SESIÓN 7

REGRESIÓN LINEAL Y CORRELACIONES

Mg. Brenda Gutiérrez Orellana

bgutierrezor@ucvvirtual.edu.pe
 Técnicas e
Instrumentos para
la Investigación

SESIÓN 07:

Diagrama de dispersión y
Coeficiente de correlación lineal de Pearson.
Modelo de regresión lineal simple.
Coeficiente de determinación.
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

RESULTADO DE
CONTENIDOS/TEMÁTICA EVIDENCIAS DE APRENDIZAJE
APRENDIZAJE

Aplica y describe en los

informes parciales los
fundamentos de investigación,
operacionalización de
variables, técnicas e Diagrama de dispersión y Avance parcial del informe
estadístico (INV): Recopilación de
instrumentos de recolección Coeficiente de correlación lineal de
datos estadísticos para la
de datos, Población, muestra Pearson. elaboración del diagrama de
y muestreo, procesamiento de Modelo de regresión lineal simple. dispersión y su coeficiente de
datos, tablas, figuras y Coeficiente de determinación). correlación lineal.
medidas estadísticas y
presenta el segundo avance
del informe estadístico.
 
ANALISIS DE CORRELACIÓN

CAPACIDADES:
Analiza el coeficiente de correlación de
Pearson para dos variables
cuantitativas y los coeficientes para el
modelo de regresión lineal simple.

TEMÁTICA:
⮚ Aplicaciones con el diagrama de
dispersión.
⮚ Coeficiente de correlación lineal de
Pearson.
⮚ Modelo de regresión lineal simple
(Uso de EXCEL).
 ¿Qué vamos a estudiar?
En esta unidad estudiaremos la Correlación y la Regresión Lineal simple, es decir, vamos a tratar diferentes formas
de describir la relación entre dos variables cuando estas son numéricas.
Ejemplo:

 Estudiar si hay relación

entre la altura (X ) y el peso (Y ).

 El tiempo de estudio dedicado

a un curso (X) , esta relacionado
con la calificación obtenida (Y)
 CORRELACION

Córdova (2009) indica que: una forma del

estudio de la asociación entre dos variables
cuantitativas X e Y es denominada
CORRELACIÓN, que consiste en determinar
la variación conjunta de las dos variables, su
grado o nivel de relación, y su sentido
(positivo o negativo).
 COEFICIENTE DE CORRELACIÓN (ρ)

• La correlación se estima mediante el coeficiente de

correlación de Pearson (r), y es utilizado cuando ambas
variables son cuantitativas siguiendo una distribución
normal.
• Para cada coeficiente obtenido se puede realizar el siguiente el
contraste de hipótesis para determinar si, el coeficiente es
igual a cero:
• H0: ρ = 0
• H1: ρ ≠ 0
 DIAGRAMA DE DISPERSION
Se utiliza para graficar la relación entre dos variables X e Y,
consiste en una nube de puntos que indicará si existe o no
correlación dependiendo de la tendencia de los puntos.

20
Var. Dependiente (Y)

25

Var. Dependiente (Y)

6

Var. Depen-
15 20

diente (Y)
4
10 15 2
10 0
5
5
0 Var. Independiente (X)
1 3 5 7 9 0
11 6 8 10 12 14 16 18 20 22
Var. Independiente (X) Var. Independiente (X)

Correlación
Lineal Positiva Correlación Lineal Sin
(Directa) Negativa Correlación
(Inversa)
 DIAGRAMA DE DISPERSION
O NUBE DE PUNTOS

(a) Lineal directa (b) Lineal inversa (c) Curvilínea directa

Y Y Y
• •
• • ••

•• • •
• •

•
• •
• ••

• ••
• • •
• • • •

•
•• X
•• •
X X

Y • Y Y
• •• • • • ••
•• •

•• • • •
•• • •• • • •
• ••
•
•
•• • • • • ••

•• • • ••
•
•• •• •• • • •

•• •
•••
• ••

•
X X X
(d) Curvilínea inversa (e) Lineal inversa (d) Ninguna relación
con más dispersión
 COEFICIENTE DE CORRELACION
Llamado también coeficiente de correlación lineal de Pearson, es
un número que indica el grado de asociación entre las variables y
se define del siguiente modo: 

r=
n  xy -  x  y
 n  -
x 2
( x)   n  y - ( y )
2 2 2


Este coeficiente puede tomar cualquier valor entre -1 y 1.

