Вы находитесь на странице: 1из 26

SIP 11196

Saln 107
Grupo No. 3

Universidad de San Carlos de Guatemala


Facultad de Ciencias Econmicas
Escuela de Auditora
Onceavo Semestre
Seminario de Integracin Profesional
Catedrtico Titular: Lic. Ricardo de la Rosa

12TI
REGRESIN Y CORRELACIN

GRUPO # 3

Guatemala 04 de Febrero de 2015

SIP 11196
Saln 107
Grupo No. 3

INTEGRANTES

Carn

Estudiante

200912813

Vsquez Garca, Jos Vctor Eduardo

200913203

Pirir Jurez, Wilson Anbal

200914397

Daz Acevedo, Luis Fernando

201010468

Fuentes Garrido, Orfa Marisol

201011089

Prez Chacn, Carlos Alberto (Tesorero)

201011247

Batres Rosales Elvira Violeta (Coordinadora)

201011282

Batres Rosales Silvia Esperanza (Sub-Coordinadora)

201011597

Barillas, Emilia Lucia

SIP 11196
Saln 107
Grupo No. 3

NDICE

CAPTULO I

Regresin....... 4
Definicin 4
Diagrama de Dispersin 4
Regresin Lineal 5
Lneas de Tendencia... 6
Supuestos del Modelo de Regresin Lineal.. 9
Regresin Lineal Simple.. 10
Regresin Lineal Mltiple 11

CAPTULO II

Correlacin. 12
Correlacin Lineal Positiva. 13
Correlacin Lineal Positiva Negativa .. 14
Fuerza, Sentido y Formar de Correlacin 15
Distribucin y Coeficiente de Correlacin. 15
Desventajas de Correlacin.... 17
Correlacin y Causalidad. 18

SIP 11196
Saln 107
Grupo No. 3

El Sensacionalismo de los Medios de Comunicacin.... 19


Conclusiones... 20
Recomendaciones.... 21
Referencias Bibliogrficas. 22
Anexos...... 23

SIP 11196
Saln 107
Grupo No. 3

Introduccin
En el mbito financiero se necesitan predecir situaciones o circunstancias que causan
perdidas a una entidad y ayudar a minimizar estos riesgos, hasta transformarlos en
oportunidades que aumenten las utilidades de una empresa; pero predecir no solo es
importante en el rea financiera, sino en lo cientfico, en la comunicacin entre
personas, entre otras. Por lo anterior daremos a conocer dos mtodos estadsticos que
ayudan al estudio de situaciones o fenmenos de la vida actual.
El captulo I habla sobre el mtodo de regresin, dando los pasos para relacionar y
analizar variables, que tienen como resultado los efectos de situaciones expuestas
segn sea el caso. Este es fundamental porque nos indica consecuencias buenas o
malas, que al saberlas antes de actuar sirven para mejorar o empeorar estados
presentes.
El captulo II trata sobre el mtodo de correlacin, que al igual de la regresin trabaja
con situaciones, pero este indica un vnculo constante entre dos variables cuantitativas,
es decir que depende si una situacin aumente, as aumentar la otra. Esta tcnica
indica que no siempre habr causalidad en situaciones que estn relacionadas, por lo
que se da a conocer ejemplos para tener un claro conocimiento del proceso de
correlacin.

SIP 11196
Saln 107
Grupo No. 3

CAPTULO I
1. Regresin
1.1.

Definicin

Este trmino se utilizo por primera vez al comparar estaturas entre padres e hijos,
determinando que los hijos cuyos padres tenan una estatura superior al valor medio,
tendan a igualarse; pero aquellos cuyos padres eran muy bajos tendan a reducir su
estatura al promedio normal.
Se puede entender como el mtodo que ayuda a relacionar entre dos o ms variables,
buscando un objetivo final de predecir o estimar el valor de una variable con base en el
valor de otra variable conocida. Por ejemplo la relacin entre costos y produccin;
salarios y horas de trabajo; oferta y demanda; salarios y productividad; ventas y meses,
entre otros.
Para determinar cambios a realizarse en las actividades o procesos que se han
establecido y modificar as los resultados que se obtienen, por simple relacin de
variables en este mtodo.
1.2.

Diagrama de Dispersin

Los valores de las variables se pueden representar grficamente en un plano


cartesiano, ubicando en el eje horizontal o abscisa los valores de la variable X y en el
eje vertical u ordenada, los valores de la variable, Y.

