente

de

correlacin

negativo,

la

correlacin

es

Como coeficiente de correlacin est muy prximo a 0 la correlacin es muy dbil.

E j e r c i c i o s d e r eg r e s i n y c o r r e l a c i n

1. Cinco nios de 2, 3, 5, 7 y 8 aos de edad pesan, respectivamente,


14, 20, 32, 42 y 44 kilos.

1 Hallar la ecuacin de la recta de regresin de la edad sobre el peso.

2 Cul sera el peso aproximado de un nio de seis aos?

2. Un centro comercial sabe en funcin de la distancia, en kilmetros, a


la que se site de un ncleo de poblacin, acuden los clientes, en cientos, que figuran en la tabla:

N de clientes (X)

Distancia (Y)

15

19

25

23

34

40

1 Calcular el coeficiente de correlacin lineal .

2 Si el centro comercial se sita a 2 km, cuntos clientes puede


esperar?

3 Si desea recibir a 500 clientes, a qu distancia del ncleo de


poblacin debe situarse?

3. Las notas obtenidas por cinco alumnos en Matemticas y Qumica


son:

Matemticas

3. 5

Qumica

6. 5

4. 5

Determinar

las

rectas

de

regresin

calcular

la

nota

esperada

en

Qumica para un alumno que tiene 7.5 en Matemticas.

4. Un conjunto de datos bidimensionales (X, Y) tiene coeficiente de


correlacin r = 0.9, siendo las medias de las distribuciones marginales 1, =

= 2. Se sabe que una de las cuatro ecuaciones siguientes corresponde a

la recta de regresin de Y sobre X:

y = -x + 2 3x - y = 1 2x + y = 4 y = x + 1

Seleccionar razonadamente esta recta.

5. Las estaturas y pesos de 10 jugadores de baloncesto de un equipo


son:

Estatura (X)

186 189 190 192 193 193 198 201 203 205

Pesos (Y)

85

85

86

90

87

91

93

103 100 101

Calcular:

1 La recta de regresin de Y sobre X.

2 El coeficiente de correlacin .

3 El peso estimado de un jugador que mide 208 cm.

6. A partir de los siguientes datos referentes a horas trabajadas en un


taller (X), y a unidades producidas (Y), determinar la recta de regresin de Y sobre X, el coeficiente de correlacin lineal e interpretarlo.

Horas (X)

80

79

83

84

78

60

82

85

79

84

80

62

Produccin 300 302 315 330 300 250 300 340 315 330 310 240 (Y)

7. Se ha solicitado a un grupo de 50 individuos informacin sobre el


nmero de horas que dedican diariamente a dormir y ver la televisin. La clasificacin de las respuestas ha permitido elaborar la siente tabla:

N de horas dormidas (X)

10

N de horas de televisin (Y)

Frecuencias absolutas (f i)

16

20

10

Se pide:

1 Calcular el coeficiente de correlacin .

2 Determinar la ecuacin de la recta de regresin de Y sobre X.

3 Si una persona duerme ocho horas y media, cunto cabe esperar que
vea la televisin?

8. La tabla siguiente nos da las notas del test de aptitud (X) dadas a
seis dependientes a prueba y ventas del primer mes de prueba (Y) en cientos de euros.

25

42

33

54

29

36

42

72

50

90

45

48

Hallar

el

coeficiente

de

correlacin

interpretar

el

resultado

obtenido.

2 Calcular la recta de regresin de Y sobre X. Predecir las ventas de


un vendedor que obtenga 47 en el test.

1. Una compaa desea hacer predicciones del valor anual de sus ventas
totales en cierto pas a partir de la relacin de stas y la renta nacional. Para investigar la relacin cuenta con los siguientes datos:

X Y

189 402

190 404

208 412

227 425

239 429

252 436

257 440

274 447

293 458

308 469

316 469

X representa la renta nacional en millones de euros e Y representa las ventas de la compaa en miles de euros en el periodo que va desde 1990 hasta 2000 (ambos inclusive). Calcular:

1 La recta de regresin de Y sobre X.

2 El coeficiente de correlacin lineal e interpretarlo.

3 Si en 2001 la renta nacional del pas fue de 325 millones de euros.


Cul ser la prediccin para las ventas de la compaa en este ao?

