UNIVERSIDAD POLITCNICA ESTATAL DEL CARCHI

ESCUELA DE COMERCIO EXTERIOR Y NEGOCIACIN INTERNACIONAL

ESTADISTICA
DESCRIPTIVA
MCS : JORGE POZO
CORRELACIN Y REGRESIN LINEAL
MARA GORDN

Tulcn Ecuador
2012

TEMA: Desarrollo de ejercicios de correlacin y regresin lineal

Objetivos
Objetivo general

Desarrollar los ejercicios de correlacin y regresin

Objetivos especficos

Interpretar los datos estadsticos

Realizar las grficas relacionando dos variables
Analizar los resultados obtenidos en los coeficientes

JUSTIFICACIN
El presente trabajo tiene como finalidad la realizacin y el anlisis de ejercicios relacionados al comercio exterior aplicando los casos de
correlacin y regresin lineal con el fin de que los estudiantes desarrollen las capacidades de aprendizaje y aplicacin en los problemas del
contexto nacional

MARCO TERICO

CORRELACIN

TCNICAS DE CORRELACIN
En los captulos anteriores, ustedes estudiaron las distribuciones de una sola variable. A continuacin abordaremos el estudio de dos variables
y no solamente de una. Particularmente estudiaremos qu sentido tiene afirmar que dos variables estn relacionadas linealmente entre s y
cmo podemos medir esta relacin lineal.

RELACIONES LINEALES ENTRE VARIABLES

Supongamos que disponemos de dos pruebas una de ellas una prueba de habilidad mental y la otra una prueba de ingreso a la Universidad.
Seleccionemos cinco estudiantes y presentamos en la tabla N4.1.1, los puntajes obtenidos en estas dos pruebas.
TABLA N4.1.1

ESTUDIANTES
Mara
Olga
Susana
Aldo
Juan

X
PRUEBA DE
HABILIDAD
MENTAL
18
15
12
9
3

Y
EXAMEN DE ADMISIN
82
68
60
32
18

Observamos las cinco parejas de puntajes de la tabla N4.1.1 podemos afirmar que la prueba de habilidad mental se puede usar para
pronosticar el puntaje de examen de admisin?. La tabla nos dice que si podemos hacer tal suposicin ya que los estudiantes con puntajes
altos en la prueba de habilidad mental tienen tambin un puntaje alto en el examen de admisin y los estudiantes con puntajes bajos en la
prueba de habilidad mental, tienen puntajes bajos en el examen de admisin. En circunstancias como la presente (cuando los puntajes altos de
una variable estn relacionados con los puntajes altos de la otra variable y los puntajes bajos de una variable estn relacionados con los

puntajes bajos de la otra variable), afirmamos que hay una relacin lineal positiva entre las dos variables, entonces podemos definir una
relacin lineal positiva entre ese conjunto de pares de valores X y Y, tal como se muestra en la tabla N4.1.1.

Supongamos que en lugar de los resultados de la tabla N 4.1.1, hubiramos obtenido los puntajes que se muestran en la tabla N 4.1.2
Podramos afirmar que en esta situacin los puntajes de la prueba de habilidad mental pueden usarse para pronosticar los puntajes altos en
el test de habilidad mental aparecen con puntajes bajos en el examen de admisin y los sujetos con puntajes altos en el examen de admisin,
entonces podemos definir una relacin lineal negativa entre un conjunto de pares de valores X y Y (tal como en la tabla N4.1.2), es decir, los
puntajes altos de X estn apareados con los puntajes bajos de Y y los puntajes bajos de X estn apareados con los puntajes altos de Y.

TABLA N4.1.2

ESTUDIANTES

X
PRUEBA DE
HABILIDAD
MENTAL

Y
EXAMEN DE ADMISIN

Mara

18

18

Olga

15

32

Susana

12

60

Aldo

68

Juan

82

TABLA N4.1.3

ESTUDIANTES

X
PRUEBA DE
HABILIDAD
MENTAL

Y
EXAMEN DE ADMISIN

Mara

18

18

Olga

15

82

Susana

12

68

Aldo

60

Juan

32

Examinemos ahora la tabla N4.1.3. en este caso ya no podemos afirmar que los puntajes de la prueba de habilidad mental sirvan para
pronosticar los puntajes del examen de admisin, ya que unos puntajes altos del test de habilidad mental estn aparejados con otros puntajes
bajos del examen de admisin y algunos puntajes bajos del test de habilidad mental estn apareados con otros puntajes altos del examen de
admisin, entonces, en este caso, decimos que no existe una relacin lineal entre las variables X y Y.

DIAGRAMA DE DISPERSIN

En las situaciones que se presentan en la vida real no tenemos solamente cinco parejas de valores para ambas variables, sino muchsimas
parejas. Otra forma alternativa de ver si existe o no relacin lineal entre dos variables sera hacer una grfica de los valores X y Y en un
sistema de coordenadas rectangulares, este tipo de grfica es conocido con el nombre de diagrama de dispersin, grfico de dispersin o nube
de puntos. Dibujemos el diagrama que corresponde a la tabla N4.1.1. lo haremos haciendo corresponder a cada valor de la variable
independiente X, un valor de la variable dependiente Y, es decir, para la alumna Susana haremos corresponder su puntaje en la prueba de
habilidad mental (12) con su puntaje de la prueba de admisin (60); al alumno Juan le hacemos corresponder su puntaje del test de habilidad
mental (3) con su puntaje del examen de admisin (18). Luego ubicaremos los cinco pares de puntajes en el sistema de ejes rectangulares y
obtendremos los grficos N4.1.1 y N4.1.2.

Observaremos en el grfico N4.1.1, que tabla N4.1.1, es descrita por el diagrama de dispersin. Vemos en este grfico que los cinco puntos
dan la sensacin de ascender en lnea recta de izquierda a derecha. Esto es caracterstico en datos en los que existe una relacin lineal
positiva. Aunque estos cinco datos no configuren una lnea recta en forma perfecta, se puede trazar una lnea recta que describa en estos
puntos en forma bastante aproximada, conforme se ve en el grfico N4.1.2 y por esto decimos que la relacin es lineal.

Si ocurre que todos los puntos de la grfica de dispersin estn incluidos en una sola lnea en forma exacta afirmamos que la relacin lineal es
perfecta. El grado en que se separan los puntos de una sola lnea recta nos da el grado en que la relacin lineal no es perfecta. As cuando
menos puntos se encuentran en una sola lnea decimos que la relacin lineal entre las dos variables es menos fuerte y cuando ms puntos
queden incluidos en una lnea recta afirmaremos que la relacin lineal es ms fuerte.
GRFICO N4.1.1.

GRFICO N4.1.2

Usando los datos de la tabla N4.1.2 y utilizando la misma forma de razonar empleada hasta ahora podemos construir el correspondiente
grfico de dispersin, tal como se muestra en el grfico N4.1.3.

