RESUMEN CORRELACIN Y REGRESIN

Los mtodos de regresin y correlacin, constituyen otra herramienta estadstica

para la toma de decisiones en virtud que proporcionan matemticamente
indicadores que conllevan a conocer el comportamiento de una variable respecto a
otra (ventas y comisiones sobre ventas, horas trabajadas y unidades producidas,
publicidad y ventas, salarios y produccin, ingresos y gastos, inversin y utilidad,
etc.; es decir, si una aumenta o disminuye que pasa con la otra y obtener
resultados esperados.

Regresin:
Permite estimar una variable llamada Predictando o variable dependiente ( Y ) con
relacin a otra llamada Predictor o variable independiente ( X ).
Para poder estimar una variable respecto a otra se toma de base la ecuacin de la
lnea recta (Y = a + bX); sin embargo; para efectos de regresin lineal simple se
utiliza Yc = a +bX.
Donde:
Yc
=
ayb =
X
=

Variable estimada o calculada (Y calculada)

Coeficientes de regresin, a = ordenada y b = pendiente
Predictor (variable independiente) o variable en base a la que se
estima el predictando ( Y )

Para poder estimar la variable Y ( Yc ) es necesario determinar primero los

valores de a y b, luego se despeja la ecuacin y se obtiene la Yc (Y calculada o Y
estimada), para ello se multiplica el coeficiente b por la X y se le suma el valor
del coeficiente a.
Para encontrar los coeficientes existen 3 frmulas generales, sin embargo; como
les mencion el Lic. en la sesin anterior, se estar usando la siguiente:
b= XYnX
X - n X
a=

-bX

Donde:

X
Y
n

=
=
=
=

promedio del predictando o variable dependiente

promedio del predictor o variable independiente
Predictando o variable que se desea estimar o calcular
nmero de casos o parejas de las variables

ayb =
X
=

Coeficientes de regresin
Predictor o variable en base al cual se estima la variable
Y (predictando).

Mapa de esparcimiento o nube de puntos:

Es la representacin grfica del predictor y el predictando.
En el eje horizontal (eje de las abcisas) se anotan los valores de la variable X o
predictor.
En el eje vertical (eje de ordenadas) se anotan los valores de la variable Y o
predictando. (ver el ejemplo del Excel).
Propiedad de los mnimos cuadrados:
La suma algebraica de las desviaciones de los valores originales respecto a los
calculados es igual a cero. (ver ejemplo del Excel, columna H, inciso e.)

Error estndar de estimacin:

Este mide el grado de dispersin de los valores originales de Y alrededor de la
lnea de regresin.
Es decir que sirve para conocer el grado de error de las estimaciones de los
valores del predictando (Y) en funcin de los valores del predictor (X).

(ver determinacin en ejemplo del Excel)

Donde:

Sy/x =
Y
=
X
=
n
a
b

=
=
=

Error estndar de estimacin

Predictando o variable que se desea estimar o calcular
Predictor o variable en base al cual se estima la variable
Y (predictando).
nmero de casos o parejas de las variables
Origen de la ordenada
Pendiente de la recta

La propiedades se pueden apreciar en el Excel (Hoja 1, pgina 193 de las fotos).

Correlacin lineal simple:

Estudia el grado de relacin entre dos variables cuantitativas.
Es decir determinar si esas variables estn asociadas y en qu sentido se ha dado
esa asociacin.

Un alto grado de correlacin no indica relacin causa-efecto entre las variables, lo

cual no necesariamente tiene un significado real, el grado de correlacin indica un
resultado matemtico, que de acuerdo al conocimiento de las variables o tema
analizado sirve como herramienta para la toma de decisiones, por lo que se debe
observar que las variables guarden una relacin lgica.
Para determinar el coeficiente existen varias frmulas, como lo indic el Lic. La
sesin anterior, estaremos usando la siguiente:

Caractersticas:
a. Si r > 0, existe correlacin positiva.
b. Si r < 0, existe correlacin negativa.
c. Si r = 0, no existe correlacin.
d. Si r = 1, existe correlacin perfecta positiva.
e. Si r = -1, existe correlacin perfecta negativa.
f. Si -1 r 1, la correlacin es fuerte o dbil, segn se acerque a cero.
Ver ejemplo enunciado y resolucin del Ejemplo en el Excel: