Asignatura:

Estadística Descriptiva

Presenta:

Catherine Restrepo Arango ID 425242

Oscar David Motta Narvaez ID 707636

Docente:

Heidy Johanna Gómez

NRC 8933

Neiva, 26 de septiembre 2020

 Asignatura:

Estadística Descriptiva

Taller No. 7
Regresión y correlacion

Presenta:

Catherine Restrepo Arango ID 425242

Oscar David Motta Narvaez ID 707636

Docente:

Heidy Johanna Gómez

NRC 8933

Neiva, 26 de septiembre 2020

 REGRECION Y CORRELACIÓN

Regresión: significa estimar una de las variables en función de la otra supuestamente conocida,

mediante una ecuación matemática, a fin de describir la relación lineal, parabólica, exponencial,

logarítmica u otra función, que pueda describir la existencia entre ellas, cada una expresada de la

siguiente forma:

 La recta mediante Ŷ= bx+c

 La parabola, por Ŷ=ax²+bx+c
 La exponencial, con Ŷ=cbˆx
 La potencial, por Ŷ=cxˆb

Correlación: se refiere al grado o fuerza con que se produce esa relación o asociación, entre esas

dos variables.

Análisis de recesión lineal simple:

Cada una de las tablas que contiene la información para analizar, estará formada por pares de

observaciones, es decir Para cada valor X le corresponderá un valor Y, y se tendrán tantos pares

como n observaciones haya.

Lo primero que se hace ese conjunto de pares de observaciones, que recibe el nombre de nube

de puntos o diagrama de dispersión; cada para estará representado por un punto y habrá tantos

puntos como pares de observaciones se tengan.

REGRESIÓN LINEAL

Ejercicio 1. Una determinada empresa de productos básicos muestra los datos del último año de
ventas (en millones de pesos) y al gasto en publicidad (en millones de pesos). La tabla siguiente
muestra estas dos variables X e Y.
a. Grafique la nube de puntos
 b. Calcule el valor de la covarianza
c. Determine el tipo de correlación lineal hallando el coeficiente de correlación
d. Halle la recta de regresión

X Y X*Y
181 16 2896
176 17 2992
174 15 2610
196 21 4116
200 19 3800
188 17 3196
184 18 3312
193 20 3860
190 21 3990
199 22 4378
170 15 2550
184 17 3128
2235 218 40828

A. Grafique la nube de puntos

Recta de regresión: Curva que mejor se ajusta a nube de puntos, es una curva ideal en

torno a la que se distribuyen los puntos de la nube, se utiliza para predecir la variable

dependiente Y y la variable independiente X.

y=ax+ b

n(Σ xy )−Σ ( x ) Σ ( y )
a= 2
n Σ x −Σ x ²
12∗( 40.828 )−( 2 .235 ) ( 218 ) 489.936−487.230
a= =
12 ( 417.335 )−( 2 18 ) 5´ 008.020−4 ´ 995.225

2.706
a= =0 ,2115
12.795

Σ y−a ( Σ x )
b=
n
 218−( 0,2 115 ) ( 2.235 ) 218−4 72,677
b= = =¿
12 12
−25 4 , 677
b= =−2 1,223
12

y= ( 0,21 ) x+ (2 1,22 )=¿

y=0,21 x−¿21,22 estimación 21,43 o 2143 millones de pesos invertidas en publicidad

X Y
170 15
174 15
176 17
181 16 Podemos observar que la relación entre
184 17 las dos variables es positiva, por que al
184 18 aumenta una variable, la otra también
188 17 tiende a aumentar, por lo tanto hay una
190 21 dependencia positiva entre las dos
193 20 variables.
196 21
199 22 A medida que aumenta x aumenta y
200 19

Nube de puntos
25

20 f(x) = 0.21 x − 21.22

R² = 0.75
15
X

10

0
165 170 175 180 185 190 195 200 205
Y

Xi Yi Xi*Yi Xi² Yi² Xi-Ⴟ (Xi-Ⴟ)² Yi-Ῡ (Yi-Ῡ)² (Xi-Ⴟ)(Yi-Ῡ)

170 15 2550 28900 225 -16,25 264,06 -3,17 10,03 51,458333
174 15 2610 30276 225 -12,25 150,06 -3,17 10,03 38,791667
176 17 2992 30976 289 -10,25 105,06 -1,17 1,36 11,958333
181 16 2896 32761 256 -5,25 27,56 -2,17 4,69 11,375
184 17 3128 33856 289 -2,25 5,06 -1,17 1,36 2,625
184 18 3312 33856 324 -2,25 5,06 -0,17 0,03 0,375
188 17 3196 35344 289 1,75 3,06 -1,17 1,36 -2,041667
190 21 3990 36100 441 3,75 14,06 2,83 8,03 10,625
193 20 3860 37249 400 6,75 45,56 1,83 3,36 12,375
196 21 4116 38416 441 9,75 95,06 2,833 8,03 27,625
199 22 4378 39601 484 12,75 162,56 3,833 14,69 48,875
200 19 3800 40000 361 13,75 189,06 0,83 0,69 11,458333
2235 218 40828 417335 4024 0 1066,25 0,00 63,67 225,5

n 12
Ⴟ=2235/1
2 186,25
Ῡ=218/12 18,17

varianza

Σ ( xi−Ⴟ )2 1066,25
s2 x= = 88,854
n 12

Σ ( yi−Ῡ )2 63,67
s2 y= = =5,305
n 12

sx=√ 88,854 =9,426

sy=√ 5,305=2,303
Covarianza (Cov):se define como la medida aritmética del producto de las diferencias entre los
valores de la variable y su respectiva medida aritmética.