Podemos observar en el grfico N4.1.4 que la nube de puntos de la grfica puede delinearse bien por una lnea recta, lo que nos indica que
hay una relacin lineal entre las dos variables X y Y. vemos tambin que la lnea desciende de izquierda a derecha (tienen pendiente negativa)
por lo que decimos que la relacin lineal entre las dos variables es negativa.

Si tenemos en cuenta la tabla N4.1.3 podemos obtener una figura como se muestra en la grfica N4.1.5. Notamos, en esta situacin, que
resultar intil cualquier lnea recta que trate describir adecuadamente este diagrama de dispersin.

GRFICO N4.1.3

GRFICO N4.1.4

GRFICO N4.1.5

COEFICIENTE DE CORRELACIN RECTILINEA DE PEARSON

Con ayuda de las grficas nos podemos formar una idea si la nube de puntos, o diagrama de dispersin, representa una relacin lineal y si esta
relacin lineal es positiva o negativa, pero con la sola observacin de la grfica no podemos cuantificar la fuerza de la relacin, lo que si
conseguiremos haciendo uso del coeficiente r de Pearson.

El coeficiente de correlacin r de Pearson, forma valores comprendidos entre -1 y +1 pasando por 0. El nmero -1 corresponde a una
correlacin negativa perfecta (los puntos del diagrama de dispersin deben encontrarse formando perfectamente una lnea recta). El
coeficiente de correlacin r=0 se obtiene cuando no existe ninguna correlacin entre las variables. Los valores negativos mayores que -1
indican una correlacin negativa y los valores positivos menores que 1 indican una correlacin positiva. Referente a la magnitud de r podemos
decir que independientemente del signo, cuando el valor absoluto de r est ms cerca de uno, mayor es la fuerza de la correlacin, as as que
-0.20 y +0.20 son iguales en fuerza (ambos son dos valores fuertes).

CLCULO DEL COEFICIENTE r DE PEARSON UTILIZANDO UNA MQUINA CALCULADORA CUANDO LOS DATOS NO SON MUY
NUMEROSOS
Dadas dos variables X y Y con sus respectivos valores. Tabla N4.1.4, podemos calcular el coeficiente r de Pearson con una mquina
calculadora mediana la siguiente frmula.

TABLA AUXILIAR N4.1.4.

(1)

(2)

(3)

x
18

Y
82

(4)

(5)

x
324

y
6724

XY
1476

15

68

225

4624

1020

12

60

144

3600

7200

32

81

1024

288

18

324

54

x = 57

y= 260

x = 783

y = 16296

xy = 3558

Con los datos de la tabla N4.1.1, se ha elaborado la Tabla Auxiliar N4.1.4.

En las columnas (1) y (2) se han escrito los valores de X y Y. en la columna (3), se han elevado al cuadrado los valores de X. en la columna (4)
se han elevado al cuadrado los valores de Y. en la columna (5) se ha efectuado el producto de cada pareja de valores X y Y. aplicando los
datos en la frmula 4.1.1, se tiene:

INTERPRETACIONES DE UN COEFICIENTE DE CORRELACIN

Qu tan elevado es un coeficiente de correlacin dado?. Todo coeficiente de correlacin que no sea cero indica cierto grado de relacin entre
dos variables. Pero es necesario examinar ms esta materia, porque el grado de intensidad de relacin se puede considerar desde varios
puntos de vista. No se puede decir que un r de 0.50 indique una relacin dos veces ms fuerte que la indicada por r de 0.25. ni se puede decir
tampoco que un aumento en la correlacin de r=0.40 a r=0.60 equivalga a un aumento de r=0.70 a r=0.90. es de observar que una correlacin
de -0.60 indica una relacin tan estrecha como una correlacin de +0.60, la relacin difiere en la direccin.

Siempre que est establecida fuera de toda duda razonable una relacin entre dos variables, el que el coeficiente de correlacin sea pequeo
puede significar nicamente que la situacin medida est contaminada por algn factor o factores no controlados. Es fcil concebir una
situacin experimental en la cual, si se han mantenido constantes todos los factores que no sean pertinentes, el r podra haber sido 1 en lugar
de 0.20. por ejemplo: generalmente la correlacin entre la puntuacin de aptitud y el aprovechamiento acadmico es 0.50 puesto que ambos se
miden en una poblacin cuyo aprovechamiento acadmico tambin es influenciable por el esfuerzo, las actitudes, las peculiaridades de
calificacin de los profesores, etc. Si se mantuvieran constantes todos los dems factores determinantes del aprovechamiento y se midieran
exactamente la aptitud y las notas, el r sera 1 en vez de 0.50.

Una conclusin prctica a la correlacin es que sta es siempre relativa a la situacin dentro de la cual se obtiene y su magnitud no representa
ningn hecho natural absoluto. El coeficiente de correlacin es siempre algo puramente relativo a las circunstancias en que se ha obtenido y se
ha de interpretar a la luz de esas circunstancias y slo muy rara vez en algn sentido absoluto.

Adems podemos agregar que la interpretacin de un coeficiente de correlacin como medida del grado de relacin lineal entre dos variables,
es una interpretacin como medida del grado de relacin lineal entre dos variables, es una interpretacin matemtica pura y est
completamente desprovista de implicaciones de causa y efecto. El hecho de que dos variables tiendan a aumentar o disminuir al mismo tiempo
no implica que obligadamente una tenga algn efecto directo o indirecto sobre la otra.

A continuacin calcularemos con la frmula N4.1.1, antes indicada coeficiente de Pearson de la relacin presentada en la tabla N4.1.2

CUADRO AUXILIAR 4.1.5

(1)

(2)

x2

(3)

(4)

(5)

XY

18
15
12
9
3

18
32
60
68
82

324
225
144
81
9

324
1024
3600
4624
6724

324
480
720
612
246

x = 57

y= 260

x = 783

y = 16296

xy = 2382

Vemos que la correlacin es fuerte y negativa.

Ahora calculemos con la misma frmula de Pearson N4.1.1, el Coeficiente de Correlacin lineal con los datos de la tabla N4.1.3.

CUADRO AUXILIAR 4.1.6

(1)

(2)

x2

(3)

(4)

(5)

XY

18
15
12
9
3

18
32
60
68
82

324
225
144
81
9

324
6724
4624
3600
1024

324
1230
816
542
96

x = 57

y= 260

x = 783

y = 16296

xy = 3006

La correlacin es muy dbil y positiva.

CORRELACIN ENTRE DOS CONJUNTOS DE DATOS AGRUPADOS EN CLASES

El presente tema nos conduce a calcular el coeficiente de correlacin r, que nos proporciona informacin de la fuerza de la relacin que existe
entre dos conjuntos de datos que se encuentran agrupados, cada uno de ellos formando por separados una distribucin de frecuencias, mejor
dicho teniendo por separado sus intervalos de clase con sus respectivas frecuencias.
Para realizar una exposicin del tema en forma ms entendible, presentamos el ejemplo del Cuadro N 4.1.7.
Ejemplo:
Calcular el grado de correlacin entre las puntaciones obtenidas en inventario de hbitos de estudio y los puntajes obtenidos en un examen de
Matemtica, aplicados a un total de 134 alumnos de un colegio de la localidad.