2. La informacin estadstica obtenida de una muestra de tamao 1 2


sobre la relacin en existente de entre de la inversin para realizada y el rendimiento agrcolas, se

obtenido

cientos

miles

euros

explotaciones

muestra en el siguiente cuadro:

Inversin (X) Rendimiento (Y)

11 14 16 15 16 18 20 21 14 20 19 11 2 3 5 6 5 3 7 10 6 10 5 6

Calcular:

1 La recta de regresin del rendimiento respecto de la inversin.

2 La previsin de inversin que se obtendr con un rendimiento de 1


250 000 .

3. El nmero de horas dedicadas al estudio de una asignatura y la


calificacin obtenida en el examen correspondiente, de ocho personas es:

Horas (X) Calificacin (Y)

20 6.5

16 6

34 8.5

23 7

27 9

32 9.5

18 7.5

22 8

Se pide:

1 Recta de regresin de Y sobre X.

2 Calificacin estimada para una persona que hubiese estudiado 28


horas.

4. En la tabla siguiente se indica la edad (en aos) y la conducta


agresiva (medida en una escala de cero a 10) de 10 nios.

Edad Conducta agresiva

6 6 9 6

6.7 7

7 8

7.4 7

7.9 4

8 8.2 2 3

8.5 3

8.9 1

1 Obtener la recta de regresin de la conducta agresiva en funcin de


la edad.

2 A partir de dicha recta, obtener el valor de la conducta agresiva que


correspondera a un nio de 7.2 aos.

5. Los valores de dos variables X e Y se distribuyen segn la tabla


siguiente:

Y/X

100

50

25

14 18 22

1 2 0

1 3 1

0 0 2

Se pide:

1 Calcular la covarianza.

2 Obtener e interpretar el coeficiente de correlacin lineal.

3 Ecuacin de la recta de regresin de Y sobre X.

6. Las puntuaciones obtenidas por un grupo de alumnos en una batera


de test que mide la habilidad verbal (X) y el razonamiento abstracto (Y) son las siguientes:

Y/X (25-35) (35-45) (45-55) (55-65)

20 30 40 50 6 3 0 0 4 6 2 1 0 1 5 2 0 0 3 7

Se pide:

1 Existe correlacin entre ambas variables?

2 Segn los datos de la tabla, si uno de estos alumnos obtiene una


puntuacin de 70 puntos en razonamiento abstracto, en cunto se estimar su habilidad verbal?

7. Se sabe que entre el consumo de papel y el nmero de litros de agua


por metro cuadrado que se recogen en una ciudad no existe relacin.

1 Cul es el valor de la covarianza de estas variables?

2 Cunto vale el coeficiente de correlacin lineal?

3 Qu ecuaciones tienen las dos rectas de regresin y cul es su


posicin en el plano?

8. En una empresa de transportes trabaja n cuatro conductores. Los aos


de antigedad de permisos de conducir y el nmero de infracciones cometidas en el ltimo ao por cada uno de ellos son los siguientes:

Aos (X) Infracciones (Y)

3 4

4 3

5 2

6 1

Calcular el coeficiente de correlacin lineal e interpretarlo.

9. Una persona rellena semanalmente una quiniela y un boleto de lotera


primitiva anotando el nmero de aciertos que tiene. Durante las cuatro

semanas del mes de febrero, los aciertos fueron:

Quiniela (X) Primitiva (Y)

6 1

8 2

6 2

8 1

Obtener

el

coeficiente

de

correlacin

lineal

interpretarlo.

Ofreceran confianza las previsiones hechas con las rectas de regresin?

Indice 1. Introduccin 2. Marco terico 3. Anlisis De Resultados 4. Conclusiones 1. Introduccin En muchas situaciones de la vida real, se presentan problemas en los cuales existe una relacin entre dos o ms variables y se hace necesario encontrar la naturaleza de esta relacin. ste trabajo ilustra una situacin real de la empresa ESTIMAR LTDA donde se tienen los ingresos y costos obtenidos durante los ltimos 18 meses y se analiza la relacin existente entre ellos. Para esto se hizo uso de la tcnica de Regresin y Correlacin, la cual resulta una herramienta muy til a la hora de analizar el comportamiento de dos o ms variables relacionadas. Se pretende entonces establecer mediante una regresin la relacin entre dichos datos al igual que calcular algunos pronsticos que puedan dar una idea de cmo ser el comportamiento de los ingresos y costos en los prximos meses. Objetivos General: Destacar la importancia y la utilidad de la Regresin y Correlacin para modelar e investigar la relacin entre dos variables. Especficos:

Aplicar la tcnica de regresin a los ingresos, costos y utilidades obtenidos por la empresa ESTIMAR LTDA durante el ao 2002 y los primeros seis meses del 2003. Construir el modelo matemtico que ms se ajuste a la serie de datos recolectados. Pronosticar los ingresos y costos de los seis meses siguientes de acuerdo al modelo matemtico obtenido.