A este conjunto de puntos se le denomina diagrama de dispersin, dado que los puntos
se ubican de forma dispersa en el plano cartesiano.

El diagrama de dispersin

generalmente nos indica una tendencia de la agrupacin de los puntos, que puede ser
lineal

(hacia

arriba

hacia

abajo),

exponencial,

curvilnea

poligonal.

La importancia de elaborar el diagrama de puntos es que nos permite determinar cul


es la mejor lnea o curva que representa a ese conjunto de datos.
4

SIP 11196
Saln 107
Grupo No. 3

Grficas de dispersin

Lnea
1.3.

Curvilnea

Sin relacin

Regresin Lineal

Se utiliza como tcnica para desarrollar una ecuacin que ayuda a expresar la
relacin entre dos variables, es decir, pronosticar o predecir el valor de una variable
en funcin de valores dados de la otra.

Crea una dependencia funcional entre dos variables, una (x) ser la variable
independiente y (y) la variable dependiente. Se habla as de una regresin de Y
sobre X por medio del mtodo de los mnimos cuadrados, que es el que ms se
utiliza dando la ecuacin estimada as:

Donde:

Se lee "Ye estimado". Variable dependiente (la que se va a


predecir)
Intercepcin del eje Y, el punto donde la lnea de regresin
intercepta al eje Y cuando X = 0
Variable independiente
Pendiente de la lnea de regresin (llamada coeficiente de
regresin)
5

SIP 11196
Saln 107
Grupo No. 3

1.3.1 Lneas de Tendencia


Una lnea de tendencia representa una tendencia en una serie de datos obtenidos a
travs de un largo perodo. Este tipo de lneas puede decirnos si un conjunto de datos
en particular (como por ejemplo, el PBI, el precio del petrleo o el valor de las acciones)
han aumentado en un determinado perodo. Se puede dibujar una lnea de tendencia a
simple vista fcilmente a partir de un grupo de puntos, pero su posicin y pendiente se
calcula de manera ms precisa utilizando tcnicas estadsticas como las regresiones
lineales. Las lneas de tendencia son generalmente lneas rectas, aunque algunas
variaciones utilizan polinomios de mayor grado dependiendo de la curvatura deseada
en la lnea.
Se presenta un ejemplo donde la ecuacin tiene dos valores desconocidos: a y b, que
deben determinarse aplicando el mtodo de los mnimos cuadrados, buscando as la
mejor recta que se ajuste a los datos. Dndose:

Donde:
Pendiente de la recta
Intercepto de la variable Y
Valores de la variable independiente
:
:

Valores de la variable dependiente


Tamao de la muestra

Pasos
a). Elaborar el diagrama de dispersin para observar la tendencia de los datos
b). Obtener la ecuacin de la recta que se ajuste mejor a los datos (Y=a+bX)
6

SIP 11196
Saln 107
Grupo No. 3

c). Evaluar la ecuacin por medio del ndice de correlacin para determinar el grado de
relacin entre las variables y as definir cul es la utilidad de la ecuacin para predecir y
estimar.
d). Si los datos estn ajustados al modelo lineal, entonces se utiliza la ecuacin
obtenida de los datos para predecir y estimar.
Ejemplo El departamento de publicidad de una empresa de equipos electrnicos desea
saber si existe una relacin entre las ventas y el nmero de comerciales de televisin
transmitidos por da. Para tal fin, toma una muestra aleatoria de siete ciudades.
Los resultados obtenidos ser indican en la siguiente:
Relacin de ventas y la emisin del comercial en televisin
Ventas
Cientos de unidades por
mes

Comerciales
Nmero transmitido por da

8.4

5.2

7.1

10

11

12.9

12

12.1

13

14.4

14

El primer paso, es el de elaborar el diagrama de dispersin el cual indicar si los puntos


presentan una tendencia lineal.