El siguiente diagrama resume el análisis del coeficiente de
correlación de Pearson:

Muy Alta Alta Moderada Baja Muy baja Muy baja Baja Moderada Alta Muy Alta
-- -- -- -- -- + + + + +
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Perfecta -- Nula Perfecta +
INTERPRETACIÓN DEL COEFICIENTE DE CORRELACIÓN DE PEARSON

R INTERPRETACIÓN

De ±0.01 a ±0.19 Correlación Muy Baja

De ±0.20 a ±0.39 Correlación Baja

De ±0.40 a ±0.69 Correlación Moderada

De ±0.70 a ±0.89 Correlación Alta

De ±0.90 a ± 0.99 Correlación Muy Alta

+1 Perfecta Positiva

-1 Perfecta Negativa

0 Correlación Nula
 COEFICIENTE DE DETERMINACION R2
El coeficiente de determinación, también conocido como Bondad de
Ajuste es la proporción de la variación total en la variable dependiente Y
que está explicada por la variación de la variable independiente X.
El coeficiente de determinación es el cuadrado del coeficiente de
correlación.
 

Donde:
r: Coeficiente de Correlación.
 EJEMPLO 1
Consideramos que las ventas se relacionan con los gastos en publicidad y si tenemos los datos
que se presentan en la siguiente tabla entonces podremos observar la siguiente gráfica de
dispersión:  

Gastos en Ventas en
publicidad millones Diagrama de Dispersión
Año
en millones de soles 160

de soles (X) (Y) 140

120
2008 3 20

Ventas en Millones
100
2009 5 40
80
2010 5 80 60
2011 6 120 40
2012 6 90 20
2013 7 125 0
2 3 4 5 6 7 8 9
2014 4 35
Gastos en Publicidad (Millones)
2015 8 135

Observando el gráfico de dispersión podemos decir que las ventas y el gasto en publicidad
tienen una correlación Directa o Positiva.
 EJEMPLO 1
Del ejemplo 1 hallar el coeficiente de correlación de Pearson, luego interpretar el resultado.

N° Publicidad (X) Ventas (Y) XY X2 Y2

2008 3 20 60 9 400
2009 5 40 200 25 1600
2010 5 80 400 25 6400
2011 6 120 720 36 14400
2012 6 90 540 36 8100
2013 7 125 875 49 15625
2014 4 35 140 16 1225
2015 8 135 1080 64 18225
Total 44 645 4015 260 65975
∑X ∑Y ∑XY ∑ X2 ∑ Y2

r=
n  xy -  x  y 
8(4015) - 44(645)
 0.932
 n x 2
- ( x )   n  y - ( y )
2 2 2
 2 2
8(260) - 44  8(65975) - 645 

Interpretación:  Como r=0.932, existe una correlación positiva muy alta

entre los gastos en publicidad y las ventas.
 COEFICIENTE DE DETERMINACION R2

La variación de las ventas se

explican en un 86.86% por la
variación en los gastos en

𝟐
publicidad.
 REGRESION

Córdova (2009) indica que: otra forma de estudiar la

asociación entre dos variables cuantitativas X e Y es
denominada REGRESION, que consiste en determinar la
relación funcional (recta de regresión) entre ellas, con
la finalidad de predecir el valor de una variable
(variable dependiente Y) en base a la otra (variable
independiente X).
 REGRESIÓN
Es una forma de estudiar la asociación o relación, entre una variable dependiente (Y) y la
variable que es la base de la predicción a la que se le denomina variable independiente
(X)

El propósito del análisis de regresión es usar los datos o valores observados

de las variables, para realizar estimaciones, en base a una relación funcional.
Regresión Simple, cuando en el análisis de Regresión Múltiple. cuando se considera dos o más
regresión, se utiliza sólo una variable variables independientes .
independiente.

y=f(X1,X2) X2
y=f(x)

X1
X

Donde:
y ………………………... es la variable dependiente,
x, x1, x2, . . . , xk, ………….son variables independientes.

