Estadstica

Correlacin y regresin lineal

ANALISIS DE CORRELACION
(Simple)
ANLISIS DE CORRELACION: Es el grupo de tcnicas estadsticas empleado para medir la intensidad de la relacin (correlacin) entre dos variables. El principal objetivo del anlisis de correlacin es determinar que tan intensa es la relacin entre dos variables. Una medida de esta relacin es el coeficiente de correlacin ( r ) el cual puede tomar valores en una escala desde 1 hasta +1 inclusive como se indica enseguida. INTENS MODERA -1.00 DEBIL DEBIL MODERADA INTENSA +1.00 correlacin positiva (C.P.)

-0.50 0 +0.50 correlacin negativa (C.N.)

COEFICIENTE DE CORRELACION ( r ): Originado por el investigador Karl Pearson aproximadamente en el ao 1900, el coeficiente de correlacin describe la intensidad de la relacin entre dos conjuntos de variables, por lo cual tambin se le conoce como r de Pearson. Si r toma los valores de 1 o de +1 indica correlacin perfecta como se indica en los siguientes diagramas de dispersin. (Grfica que indica la relacin entre las dos variables). y y

r = -1

r = +1

x Correlacin Negativa Prefecta

x Correlacin Positiva Perfecta

Si r = 0 indica que no existe ninguna correlacin entre las dos variables. El coeficiente de correlacin se calcula mediante la siguiente frmula:

r=

[ n(x ) ( x )][n(y ) (y )]

n(xy ) (x )(y )

Donde: n es el nmero de pares de observaciones (x, y) x valores de la variable independiente x. y valores de la variable dependiente y. EJEMPLO:

Estadstica

Correlacin y regresin lineal

El director de personal de una empresa debe entrevistar y seleccionar nuevo personal para el rea de ventas. Ha diseado una prueba que ayude a seleccionar los mejores aspirantes. Con la finalidad de verificar la validez de su prueba, como instrumento de prediccin de las ventas semanales, eligi al azar cinco vendedores experimentados y aplic la prueba a cada uno (esta muestra es pequea para fines didcticos, en la prctica debe tomarse una muestra mucho mayor). Los resultados obtenidos se muestran en la tabla siguiente: VENDEDOR SR. MARTN SR. JOSE SRA. MARIA SR. JUAN SRA. SILVIA PUNTUACIN DE PRUEBA 4 7 3 6 10 VENTAS SEMANALES $ 5,000 12,000 4,000 8,000 11,000

Se piensan entonces que las ventas semanales dependen de la puntuacin de prueba por lo cual se toman las ventas como variable dependiente ( y ) y la puntuacin de prueba como variable independiente ( x ). El diagrama de dispersin de los datos anteriores se muestra a continuacin: Y Ventas Semanales 14 12 10 8 6 4 2 1 2 3 4 5 6 7 8 9 10 11 x puntuacin de prueba Utilizando los datos originales se construye lo siguiente: Puntuacin de Prueba ( X ) 4 7 3 6 10 X = 30 Ventas Semanales ( Y ) 5 12 4 8 11 Y = 40 X 16 49 9 36 100 X = 210 XY 20 84 12 48 110 XY = 274 Y 25 144 16 64 121 Y = 370

El coeficiente de correlacin es 0.88 calculado por: .r =

[ n(x ) ( x )][n(y ) (y )]
170 . = (150)(250) = 0.88

n(xy ) (x )(y )

5( 274 ) ( 30 )( 40 ) = [ 5 ( 210 ) ( 30 ) ] [ 5 ( 370 ) ( 40 ) ]

Lo cual indica una relacin muy intensa.

Estadstica

Correlacin y regresin lineal

Coeficiente de determinacin: Es la proporcin de la variacin total en la variable dependiente (y) que se explica por, o se debe a, la variacin total en la variable dependiente (x). COEFICIENTE DE DETERMINACIN = (COEFICIENTE DE CORRELACIN) = r Para el ejemplo anterior el coeficiente de correlacin es = ( 0.88 ) = 0.77 e indica que el 77% de la variacin total en las ventas semanales se explica por, o se debe a, la variacin en las puntuaciones de prueba. Coeficiente de no-determinacin: Es el complemento del coeficiente de determinacin. Para el ejemplo el coeficiente de no-determinacin = 1 - r = 1 - 0.77 = 0.23. Esto significa que 23% de la variacin total en las ventas semanales no se debe a la variacin en las puntuaciones de prueba. Un coeficiente de correlacin de 0.80 da un coeficiente de determinacin de 0.64. Algunos estadgrafos preferiran utilizar la medida ms conservadora (0.64), considerando que el coeficiente de correlacin de 0.80 puede exagerar la relacin entre los dos conjuntos de variables.

Ejercicios Propuestos Texto Manson y Lind Pginas 500...502 Ejercicios 1....4

ANALISIS DE REGRERSION LINEAL

.