2. Marco Terico La regresin es una tcnica estadstica utilizada para simular la relacin existente entre dos o ms variables. Por lo tanto se puede emplear para construir un modelo que permita predecir el comportamiento de una variable dada. La regresin es muy utilizada para interpretar situaciones reales, pero comnmente se hace de mala forma, por lo cual es necesario realizar una seleccin adecuada de las variables que van a

construir las ecuaciones de la regresin, ya que tomar variables que no tengan relacin en la prctica, nos arrojar un modelo carente de sentido, es decir ilgico. Segn sea la dispersin de los datos (nube de puntos) en el plano cartesiano, pueden darse alguna de las siguientes relaciones, Lineal, Logartmica, Exponencial, Cuadrtica, entre otras. Las ecuaciones de cada relacin se presentan en la siguiente tabla. Tabla 1. Ecuaciones de regresin
REGRESIN ECUACIN Lineal Logartmica Exponencial Cuadrtica y = A + Bx y = A + BLn(x) y = Ae(Bx) y = A + Bx +Cx2

Sin embargo obtener el modelo de regresin no es suficiente para establecer la regresin, ya que es necesario evaluar que tan adecuado es el modelo de regresin obtenido. Para esto se hace uso del coeficiente de correlacin R, el cual mide el grado de relacin existente entre las variables. El valor de R varia entre -1 y 1, pero en la prctica se trabaja con el valor absoluto de R, entonces, a medida que R se aproxime a 1, ms grande es el grado de correlacin entre los datos, de acuerdo con esto el coeficiente de correlacin se puede clasificar de varias formas, como se observa en la Tabla 2. Tabla 2. Clasificacin del grado de correlacin.
CORRELACIN VALOR O RANGO Perfecta Excelente Buena Regular Mala |R| = 1 0.9 <= |R| < 1 0.8 <= |R| < 0.9 0.5 <= |R| <0.8 |R|< 0.5

Por lo tanto el anlisis de regresin es una herramienta estadstica que permite analizar y predecir o estimar observaciones futuras de dos o ms variables relacionadas entre s, es decir una herramienta til para la planeacin. Despus de ste tratamiento superficial acerca de regresiones, se continua con un caso prctico relacionado con la empresa ESTIMAR LTDA.

A continuacin se presentan los ingresos y costos en millones obtenidos mensualmente durante todo el ao 2002 y los seis primeros meses del 2003. Optamos por presentar ste caso ya que resulta muy prctico a la hora de aplicar la tcnica de regresin. Adems porque permite analizar como se han comportado los ingresos y costos de la empresa a partir del ao 2002 y a su vez pronosticar segn la tendencia arrojada, como ser el comportamiento de los ingresos y costos para el resto del ao 2003 y con base en ellos inferir o tomar decisiones a corto plazo. Distribuciones Bivariantes Es cuando sobre una poblacin estudiamos simultneamente los valores de dos variables estadsticas, el conjunto de los pares de valores correspondientes a cada individuo se denomina distribucin bivariantes. Ejemplo 1: Las notas de 10 alumnos en Matemticas y en Lengua vienen dadas en la siguiente tabla:
MATEMTICAS LENGUA 2 2 4 2 5 5 5 6 6 5 6 7 7 5 7 8 8 7 9 10

Los pares de valores {(2,2),(4,2),(5,5),...;(8,7),(9,10)}, forman la distribucin bivariante. Regresion La regresin es una tcnica estadstica utilizada para simular la relacin existente entre dos o ms variables. Por lo tanto se puede emplear para construir un modelo que permita predecir el comportamiento de una variable dada. 1. Correlacin

