PRCTICA DE ESTADSTICA I N 01

Tema: NOCIONES DE CORRELACIN Y REGRESIN

Seccin :
..
...
Docente : Adiel Omar Flores Ramos
Unidad: I
Semana: 1

Apellidos
: ..
.
Nombres
:
..
.

COEFICIENTE DE CORRELACIN LINEAL DE PEARSON (r).

1. El coeficiente de correlacin (r) indica el grado de interrelacin que existe entre las 2
variables. Este coeficiente de correlacin lineal r mide la fuerza de la relacin lineal
entre los valores cuantitativos apareados x y y en una nuestra.
2. El coeficiente de correlacin lineal es un nmero real comprendido entre 1 y +1.
1 r 1
Entonces se tiene una asociacin o correlacin perfecta (negativa o positiva) entre los
datos observados de X e Y mientras que r=0 indicar que no hay asociacin o
correlacin entre los datos observados; es decir el valor de r estar ms prximo de
-1 o +1 en la medida en que exista mayor asociacin entre las variables Xe Y.
3.- El coeficiente de correlacin lineal simple muestral r (tambin el
parmetro
) expresa : si r=+1, X e Y se encuentran perfectamente asociados mediante
una relacin directa (3.2c) y los puntos observados caen todos sobre una lnea recta con
pendiente positiva (3.2b) se tiene 0<r<1; si r=-1, X e Y se encuentran perfectamente
asociados mediante una relacin inversa (3.2e) y los puntos observados caen todos sobre
una lnea recta con pendiente negativa se tiene -1<r<0), si r=0, Xe Y no estn asociados o
correlacionados (3.2 a)

FORMULA

Ejercicio Resuelto
1.-Se tiene informacin en cuanto a estatura (cm) y peso (kg) de 10 primeros clientes que
llegaron a la Empresa ABC. Encontrar el coeficiente de correlacin de Pearson y evale en
centro de cmputo si es estadsticamente significativo.
Estatur
a

150

155

180

160

170

165

185

175

160

165

Peso

55

50

85

65

75

60

80

70

65

60

Solucin: De los datos obtenemos lo siguiente:

n =10 x=1665 y=665 xy=111700 x2=278325 y2=45325 xy=1107225

(x)2 =2772225 (y)2 =442225 n xy=1117000 n x2=2783250 n y2=453250

Reemplazando en la formula tenemos:
r=0.89
Utilizando el programa de cmputo SPSS, verificar: Si el valor P calculado es menor o
igual que el nivel de significancia, que permitir concluir si existe una correlacin
lineal. De lo contrario, no existe evidencia suficiente para sustentar la conclusin de
una correlacin lineal.

REGRESIN LINEAL SIMPLE

a) El concepto clave de esta seccin es describir la relacin entre dos variables por medio
del clculo de la grfica y la ecuacin de la recta que representa mejor la relacin. Esta
recta se conoce como recta de regresin y su ecuacin como ecuacin de regresin.
b) El anlisis de regresin trabaja con datos bivariados (1 solo dato con 2 variables).
c) Para realizar el anlisis de regresin se necesita que las 2 variables sean cuantitativas ya
sean discretas o continuas.
d) Para el anlisis de regresin una de las 2 variables tericamente debe depender de la
otra.
e) El anlisis de regresin estudia la relacin de dependencia de una variable con respecto
a la otra.

f) Dada una lista de datos bivariados cuantitativos el anlisis de regresin lineal

simple (ARLS) estudia la
dependencia de una variable con respecto a la otra.
g) Al mtodo que se utiliza regularmente para obtener la recta deseada se le conoce como
mtodo de mnimos cuadrados y la recta resultante se le conoce como recta de mnimos
cuadrados y la ecuacin general de la recta es:

