Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LAS RELACIONES
INDUSTRIALES
(𝑥𝑖 − 𝑥)(𝑦
ҧ 𝑖 − 𝑦)
ത = 𝑥𝑖 𝑦𝑖 − 𝑛𝑥𝑦
𝑖=1 𝑖=1
σ𝑛
𝑖=1 𝑥𝑖 𝑦𝑖
Luego 𝑠𝑥𝑦 = − 𝑥𝑦.
𝑛
La covarianza a diferencia de la varianza, puede ser negativa.
COEFICIENTE O ÍNDICE DE CORRELACIÓN
Definición. El coeficiente de correlación lineal de Pearson de n pares de valores ( 𝑥1 , 𝑦1 ) , (𝑥2 , 𝑦2 ) …
(𝑥𝑛 , 𝑦𝑛 ) de una variable bidimensional ( X, Y ). es el número abstracto r que se calcula por
𝑠𝑥𝑦
𝑟=
𝑠𝑥 𝑠𝑦
Donde
𝑠𝑥𝑦 es la covarianza de X e Y
𝑠𝑥 es la desviación estándar de X
𝑠𝑦 es la deviación estándar de Y
que mejor se ajuste a los valores de la muestra, con el fin de poder predecir o estimar Y (variable
dependiente) a partir de X (variable independiente).
RECTA DE REGRESIÓN DE MÍNIMOS CUADRADOS
𝑛 σ 𝑥𝑖 𝑦𝑖 − σ 𝑥𝑖 σ 𝑦𝑖 𝑠𝑥𝑦
𝑏= 2 ,𝑜 𝑏 =
𝑛 σ 𝑥𝑖2 − (σ 𝑥𝑖 ) 𝑠𝑥2
𝑎 = 𝑦ത − 𝑏𝑥ҧ
Nota: Sustituyendo 𝑎 = 𝑦ത − 𝑏𝑥ҧ 𝑒𝑛 𝑌 = 𝑎 + 𝑏𝑋, 𝑟𝑒𝑠𝑢𝑙𝑡𝑎,
𝑌 − 𝑦ത = 𝑏(𝑋 − 𝑥)ҧ
Que es otra forma de expresar la recta de regresión.
INTERPRETACION DEL COEFICIENTE DE REGRESION b
El coeficiente b es la pendiente o el coeficiente de la regresión lineal. La constante a es la ordenada en el origen.
Si b > 0 , entonces, la tendencia lineal es creciente, es decir, a mayores valores de X corresponden mayores
valores de Y. También, a menores valores de X corresponden menores valores de Y.
Si b < 0 , entonces, la tendencia lineal es decreciente, es decir, a mayores valores de X corresponden menores
valores de Y. También, a menores valores de X corresponden mayores valores de Y.
Si b = 0 , entonces, Y = a . Luego, Y permanece estacionario para cualquier valor de X. En este caso se dice que,
no hay regresión.
Ejemplo 4.1
En un estudio de la relación entre la publicidad por radio y las ventas de un producto,
durante 10 semanas se han recopilado los tiempos de duración en minutos de la publicidad
por semana (X), y el número de artículos vendidos (K), resultando:
Semana 1 2 3 4 5 6 7 8 9 10
Publicidad X 20 30 30 40 50 60 60 60 70 80
Ventas Y 50 73 69 87 108 128 135 132 148 170
100
80
60
40
20
Publicidad
0
0 20 40 60 80 100
𝑋 2 = 28400, 𝑌 2 = 134660
500 1100
𝑥ҧ = = 50, 𝑦ത = = 110
10 10
Cuadro 4.1. Computo de los coeficientes de regresión
X Y XY 𝑿𝟐 𝒀𝟐
20 50 1000 400 2500
30 73 2190 900 5329
30 69 2070 900 4761
40 87 3480 1600 7569
50 108 5400 2500 11664
60 128 7680 3600 16384
60 135 8100 3600 18225
60 132 7920 3600 17424
70 148 10360 4900 21904
80 170 13600 6400 28900
500 1100 61800 28400 134660
Una forma de calcular b es :
𝑛 σ 𝑋𝑌 − σ 𝑋 σ 𝑌 10𝑋61800 − 500𝑋1100 68000
𝑏= 2 2
= 2
= =2
σ σ
𝑛 𝑋 − ( 𝑋) 10𝑋28400 − (500) 34000
La otra forma del calculo de b es:
σ 𝑋𝑌 61800
𝑠𝑋𝑌 = − 𝑥𝑦 = − 50𝑥110 = 680
𝑛 10
σ 2
2
𝑋 2
28400
𝑠𝑥 = − 𝑥ҧ = − 502 = 340,
𝑛 10
𝑠𝑋𝑌 680
𝑏= 2 = = 2.
𝑠𝑥 340
Además, 𝑎 = 𝑦ത − 𝑏𝑥ҧ = 110 − 2 50 = 10.
La recta de regresión es: 𝑌 = 𝑎 + 𝑏𝑋
NOTA. Utilizando 𝑌 − 𝑦ത = 𝑏 𝑋 − 𝑥ҧ , 𝑠𝑒 𝑡𝑖𝑒𝑛𝑒:
𝑌 − 110 = 2 𝑋 − 50 𝑜 𝑌 = 10 + 2𝑋
c) Si 𝑥𝑖 = 100, 𝑦ො = 10 + 2 100 = 210. No tenemos por el momento un criterio para
concluir que este pronostico es confiable.
d) El coeficiente de correlación
𝑠𝑋𝑌 𝑛 σ 𝑋𝑌 − σ 𝑋 σ 𝑌 680
𝑟= = = = 0.998
𝑠𝑋 𝑠𝑌 2 2 2
𝑛 σ 𝑋 − (σ 𝑋) 𝑛 σ 𝑌 − (σ 𝑌) 2 18.44𝑥36.96