Está en la página 1de 3

GUÍA DE

LAB-1476 REV-2
LABORATORIO

PROYECCIONES Y
IND-LABSIM-IND3216 Página 1 de 3
CORRELACIONES

1. INTRODUCCIÓN

El presente laboratorio pretende predecir variaciones en la demanda de un bien, al trabajar con dos variables
cuantitativas podemos estudiar la relación que existe entre ellas mediante la correlación y la regresión. En la
correlación tan solo medimos la dirección y la fuerza de la asociación de una variable frente a la otra, pero
nunca una relación de causalidad. Solo cuando tenemos una variable que es causa o depende de otra,
podremos realizar entonces una regresión.

2. OBJETIVOS
- Manejo del SPSS Statistical Package for the Social Sciences programa estadístico informático
actualmente conocido como IBM SPSS.
- Estudiar dos de los coeficientes de correlación más utilizados como el coeficiente de Pearson y el
coeficiente no paramétrico de Spearman
- Realizar las proyecciones e identificar los mejores modelos que se ajustan
- Elaborar informes y conclusiones sobre información requerida.

3. MARCO TEÓRICO
3.1. Identificación de la Demanda Futura

Demanda histórica El objetivo de la demanda histórica es conocer el comportamiento del consumo en el


tiempo pasado, es decir, la Demanda del producto, materia prima o servicio que hubo en años anteriores.
Este análisis se puede efectuar en la medida que exista información de los productos o materias primas que
existen en el Mercado. Si no hay información histórica, entonces se debe considerar para el análisis la
demanda actual utilizando para ello el método del consumo aparente. Si el producto es para el mercado
externo, habrá que identificar a los países Consumidores y los volúmenes anuales de su consumo histórico.
Los datos históricos se pueden representar en una tabla, en la cual la demanda es la variable dependiente y
el tiempo la variable independiente.

3.2. Correlación lineal

Coeficiente de correlación de Pearson (r)

Si tenemos dos variables cuantitativas y deseamos medir el grado de asociación podemos utilizar el coeficiente
de correlación de Pearson. En primer lugar, es muy aconsejable realizar un gráfico de dispersión entre ambas
variables y estudiar visualmente la relación entre ellas. Este coeficiente mide asociación lineal y al ser una
prueba paramétrica requiere para su uso que ambas variables tengan distribuciones normales. De no ser así,
deberemos utilizar el coeficiente no paramétrico de Spearman.

El coeficiente de correlación de Pearson (r) puede tomar valores entre -1 y +1, de modo que un valor de “r”
positivo nos indica que al aumentar el valor de una variable también aumenta el valor de la otra, y por el
contrario, “r” será negativo si al aumentar el valor de una variable disminuye la otra. La correlación será
perfecta si r= ±1.

Ing. J. Luis López Saravia Jefe de Laboratorio de Simulación Industrial


GUÍA DE
LAB-1476 REV-2
LABORATORIO

PROYECCIONES Y
IND-LABSIM-IND3216 Página 2 de 3
CORRELACIONES

Coeficiente de correlación no paramétrico de Spearman (rho)

Al igual que el coeficiente de Pearson, también podemos utilizarlo para medir el grado de asociación entre
dos variables cuantitativas, sin embargo no es necesario que ambas variables sean normales, e incluso lo
podemos utilizar en variables ordinales. Como todas las pruebas no paramétricas, este coeficiente se
construye sustituyendo los valores de las variables por sus rangos o posiciones, si los valores de las variables
fuesen ordenados de menor a mayor. Al contrario de otras pruebas no paramétricas, si permite construir
intervalos de confianza.

La interpretación de este coeficiente es muy similar al de Pearson, pudiendo alcanzar valores de entre -1 y +1
indicando asociación negativa o positiva respectivamente. Tanto el coeficiente “r” de Pearson como el
coeficiente rho de Spearman, son medidas adimensionales por lo que no poseen unidades.

3.3. Regresión lineal (Complementar)


3.4. Modelos ARIMA (Complementar)
4. ESTUDIO DE CASO

Ingresar a la página web https://www.datosmacro.com/ y descargar la información necesaria para elaborar


reportes, gráficas y sus respectivos análisis por los dos métodos estudiados en el laboratorio, utilizando el
software IBM SPSS, de las siguientes tareas:

1. Elaborar el ajuste de la variable PIB per cápita en función de la variable PIB, proyectara hasta el año
2050 y compara con el país de Canadá.
2. Ajustar la variable tasa de desempleo y proyectar hasta el cuarto trimestre del año 2030 comparar
con el país de México.
3. Ajustar la variable gasto educación en función del salario mínimo si ajusta proyectar hasta el año
2035.
4. Ajustar la variable gasto sanidad en función del salario mínimo si ajusta proyectar hasta el año 2035.
5. Ajustar la variable gasto salud en función del salario mínimo si ajusta proyectar hasta el año 2035.
6. Ajustar la variable gasto defensa en función del salario mínimo si ajusta proyectar hasta el año 2035.
7. Ajustar la variable deuda total vs PIB en bolivianos e interpretar los resultados.
8. Proyectar la variable déficit hasta el año 2040.
9. Proyectar la variable deuda per carpita hasta el año 2040
10. Ajustar la variable vehículos en función a la población y proyectar hasta el año 2045.

La presentación deberá ser entregada en formato impreso hasta el 07 de mayo de 2018

Se puede trabajar en grupos de dos personas.

Ing. J. Luis López Saravia Jefe de Laboratorio de Simulación Industrial


GUÍA DE
LAB-1476 REV-2
LABORATORIO

PROYECCIONES Y
IND-LABSIM-IND3216 Página 3 de 3
CORRELACIONES

5. FORMATO DE PRESENTACIÓN
a) Caratula
b) Resumen ejecutivo
c) Cuerpo del informe
d) Conclusiones

Ing. J. Luis López Saravia Jefe de Laboratorio de Simulación Industrial