También se clasifica en lineal y no lineal, según el comportamiento de las variables.

 MODELO DE REGRESIÓN LINEAL SIMPLE

Se busca encontrar una función de X lineal simple que nos permita aproximar Y mediante la siguiente formula:

Y
Y = b0 + b1 X

es
b0 (ordenada en el origen, constante)

nt
ie
b1 (pendiente de la recta)

nd
pe
De

X
Esta
ientes Y e Y rara vez coincidirán por muy bueno que
determinado Independ sea el modelo de regresión. A la cantidad e= se
s
por 2 variables: Explicativa le denomina residuo o error residual.
s
Predictora
 ¿Qué hacer para realizar una regresión?
Y

El paso inicial que generalmente se realiza, es la

construcción del Diagrama De Dispersión.

El 2º paso es, a través del Método de los Mínimos X

Y = b0 + b1 X
Cuadrados, estimar los Coeficientes de Regresión b0 (ordenada en el origen, constante)
b1 (pendiente de la recta)
( b0 y b1) para establecer la recta de regresión.
Si B1 > 0 hay relación lineal positiva
Si B1 < 0 hay relación lineal negativa

Finalmente, cuando se realiza una predicción estadística, siempre será útil

calcular una medida que indique que tan preciso es el pronóstico de Y
sobre X. A esta medida se le llama Error Estándar de Estimación.
 ERROR ESTANDAR DE ESTIMACIÓN

Cuando se realiza una predicción, es importante determinar el error estándar, el cual se representa por Syx y mide la dispersión
de los datos observados con respecto a la línea de regresión.

s2 n

∑( y i)
yi − ^
2

i=1
yx =
n −2

𝑆 𝑌𝑋 =
√ 𝑦𝑥
𝑠 2
 DIAGRAMA DE DISPERSION
Es la representación de los puntos o datos de cada una de las variables en el plano cartesiano.

100

90

80

70

60

50

40

30
140 150 160 170 180 190 200
Es recomendable en todo estudio de regresión pues permite tener una idea, sobre la existencia o
no de la regresión.
 MODELO DE REGRESION LINEAL
Este tipo de regresión se utiliza cuando existe solo una variable independiente X
para una variable dependiente Y. Está definida por la siguiente ecuación lineal en
su forma general: 

Modelo de Y = b 0 + b1 X
regresión
Donde: b0 (ordenada en el origen, constante)
b1 (pendiente de la recta)

n  XY  ( X )( Y )
1 
n  X 2  ( X ) 2

0 
 Y
 1
X
n n
 EJEMPLO 1
Del ejemplo 1 determinar el modelo de regresión lineal, luego predecir las ventas en millones de soles si
se invierte en publicidad 5.5 millones de soles.

n  XY  ( X )(  Y )
8( 4015)  44(645)
1    25.972
n X 2
 ( X ) 2 8( 260)  44 2

0  Y  1
X 
645
 ( 25.972)
44
 62.221
n n 8 8

Entonces el modelo de
regresión será:
Y= -62.221 +25.972 X
Podemos predecir usando el modelo de regresión lineal que las ventas a través de la variable gastos en
publicidad, está dado por la siguiente valor
Y= -62.221 +25.972 (5.5) = 80.6 millones de soles
ERROR ESTANDAR DE ESTIMACIÓN Y= -62.221 +25.972 X
Gastos en
Ventas en millones
Publicidad en
Año de soles Y estimado e e^2
millones de soles
(Y)
(X)
2008 3 20 15.694444 4.3055556 18.5378086
2009 5 40 67.638889 -27.63889 763.908179
2010 5 80 67.638889 12.361111 152.797068
2011 6 120 93.611111 26.388889 696.373457
2012 6 90 93.611111 -3.611111 13.0401235
2013 7 125 119.58333 5.4166667 29.3402778
2014 4 35 41.666667 -6.666667 44.4444444
2015 8 135 145.55556 -10.55556 111.419753
1829.86111

s2 n
17.46 es la dispersión de
∑( aquellos valores que no quedan
304.976852
2
^i )
yi − y
yx =
i=1 dentro de la recta de regresión
n −2 lineal para el conjunto de
valores Y