y= a+bx
Donde:
Y= Variable dependiente. X= Variable independiente
a y b son constantes (nmeros).
h) 7.-Tcnicamente el problema consiste en hallar los valores de a y b y de interpretarlos
en contexto del problema.
i) 8.-El anlisis de regresin permite predecir o estimar, se predice el valor probable de Y
cuando X tiene un valor dado.
j) 9.-Para hallar los valores de las constantes a y b utilizar las siguientes frmulas.
b= n xy- y x
n x2 - x x
a=

y-b x
n

Ejercicio Resuelto
Se quiere estudiar la relacin que existe entre estatura y talla (cm) de una muestra de
docentes de postgrado de la Universidad Continental. Halle la ecuacin de la recta de
mnimos cuadrados y el diagrama de dispersin as como estime Ud. La Talla de un docente
de 45 aos.

Edad(X)

56

42

72

36

63

47

55

Talla(cm) 144 125 160 118 149 128 150

Y
Hallar a y b. Utilice Formula:
b= 1.138
a=80.78
Y= 80.78+1.14X Talla=80.78+1.14(Edad)
La talla(cm) de un docente de 45 aos es.

49

38

42

68

60

145

115

140

152

155

Y=80.78 +1.14 (45)= 132.08 cm

SERIES DE TIEMPO (TEMPORALES, CRONOLGICAS)

1.-Una serie temporal es un conjunto de datos BIVARIADOS cuantitativos donde la variable
independiente de todas maneras es el tiempo.
2.-El problema consiste en estudiar el comportamiento de la otra variable a lo largo del
tiempo.
3.-A partir de la informacin serie de tiempo la tendencia se obtiene como una recta de
regresin donde X es el tiempo.

Ejercicio Resuelto
Se est estudiando la evolucin de la matrcula de una institucin educativa. Halle la
ecuacin de la recta y estime el nmero de matriculados para el 2. Semestre del 2012.
T

X(Semestres)

2009(1)

2009(2)

2010 (1)

2010(2
)

2011(1
)

2011(2
)

2012(1
)

Y(Matrcula)

648

569

683

654

721

697

764

Y= a+bX

Matrcula= a+bT

y= 607.8 +22.93(T) (Cada semestre se est incrementando en 22.93 matriculados.)

Matrcula (2.Semestre 2012)=607.8 +22.93(7)

Matricula (2.Semestre 2012)= 768.31 matriculados.

Regla : La proyeccin es confiable hasta 10% ms del tamao de la data

exagerando el 20%.

REGRESIN MLTIPLE
Se analiza una relacin lineal que incluye ms de dos variables.

1. Definicin: Una ecuacin de regresin mltiple expresa una relacin lineal entre una
variable de respuesta y y dos o ms variables de prediccin.
Una cuestin de gran inters ser responder a la siguiente pregunta: de un vasto
conjunto de variables explicativas: x1, x2,, xk, cules son las que ms influyen en la
variable dependiente Y.

En definitiva, y al igual que en regresin lineal simple, vamos a considerar que los
valores de la variable dependiente Y, han sido generados por una combinacin lineal de
los valores de una o ms variables explicativas y un trmino aleatorio:

Y=bo+b1.X1.+b2X2++bkXk+u

Esta ecuacin recibe el nombre de hiperplano, pues cuando tenemos dos variables
explicativas, en vez de recta de regresin tenemos un plano:
Con tres variables explicativas tendramos un espacio de tres dimensiones, y as
sucesivamente.

Algunos criterios que deben de cumplir sern los siguientes:

o

Tener sentido numrico.

No deber de haber variables repetidas o redundantes

Las variables introducidas en el modelo debern de tener una cierta justificacin

terica.

La relacin entre variables explicativas en el modelo y casos debe de ser como

mnimo de 1 a 10.