Estadstica

Correlacin y regresin lineal

(SIMPLE)
Se define a la regresin lineal como una relacin fundamental entre dos o ms variables correlacionadas y se usa para pronosticar una variable con base en la otra. Por lo general la relacin se obtiene de dos datos observados. En la regresin lineal la relacin entre variables forma una lnea directa. La lnea de regresin lineal es de la forma y = a + bx, donde y es la variable dependiente que queremos resolver; a es la interseccin de y; b es la dependiente y x es la variable independiente (en el anlisis de series de tiempo, x representa unidades de tiempo). La regresin lineal es til para pronsticos a largo plazo de sucesos importantes y para la planificacin agregada. Por ejemplo, sera muy til para pronosticar la demanda de familias de productos. Aunque es probable que durante un periodo vari bastante la demanda para un producto especfico de la familia, la demanda para toda la familia es sorpresivamente regular. La restriccin principal para usar los pronsticos de regresin lineal es que, supuestamente, los datos pasados y las proyecciones caen sobre una lnea recta. Aunque esto limita su aplicacin, algunas veces, si usamos un periodo ms breve puede usarse el anlisis de regresin lineal. Por ejemplo, si existe una tendencia de crecimiento y usamos un perodo de diez o veinte aos la tendencia se pierde entre todos los datos y ser baja la proyeccin para el ao siguiente. Sin embargo, si slo usamos los ltimos aos, el pronstico ser ms preciso. Es una parte del procedimiento de regresin lineal se estima lo adecuado del ajuste en la lnea con los datos. La regresin lineal se usa tanto para pronsticos de series de tiempo como para pronsticos de relaciones causales cuando la variable dependiente (por lo general el eje vertical de un grfico) cambia como resultado del tiempo (el eje horizontal en el grfico), se trata de un anlisis de series de tiempo. Si una variable cambia debido al cambio de otra variable, estamos ante una relacin causal (como el incremento en el nmero de muertes por cncer en el pulmn con respecto a las personas que fuman).

METODO DE MINIMOS CUADRADOS El mtodo de mnimos cuadrados trata de ajustar a la lnea a los datos que minimicen la suma de los cuadrados de la distancia vertical entre cada punto de datos y su punto correspondiente a la lnea. La ecuacin de mnimos cuadrados para la regresin lineal es la que se indica a continuacin:

y = a + bx
Donde: y variable dependiente calculada por la ecuacin, indica el pronstico para el perodo x. x periodo de tiempo. a es el valor de y cuando x es = 0. b es la pendiente de la lnea.

Estadstica

Correlacin y regresin lineal

a=

y bx
n

b=

n( xy ) x y n x ( x )

y Representa el valor de la variable correspondiente del periodo x.

EJEMPLO 1.
Pronostique las ventas para los periodos 13, 14 y 15 si las ventas de los 12 periodos anteriores son los que se indican a continuacin.

Periodo (x)
1 2 3 4 5 6 7 8 9 10 11 12 x = 78

Ventas (y)
600 1550 1500 1500 2400 3100 2600 2900 3800 4500 4000 4900 y = 33,350

(xy)
600 3100 4500 6000 12000 18600 18200 23200 34200 45000 44000 58800 = 268,200

(x)
1 4 9 16 25 36 49 64 81 100 121 144 = 650

Y
801.3 1160.9 1520.5 18880.1 2239.7 2599.4 2959.0 3318.6 3678.2 4037.8 4397.4 4757.1

Calculando la pendiente:

b=

12(268,200) 78(33,350) 3218,400 2601300 617,100 = = = 359.6153 12(650) (78) 7800 6084 1716

Por lo tanto el valor de a ser:

a=

33,350 359.6153(78) = 441.66 12

El pronstico para el periodo 13 ser: y13 = a +bx = 441.66 + 359.6153 (13) = 5,116 y para el periodo 14 y 15: y14 = 441.66 + 359.6153 (14) = 5,476 y15 = 441.66 + 359.6153 (15) = 5,836

Estadstica V E N T A S a $5000 4000

Correlacin y regresin lineal

Pronsticos de Venta 3000 2000 1000 500 Lnea de Regresin

10

11

12

13

14

15

PERIODO ( X )

El error estndar de estimacin, o sea, la calidad de ajuste de la lnea a los datos anteriores es:

Sy ' =

( y
i =1

y 'i )

n2

= 363.9

Una ecuacin ms fcil de calcular para el error estndar es:

Sy ' =

y a y bxy
n 2

EJEMPLO 2.
Volviendo a las puntuaciones de prueba y las ventas semanales de los cinco vendedores, las sumas y otros datos bsicos para despejar o evaluar a y b aparecen en la tabla siguiente:

Estadstica Ventas semanales (niveles de dlares) Y 5 12 4 8 11 40

Correlacin y regresin lineal

Puntuacin de prueba. Vendedor Sr. Amber Sr. Archer Sra. Smith Sr. Malcolm Sra. Goodwin Total X 4 7 3 6 10 30

X 16 49 9 36 100 210

XY 20 84 12 48 110 274

Y 25 144 16 64 121 370

Cul es la ecuacin de regresin?

SOLUCION:
Las sumas de la tabla anterior se utilizan para ilustrar los clculos para a y b en la ecuacin de regresin:

b=

n( xy ) x y n x ( x )

5( 274) (30)(40) = 1.133 5(210) (30)

a = Y bx = (40/5) 1.133(30/5) = 8 6.798 = 1.202 Y = 1.202 + 1.133 (EN MILES DE DLARES). Por tanto, la ecuacin de regresin es y = 1.202 + 1.133x (en miles de dlares). Las ventas pronosticas para un candidato a un puesto en ventas, que calific 6 en la puerta del director de personal es $8000, que se obtiene por y = a + bx = 1.202 + 1.133(6) = 1.202 + 6.798 = 8.000 (en miles de dlares).

EJERCICIO:
Datos: Calcular el pronstico para los meses de enero, febrero y marzo del ao siguiente. E 6 8 F 5 5 M A 6 8 3 2 M J 8 6 7 3 J 7 7 A 7 8 S 6 2 O N D E 7 7 6 7 8 4 2 4 F 8 0 M A 9 7 6 4 M J 7 7 1 1 J 6 6 A 8 6 S 8 5 O N D 8 9 10 9 1 3 E F M