■ 12-12 r  r2

El coeficiente de correlación de la muestra se denota por r y se encuentra tomando la raíz cuadrada del
coeficiente de determinación de la muestra. Es una segunda medida (además de r 2) que podemos utilizar
para describir qué tan bien una variable explica a otra. El signo de r es igual al signo de b; indica la direc-
ción de la relación entre las dos variables X y Y.
■ 12-13 Y  A  BX
Toda recta de regresión de la población tiene la forma de la ecuación 12-13, donde A es la intersección Y
para la población, y B es la pendiente.
■ 12-13a Y  A  BX  e
Como no todos los puntos individuales de un población están en la recta de regresión de la población, los
puntos individuales satisfacen la ecuación 12-13a, en donde e es una variación aleatoria respecto a la rec-
ta de regresión de la población. En promedio, e es igual a cero, porque las variaciones arriba de la recta
de regresión se cancelan con las variaciones que se encuentran abajo de ella.
se
■ 12-14 sb  


X
2
n
X2
Al manejar una muestra, podemos usar esta fórmula para obtener el error estándar del coeficiente de re-
gresión, b.
b  BH
■ 12-15 t  0
sb

Una vez calculado sb con la ecuación 12-14, podemos usar esta ecuación para estandarizar el valor obser-
vado del coeficiente de regresión. Después realizamos la prueba de hipótesis comparando este valor es-
tandarizado con el o los valores críticos de la tabla 2 del apéndice.

● Ejercicios de repaso
■ 12-45 Un consultor está interesado en el grado de precisión con que un nuevo índice de desempeño laboral mi-
de lo que es importante para una corporación. Una forma de verificarlo es analizar la relación entre el índi-
ce de evaluación del trabajo y el salario de un empleado. Se tomó una muestra de ocho empleados y se
recabó información del salario (en miles de dólares) y el índice de evaluación del trabajo (1 a 10, donde
10 es la mejor calificación).
Índice de evaluación del trabajo (X) 9 7 8 4 7 5 5 6
Salario (Y) 36 25 33 15 28 19 20 22

a) Desarrolle la ecuación de estimación que mejor describa estos datos.

b) Calcule el error estándar de la estimación, se, para estos datos.
c) Calcule el coeficiente de determinación de la muestra, r 2, para estos datos.
■ 12-46 La Stork Foundation desea mostrar con estadísticas que, contrariamente a la creencia popular, las cigüe-
ñas sí traen a los bebés. Para esto ha recolectado datos sobre el número de cigüeñas y el número de bebés
(ambos en miles) en varias ciudades grandes de Europa central.
Cigüeñas 27 38 13 24 6 19 15
Bebés 35 46 19 32 15 31 20

a) Calcule el coeficiente de determinación de la muestra y el coeficiente de correlación de la muestra

para estos datos.
b) ¿Contradijo la ciencia estadística la creencia popular?
■ 12-47 (Llene los espacios en blanco.) Los análisis de regresión y correlación tratan la ______________ entre va-
riables. El análisis de regresión, mediante ecuaciones ___________, nos permite ___________ una variable
desconocida a partir de un conjunto de variables conocidas. La variable desconocida se llama varia-
ble ___________; las variables conocidas se denominan variables ___________. La correlación entre dos
variables indica el ___________ de la relación lineal entre ellas y por tanto da una idea de qué tan bien el
___________ de regresión describe la relación entre las variables.
■ 12-48 Calcule el coeficiente de determinación de la muestra y el coeficiente de correlación de la muestra para
el ejercicio 12-14.

Repaso del capítulo 557

 Business Week y U.S. News & World Report publican clasificaciones de las mejores 20 escuelas de admi-
nistración. La clasificación global del Business Week se basa en clasificaciones obtenidas de estudiantes
y compañías que reclutan maestros en administración. Junto con las clasificaciones, las publicaciones re-
portan información sobre el costo de obtener una maestría y los salarios iniciales promedio de los gradua-
dos. Utilice los datos de la tabla MR12-1 para responder los ejercicios 12-49 a 12-52.

Tabla ER12-1 Clasificación de 1992 Clasificación de BW Salario

Escuela BW USN&WR por estudiantes por compañías Costo inicial
Estudios de clasificación
de escuelas de adminis- Northwestern 1 4 3 1 37,600 70,200
tración Chicago 2 6 10 4 38,500 68,600
Harvard 3 2 12 3 37,100 84,960
Wharton 4 3 15 2 37,600 72,200
Michigan 5 7 9 6 37,200 58,110
Dartmouth 6 10 1 12 37,500 74,260
Stanford 7 1 5 7 38,480 82,860
Indiana 8 18 6 8 24,600 49,070
Columbia 9 8 18 5 38,000 66,620
North Carolina 10 16 8 11 17,360 55,500
Virginia 11 11 2 15 28,500 65,280
Duke 12 9 7 14 37,000 59,870
MIT 13 5 14 10 39,000 73,000
Cornell 14 12 4 17 37,000 59,940
NYU 15 17 16 13 36,100 56,730
UCLA 16 14 11 16 22,500 64,540
Carnegie-Mellon 17 15 23 9 37,200 56,980
Berkeley 18 13 13 19 15,400 65,500
Vanderbilt 19 19 19 20 35,000 47,320
Washington 20 20 24 18 33,500 48,200

Fuente: Adaptado de Business Week (26 de octubre de 1992): 60 y U.S. News & World Report (23 de marzo de 1992): 66.