CUADRO N 4.1.7

X Hbitos de estudio
20 30

30 40

40 50

50 60

Total

Y Matemtica
70 80
60 70

10

50 60

16

27

40 50

14

19

10

47

30 40

15

28

20 30

11

10 20

Total

23

48

23

134

40

Podemos notar que el problema no es tan simple, como el caso anterior, dado que ahora los datos se han clasificado en una tabla de doble
entrada N 4.1.7. Este cuadro muestra, en la primera columna del lado izquierdo los intervalos de clase de la variable Y, los que cubren todos
los posibles datos acerca de las puntuaciones alcanzadas por los estudiantes en la prueba de Matemtica. Ntese que los intervalos crecen
de abajo hacia arriba. En la fila superior se presentan los intervalos de clase todos los 134 posibles datos acerca de los puntajes obtenidos por
los estudiantes en la variable hbitos de estudios representados por la letra X.
Dentro del Cuadro N 4.1.7 en los casilleros interiores o celdas de la tabla, se encuentran las frecuencias de celdas

que corresponden a

puntajes que pertenecen tanto a un intervalo de la variable Y como a un intervalo de la variable X.

En la fila interior del Cuadro se presentan los totales de los puntajes de la variable X, hbitos de estudio. Esos totales se llaman frecuencias
marginales de la variable X y se representan por

En la ltima columna de la derecha se encuentran los totales de los puntajes de la variable rendimiento en matemtica. Estos totales se
denominan frecuencias marginales de la variable Y.
Cuando los datos se presentan tal como el presente caso, formando tablas de doble entrada, es conveniente usar el mtodo clave que
expondremos a continuacin porque con este procedimiento se evita manejar grandes nmeros, como sera el caso si se emplearn las
frmulas para trabajar con la calculadora de bolsillo.
La frmula que utilizaremos es la siguiente:

Para obtener los datos que deben aplicarse en la frmula N 4.1.2., vamos a construir el cuadro auxiliar N 4.1.8, al mismo tiempo que se
explica el significado de los smbolos de esa frmula.

Lo primero que hacemos es reemplazar los intervalos horizontales y verticales por sus respectivas marcas de clase; a continuacin
adicionaremos al Cuadro N 4.1.7, cinco columnas por el lado derecho; cuyos encabezamientos son:
para la tercera,

para la cuarta y

para la tercera fila y por ltimo,

para la segunda,

para la quinta columna.

Por la parte inferior del cuadro le adicionamos cuatro filas que se nombran:
anterior,

para la primera

para la primera

para la segunda fila que est debajo de la

para la cuarta fila que est debajo de todas; de esta manera se va elaborando el Cuadro

Auxiliar N 4.1.8.
1)

Para determinar las frecuencias marginales que se deben colocar en la columna

tercera,

para la primera

para la segunda,

para la

sumamos las frecuencias de las celdas que estn en la misma fila de la marca de clase 75, obtenemos: 3+2+2=7, nmero que

se escribe en el primer casillero o celda de la columna

para la primera

para la segunda,

para la tercera,

En la fila de la

marca de clase 65, sumamos 1+4+5=10, nmero que se escribe debajo del 7.
Para la fila de la marca de clase 55, tenemos: 2+6+16+3=27.
Para la fila de la marca de clase 45, se tiene: 4+14+19+10=47.
En igual forma: 7+15+6=28.
Lo mismo: 8+2+1=11
Y en la ltima fila: 1+1+2=4
A continuacin sumamos estas frecuencias marginales de la variable Y: 7+10+27+47+28+11+4=134 es el total general.
2)

Ahora a determinar las frecuencias marginales de la variable X: En columna encabezada con la marca de clase 25 sumemos
verticalmente las frecuencias: 1+2+4+7+8+1=23.
En la columna encabezada con 35, tenemos: 3+6+14+15+2=40
En la siguiente: 2+4+16+19+6+1=48
En la ltima: 2+5+3+10+1+2=23

3)

Centremos nuestra atencin en la columna encabezada

para la primera

para la segunda,

para la tercera,

este signo

significa desviacin unitaria, y procedemos en la misma forma que en las Tablas N 2.1.2 y N 2.1.3 (b). recuerden que las desviaciones
unitarias positivas: +1, +2, y +3 corresponden a los intervalos mayores y por el contrario las desviaciones unitarias negativas: -1, -2 y -3
corresponden a los intervalos menores. Como origen de trabajo se tom la marca de clase 45 y por lo tanto su desviacin unitaria es cero.
4)

Luego vamos a determinar las desviaciones unitarias horizontales de la variable X. el origen de trabajo es la marca de clase 45 que se
halla en la fila superior del cuadro, por esa razn, escribimos cero debajo de la frecuencia marginal 48. Las desviaciones unitarias
negativas: -1 y -2 se escriben a la izquierda cero, porque se corresponden con los intervalos de clase que tienen menores marcas de clase
y que estn a la izquierda de 45. La desviacin unitaria positiva, se corresponde con el intervalo de mayor marca de clase, 55 (en parte
superior del Cuadro N 4.1.8.)

5)

A continuacin vamos a determinar los valores que deben colocarse en la columna encabezada
multiplicar cada valor de

por su correspondiente valor de

; este smbolo indica que se debe

, as: 7(+3)=21; 10(+2)=20; 27(+1)=27; 47(0)=0; 28(-1)=-28; 11(-2)=-22 y 4(-

3)=-12. Sumando algebraicamente, tenemos: 21+20+27=68 los positivos: y

Por ltimo: 68-62=6 total, que se coloca en la parte inferior de la columna

(-28)+ (-22)+ (-12)=-62 los negativos.

Para obtener los valores de la cuarta columna encabezada

debemos tener en cuenta que (

, por lo tanto basta

multiplicar cada valor de la segunda columna por su correspondiente valor de la tercera columna as se obtiene el respectivo valor de la cuarta
columna. En efecto:
(+3)(21)=63; (+2)(20)=40; (+1)(27)=27; 0*0=0; (-1)(-28)=28; (-2)(-22)=44 y (-3)(-12)=36
La suma: 63+40+27+28+44+36=238
Ahora nos fijamos horizontalmente en la tercera fila. Tenemos que (

por consiguiente basta multiplicar verticalmente un valor de

la primera fila por su correspondiente valor de la segunda dila para obtener el respectivo valor de la tercera fila.
(23)(-2)=-46; (40)(-1)=-40; (48)(0)=0 y (23)(+1)=23

Sumando horizontalmente:
(-46)+ (-40)+ (23)=-86+23=-63

Vamos por la cuarta fila; vemos que

. Luego basta multiplicar cada elemento de la segunda fila por su correspondiente

elemento de la tercera fila para obtener el respectivo elemento de la cuarta fila as:
(-2)(46)=92; (-1) (-40)=40; 0*0=0 y (+1) (23)=23

Para obtener los valores de la quinta columna

observamos que hay tres factores; el 1 es la frecuencia

que se est considerando, el segundo factor es la desviacin unitaria

de la celda o casillero

, el tercer factor es la desviacin unitaria

. Por tanto el

procedimiento ser el siguiente: Tomemos el nmero 3 que es la frecuencia de la celda determinada por el cruce de los intervalos que tienen la
marcha de clase 75 horizontalmente y 35 verticalmente.