Es frecuente que estudiemos sobre una misma poblacin los valores de dos variables estadsticas distintas, con el fin de ver si existe alguna relacin entre ellas, es decir, si los cambios en una de ellas influyen en los valores de la otra. Si ocurre esto decimos que las variables estn correlacionadas o bien que hay correlacin entre ellas. Medida De La Correlacin La apreciacin visual de la existencia de correlacin no es suficiente. Usaremos un parmetro, llamado coeficiente de correlacin que denotaremos con la letra r, que nos permite valorar si sta es fuerte o dbil, positiva o negativa. El clculo es una tarea mecnica, que podemos realizar con una calculadora o un programa informtico. Nuestro inters est en saber interpretarlo destacaremos una de sus propiedades -1 < r < 1 Correlacin Lineal Y Recta De Regresin Cuando observamos una nube de puntos podemos apreciar si los puntos se agrupan cerca de alguna curva. Aqu nos limitaremos a ver si los puntos se distribuyen alrededor de una recta. Si as ocurre diremos que hay correlacin lineal. La recta se denomina recta de regresin.

Hablaremos de correlacin lineal fuerte cuando la nube se parezca mucho a una recta y ser cada vez ms dbil (o menos fuerte) cuando la nube vaya desparramndose con respecto a la recta. En el grfico observamos que en nuestro ejemplo la correlacin es bastante fuerte, ya que la recta que hemos dibujado est prxima a los puntos de la nube. Cuando la recta es creciente la correlacin es positiva o directa: al aumentar una variable, la otra tiene tambin tendencia a aumentar, como en el ejemplo anterior. Cuando la recta es decreciente la correlacin es negativa o inversa: al aumentar una variable, la otra tiene tendencia a disminuir. Ejemplo 2: Una persona se entrena para obtener el carnet de conducir repitiendo un test de 50 preguntas. En la grfica se describen el n de errores que corresponden a los intentos realizados. Observa que hay una correlacin muy fuerte (los puntos estn "casi" alineados) y negativa (la recta es decreciente).

Diagrama De Dispersin La primera forma de describir una distribucin bivariante es representar los pares de valores en el plano cartesiano. El grfico obtenido recibe el nombre de nube de puntos o diagrama de dispersin.

Un diagrama de dispersin es una representacin grfica de la relacin entre dos variables, muy utilizada en las fases de Comprobacin de teoras e identificacin de causas raz y en el Diseo de soluciones y mantenimiento de los resultados obtenidos. Tres conceptos

especialmente destacables son que el descubrimiento de las verdaderas relaciones de causaefecto es la clave de la resolucin eficaz de un problema, que las relaciones de causa-efecto casi siempre muestran variaciones, y que es ms fcil ver la relacin en un diagrama de dispersin que en una simple tabla de nmeros Linea De Tendencia La lnea de tendencia es la herramienta bsica ms importante con la que cuenta el analista tcnico. Es una lnea o conjunto de lneas que se trazan en el grfico uniendo con una misma pendiente series sucesivas de puntos mnimos (lnea de tendencia alcista) o de puntos mximos (lnea de tendencia bajista). Sirve para determinar en primer lugar la direccin del mercado y establecer sus objetivos de proyeccin. Marca los niveles de soporte o de resistencia que estn proyectando los precios. Permite analizar en cada momento el nivel de Beneficio/Riesgo que se puede tomar al iniciar o cerrar una posicin, tomando como referencia el precio actual respecto a lnea de tendencia y su proyeccin. La ruptura de una lnea de tendencia al alza o la baja es una de las seales que confirma un cambio en la direccin de los precios. Son la base para trazar los canales que encuadran el posible movimiento de los precios. Segn sea la dispersin de los datos (nube de puntos) en el plano cartesiano, pueden darse alguna de las siguientes relaciones, Lineal, Logartmica, Exponencial, Cuadrtica, entre otras.

Modelo Matematico Llamado tambien ajuste de curvas es una ecuacion dada en un grafico, dependiendo del grado de correlacion que mas se ajuste al conjunto de datos.

AJUSTE LINEAL: Y=BX+A AJUSTE LOGARITMICO: Y=B Ln X+A AJUSTE EXPONENCIAL: Y=AC BX AJUSTE PARABOLICO, CUADRATICO O POLINOMIAL: Y= AX2 + BX + A

Estimativos Es una valoracion aproximada basado en datos de periodos anteriores (datos historicos o estadisticos) a traves de muestreos. Pronsticos Es estimar un valor de y dado o supesto un valor de x. Tambien se puede decir que es preveer el futuro. Enuncie Los Pasos Para Ajustar Un Conjunto De Datos Y Crear Un Conjunto Su Modelo

Matematico Tener tabulado un conjunto de datos Xi, Yi cuyas variables tengan relacin

Utilidades Vs Costos Costos Vs Cantidad Producida Utilidades Vs Mes Costos Vs Semanas Ingresos Vs Ao

Graficar los datos Xi, Yi (Diagrama de dispersion o nube de puntos). Esto permite visualizar la linea de tendencia. Contruya el modelo matematico que mas se ajuste teniendo en cuenta el grado de correlacion.

