Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Guía de Conceptos
Unidad IV
Estadística – Unidad IV
Contenido
INTRODUCCIÓN ................................................................................................................................... 2
1. REGRESIÓN LINEAL SIMPLE ........................................................................................................ 3
1.1. DESCRIPCIÓN ..................................................................................................................... 3
1.2. DIAGRAMA DE DISPERSIÓN O NUBE DE PUNTOS .................................................................... 3
1.3. LÍNEA DE REGRESIÓN .......................................................................................................... 4
1.4. AJUSTE DE UNA RECTA DE REGRESIÓN................................................................................. 4
1.5. CORRELACIÓN LINEAL ......................................................................................................... 5
1.6. COEFICIENTE DE CORRELACIÓN LINEAL O DE PEARSON ........................................................ 5
1.7. APLICACIONES DE LA REGRESIÓN LINEAL Y DEL COEFICIENTE DE CORRELACIÓN LINEAL .......... 6
2. REGRESIÓN SIMPLE NO LINEAL................................................................................................. 10
3. SERIES TEMPORALES ............................................................................................................... 11
3.1. DEFINICIÓN Y CARACTERIZACIÓN ....................................................................................... 11
3.2. AJUSTE DE UNA FUNCIÓN DE TENDENCIA ............................................................................ 12
3.3. TENDENCIA LINEAL............................................................................................................ 13
3.3.1. CONVERSIÓN DEL TIEMPO CALENDARIO EN ESCALA DE “X” .......................................... 14
3.4. APLICACIONES DE LA TENDENCIA LINEAL ............................................................................ 15
REFERENCIAS BIBLIOGRÁFICAS ......................................................................................................... 21
Introducción
En esta Unidad se estudiará la regresión lineal, así como la correlación lineal, y aunque
existen otros modelos no lineales para relacionar variables, se focaliza el estudio en la
representación lineal conociendo dos variables que están en dependencia una de la otra, y
precisamente para medir dicha relación es utilizado el coeficiente de correlación.
Así también se expondrá las series cronológicas, donde se relacionan dos variables una de
ellas el tiempo, se ajustará la información conocida a la denominada línea de tendencia.
Ambos modelos lineales referidos, resultan muy útiles para hacer estimaciones o pronósticos
futuros en las áreas de estudios que lo precisen.
. (Ávila, 2007)
(Ávila, 2007)
En la Figura 1, se observa que los diagramas A y B tienen una forma alargada, que está
indicando la existencia de una relación lineal, y por tanto podrá representarse por una línea
recta ascendente (pendiente positiva) y descendente (pendiente negativa) respectivamente;
en cambio en la figura 2 – C se vislumbra una relación no lineal o curvilínea, que podría
expresarse a través de una curva parabólica o una exponencial. Por su parte el diagrama de
la figura 2 – D presenta puntos muy dispersos, que no pueden expresarse por una recta o
una curva, es decir, que corresponde a variables no relacionadas. (Ávila, 2007)
donde “a” y “b” son dos parámetros que deben ser determinados. Gráficamente “b” será la
ordenada de la recta en el origen (es decir el valor de y para x = 0) y “a” la pendiente de ésta.
(Gorgas, 2011)
sobre “x” (el caso contrario es similar). Dicha recta de regresión permitirá obtener valores
aproximados de “y” conocidos los de “x”, y viceversa. (Gorgas, 2011 y Ávila, 2007)
Para obtener la recta que mejor se ajusta a la nube de puntos observada en la figura 1. A –
B, se usa el método de mínimos cuadrados, este es un criterio que establece que la mejor
curva posible es aquella que minimiza la suma de los cuadrados de las desviaciones entre
los puntos dados, y los correspondientes a dicha curva. (Diaz Mata, 2013)
Se calculan
Solución
1º) Diagrama de dispersión
Este diagrama ya orienta la posición de la línea recta que se ajustará a los datos, la misma
será ascendente, con pendiente positiva.
N=6
x = ¿? Si y = 36 $
Si x = 50 $ y = ¿?
Se aplica
N=6
Cada una de estas funciones tiene una forma particular para un conjunto determinado de
valores (x, y), y definido por el valor de los parámetros o coeficientes de la respectiva
ecuación.
Por una nube de puntos puede pasar una infinidad de líneas o funciones, de esta familia
habrá una que es la función que mejor se ajusta a la nube de puntos. La operación para
determinar la función de regresión optima, se conoce como “ajuste de una función de
regresión”.
El problema de ajuste de una función de regresión a un conjunto de “n” valores (x, y),
comprende tres pasos:
Observación 1. Generalmente, es casi imposible que una línea o curva pase exactamente
por el lugar geométrico de los puntos (x, y).
3. Series Temporales
3.1. Definición y caracterización
Una serie temporal o cronológica es un conjunto de datos estadísticos, recopilados,
observados o registrados a intervalos regulares y ordenados del tiempo. (Montiel, 2003)
Algunos ejemplos de series de tiempo son los datos diarios de los precios de alguna acción
que cotiza en la bolsa de valores, o los datos mensuales de la inflación o los datos anuales
de ventas de una empresa. (Diaz Mata, 2013)
Ese movimiento general a largo plazo de una serie temporal es lo que se denomina tendencia.
La tendencia se manifiesta en muchas series económicas mediante un movimiento regular a
largo plazo tal se presentaron en las figuras 1 y 2. (Diaz Mata, 2013)
Las funciones de tendencia más conocidas son: la línea recta, la parábola, la curva
exponencial y la función logística (utilizada para crecimientos poblacionales).
Las series cronológicas tienen dos variables (t, y), entonces son funciones de la forma:
Con esta ecuación se obtiene la línea de tendencia que permite estimar, por ejemplo,
producción, consumo, población, etc. en función del tiempo.
Donde el tiempo calendario, que puede ser meses, trimestres, años, etc., debe convertirse
en una escala o valor de “x”, que generalmente es un número entero.
También siguiendo a Kazmier (1998) puede elegirse cualquier año como origen, de manera
a trabajar ordenadamente se podría escoger 1988 (x = 0), entonces:
𝒙: 0 1 2 3 4 5 6
Es importante elegir una escala, para que el año calendario se exprese en valores de “x”,
denominado año codificado.
Esta última referencia será utilizada en los ejercicios de aplicación en el curso que se presenta
en la asignatura en estudio.
Observación 2. Si los periodos analizados corresponden a años, éstos deben ser periodos
constantes, mostrándose los ejemplos siguientes:
La tabla muestra las ventas netas anuales (en millones de dólares) de una fábrica de
golosinas en el periodo 1997 – 2006. Codificando 1997 como año base (cero):
Solución
Se construye una tabla con los años codificados tal se muestra, tomando 1997 como año
base (cero) tal indica el enunciado, y luego se diseña el gráfico de líneas utilizando un sistema
de ejes coordenados.
N = 10
Entonces,
La línea de tendencia es
Se construye la Tabla de valores (para graficar la línea de tendencia sobre la gráfica de líneas)
escogiendo dos valores arbitrarios para la variable “x”, de preferencia en la cercanía de los
valores indicados en la columna de año codificado.
4º) Estimación de las ventas para los años 2007, 2012 y 2022
A los efectos de conocer el valor del año codificado para las estimaciones de los años
señalados, se muestra su obtención siguiendo la codificación de manera consecutiva a 2006.
Recuperado de YouTube
Referencias Bibliográficas
▪ Ávila, R. (2007). Estadística Elemental. Nueva edición. Lima, Perú: Estudios y
Ediciones RA.
▪ Diaz Mata, A. (2013). Estadística aplicada a la Administración y la Economía. México:
McGraw Hill.
▪ Gorgas, J. (2011). Estadística básica para estudiantes de Ciencias. España:
Universidad Complutense de Madrid.
▪ Kazmier, L. (1998). Estadística aplicada a la Administración y a la Economía. México:
McGraw Hill Interamericana SA.
▪ Montiel, A. (2003). Elementos básicos de Estadística Económica y Empresarial.
Madrid: Prentice Hall.