La relacin de las variables explicativas con la variable dependiente debe de ser

lineal, es decir, proporcional

EJERCICIOS PROPUESTOS
Correlacin lineal:
1. Supongamos que disponemos de dos pruebas siendo uno de ellas una prueba de
habilidad mental y la otra una prueba de ingreso a la universidad, hallar la correlacin
de estas pruebas, elabore el grafico e interprete.
Estudiantes
Habilidad
mental (X)
Ingreso a la
Universidad (Y)

18

15

12

82

68

60

32

18

2. En la Farmacia Santa Rita, se desea determinar la correlacin lineal simple entre la

experiencia del vendedor y las ventas durante un mes. Se seleccionan 5 vendedores,

los datos registrados se presentan a continuacin, elabore el diagrama de dispersin e

interpreta la respuesta.
Vendedor
Carlos
Pedro
Jos
Juan
Manuel
Experiencia
3
2
1
5
4
Aos(X)
Ventas
9
5
7
14
10
(unidades)Y
3. En la siguiente tabla se muestran los presupuestos (en millones de dlares) y los
ingresos brutos (en millones de dlares) de pelculas seleccionadas al azar (segn datos
de la Motion Picture Association of America).Halle el coeficiente de correlacin de
Pearson, grafique e interprete.
Presupuesto

62

90

50

35

200

100

90

Ingresos brutos 65

64

48

57

601

146

47

4. De una determinada empresa se conocen los siguientes datos, referidos al volumen de

ventas ( en millones de pesetas) y al gasto en publicidad ( en miles de pesetas) de los
ltimos 6 aos: Existe relacin lineal entre las ventas de la empresa y sus gastos en
publicidad? Razona la respuesta.
Volumen de
ventas(millone
s de soles)
Gastos de
publicidad(mile
s de soles)

10

15

20

22

30

32

16

32

48

56

64

80

Regresin lineal simple:

1. Los datos siguientes muestran las cantidades consumidas de complemento nutricional
(en Kg.) y el aumento de peso de nios con signos de desnutricin.
Paciente

10

Complemento en
Kg.: X

1.0

1.5

2.0

2.5

3.0

3.5

4.0

4.5

5.0

5.5

Aumento de
peso: Y

10

12

14

13

15

17

14

14

A) Elabore el diagrama de dispersin y halle la correlacin y diga que tipo de

correlacin presenta e interprete.
B) Elabore la ecuacin de la recta.
C) Si el complemento nutricional es de 4.3 cul sera el aumento de peso?
D) Si el nio tuviese
un peso de 16 kg cunto de complemento nutricional
presentara?
2. Se supone que el alargamiento de un cable de acero est relacionado linealmente con la
intensidad de la fuerza aplicada. Cinco especmenes idnticos de cable dieron los
resultados siguientes:
Fuerza (X)
Alargamiento (Y)
(a)
(b)

1.0

1.5

3.5

5.4

2.5
6.9

3
8.4

Estudia el grado de asociacin lineal entre ambas variables.

Predice el alargamiento para una fuerza de 2.2.

Series de tiempo (temporales, cronolgicas)

1. El nmero de estudiantes egresados de una Universidad Particular durante los siguientes
aos son los siguientes. Halle Ud. El nmero de estudiantes para los aos 2014 y 2015
as como para los aos 2003 y 2002.Elabore el grafico y la ecuacin de la recta
Aos(x)

Aos(x)

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

Egresados
(Y)

98

92

80

89

83

68

69

67

58

61

2. La poblacin de mujeres en edad frtil en el Per es el siguiente:

Aos

2006

2007

2008

2009

2010

2011

2012

Poblacin

1890

2987

2900

3400

3699

4000

4590

Elabore Ud. El diagrama de dispersin.

Estimar la produccin que se producir en los 2 aos posteriores.

REFERENCIAS BIBLIOGRFICAS Y ENLACES

1.-Bejarano,B. y Mormontoy, L.(2006). Muestreo e Inferencia Estadstica. Universidad
Peruana Cayetano Heredia. Facultad de Ciencias y Filosofa Alberto Cazorla Talleri. Primera
edicin. Lima Per.
2.-Triola, M. (2009) Estadstica. Pearson. Educacin. Mxico.
3.-Toma J. y Rubio J. (2011). Estadstica aplicada. Primera parte. Universidad del Pacfico.
Centro de Investigacin. Lima Per.