Perfecta [r]=1 Excelente 0.9 <=[r]<=1 Regular 0.5<=[r]<0.8 Mala [r]<0.5

Series Cronolgicas Una SERIE cronolgica es un conjunto de observaciones (ordenado en trminos de tiempo). Algunos ejemplos de series cronolgicas serian aspectos tales registros de precipitacin pluvial diaria, las ventas semanales, el producto nacional bruto trimestral, mediciones de la temperatura. El objeto de analizar tales datos es determinar si se presentan ciertos patrones o pautas no aleatorias. Algunas veces se trata de descubrir patrones no aleatorios que se puedan utilizar para predecir el futuro. En otras coacciones, el objetivo es asegurarse de que no haya patrones no aleatorios. En estos casos, dichos patrones son considerados como una seal de que un sistema o proceso esta " fuera de control". La siguiente explicacin tiene relacion con el anlisis intrnseco, el cual se concentra en los datos histricos de la variable de estudio. Cabria destacar que el anlisis intrnseco es ampliamente empleado en los negocios y en l a industria. El objetivo reconocido del anlisis intrnseco es describir mas que explicar los patrones histricos de los datos (es decir, identificar diversos patrones). Adems el supuesto en el que se basa el anlisis intrnseco, estable que existe un constante sistema causal relacionado con el tiempo, el cual influye en los datos. En otras palabras, los datos histricos supuestamente reflejan l a influencia de todos los factores de manera uniforme atravez del tiempo. Por ejemplo, un estudio de ventas realizadas en un periodo de 14 aos puede revelar que las ventas han aumentado de manera uniforme a razn de casi 10% anual. Con base en esto se lleva a cabo una proyeccin de las ventas futuras, suponiendo que cualesquiera que fuesen las fuerzas que hayan dado lugar a este patrn, continuaran en le futuro. Nmeros ndices Un nmero ndice mide qu tanto una variable ha cambiado con el tiempo. Mide la variacin relativa entre las variables econmicas: Variaciones en los precios, en los salarios, en los ingresos, etc. Se calculan para 2 perodos de una serie de tiempo o para todos los perodos de una serie de tiempo con respecto a un perodo fijo llamado perodo base.

Que importancia tienen estas tematicas para cualquier ciencia. La Estadistica es de gran importancia en las diferentes empresas, enfocadas desde cualquier area profesional ya que ayudan a lograr una adecuada planeacion y control apoyados en los estudios de pronosticos, presupuestos etc.

Motivan a la alta gerencia para que definan los objetivos basicos de la empresa. Propician que se defina una estructura adecuada, determinando la responsabilidad y autoridad de cada una de las partes que integran la organizacin. Incrementan la participacin de los diferentes niveles de la organizacin, cuando existe motivacion adecuada. Obligan a mantener un archivo de datos historicos controlables. Facilitan a la administracion la utilizacion optima de los diferentes insumos. Facilitan la coparticipacin e integracion de las diferentes areas de la compaa. Obligan a realizar un autoanalisis periodico. Facilitan el control administrativo. Son un reto que constantementese presenta a los ejecutivos de una organizacin para ejercitar su creatividad y criterio profesional a fin del mejoramiento de la empresa. Ayudan a lograr una mayor efectividad y eficiencia en las operaciones.

Que importancia tiene para usted como contador (a) la realizacin de pronsticos.

Para prevenir los cambios del entorno, de manera que anticipandose a ellos sea mas fcil la adaptacion de las organizaciones. Para integrar los objetivos y decisiones de la organizacin. A traves de los pronosticos, se pueden prever las perdidas en los resultados de los estados financieros futuros, y de esta manera se pueden tomar decisiones bien sea la reduccion de costos y gastos, planear estrategias que ayuden al mejoramiento de la empresa, y que se cumpla con el objetivo de toda empresa que es obtener utilidades. Con base en analisis de rotacion de inventarios se puede tomar la decision de aumentar o sacar del mercado un producto.

En cuales areas de su competencia profesional es til aplicar este conocimiento.