Bajemos la vista del nmero 3 hacia donde se halla el respectivo valor (-1) de la desviacin unitaria

(ver la lnea punteada).

Para indicar el tercer factor corremos la vista del nmero 3 hacia su derecha hasta llegar a la columna de las desviaciones unitarias

ubicamos el nmero +3 (ver la lnea punteada) formemos el producto de estos tres nmeros: (3) (-1) (+3)=-9. Este nmero -9 encerrado en un
semicrculo lo escribimos en la celda elegida.
En la misma fila tomamos la celda siguiente: (2) (0) (+3)=0

Continuando hacia la derecha: (2) (+1) (+3)=6

CUADRO AUXILIAR N 4.1.8

CUADRO CORREGIDO DELCUADRO AUXILIAR N 4.1.8

La frmula del paso (9) lleva el signo para indicar que se deben sumar horizontalmente los nmeros que estn encerrados en los semicrculos
de esa primera fila elegida, as: -9+0+6=-3. Este nmero se escribe en la quinta columna.
Trabajemos con la siguiente fila: (1) (-2) (+2)=-4 se encierra en un semicrculo.
(0)(-1)(+2)=0
(4)(0)8+2)=0
(5)(+1)(+2)=10
Sumando 0+0+10=10
Ahora con la tercera fila:
(2)(-2)(+1)=-4
(6)(-1)(+1)=-6
(16)(0)(+1)=0
(3)(+1)(+1)=3
Sumando: (-4)+(-6)+0+3=-7

Cuarta fila:
(7)(-2)(-1)=14
(15)(-1)(-1)=15
(6)(0)(-1)=0
(0)(+1)(-1)=0
La suma es: 14+15=29
(8)(-2)(-2)=32
(2)(-1)(-2)=4
(0)(0)(-2)=0
(1)(+1)(-2)=-2
La suma es: 32+4-2=34
Sptima fila:
(1)(-2)(-3)=6
(1)(0)(-3)=-6
(2)(1)(-3)=-6
Sumando: 6+0-6=0
Sumando los valores de la columna quinta.
-3+6-7+0+29+34+0=69-10=59
Reuniendo los resultados anteriores, se tienen los datos para aplicar en frmula N 4.1.2.
n=134

EJERCICIO RESUELTO N2 DE CLCULO DEL COEFICIENTE DE CORRELACIN ENTRE DOS CONJUNTOS DE DATOS AGRUPADOS
Calcular el coeficiente de correlacin lineal de las puntuaciones en matemticas de 100 estudiantes de la Facultad de Ciencias de la
Universidad MN.
CUADRO N4.1.9

CUADRO N4.1.10

En este problema tenemos que calcular el coeficiente de correlacin lineal r para dos conjuntos de datos, constituidos por los calificativos en
una escala de 0 a 100, en matemticas y en fsica para 100 estudiantes de la Facultad de Ciencias de cierta Universidad.

Los datos se muestran en el cuadro N4.1.9. Notemos que a lo largo de la lnea horizontal superior se encuentran los intervalos que contienen
los calificativos de matemticas desde 40 hasta 100.

Igualmente en la primera columna vertical izquierda, se encuentran los calificativos para fsica de los mismos estudiantes, desde el calificativo
40 hasta 100. Ntese que en la columna de los calificativos de fsica los datos crecen de abajo hacia arriba y para la fila horizontal superior
vemos que los calificativos en matemticas crecen de izquierda a derecha.
A continuacin procedemos a calcular el coeficiente de correlacin r para estos datos aplicando el mismo mtodo que utilizamos en el
problema anterior.

1)

Traslademos los datos del cuadro N4.1.9 al cuadro N4.1.10. llamaremos fxy a cualquiera de las frecuencias de los casilleros interiores
del cuadro N4.1.9. en el cuadro N4.1.10 podemos observar que se han agregado cinco columnas por el lado derecho y cuatro filas por la
parte inferior.

Observaremos en el cuadro N4.1.10 quelos intervalos para la puntuacin en matemticas y para la puntuacin en fsica se han reemplazado
por las marcas de clase correspondientes. As en la fila horizontal superior se ha reemplazado el primer intervalo 40 50 por su marca de
clase 45, el segundo intervalo 5060 por su marca de clase 55 y de esta manera se han reemplazado los dems intervalos por sus marcas de
clases en el cuadro N4.1.10.

De igual forma para la columna primera de la izquierda vemos que los intervalos se han reemplazado por sus respectivas marcas de clase as,
para la puntuacin en fsica el primer intervalo superior 90 100 se han reemplazado por su marca de clase 95, el segundo intervalo superior
8090 se ha reemplazado por su marca de clase 85 y as sucesivamente hasta llegar el intervalo inferior 40 50 que se ha reemplazado por
su marca de clase 45.

Ahora vamos a realizar los pasos siguientes:

1)

Para determinar las frecuencias marginales

sumemos todos los valores

de la primera fila que tiene la marca de clase 95. De esta

forma tenemos: 2+5+5=12. Para la segunda fila que corresponde a la marca de clase 85, obtenemos: 1+3+6+5=15 que escribimos en el
segundo casillero de . Continuando con la suma de los nmeros,
2)

Dediquemos nuestra atencin a las frecuencias marginales

de las filas llenamos la columna

. El primer resultado de

..

lo obtenemos sumando las frecuencias

la columna que tiene la marca de clase 45, de esta forma tenemos: 2+4+4=10 que se escribe en el primer casillero de la fila
segundo casillero tenemos el nmero 15 que se obtiene sumando verticalmente las frecuencias
clase 55. Continuando con la suma de las
3)

Atendamos ahora la columna

. La columna

para
. Para el

de la columna que tiene la marca de

de las dems columnas, llenamos las frecuencias marginales

tiene en total 6 casilleros arbitrariamente escogemos uno de estos casilleros como origen

de trabajo le asignamos el nmero. Observemos ahora la primera columna de la izquierda en donde estn las marcas de clase de los
puntajes de fsica. Aqu observamos que las marcas de clase crecen de abajo hacia arriba, entonces las desviaciones unitarias en la
columna

crecern de abajo hacia arriba. Entonces del 0 hacia abajo, las desviaciones unitarias son nmeros negativos que van

decreciendo hacia abajo.

Desde el 0 hacia arriba las desviaciones unitarias sern positivas y crecientes.
De manera que podemos observar que la columna

est conformada por los siguientes nmeros que crecen del cero hacia arriba: 1,2 y

desde el cero hacia abajo decrecen: -1, -2, -3.