Σ ( xi−Ⴟ ) ( yi−Ῡ ) 225,5

Cov= = =18,79
n 12

Coeficiente de correlación o de Pearson (r o R): Determina el grado de relación o correlación

que puede haber entre esas dos variables.
Coeficiente de correlación al cuadrado:

2 Co v 2
R=
S2 x . s ² y

2 18,792 353,064
R= = =0,75
88,54∗5,305 469,704

Coeficiente de correlación lineal: se define como la raíz cuadrada del coeficiente de correlación
al cuadrado o coeficiente de determinación.
Cov
r =√ R 2 o también se puede calcular de la siguiente forma r =
SxSy
18,79
r= =0,86
9,426∗2,303

r =√ 0,75=0,8 6 se puede afirmar que la correlación es aceptable.

correlación igual a 0,99 ≥X≤ 1 perfecta

correlacion igual a 0,9 ≥X< 0,99 casi perfecta
correlacion igual a 0,80 ≥X< 0,90 es aceptable
correlacion igual a 0,60 ≥X< 0,80 es regular
correlacion igual a 0,30 ≥X< 0,60 poca correlacion

Ejercicio 2. Para una muestra de 10 personas disponemos de información respecto a su grado de

extroversión, y se desea evaluar su posible relación lineal con la dimensión de personalidad

estabilidad emocional. Ambas variables se han medido con un test y se han obtenido las

puntuaciones para cada sujeto en una escala de 0 a 10. Los valores obtenidos se presentan en la

siguiente tabla:
 Sujeto X: Grado de Y: Estabilidad
s Extroversión Emocional
1 5 6
2 10 6
3 4 3
4 7 8
5 6 6
6 5 3
7 4 5
8 4 9
9 4 10
10 3 9

a. Calcule el valor de la covarianza

b. Grafique la nube de puntos

c. Determine el tipo de correlación hallando el coeficiente de correlación

d. Halle la recta de regresión

e. Determine la estabilidad emocional para un grado de extroversión de 2

(Xi-Ⴟ)(Yi-
Xi Yi Xi.Yi Xi² Yi² Xi-Ⴟ (X-Ⴟ)² Yi-Ῡ (Yi-Ῡ)²
s Ῡ)
1 5 6 30 25 36 -0,2 0,04 -0,5 0,25 0,1
2 10 6
60 100 36 4,8 23,04 -0,5 0,25 -2,4
3 4 3 12 16 9 -1,2 1,44 -3,5 12,25 4,2
4 7 8 56 49 64 1,8 3,24 1,5 2,25 2,7
5 6 6 36 36 36 0,8 0,64 -0,5 0,25 -0,4
6 5 3 15 25 9 -0,2 0,04 -3,5 12,25 0,7
7 4 5 20 16 25 -1,2 1,44 -1,5 2,25 1,8
8 4 9 36 16 81 -1,2 1,44 2,5 6,25 -3
9 4 10 40 16 100 -1,2 1,44 3,5 12,25 -4,2
10 3 9 27 9 81 -2,2 4,84 2,5 6,25 -5,5
  52 65 332 308 477 0 37,6 0 54,5 -6

n 10
Ⴟ 5,2
Ῡ 6,5
D. Recta de regresión:

Y=ax+b
 n(Σ xy )−Σ ( x ) Σ ( y )
a= 2
n Σ x −Σ x ²
10∗( 332 )− (52 ) ( 65 ) 3320−3380
a= = =−0,1596
1 0 ( 308 )−( 52 ) 3.080−2704

Σ y−a ( Σ x )
b=
n

65−(−0,1596 )( 52 ) 73,2992
b= = =7,32992
10 10

Y=0,1596X+7,3299

B. nube de puntos

Grado de estroversion Vs estabilidad emocional

12

10

6 f(x) = − 0.16 x + 7.33

X

R² = 0.02
4

0
2 3 4 5 6 7 8 9 10 11
Y

A. Covarianza
 2 Σ ( xi−Ⴟ )2 37,6
s x= = =3,7 6
n 10

Σ ( yi−Ῡ )2 54,5
s2 y= = =5 , 45
n 10

sx=√ 3,76 =1,939

sy=√ 5 , 45=2,334
Σ ( xi−Ⴟ ) ( yi−Ῡ ) (−6)
Cov= = =−0,6
n 10

C.Coeficiente de correlación al cuadrado y lineal:

2 Co v 2
R= 2
S x.s ² y
(−0,6) ² 0,36
R 2= = =0,0175
3,76∗5,45 20,492

forma r =√ R 2

r =√ 0 ,0175=0,1322

D.Determine la estabilidad emocional para un grado de extroversión de 2

Y=0,1596X+7,3299

Y=0,1596(2)+7,3299=7,64
Para un grado de extroversión 2 la estabilidad emocional es igual 7,64