Economia Administracin Psicologa y las demas reas afines (Ciencias exactas y ciencias Sociales) Medicina etc. Nosotras pensamos que estos temas de estadstica son indispensables en cualquier rea ya que a diario se presentan situaciones donde intervienen dos variables y es importante este conocimiento para la toma de decisiones.

3. Anlisis De Resultados Realizando un breve anlisis de la EMPRESA ESTIMAR LTDA. Podemos observar la poca o nula estabilidad comercial , la cual tuvo mucha variabilidad en cada uno de los meses, donde podemos concluir que la empresa tuvo acogida por los clientes, si observamos los ingresos mensuales que fueron aumentando, sinembargo las utilidades fueron cada vez ms decrecientes debido a la mala administracin dada por los jefes de produccin donde invirtieron mas de lo que realmente vendan. Esto a su vez, demuestra que en una situacin como la que se present en el periodo del ao 2002 y los seis primeros meses del ao 2003, es

ms difcil lograr un punto de equilibrio; es decir, el esfuerzo en la inversin es mayor para compensar lo que se deja de ganar en el margen. Como podemos observar en la tabla de nmeros ndices base fija (# pagina) en el mes de junio de 2003 se hace demasiado notable la mala administracin por parte de la empresa debido a que tenemos una variacin en el costo del 250%, una variacin en los ingresos del 125% y una variacin de las utilidades de un dficit del 125%; lo cual no tiene sentido alguno en el desarrollo de las actividades de una empresa, donde el objetivo general de una empresa es obtener rentabilidad. En la tabla de nmeros ndice en base mvil, observamos que el porcentaje de variacin de costos y el de los ingresos respecto a la tabla en base fija van disminuyendo a medida que avanza el periodo, mientras que el porcentaje de variacin en las utilidades en las dos tablas fueron muy diferentes, el la base mvil las utilidades estuvieron muy variables entre utilidad y perdida, en cambio en la base fija siempre se presento dficit en forma creciente a medida en que avanzaba el periodo. 4. Conclusiones Es de suma importancia que la empresa ESTIMAR LTDA. Realice una planeacin de presupuesto con el fin de investigar sobre el comportamiento de los diferentes mercados, los cuales tienen incidencia directa sobre el producto, como tambin realizar el plan de necesidades de insumos el cual consiste en detectar los requerimientos de los diferentes recursos que intervienen en el proceso productivo de tal modo que se pueda hacer frente al plan de mercados. Realizar el plan financiero que tiene como finalidad decidir como se resolvera el problema de liquidez y de financiamiento de la empresa, una vez que se haya pronosticado los ingresos y los desembolsos provenientes del plan de requerimientos de insumos. Mediante un buen grado de correlacin, podemos fcilmente hacer estimativos acerca de cmo se va a comportar una variable de inters (en nuestro caso los ingresos, costos y utilidades mensuales de la empresa ESTIMAR LTDA.) a travs del tiempo. Los ingresos de ESTIMAR LTDA. desde Enero de 2002, presentan una tendencia creciente y se ajust aun modelo matemtico polinomial con un grado de correlacin excelente, R = 0.9627, mostrando una buena relacin entre los datos manejados. Se observa que ESTIMAR LTDA. es una empresa con una muy mala gestin administrativa, porque fueron mas altos los costos que los ingresos a pesar que estos estuvieron mas o menos por el mismo nivel afectando notablemente las utilidades en forma negativa; por tal motivo es necesario mantener en la empresa costos estndar actualizados, con el propsito de que facilite la elaboracin del presupuesto de requisiciones de materia prima, mano de obra y de gastos de fabricacin indirectos, ya que de otra forma, se determinaran en forma muy imprecisa La mejor estrategia para que no suceda lo anterior estriba en tomar medidas practicas para la reduccin de costos, lo cual generara mayor margen y permitir a la empresa mejorar su posicin competitiva. 5. Bibliografa

MONTGOMERY Douglas C., RUNGER George C., Probabilidad y Estadstica Aplicadas a la Ingeniera, Ed. McGraw Hill, 1996, Captulo 9.

AULAFACIL.COM, Curso de Estadstica, Captulos 12 y 13, 2003. CONTABILIDAD ADMINISTRATIVA, David Noel Ramrez Padilla

http://www.monografias.com/trabajos14/estadistica/estadistica.shtml http://www.uclm.es/profesorado/raulmmartin/Estadistica/PracticasSPSS/CORRELACION_CON_SP SS.pdf