4)

Veamos la fila
Notamos que en la fila horizontal superior las marcas de clase crecen de izquierda a derecha, de igual forma las desviaciones unitarias
crecern de izquierda a derecha. Elegimos como origen de trabajo arbitrariamente uno de los casilleros de

, el tercero contando de

izquierda a derecha, y vamos asignando nmeros positivos crecientes hacia la derecha del 0, as tenemos 1, 2 y 3 y hacia la izquierda, a
partir del cero, tendremos: -1 y -2.
5)

Expliquemos la columna

multipliquemos cada valor de

por su correspondiente valor de

ejemplo el nmero 24 se obtiene multiplicando la frecuencia marginal

y se obtiene un valor

por su correspondiente desviacin unitaria

es, 12x2=24. Para el segundo casillero multiplicamos 15x1=15; para el tercero 25x0=0, as hasta terminar con 11 x (-3)=-33.

. Por
esto

6)

Observamos la columna

. La primera celda de esta columna tiene el nmero 48 que se obtiene multiplicando el valor

segunda columna por su correspondiente valor

columna
7)

Para el segundo casillero de

Veamos la fila

por su

, es decir: 10(-2)=-20.

, multiplicamos (-1) x (-15) = 15 y as sucesivamente hasta 12 x 3 = 36.

. El primer casillero de esta fila es 40 y es el resultado de multiplicar -2 del primer casillero de la fila

su correspondiente primer casillero de la fila

segundo casillero

. El nmero -20 del primer casillero de esta fila se obtiene multiplicando la frecuencia marginal

correspondiente desviacin unitaria

8)

=24, de la tercera columna, es decir, 2 x 24 = 48. Para el segundo casillero de la

, tenemos 15 que es igual a 1 x 15. De esta forma continuamos llenando los dems valores de la columna

Veamos ahora la fila

de la

esto es. (-2) x (-20) = 40. Para el segundo casillero de

por -15 de su correspondiente segundo casillero de

multiplicando los valores de los valores de los casilleros de la fila

por -20 de

multiplicamos -1 del

, luego obtenemos (-1) x (-15) = 15. As continuamos

por sus correspondientes valores de la fila

hasta llegar a (3)

(36) =108.
9)

Interesa ahora obtener los nmeros encerrados en semicrculos, por ejemplo, el nmero 4, que corresponde a la marca de clase 75 para
la puntuacin en matemticas y a la marca de clase 95 de la puntuacin en fsica.

Para saber cmo se obtiene este nmero 4, corramos nuestra vista hacia la derecha dirigindose hacia la columna
2. Del nmero 4, encerrado en semicrculo, bajemos la vista con direccin a la fila
4, encerrado en semicrculo, es

y obtenemos el nmero

y obtenemos 1. La frecuencia del casillero donde est el

. Multiplicando estos tres factores tendremos:

Podemos enunciar la siguiente regla:

Para obtener los valores encerrados en semicrculos en los casilleros interiores del cuadro N4.1.10, multiplicamos el valor de la frecuencia
del casillero para la cual estamos haciendo el clculo, por los valores de las desviaciones unitarias
derecha hasta columna

y tambin hacia abajo hasta llegar a la fila

, obtenidas corriendo la vista hacia la

As por ejemplo, para el casillero que corresponde a las marcas de clase 75 en matemtica y 85 en fsica, tenemos la frecuencia de la celda
, los otros dos factores son:

=1.

Luego (3) x (1) x (1) = 3 que es el valor encerrado en semicrculo.

Para el casillero correspondiente a la marca de clase 55 en matemticas marca de clase 45 en fsica, tenemos:
,

que es el valor encerrado en semicrculo. As podemos proceder para obtener todos los dems valores
encerrados en semicrculos.

Sumando las frecuencias marginales de la columna

, se tiene

. Sumando los valores de la tercera columna se obtiene

. La suma de los valores de la quinta columna:

=150

Para todas las filas, en el ltimo casillero de la derecha se tiene la suma de los valores de la fila. As por ejemplo,

Para la tercera fila:

Para la cuarta fila:

Estos totales de filas y columnas reemplazamos en la frmula N4.1.2.

Vemos que el coeficiente de correlacin en este caso es 0,79

EJERCICIO PROPUESTO N1 DEL CLCULO DEL COEFICIENTE DE CORRELACIN ENTRE DOS CONJUNTOS AGRUPADOS DE
DATOS.

Supongamos que tenemos 30 sujetos a los que hemos aplicado una prueba de conocimientos de Psicologa General (variable x) y un test de
inteligencia (variable y). los datos se muestran en el Cuadro N4.1.11.

Aplicando los datos tomados del Cuadro Auxiliar N4.1.12 en la frmula N4.1.2, tenemos:
Resultado:

REGRESIN LINEAL SIMPLE

REGRESIN LINEAL SIMPLE

Al comenzar a estudiar las tcnicas de correlacin afirmamos que estudiaramos dos variables y no solamente una. Llamamos en esa ocasin
x a una de las variables y a la otra. En el tema que nos ocuparemos ahora, estudiaremos la forma tabla N4.2.1, similar a lo que utilizamos
correlacin, conocimiento el puntaje en la prueba de habilidad mental (variable x) para un alumno determinado, podemos anticipar el puntaje
del examen de admisin (variable y) del mismo alumno.
Consideramos la relacin lineal expresada por el cuadro N4.2.1. si dibujamos esa relacin, obtenemos el grfico N4.2.1. como podemos
observar todos los puntos se alinean exactamente en una sola lnea recta lo que recibe el nombre de lnea de regresin. Teniendo en cuenta
esta lnea, podemos predecir cualquiera de los valores de y conociendo el valor de x: Para x = 25, segn la recta, corresponde y = 35, para x
=20, corresponde y=30, etc. En este caso se trata de una correlacin positiva perfecta cuyo coeficiente de correlacin es +1.
CUADRO N4.2.1

Susana
Ivn
Lourdes

PRUEBA DE
HABILIDAD MENTAL X
5
10
15

EXAMEN DE
ADMISIN Y
15
20
25

Aldo
Juan
Mara
Csar
Olga

20
25
30
35
40

30
35
40
45
50

Recordemos el grfico N4.2.1 que dibujamos cuando estudiamos correlacin, en este grfico observamos el diagrama de dispersin
aproximado por una lnea recta, la recta es mejor ajuste, a los puntos del diagrama de dispersin, es decir, en la mejor medida procure dejar
igual nmeros de puntos del diagrama de dispersin por encima de ella que igual nmero de puntos de abajo, se llama lnea de regresin.

ECUACIN DE LA REGRESIN RECTILNEA

La ecuacin que describe la lnea de regresin es.

X-r

En donde:
Media de variable y en la muestra

EJEMPLO PROPUESTO N2 DEL CLCULO DEL COEFICIENTE DE CORRELACIN ENTRE DOS CONJUNTOS DE DATOS
AGRUPADOS

Supongamos que se tiene 50 vendedores de cierta compaa. Estos vendedores durante un ao 1985 han realizado ventas tal como lo
muestra el cuadro N4.1.13, el que tambin muestra el nmero de aos de experiencia que tienen como vendedores.

Para dicho cuadro, se pide calcular el coeficiente de correlacin lineal r.