SIP 11196
Saln 107
Grupo No. 3

Diagrama de dispersin de ventas de un producto y la emisin del comercial en


televisin

Del diagrama anterior se observa que la tendencia de los datos, es el de una lnea
recta y por lo tanto se procede a determinar la ecuacin de la recta
Donde:

X (Ventas) en miles

Y (Comerciales)

XY

X2

Y2

8.4

75.6

70.56

81

5.2

31.2

27.04

36

7.1

56.8

50.41

64

10

11

110

100

121

12.9

12

154.8

166.41

144

12.1

13

157.3

146.41

169

14.4

14

201.6

207.36

196

70.1

73

787.3

768.19

811

SIP 11196
Saln 107
Grupo No. 3

Posteriormente, determinamos la ecuacin de la recta ajustada

La empresa quiere aumentar el nmero de ventas del producto a 20.000 unidades


mensuales, Cuntos comerciales estima el departamento de publicidad que se deben
emitir diariamente?
Para realizar esta estimacin, simplemente se debe reemplazar en la ecuacin
estimada la variable independiente por el valor dado (X = 20) y as obtener el valor de
la variable dependiente (nmero de comerciales). As:

Se concluye que el departamento de publicidad requerir de 19 comerciales de


televisin diariamente para que el nmero de ventas ascienda a 20.000 unidades
mensuales.
1.4.

Supuestos del Modelo de Regresin Lineal

Para crear un modelo de regresin lineal es necesario que se cumpla con los
siguientes supuestos:
a). Que la relacin entre las variables sea lineal.

SIP 11196
Saln 107
Grupo No. 3

b). Que los errores en la medicin de las variables explicativas sean independientes
entre s.
c).Que los errores tengan varianza constante.
d). Que los errores tengan una esperanza matemtica igual a cero
e).Que el error total sea la suma de todos los errores.
1.5.

Clasificacin de regresin Lineal

1.5.1.

Regresin Lineal Simple

nicamente maneja una variable independiente por lo que solo cuenta con dos
parmetros, de la forma

Donde

es el error asociado a la medicin del valor

modo que
con

y siguen los supuestos de

(media cero, varianza constante e igual a un

).

Anlisis: Dado el modelo de regresin simple, si se calcula la esperanza (valor


esperado) del valor Y, se obtiene:

Derivando respecto a

e igualando a cero, se obtiene:

10

SIP 11196
Saln 107
Grupo No. 3

Obteniendo dos ecuaciones denominadas ecuaciones normales que generan la


siguiente solucin para ambos parmetros:

La interpretacin del parmetro medio


incrementar en
5.1.2.

es que un incremento en Xi de una unidad, Yi

Regresin Lineal Mltiple

Esta regresin nos permite trabajar con una variable a nivel de intervalo o razn, nos
posibilita analizar la relacin entre dos o ms variables por medio de ecuaciones.
Constantemente en la prctica se encuentran variables que estn relacionadas entre s
por lo que aumenta las posibilidades que se relacionen matemticamente en funcin de
una u otra variable.
Maneja variables independientes, cuenta con varios parmetros, expresndose:

Donde

es el error asociado a la medicin del valor

modo que
con

y siguen los supuestos de

(media cero, varianza constante e igual a un

).

Las regresiones lineales se adaptan a una variedad de situaciones para predecir ciertos
fenmenos, desde medidas econmicas hasta comportamientos del ser humano; tanto
en el caso de dos o ms variables se usa para analizar y obtener cuantificaciones de
11

SIP 11196
Saln 107
Grupo No. 3

variables llamadas dependientes o criterios y de las variables independientes, dando


resultados positivos a las situaciones que se presenten.

CAPTULO II
2. Correlacin
La correlacin indica la fuerza y la direccin de un vnculo lineal y constante entre dos
variables estadsticas. Se asume que dos variables cuantitativas estn correlacionadas
cuando los valores de una de ellas varan sistemticamente con respecto a los valores
homnimos de la otra: Cuando tenemos dos variables (a y b) existe correlacin si al
aumentar los valores de a lo hacen tambin los de b y viceversa. La relacin entre
dos variables no implica, por s misma, causalidad.
La correlacin entre dos variables busca determinar el grado de relacin que existe
entre ellas. Para determinar la relacin se calcula por medio del coeficiente de

correlacin r.
El coeficiente de correlacin es un nmero que vara entre +1 y -1. Su magnitud indica
el grado de asociacin entre las variables, si es 0 indica que no existe relacin alguna y
los valores extremos +1 y -1 indican una correlacin perfecta. Cuando el coeficiente de
correlacin r es cercano a 1, el modelo de regresin lineal tiene un alto grado de
confiabilidad, si al contrario este se acerca a 0 no es recomendado.
En ocasiones nos puede interesar estudiar si existe o no algn tipo de relacin entre
dos variables aleatorias. As, por ejemplo, podemos preguntarnos si hay alguna
relacin entre las notas de la asignatura Estadstica I y las de Matemticas I. Una
primera aproximacin al problema consistira en dibujar en el plano R2 un punto por
cada alumno: la primera coordenada de cada punto sera su nota en estadstica,
mientras que la segunda sera su nota en matemticas. As, obtendramos una nube de

