ACTIVIDAD 8 "Taller Regresión y Correlación Lineal

y Conceptos de Probabilidad"

Grupo 10
Alejandro Toro Serna
496058
Ricardo Murillo
640158
Kevin Yesid Tapasco Llanos
668377

DOCENTE: Andrés Felipe Valencia Duran

Estadística Descriptiva
NRC: 5463

Corporación Universitaria Minuto de Dios

Administración de Empresas
Pereira – Risaralda

24/09/19
 Introducción
Este trabajo consiste en explicar para que sirve la regresión y la correlación tanto lineal como

múltiple, las probabilidades de un evento entre otros. Todo fundamentado en la estadística dentro

del área administrativa, se resolverán conceptos básicos de extrema importancia para esta

materia, se tomarán algunos ejemplos basados en cada punto.

 Taller

1. ¿Qué es el coeficiente de determinación y cuál es su uso y símbolo?

El coeficiente de determinación, se define como la proporción de la varianza total de la variable

explicada por la regresión. El coeficiente de determinación, también llamado R cuadrado, refleja

la bondad del ajuste de un modelo a la variable que pretender explicar.

Es importante saber que el resultado del coeficiente de determinación oscila entre 0 y 1. Cuanto

más cerca de 1 se sitúe su valor, mayor será el ajuste del modelo a la variable que estamos

intentando explicar. De forma inversa, cuanto más cerca de cero, menos ajustado estará el

modelo y, por tanto, menos fiable será. (información sacada de economipedia, documento

“coeficiente de determinación (R cuadrado), José Francisco López).

Es un importante estadístico en la Regresión. Es una medida del grado de relación existente entre

la variable dependiente y las variables independientes (si es una regresión simple, entonces “la

variable independiente”). (información sacada de internet, documento “la estadística una

orquesta hecha instrumento, Curso de Estadística. Jaume Llopis Pérez.).

2. ¿Qué es el coeficiente de correlación y cuál es su uso y símbolo?

La correlación, también conocida como coeficiente de correlación lineal (de Pearson), es una

medida de regresión que pretende cuantificar el grado de variación conjunta entre dos variables.

Por tanto, es una medida estadística que cuantifica la dependencia lineal entre dos variables, es

decir, si se representan en un diagrama de dispersión los valores que toman dos variables, el

coeficiente de correlación lineal señalará lo bien o lo mal que el conjunto de puntos

representados se aproxima a una recta.

De una forma menos coloquial, la podemos definir como el número que mide el grado de

intensidad y el sentido de la relación entre dos variables. (Información sacada de economipedia,

documento “coeficiente de correlación lineal (P), Alfonso Peiró Ucha).

3. ¿Qué es el coeficiente de determinación ajustado y cuál es su uso y símbolo?

El R cuadrado ajustado (o coeficiente de determinación ajustado) se utiliza en la regresión

múltiple para ver el grado de intensidad o efectividad que tienen las variables independientes en

explicar la variable dependiente.

En palabras más simples, el R cuadrado ajustado nos dice qué porcentaje de variación de la

variable dependiente es explicado colectivamente por todas las variables independientes.

El uso de este coeficiente se justifica en que a medida que añadimos variables a una regresión,

el coeficiente de determinación sin ajustar tiende a aumentar. Incluso cuando la contribución

marginal de cada una de las nuevas variables añadidas no tiene relevancia estadística.

Por lo tanto, al añadir variables al modelo, el coeficiente de determinación podría aumentar y

podríamos pensar, de manera errónea, que el conjunto de variables elegido es capaz de explicar

una mayor parte de la variación de la variable independiente. A este problema se le conoce

comúnmente como “sobreestimación del modelo”. (Información sacada de economipedia,

 documento “R cuadrado ajustado (Coeficiente de determinación ajustado), Francisco Javier

Marco San Juan).

4. ¿En qué consiste la regresión lineal simple? De un ejemplo aplicado a la administración.

La regresión lineal simple examina la relación lineal entre dos variables continuas: una respuesta

(Y) y un predictor (X). Cuando las dos variables están relacionadas, es posible predecir un valor

de respuesta a partir de un valor predictor con una exactitud mayor que la asociada únicamente a

las probabilidades.

La regresión proporciona la línea que "mejor" se ajusta a los datos. Esta línea se puede utilizar

después para:

 Examinar cómo cambia la variable de respuesta a medida que cambia la variable

predictora.

 Predecir el valor de una variable de respuesta (Y) para cualquier variable predictora (X).

(información sacada de soporte de Minitab 18, “Tipos de análisis de regresión”).

 (Digitado por Ricardo Murillo)

Ejemplo de Regresión Lineal

5. ¿En qué consiste la regresión lineal múltiple? De un ejemplo aplicado a la

administración.

La regresión lineal múltiple examina las relaciones lineales entre una respuesta continua y dos o

más predictores.

Si el número de predictores es grande, antes de ajustar un modelo de regresión con todos los

predictores, se deberían utilizar las técnicas de selección de modelo paso a paso o de los mejores
subconjuntos para excluir los predictores que no estén asociados con las respuestas. (información

sacada de soporte de Minitab 18, “Tipos de análisis de regresión”).