CUADRO N4.1.13

Tomando los datos obtenidos en el Cuadro Auxiliar N4,1,14 apliquemos en la frmula N4.1.12, se tiene:

Resultado:

CUADRO AUXILIAR N4.1.14

GRFICO N 4.2.1

= media de la variable X en la muestra.

X = un valor de la variable X
r = coeficiente de Pearson, de la correlacin lineal entre las variables X y Y
desviacin estndar de Y en la muestra

desviacin estndar de X en la muestra

valor Y resultante del clculo de la frmula.

Veamos cmo podemos predecir los valores de Y a partir de los valores de X. Estudiemos el Cuadro N 4.2.1. Cmo el grfico de este cuadro
es una lnea recta ascendente sabemos que su coeficiente de correlacin de Pearson r=+1. Adems tenemos los siguientes resultados:

=22.5

11.46

11.46

=32.5

Estos resultados se pueden calcular a partir de los datos del cuadro N4.2.1. Apliquemos estos datos a la frmula N4.2.1, obtenemos la
siguiente expresin:

X-(1)

Simplificando trminos obtenemos:

Escojamos cualquier valor de X del Cuadro N4.2.1 por ejemplo para Mara X=30, reemplazando este valor en (b).

Vemos en el Cuadro N4.2.1 el valor que corresponde a Mara efectivamente es 40. Es decir, podemos usar la ecuacin N4.2.1 para predecir
los valores de Y conociendo los valores de X.

Esta frmula de regresin se puede para dos variables X y Y, entre las cuales no es obligatorio que exista una correlacin lineal perfecta, es
decir, no es obligatorio que r para la correlacin entre X y Y sea siempre igual a 1. Este valor de r para otras aplicaciones de la regresin,
puede tomar cualquier valor distinto.

EJERCICIO RESUELTOS DE REGRESIN LINEAL SIMPLE

Al aplicar un test de inteligencia a una muestra representativa constituida por 800 alumnos, se obtuvo la puntuacin media de 30,4 puntos, con
la desviacin estndar de 12.6 puntos.
La edad media de la muestra fue de 14.5 aos, con la desviacin estndar de 3.2 aos.

El coeficiente de correlacin lineal de Pearson entre la variable Y, edad de sujetos estudiados y la variables X, rendimiento mental de los
mismos sujetos, fue r=0,89

Con estos datos se pide determinar la ecuacin de regresin rectilnea de edad en base del puntaje del rendimiento mental.

Qu edad corresponde a los sujetos que alcanzan puntuaciones de:

25 puntos

?
Datos:
=14.5

3.2

12.6

Aplicando estos datos en la frmula N 4.2.1 se tiene:

X-0.89

. Es la ecuacin de regresin buscada

Respuesta de la primera pregunta

Segunda pregunta

Tercera pregunta

Cuarta pregunta

Quinta pregunta

Sexta pregunta

RELACIONES

La correlacin se ocupa de establecer la magnitud y la direccin de las relaciones. Antes de profundizar en estos aspectos particulares de las
relaciones, analizaremos algunas caractersticas generales de stas, con las cuales podemos comprender mejor el material especfico acerca
de la correlacin.

RELACIONES LINEALES

Para iniciar nuestro anlisis de las relaciones, veamos una relacin entre dos variables. La siguiente tabla muestra el salario mensual que
percibieron cinco agentes ventas y el valor en dlares de la mercanca vendida por cada uno de ellos en ese mes.
AGENTE VARIABLE

X MERCANCA

Y VARIABLE

VENDIDA ($)
0

SALARIO ($)
500

1000

900

2000

1300

3000

1700

4000

2100

Podemos analizar mejor la relacin entre estas variables si trazamos una grfica utilizando los valores X y Y, para cada agente de ventas, como
los puntos de dicha grfica. l es una grfica de dispersin o dispersigrama.

Una grfica de dispersin o dispersigrama es una grfica de parejas de valores X y Y.

La grfica de dispersin para los datos de los agentes de ventas aparece en la figura 6.1. En relacin con esta figura, vemos que todos los
puntos caen sobre una lnea recta. Cuando una lnea recta describe la relacin entre dos variables, se dice que esta relacin lineal.

Una relacin lineal entre dos variables es aquella que puede representarse con la mejor exactitud mediante una lnea recta.
Observe que no todas las relaciones son lineales; algunas son curvilneas. En este caso, al trazar una grfica de dispersin para las
variables X y Y, una lnea curva ajusta mejor a los datos que una lnea recta.

CLCULO DE LA (r) DE PEARSON

La ecuacin para calcular la r de Pearson mediante datos:

Donde

es la suma de los productos de cada pareja de puntajes z.

Para utilizar esta ecuacin, primero hay que convertir cada dato en bruto en su valor transformado. Esto puede tardar mucho tiempo y crear
errores de redondeo. Con algn lgebra, esta ecuacin se puede transformar en una ecuacin de clculo que utilice datos en bruto:

ECUACIN PARA EL CLCULO DE LA (r) DE PEARSON

Dnde:

es la suma de los productos de cada pareja X y Y,

tambin se llama la suma de productos cruzados.

La tabla 6.4 contiene algunos de los datos hipotticos reunidos a partir de cinco sujetos.

Datos hipotticos para el clculo de la r de Pearson

TABLA 6.4
SUBJETIVO
A
B
C
D
E
TOTAL

XY
1
9
16
36
49
111

4
25
9
49
25
112

2
15
12
42
35
106

Utilicemos estos datos para calcular la r de Pearson:

es la suma de los productos cruzados; se determina multiplicando los datos X y Y para cada sujeto y luego sumando los productos
resultantes. El clculo de

y de los otros trminos aparece en la tabla 6.4. Al sustituir estos valores en la ecuacin anterior, obtenemos.

PROBLEMA DE PRCTICA 6.1

Resolvamos otro ejercicio. Esta utilizaremos los datos de la tabla 6.1. Para su conveniencia, hemos reproducido estos datos en las primeras
tres columnas de la tabla 6.5. En este ejemplo tenemos una relacin lineal imperfecta y estemos interesados en calcular la magnitud y
direccin de la relacin mediante la r de Pearson. La solucin tambin aparece en la tabla 6.5.