12

SIP 11196
Saln 107
Grupo No. 3

puntos la cual podra indicarnos visualmente la existencia o no de algn tipo de relacin


(lineal, parablica, exponencial, etc.) entre ambas notas.
Grado de correlacin lineal
Interpretacin

Valores de r (+)

Valores de r (-)

Correlacin perfecta

=1

= -1

Correlacin excelente

0.90 < r < 1

-1 < r < -0.90

Correlacin aceptable

0.80 < r < 0.90

-0.90 < r < -0.80

Correlacin regular

0.60 < r < 0.80

-0.80 < r < -0.60

Correlacin mnima

0.30 < r < 0.60

-0.60 < r < -0.30

No hay correlacin

0 < r < 0.30

-0.30 < r 0

Grficas de dispersin lineal


(a) Positiva

2.1.

(b) Negativa

Correlacin lineal positiva

La correlacin positiva se da cuando al aumentar o disminuir los valores de la variable


independiente aumenta o disminuyen los valores de la variable dependiente. En el
grfico de dispersin, los puntos tienen forma ascendente y por lo tanto la recta de
ajuste tendr una pendiente positiva.
13

SIP 11196
Saln 107
Grupo No. 3

2.2.

Correlacin lineal negativa

Se da cuando al aumentar los valores de la variable independiente disminuyen los


valores de la variable dependiente, o viceversa, en este caso lo puntos descendern y
la pendiente de la recta de ajuste ser negativa.
2.3.

Correlacin Mltiple

Una correlacin mltiple es el coeficiente de correlacin entre una variable criterio y y


la combinacin lineal de las variables llamadas productoras X que tambin se pueden
denominar, y es ms claro, variables independientes. El termino predictor es habitual
aunque segn la finalidad que se busque puede resultar

ambiguo, es decir se puede

explicar ms que predecir.


La correlacin mltiple se simboliza como R incluye el clculo de los coeficientes
beta de cada variable. Se multiplica el coeficiente beta de cada variable independiente
por su correlacin con la variable y se suman los productos. La Raz cuadrada de esta
suma es el coeficiente de correlacin mltiple.
Un peligro cuando se calcula una correlacin mltiple est en olvidar la matriz de
correlaciones de todas las variables entre s. En primer lugar hay que fijarse en las
correlaciones entre las variables independientes entre s y con la variable dependiente.
Sobre todo si se trata de predecir (por ejemplo escoger entre una serie de tests que
miden variables distintas para predecir mejor un determinado resultado) los predictores
o variables independientes ms eficaces son los que cumplen estas dos condiciones:

a) Tienen correlaciones mayores con el criterio.

b) Tienen correlaciones bajas entre s, porque si estn muy correlacionados


aportan informacin redundante y adems afectan a la precisin de la
estimacin (Y) de la variable dependiente (Y).
14

SIP 11196
Saln 107
Grupo No. 3

A veces nos llevamos una sorpresa porque una variable que consideramos muy
predictiva tiene un coeficiente casi de cero o desaparece de la ecuacin porque no es
estadsticamente significativo. Lo que puede haber sucedido es que tiene una
correlacin alta con otra variable (o con una combinacin de variables) y ya no aporta
valor predictivo o explicativo nuevo. Siempre hay que tener a la vista la matriz de
correlaciones para comprender qu puede estar sucediendo.
2.4.

Fuerza, Sentido y Forma de la Correlacin

La relacin entre dos 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:
a)

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.

b)

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 directa (pendiente positiva);
si al crecer los valores de a disminuyen los de b, la relacin es inversa
(pendiente negativa).

c)

La forma establece el tipo de lnea que define el mejor ajuste: la lnea recta, la
curva monotnica o la curva no monotnica

2.5.

Distribucin del Coeficiente de Correlacin

La distribucin se da con el coeficiente de correlacin muestral de una muestra, es de


hecho una variable aleatoria, lo cual indica que si repetimos un experimento o
consideramos diferentes muestras se obtendrn valores diferentes y por tanto el
15

SIP 11196
Saln 107
Grupo No. 3

coeficiente de correlacin muestral calculado a partir de ellas tendr valores


ligeramente distintos. Para muestras grandes la variacin en dicho coeficiente ser
menor que para muestras pequeas.
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:

Donde:
Es la distribucin gamma

Es la funcin gaussiana hipergeomtrica.

, por tanto r es estimador sesgado de

Ntese que, puede obtenerse un estimador aproximado no sesgado resolviendo la


ecuacin:

Por
Aunque, la solucin:

16

SIP 11196
Saln 107
Grupo No. 3

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

Donde

, la distribucin original puede ser reescrita como:

es la funcin beta.

2.6.

Desventajas de la correlacin

Si bien r (coeficiente de correlacin) es una herramienta poderosa, debe ser utilizada


con cuidado.
a) Los coeficientes de correlacin ms utilizados slo miden una relacin lineal. Por
lo tanto, es perfectamente posible que, si bien existe una fuerte relacin no lineal
entre las variables, r est cerca de 0 o igual a 0. En tal caso, un diagrama de
dispersin puede indicar aproximadamente la existencia o no de una relacin no
lineal.
b) Hay que tener cuidado al interpretar el valor de r. Por ejemplo, se podra
calcular r entre el nmero de calzado y la inteligencia de las personas, la altura
y los ingresos. Cualquiera sea el valor de r, no tiene sentido y por lo tanto es
llamado correlacin de oportunidad o sin sentido.
c) R no debe ser utilizado para decir algo sobre la relacin entre causa y efecto.
Dicho de otra manera, al examinar el valor de r podramos concluir que las
variables X e Y estn relacionadas. Sin embargo, el mismo valor de 'r no nos
17

SIP 11196
Saln 107
Grupo No. 3

dice si X influencia a Y o al revs. La correlacin estadstica no debe ser la


herramienta principal para estudiar la causalidad, por el problema con
las terceras variables.

2.7.

Correlacin y Causalidad

La correlacin y la causalidad, se encuentran estrechamente relacionadas con las


variables de confusin, constituyen la suposicin incorrecta de que porque algo
correlaciona significa que existe una relacin causal.
La causalidad es el mbito de las estadsticas ms malinterpretado y utilizado
incorrectamente por los no especialistas. Los medios de comunicacin, los polticos y
los grupos de presin a menudo se aferran a una correlacin percibida y la utilizan para
"probar" sus propias creencias. No entienden que el hecho de que los resultados
muestren una correlacin no prueba que exista una relacin causal subyacente.
Mucha gente supone que porque una encuesta o una estadstica contienen muchos
nmeros debe ser cientfica y, por ende, correcta.
2.7.1. Los Patrones de Causalidad en la Mente
Por desgracia, la mente humana est diseada para tratar de establecer
inconscientemente vnculos entre muchas piezas de informacin contrastantes.
Generalmente, el cerebro trata de construir modelos aleatoriamente, por lo que realiza
conclusiones y supone que existe una relacin.
Superar esta tendencia es parte de la formacin acadmica de los estudiantes y
profesores en la mayora de los campos, desde la fsica hasta las artes. La capacidad
de evaluar objetivamente la informacin es absolutamente crucial para el xito
acadmico.

18

SIP 11196
Saln 107
Grupo No. 3

2.7.2. El Sensacionalismo de los Medios de Comunicacin


La mejor manera de ver el mal uso de la correlacin y la causalidad es con un ejemplo:
Segn un peridico britnico, una encuesta consisti en interrogar a un grupo de
adolescentes acerca de su comportamiento y establecer si sus padres fumaban. El
peridico inform, como un hecho, que los nios cuyos padres fumaban eran ms
propensos a exhibir un comportamiento delictivo.
Los resultados parecan mostrar una correlacin entre las dos variables, entonces el
peridico public el titular "el tabaquismo de los padres hace que los nios se porten
mal". El profesor que dirigi la investigacin declar que los paquetes de cigarrillos
deben llevar advertencias sobre temas sociales, junto con las conocidas advertencias
sanitarias.
Sin embargo, existen varios problemas con esta suposicin. El primero es que la
correlacin a veces puede funcionar en sentido inverso. Por ejemplo, es perfectamente
posible que los padres fumaran por el estrs de cuidar a sus hijos delincuentes.
Otra causa puede ser que la clase social provoque la correlacin; las clases ms bajas
suelen ser ms propensas a fumar y son ms propensas a tener hijos delincuentes. Por
lo tanto, el tabaquismo de los padres y la delincuencia son dos sntomas del problema
de la pobreza y puede ser probable que no tengan vnculo directo entre ellos.