(Digitado por Ricardo Murillo)

Ejemplo de Regresión Múltiple

6. ¿En qué consiste la regresión parabólica? De un ejemplo aplicado a la administración.

Es un proceso estadístico para la estimación de relaciones entre variables, trata de ajustar a una

nube de puntos una función de tipo matemático que se aproxime lo máximo posible a los datos

Dadas 2 variables existen

Dependencia funcional: Si y solamente si entre ellas existe una función matemática que las

relaciona perfectamente.

Dependencia estadística: Cuando entre ellas existe una relación pero que no es expresable

mediante un modelo matemático, por ejemplo, entre oferta y demanda o peso y altura

(Información sacada de Prezi, Regresión parabólica, José Siliezar).

(Digitado por Ricardo Murillo)

Ejemplo de Regresión Parabólica

7. ¿En qué consiste la regresión exponencial? De un ejemplo aplicado a la administración.

Una regresión exponencial es el proceso de encontrar la ecuación de la función exponencial que

se ajuste mejor a un conjunto de datos. Como un resultado, obtenemos una ecuación de la

forma   donde   .

La potencia predictiva relativa de un modelo exponencial está denotada por R  2. El valor

de R  2 varía entre 0 y 1. Mientras más cercano el valor esté de 1, más preciso será el modelo.

(Información sacada de Varsity Tutors, “Regresión exponencial”).

(Digitado por Ricardo Murillo)

Ejemplo de Regresión Exponencial

8. ¿Qué es probabilidad?

La probabilidad es simplemente qué tan posible es que ocurra un evento determinado. Cuando no

estamos seguros del resultado de un evento, podemos hablar de la probabilidad de ciertos

resultados: qué tan común es que ocurran. Al análisis de los eventos gobernados por la

probabilidad se le llama estadística. (Información sacada de Khan Academy, “Probabilidad:

Conceptos Básicos”).

9. ¿Qué significa una probabilidad de cero y una probabilidad de uno? ¿Qué es la

distribución normal y que usos tiene dentro de la estadística?

Como sabrás, en Estadística asignamos a cada posible evento X una probabilidad P(X), un

número entre cero (nunca ocurrirá) y uno (seguro que ocurrirá). Es mucho menos conocida una

peculiar excepción a la interpretación de esos dos valores y es que, por raro que parezca, en esta

rama de las Matemáticas ni el cero ni el uno son siempre lo que parecen. Hay dos ceros y dos

unos distintos. (Información sacada de Naukas, “Por Colaborador Invitado, el 20 marzo, 2012.)

La distribución normal (en ocasiones llamada distribución gaussiana) es la distribución continua

que se utiliza más comúnmente en estadística. La distribución normal es de vital importancia en

estadística por tres razones principales:

 Muchas variables continuas comunes en el mundo de los negocios tienen distribuciones

que se asemejan estrechamente a la distribución normal.

 La distribución normal sirve para acercarse a diversas distribuciones de probabilidad

discreta, como la distribución binomial y la distribución de Poisson.

  La distribución normal proporciona la base para la estadística inferencial clásica por su

relación con el teorema de límite central.

En la distribución normal, uno puede calcular la probabilidad de que varios valores ocurran

dentro de ciertos rangos o intervalos. Sin embargo, la probabilidad exacta de un valor particular

dentro de una distribución continua, como la distribución normal, es cero. Esta propiedad

distingue a las variables continuas, que son medidas, de las variables discretas, las cuales son

contadas. Como ejemplo, el tiempo (en segundos) se mide y no se cuenta. Por lo tanto, es

factible determinar la probabilidad de que el tiempo de descarga para una página principal en un

navegador de la Web esté entre 7 y 10 segundos o que la probabilidad de que el tiempo de

descarga esté entre 8 y 9 segundos, o la probabilidad de que el tiempo de descarga esté entre 7.99

y 8.01 segundos. Sin embargo, la probabilidad de que el tiempo de descarga sea exactamente de

8 segundos es cero. (Información sacada de Gestiopolis, “Que es la distribución normal”,

Berenson, Mark L.; Levine, David M. y Krehbiel, Timothy C. Estadística para administración.

Pearson Educación, 2006, p.179)

Bibliografías

https://estadisticaorquestainstrumento.wordpress.com/2012/12/16/coeficiente-de-determinacion-

en-regresion/

https://economipedia.com/definiciones/r-cuadrado-coeficiente-determinacion.html

https://economipedia.com/definiciones/coeficiente-de-correlacion-lineal.html
https://economipedia.com/definiciones/r-cuadrado-ajustado-coeficiente-de-determinacion-

ajustado.html

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/modeling-

statistics/regression/supporting-topics/basics/types-of-regression-analyses/

https://prezi.com/ykbxw8letk3u/regresion-parabolica/

https://www.varsitytutors.com/hotmath/hotmath_help/spanish/topics/exponential-regression

https://es.khanacademy.org/math/probability/probability-geometry/probability-

basics/a/probability-the-basics

https://naukas.com/2012/03/20/una-probabilidad-matematica-de-cero-significa-que-algo-nunca-

vaya-a-ocurrir-pues-depende/

https://www.gestiopolis.com/que-es-la-distribucion-normal/