IQ y el promedio de las calificaciones: clculo de la r de Pearson

TABLA 6.5
ESTUDIANTE

IQX

PROMEDIO DE

NMERO
1

110

DATOS Y
1.0

12,100 1.00

110.0

112

1.6

12,544 2.56

179.2

118

1.2

13,924 1.44

141.6

119

2.1

14,161 4.41

249.9

122

2.6

14,884 6.76

317.2

125

1.8

15,625 3.24

225.0

127

2.6

16,129 6.76

330.2

130

2.0

16,900 4.00

260.0

132

3.2

17,424 10.24

422.4

10

134

2.6

17,956 6.76

384.4

11

136

3.0

18,496 9.00

408.0

12
TOTAL

138
1503

3.6
27.3

19,044 12.96
189,18769.13

496.8
3488.7

PROBLEMA DE PRCTICA 6.2

Tratemos de resolver otro problema. Se ha puesto a reflexionar si es verdad que los opuestos se atraen? Todos hemos estado ante parejas
en las que sus miembros parecen ser muy diferentes entre s. Pero esto es lo usual? Qu fomenta la atraccin: las diferencias o las
similitudes? Un psiclogo social abord este problema pidiendo a 15 estudiantes que respondieran un cuestionario relacionado con un sus
actitudes hacia una amplia gama de temas. Tiempo despus les mostr las actitudes de un extrao hacia los mismos temas y les pidi que
evaluaran su agrado o inclinacin por el extrao y si, probablemente, disfrutaran el trabajar con l. En realidad, las actitudes del extrao
fueron elaboradas por el experimentador y variaron de sujeto a sujeto, con respecto a la proporcin de actitudes similares que hubo entre el
extrao y el individuo que particip en el experimento. De esa manera, se obtuvieron datos, para cada sujeto a sus actitudes y la atraccin que
sinti hacia un extrao, basada en las actitudes de este ltimo hacia los mismos temas. Si los iguales se atraen, entonces debera existir una
relacin directa entre la atraccin hacia un extrao y la proporcin de actitudes similares. Los datos se presentan en la tabla 6.6. Entre mayor
sea la atraccin, ms alto ser el puntaje. El puntaje de atraccin mximo es de 14. Calcule el coeficiente de correlacin r de Pearson * para
determinar si existe una relacin directa entre la similitud de actitudes y el grado de atraccin.
Datos y solucin del problema de prctica 6.2
TABLA 6.6
ESTUDIANTE
NMERO
1

PROPORCIN DE ACTITUDES
SIMILARES X
0.30

ATRACCIN Y
8.9

0.090

79.21

2.670

0.44

9.3

0.194

86.49

4.092

0.67

9.6

0.449

92.16

6.432

0.00

6.2

0.000

38.44

0.000

0.50

8.8

0.250

77.44

4.400

0.15

8.1

0.022

65.61

1.215

0.58

9.5

0.336

90.25

5.510

0.32

7.1

0.102

50.41

2.272

0.72

11.0

0.518

121.00

7.920

10

1.00

11.7

1.000

136.89

11.700

11

0.87

11.5

0.757

132.25

10.005

12

0.09

7.3

0.008

53.29

0.657

13

0.82

10.0

0.672

100.00

8.200

14

0.64

10.0

0.410

100.00

6.400

15
TOTAL

0.24
7.34

7.5
136.5

0.058
4.866

56.25
1279.69

1.800
73.273

Por lo tanto, con base en estos estudiantes, existe una relacin muy fuerte entre las similitudes y las atracciones.

Una segunda interpretacin de la r de Pearson. La r de Pearson tambin se puede interpretar en trminos de la variabilidad de Y explicada
por medio de X. este punto de vista produce ms informacin importante acerca de r y la relacin entre X y Y. Considere, por ejemplo, la figura
6.9, en la cual se muestra una relacin imperfecta entre X y Y. En este ejemplo, la variable X representa una competencia de ortografa y la
variable Y la habilidad en la escritura de seis estudiantes de tercer grado. Suponga que queremos predecir la calificacin en la escritura de
Mara, la estudiante cuya calificacin en ortografa es de 88. Si no hubiese una relacin entre la escritura y la ortografa.

EJERCICIOS DE APLICACIN
1.

En un largo curso de introduccin a la sociologa, un profesor hace dos exmenes. El profesor quiere determinar si las calificaciones
de los estudiantes en el segundo examen correlacionadas con las calificaciones del primero. Para facilitar la los, se elige una muestra
de ocho estudiar calificaciones aparecen en la siguiente tabla.

a.

Construya una grfica de dispersin para datos, utilizando la calificacin del primer examen como la variable X. Parece
lineal la relacin?

b.
c.

Suponga que existe una relacin lineal en calificaciones de los dos exmenes, calcule la r de Pearson.
Qu tan bien explican la relacin, las calificaciones del segundo examen?

0,629531757

Se puede decir que es una relacin Baja y positiva que los dos exmenes tienen entre si

2.

Un investigador realiza un estudio de la relacin entre el consumo de cigarros y las enfermedades determinan la cantidad de cigarros
fumados diariamente y de das de ausencia en el trabajo dura ltimo ao debido a una enfermedad para 13 individuos en la
compaa donde trabaja este investigador. Los datos aparecen en la tabla anexa.

SUJETO
1
2
3
4
5
6
7
8
9
10
11
12

CIGARROS CONSUMIDOS
DAS DE AUSENCIA
0
1
0
3
0
8
10
10
13
4
20
14
27
5
35
6
35
12
44
16
53
10
60
16

a.
b.
c.

Construya una grfica de dispersin para estos datos: Se ve una relacin lineal?
Calcule el valor de la r de Pearson.
Elimine los datos de los sujetos 1, 2, 3, 10, 11 y 12. Esto disminuye el rango de ambas variables. Vuelva a calcular r para

d.

los sujetos restantes. Qu afecto tiene la disminucin del rango sobre r?

A utilizar todo el conjunto de datos, qu porcentaje de la variabilidad en el nmero de das de ausencia es explicado por la
cantidad de cigarros fumados diariamente? De qu sirve ese valor?

0,6753

0,0318

3.

Un educador ha construido un examen para las aptitudes mecnicas y desea determinar si ste es confiable, mediante dos
administraciones con un lapso de 1 mes entre ellas. Se realiza un estudio en el cual 10 estudiantes reciben dos administraciones del
examen, donde la segunda administracin ocurre un mes despus que la primera. Los datos aparecen en la tabla.

a.
b.

Construya una grfica de dispersin para las parejas de datos.

Determine el valor de r.

c.

Sera justo decir que ste es un examen confiable? Explique esto al utilizar

SUJETO
1
2
3
4
5
6
7
8
9
10

ADMINISTRACIN 1
10
12
20
25
27
35
43
40
32
47

ADMINISTRACIN 2
10
15
17
25
32
37
40
38
30
49

0,9881

La investigacin no es confiable por que los datos son tomados en dos fecha totalmente distintas

4.

Un grupo de investigadores ha diseado un cuestionario sobre la tensin, consistente en 15 sucesos. Ellos estn interesados en
determinar si existe una coincidencia entre dos culturas acerca de la cantidad relativa de ajustes que acarrea cada suceso. El
cuestionario se aplica a 300 estadounidenses y 300 italianos. Cada individuo debe utilizar el evento matrimonio como estndar y
juzgar los dems eventos en relacin con el ajuste necesario para el matrimonio. El matrimonio recibe un valor arbitrario de 50
puntos. Si se considera que un evento requiere de ms ajustes que el matrimonio, el evento debe recibir ms de 50 puntos. El

nmero de puntos excedentes depende de la cantidad de ajustes requeridos. Despus de que cada sujeto de cada cultura ha
asignado puntos a todos los eventos, se promedian los puntos de cada evento. Los resultados aparecen en la siguiente tabla:

EVENTOS
Muerte de la esposa
Divorcio
Separacin de la pareja
Temporada en prisin
Lesiones personales
Matrimonio
Despedido del trabajo
Jubilacin
Embarazo
Dificultades sexuales
Reajustes econmicos
Problemas con la familia poltica
Problemas con el jefe
Vacaciones
Navidad

ESTADOUNIDENSES

ITALIANOS

100
73
65
63
53
50
47
45
40
39
39

80
95
85
52
72
50
40
30
28
42
36

29
23
13
12

41
35
16
10

a.