19

SIP 11196
Saln 107
Grupo No. 3

Conclusiones

1. La regresin es un mtodo amplio que conlleva al estudio de circunstancias que


se presentan en el rea financiera, especficamente podramos mencionar las
ventas de una empresa, que descienden por la falta de consumidores,
publicidad, formula utilizada, entre otras.

2. El mtodo de correlacin es ms exacto porque evala variables cuantitativas y


delimita la informacin para saber si en realidad la situacin de una variable
causa consecuencias o simplemente no tiene efecto.
3. El estudiante San Carlista debe prestar mayor a tencin a estos temas y ampliar
sus

conocimientos sobre la correlacin y regresin, ya que es aplicable a

cualquier situacin de la vida y permite la correcta toma de decisiones para


solucionar problemas.

20

SIP 11196
Saln 107
Grupo No. 3

Recomendaciones

1. Es de gran ayuda para las empresas contar con personal calificado, que utilice
este tipo de mtodos para prevenir el por qu de una baja en las ventas o
disminucin de produccin en el giro del negocio. Pues evala las causas que
provocan el fenmeno y cambiara esta circunstancia, tomando mtodos de
pretensin y combatiendo

malos procesos que se puedan estar realizando

dentro de la empresa.

2. Utilizar la correlacin para situaciones de mayor riesgo como lo son cifras


expresadas en un estado financiero, tomando en cuenta en estudio profundo
para determinar las causas y efectos de los registros.
3. El tema debe darse a conocer no solo a nivel universitario sino desde la primaria
para que el estudiante se vaya formando una idea de su aplicacin y conforme el
estudio pueda aplicarlo a situaciones ms complejas de la vida.

21

SIP 11196
Saln 107
Grupo No. 3

Referencias Bibliogrficas

1. http://www.inpahu.edu.co/tecnologias/Estadistica/analisis.html
Visitada el 24 de enero 2015

2. pendientedemigracion.ucm.es/info/socivmyt/.../D.../18reglin_SPSS.pdf
Visitada el 24 de enero 2015

3. http://es.wikipedia.org/wiki/Correlaci%C3%B3n
Visitada el 25 de enero 2015

4. https://explorable.com/es/la-correlacion-estadistica
Visitada el 25 de enero 2015

22

SIP 11196
Saln 107
Grupo No. 3

Anexos
Cuestionario

1. Mtodo que ayuda a relacionar entre dos

o ms variables, buscando un

objetivo final de predecir o estimar el valor de una variable con base en el valor
de otra variable conocida? Regresin

2. Los valores de las variables se pueden representar grficamente en un plano


cartesiano, ubicando en el eje horizontal o abscisa los valores de la variable X y
en el eje vertical u ordenada, los valores de la variable, Y? Diagrama de
Dispersin
3. Qu es la regresin lineal? Tcnica que ayuda a expresar la relacin entre
dos variables
4. Qu son lneas de tendencia? Serie de datos obtenidos a travs de un largo
perodo
5. Puede decirnos si un conjunto de datos en particular han aumentado en un
determinado perodo, se puede dibujar una lnea de tendencia a simple vista
fcilmente a partir de un grupo de puntos, su posicin y pendiente se calcula de
manera ms precisa? Lneas de Tendencia
6. nicamente maneja una variable independiente por lo que solo cuenta con dos
parmetros, de la forma? Regresin Lineal Simple
7. Permite trabajar con una variable a nivel de intervalo o razn, nos posibilita analizar la
relacin entre dos o ms variables por medio de ecuaciones? Regresin Lineal
Mltiple

23

SIP 11196
Saln 107
Grupo No. 3

8. Qu es la correlacin? Indica la fuerza y la direccin de un vnculo lineal y


constante entre dos variables estadsticas,

9. Cundo se da correlacin en dos variables? Cuando hay dos variables (a y


b) existe correlacin si al aumentar los valores de a lo hacen tambin los
de b y viceversa.

10. Se encuentran estrechamente relacionadas con las variables de confusin,


constituyen la suposicin incorrecta de que porque algo correlaciona significa
que existe una relacin causal? Correlacin y Causalidad

24