12-49 Trace un diagrama de dispersión de la clasificación USN&WR contra el costo del grado de la maestría.
¿Parece que las escuelas más caras obtienen mejores clasificaciones? Calcule el coeficiente de correla-
ción de muestra entre estas dos variables.
12-50 ¿Existe una retribución por gastar más en una maestría? Grafique un diagrama de dispersión del salario
inicial contra el costo. Ajuste una ecuación de regresión a los datos y pruebe las hipótesis apropiadas res-
pecto a su pendiente.
12-51 ¿Los graduados de escuelas con clasificación más alta obtienen salarios iniciales más altos? Trace un dia-
grama de dispersión de salario inicial contra la clasificación global de Business Week. Ajuste una ecua-
ción de regresión a los datos y pruebe las hipótesis apropiadas respecto a su pendiente.
12-52 ¿Qué tan fuerte es la relación entre los salarios iniciales y las clasificaciones? Calcule los coeficientes de
determinación de la muestra entre los salarios iniciales y las tres clasificaciones de Business Week (globa-
les, por estudiantes y por compañías). ¿Cuáles de estas clasificaciones explican la mayor parte de la va-
riación en salarios iniciales?
■ 12-53 “Nada triunfa como el éxito” es un antiguo adagio en el negocio de la publicidad. El presidente de una
distribuidora de varias líneas de automóviles ha observado que los agentes de ventas que gana los bonos
más altos al final de año son los que tienen mayor probabilidad de exceder su cuota de ventas el año si-
guiente (y ganar otro bono alto).
Bono el año pasado (miles de dólares) 7.8 6.9 6.7 6.0 6.9 5.2
Ventas arriba de cuota este año 64 73 42 49 71 46

Bono el año pasado (miles de dólares) 6.3 8.4 7.2 10.1 10.8 7.7
Ventas arriba de cuota este año 32 88 53 84 85 93

a) Desarrolle la recta que mejor se ajuste para describir estos datos.

b) Calcule el error estándar de la estimación para la relación.

558 Capítulo 12 Regresión simple y correlación

 c) Desarrolle un intervalo de confianza de aproximadamente el 90% para predecir las ventas arriba de la
cuota para un miembro del personal que ganó un bono de $9,600 el año pasado.
■ 12-54 Para cada uno de los siguientes pares de diagramas diga cuál tiene un valor más alto de r, el coeficiente
de correlación y cuál es el signo de r.

1. 2. 1. 2.

(a) (b)

1. 2. 1. 2.

(c) (d)

■ 12-55 Un gerente de operaciones está interesado en predecir los costos C (en miles de dólares) con base en la
cantidad de materia prima de entrada R (en miles de libras) para un fabricante de pantalones de mezclilla.
Si la pendiente es significativamente mayor que 0.5 en los siguientes datos muestrales, entonces algo mar-
cha mal con el proceso de producción y la maquinaria de la línea de ensamble debe ajustarse. Al nivel de
significancia de 0.05, ¿debe ajustarse la maquinaria? Establezca explícitamente las hipótesis y una con-
clusión.
C 10 7 5 6 7 6
R 25 20 16 17 19 18

■ 12-56 Calcule el coeficiente de determinación de la muestra y el coeficiente de correlación de la muestra para

el ejercicio 12-13.
■ 12-57 No debemos extrapolar para predecir valores fuera del intervalo de datos usados al construir la recta de
regresión. La razón (elija una):
a) La relación entre las variables puede no ser la misma para otros valores de las variables.
b) La variable independiente puede no tener el efecto causal sobre la variable dependiente para estos va-
lores.
c) Los valores de las variables pueden cambiar con el tiempo.
d) Tal vez no exista un vínculo común para explicar la relación.
Utilice los datos de 50 áreas metropolitanas de Estados Unidos dados en la tabla MR11-2, al final del ca-
pítulo 11, para responder los ejercicios 12-58 a 12-60.
12-58 A menudo, quienes planean la comercialización deben estimar la demanda geográfica de un producto de
una compañía. La demanda no depende sólo del número de personas de una comunidad, sino también
de la cantidad de dinero que tienen para gastar. La revista Sales & Marketing Management utiliza los da-
tos de censos de Estados Unidos para estimar el “ingreso de compra efectivo (ICE)” de hogares típi-
cos estadounidenses en áreas metropolitanas del país. El ICE es la suma de sueldos y otros ingresos,
menos impuestos y multas; en resumen, es una buena medida de lo que los economistas llaman “ingreso
disponible”. La cantidad total de dinero disponible para gastar en una comunidad es aproximadamente
proporcional al producto del ICE por la población.
Calcule una nueva variable TD  (POB  ICE)/1,000. Calcule los coeficientes de determinación de
la muestra entre VENTAS y POB y entre VENTAS y TD. ¿Cuál de estas variables explica una parte ma-
yor de la variación en VENTAS?
12-59 Ajuste una ecuación de regresión que use SOLA para predecir el valor de VENTAS. Encuentre un inter-
valo de predicción del 90% para las ventas totales al menudeo en un área metropolitana que tiene 20,000
casas con una sola persona. ¿Hasta qué punto sería útil este resultado para una compañía de productos de
consumo que está desarrollando una nueva línea de cenas congeladas individuales?

Repaso del capítulo 559