Tarea: Principios de mínimos cuadrados y error de

estimación.

Razonamiento lógico matemático.

Profesor: Andrés Valentín Rodríguez Valdés

Alumno: Ramírez López Leonardo Uriel.

Grupo: 2408
Correlación: Grupo de técnicas para medir la asociación entre dos
variables.
La implicación es que el número de copiadoras vendidas se relaciona con el
número de llamadas de ventas. Conforme aumenta el número de llamadas
de venta, parece que el número de copiadoras vendidas también lo hace.
De este modo, el número de llamadas de ventas se considera variable
independiente, y el de copiadoras vendidas, variable dependiente.
La variable independiente proporciona la base para la estimación. Es la
variable predictora.
La variable dependiente es la variable que se desea predecir o estimar.
También puede ser descrita como el resultado de un valor conocido de la
variable independiente. La variable dependiente es aleatoria, esto es, por
cada valor dado a la variable independiente, existen muchos posibles
resultados para la variable dependiente.
Es práctica común situar la variable dependiente (copiadoras vendidas) en
el eje vertical o Y y la variable independiente (número de llamadas de
ventas) en el eje horizontal o X.
El coeficiente de correlación, “r” creado por Karl Pearson alrededor de
1900, describe la fuerza de la relación entre dos conjuntos de variables en
escala de intervalo o de razón. Se designa con la letra r, y con frecuencia se
le conoce como r de Pearson y coeficiente de correlación producto-
momento. Puede adoptar cualquier valor de 1.00 a 1.00, inclusive. Un
coeficiente de correlación de 1.00 o bien de 1.00 indica una correlación
perfecta.
Por ejemplo, un coeficiente de correlación para el caso anterior calculado a
1.00 indicaría que el número de llamadas de ventas y la cantidad de
copiadoras que vende cada representante están perfectamente
relacionados en un sentido lineal positivo. Un valor calculado de 1.00 revela
que las llamadas de ventas y el número de copiadoras vendidas están
perfectamente relacionados en un sentido lineal inverso.
La fuerza de la correlación no depende de la dirección (ya sea - o bien +).
Si la correlación es débil, se presenta una dispersión considerable respecto
de la recta trazada a través del centro de los datos. En el diagrama de
dispersión que representa una fuerte relación, hay muy poca dispersión
respecto de la recta.
 Análisis de regresión.
La regresión lineal simple examina la relación lineal entre dos variables
continuas, una dependiente y una independiente. Cuando las dos variables
están relacionadas es posible predecir un valor dependiente a partir de un
valor independiente.
Se utiliza para poder estimar, predecir valores a futuro a partir de un
fenómeno donde se incluyen 2 variables. Cada una se expresa conforme a
una variable, y o x.
Los antecedentes matemáticos del análisis de regresión lineal se basan en
la ecuación de la recta en su forma ordinaria. Y = mx + b
M es la pendiente de la recta, dependiendo de que la pendiente sea positiva
o negativa se establece si la inclinación es de una determinada manera.

Por otra parte el valor “b” es un valor que representa un punto en la

ordenada.
La técnica para desarrollar la ecuación y proporcionar las estimaciones se
denomina análisis de regresión.
A la ecuación de la recta para estimar Y con base en X se le denomina
ecuación de regresión.
ECUACIÓN DE REGRESIÓN: Ecuación que expresa la relación lineal entre
dos variables.
Es preferible utilizar un método que resulte en una sola y mejor línea de
regresión. Este método, que se denomina principio de los mínimos
cuadrados, proporciona lo que comúnmente se conoce como recta del
“mejor ajuste”.
Ecuación de regresión lineal forma general:

Pendiente de la recta de regresión:

r: Es el coeficiente de correlación.
Sy: Es la desviación estándar de Y
Sx: Es la desviación estándar de X
Intersección con el eje Y:

es la media de Y
es la media de X

Bibliografía.
1. - Lind, D., Wathen, S. & Marchal, W. (2012). Estadística aplicada a los
negocios y la economía (15ta ed.).  Editorial McGraw Hill.

2.- Lind, D., Wathen, S. & Marchal, W. (2012,). Regresión lineal y

correlación. En Inicial del nombre. Apellido (Rol Ed. / Comp. / Coord.)
Estadística aplicada a los negocios y la economía. (pp. 461p - 511p).
Editorial McGraw Hill.