Suponga que los datos tienen al menos una escala de intervalo y calcule la correlacin entre los datos estadounidenses y

b.

la de los italianos.
Suponga que los datos slo tienen una escala ordinal y calcule la correlacin entre los datos de ambas culturas.

0,8519

La r es alta y positiva es decir que los comportamiento de las dos nacionalidades son bastante similares

INDIVIDUO

EXMEN CON LPIZ Y PAPEL

SIQUIATRA
A

SIQUIATRA
B

5.

48

12

37

11

12

30

45

31

10

11

24

28

18

35

10

15

11

42

10

12

22

Un psiclogo ha construido un examen lpiz - papel, a fin de medir la depresin. Para comparar los datos del examen con los datos
de los expertos, 12 individuos con perturbaciones emocionales realizan el examen lpiz papel. Los individuos tambin son
calificados de manera independiente por dos siquiatras, de acuerdo con el grado de depresin determinado por cada uno como
resultado de entrevistas detalladas. Los datos aparecen a continuacin. Los datos mayores corresponden a una mayor depresin.
a.
b.

Cul es la correlacin entre los datos de los dos siquiatras?

Cul es la correlacin entre las calificaciones del examen con lpiz y papel y los datos de cada siquiatra?

0,8519
La relacin se da con un mismo criterio por los psiquiatras

0,6973
La relacin entre las dos variables es baja y positiva

0,697
6.

Para este problema, suponga que usted es un psiclogo que labora en el departamento de recursos humanos de una gran
corporacin. El presidente de la compaa acaba de hablar con usted acerca de la importancia de contratar personal productivo en la
seccin de manufactura de la empresa y le ha pedido que ayude a mejorar la capacidad de la institucin para hacer esto. Existen 300
empleados en esta seccin y cada obrero fabrica el mismo artculo. Hasta ahora, la corporacin slo ha recurrido a entrevistas para
elegir a estos empleados. Usted busca bibliografa y descubre dos pruebas de desempeo, lpiz papel, bien estandarizadas, y
piensa que podran estar relacionados con los requisitos desempeo de esta seccin. Para determinar si alguna de ellas se puede
utilizar como dispositivo de seleccin, elige 10 empleados representativos de la seccin de manufactura, garantizando que un amplio
rango de desempeo quede representado en la muestra, y realiza las dos pruebas con cada empleado. Los datos aparecen en la
siguiente tabla.
Mientras mayor sea la calificacin, mejor ser el desempeo. Las calificaciones de desempeo en el trabajo. Las calificaciones de
desempeo fabricados por cada empleado por semana, promediados durante los ltimos 6 meses.
a. Construya una grfica de dispersin del desempeo en el trabajo y la primera prueba, utilizando la prueba 1 como la
b.
c.

variable X. Parece lineal la relacin?

Suponga que la relacin anterior es lineal y calcule el valor de la r de Pearson.
Construya una grfica de dispersin del desempeo en el trabajo y la segunda prueba, utilizando la prueba 2 como la

d.
e.

variable X. Parece lineal la relacin?

Suponga que la relacin anterior es lineal, calcule el valor de la r de Pearson.
Si slo pudiera utilizar una de las pruebas para la seleccin de los empleados, utilizara alguna de ellas? En tal caso,
cul de ellas? Explique.

Desempeo en el
trabajo
Examen 1
Examen 2

0,5917

50
10
25

74
19
35

62
20
40

90
20
49

EMPLEADO
5
6
7
98
21
50

52
14
29

68
10
32

10

80
24
44

88
16
46

76
14
35

0,9076

ESCUELA DE COMERCIO EXTERIOR Y NEGOCIACIN INTERNACIONAL

EVALUACIN
SEXTO A NOCHE
CLCULO DEL COEFICIENTE r DE PEARSON Y REALICE LA GRFICA

ESTUDIANTE
NMERO
1

PROPORCIN DE ACTITUDES

ATRACCIN Y

SIMILARES X
0.30

8.9

0.44

9.3

0.67

9.6

0.00

6.2

0.50

8.8

0.15

8.1

0.58

9.5

0.32

7.1

0.72

11.0

10

1.00

11.7

11

0.87

11.5

12

0.09

7.3

13

0.82

10.0

14

0.64

10.0

15

0.24

7.5

EJERCICIO RESUELTO N2 DE CLCULO DEL COEFICIENTE DE CORRELACIN ENTRE DOS CONJUNTOS DE DATOS AGRUPADOS
DETERMINANCDO EL CUADRO AUXILIAR Y REALICE LA GRFICA

Susana
Ivn
Lourdes
Aldo
Juan
Mara
Csar
Olga

PRUEBA DE
HABILIDAD MENTAL X
5
10
15
20
25
30
35
40

EXAMEN DE
ADMISIN Y
15
20
25
30
35
40
45
50

ESCUELA DE COMERCIO EXTERIOR Y NEGOCIACIN INTERNACIONAL EVALUACIN SEXTO A NOCHE

EJERCICIO RESUELTO N2 DE CLCULO DEL COEFICIENTE DE CORRELACIN ENTRE DOS CONJUNTOS DE DATOS AGRUPADOS
DETERMINANDO EL CUADRO AUXILIAR Y REALICE LA GRFICA
ESTADOUNIDENSES
100
73
65
63
53
50
47
45
40
39
39
29
23
13
12

ITALIANOS
80
95
85
52
72
50
40
30
28
42
36
41
35
16
10

c.

Suponga que los datos tienen al menos una escala de intervalo y calcule la correlacin entre los datos estadounidenses y

d.

la de los italianos.
Suponga que los datos slo tienen una escala ordinal y calcule la correlacin entre los datos de ambas culturas.

Conclusiones

Desarrollo de ejercicios de correlacin y regresin lineal en donde se efectu comparaciones de coeficientes y formulas estadsticas

de las variables determinadas.

Aplicacin de grficas para la determinacin de la relacin de las variables dependientes e independientes.

Recomendaciones

Manejar y aplicar las frmulas matemticas para realizar un anlisis estadstico de comparacin positivo.
Realizar un procedimiento con medidas especficas para la elaboracin de las grficas.
Elaborar e interpretar con la mayor relacin posible grficas, datos y frmulas estadsticas.

BIBLIOGRAFA
Legoas, L. A. (2008). Estadstica Bsica. En L. A. Legoas, Estadstica Bsica (pgs. 177-211). Lima: San Marcos.
Mendano, J. (2007). Estadstica General. En J. Mendano, Estadstica General. Mxico: Majangrail.
Zamora, M. C. (2006). Estadstica Inferencial. En M. C. Zamora, Estadstica Inferencial. Lima: Moshera.