𝑆 𝑌𝑋 = 17.4635865
√𝑠 2
𝑦𝑥
 Ejemplo 2

- Tomando los datos del ejemplo de la

ausencia al trabajo y la edad del
empleado :

- Obtenga la ecuación de
regresión.
- Interprete el valor de la
pendiente.
- Si un trabajador tiene 38
años, ¿cuántos días se
espera que falte al año?
 - Para calcular el valor de los Coeficientes de la Ecuación:
     
Las sumatorias:

   
 

Pendiente:   Intercepto en el  
origen:
   

 
 

   
 Regresión Lineal Simple

- La Ecuación:  

 
- Interpretación de la Pendiente:

Por cada año adicional en la Edad del empleado (X), el n° de

días de ausencia (Y) disminuye en 0,5059.

- Si un trabajador tiene 38 años, ¿cuántos días se

espera que falte al año?
 

Si un trabajador tiene 38 años (X=38), se espera que durante

el año registre, aproximadamente, 11 faltas.
 Ejemplo 3:

El jefe de personal de una empresa evalúa el puntaje de estrés de sus

empleados y desea conocer como afecta su nivel de atención
- Trace el diagrama de dispersión.
Capacida
Estrés d de - Determine el grado de relación lineal entre estas 2
atención variables.
62 39
25 80
33 42
23 84
79 19
11 75
48 25
50 20
30 54
78 19
7 84
 Coeficiente de Correlación de
Pearson «R»
Ejemplo 1:
Capaci  
Estrés dad de    
(x) atenció
n (Y)    
XY X2 Y2
 
62 39 2418 3844 1521
25 80 2000 625 6400
33 42 1386 1089 1764
23 84 1932 529 7056
79 19 1501 6241 361
11 75
 
825 121 5625
48 25 1200 2304 625
50 20 1000 2500 400  
30 54 1620 900 2916
78 19 1482 6084 361 Existe una relación inversa y muy alta
7 84 588 49 7056 entre El estrés (X) y la capacidad de
∑ 446 541 15952 24286 34085 atención (Y).
EJEMPLO:
En un estudio de la relación entre la publicidad por radio y las ventas
de un producto, durante 10 semanas se han recopilado, los tiempos de
duración en minutos de la publicidad por semana (X), y el número de
artículos vendidos (Y).

Semana 1 2 3 4 5 6 7 8 9 10
Publicidad en 20 30 30 40 50 60 60 60 70 80
minutos X
Ventas Y 50 73 69 87 108 128 135 132 148 170

- Determine el promedio de Publicidad (x) y Ventas (Y)

- Determine el grado de relación
- Obtenga la ecuación de regresión.
- Interprete el valor de la pendiente.
- Si la publicidad es de 90 min, ¿cuánto será el número de artículos
vendidos?
 X Y XY X2 Y2
Solución 20
30
50
73
1000
2190
400
900
2500
5329
30 69 2070 900 4761
40 87 3480 1600 7569
50 108 5400 2500 11664
60 128 7680 3600 16384
60 135 8100 3600 18225
60 132 7920 3600 17424
70 148 10360 4900 21904
80 170 13600 6400 28900
500 1100 61800 28400 134660
 Solución
Reemplazando en las formula de los coeficientes de regresión, se tiene lo
siguiente:

Por lo tanto la recta de regresión Y = β0+β1(X), estará determinada de la siguiente

manera Y = 10+ 2x.

Interpretación
B0: El Número real de artículos vendidos es de 10 unidades.
B1: El número promedio de artículos vendidos aumenta en 2 unidades a medida que aumenta
cada minuto de duración, de la publicidad en la semana.
EJERCICIO 4:

La tabla siguiente muestra las notas obtenidas por 8 estudiantes en un examen parcial, las
horas de estudio dedicadas a su preparación previos al examen:
Nota 15 16 17 10 15 18 11 19
Horas de estudio 7 10 9 4 8 10 5 14

Con los datos del problema:

a) Halla el coeficiente de correlación. Interpretar.
b) Halla el coeficiente de determinación e interpretar
c) Determinar el modelo de regresión e interpretar los coeficientes de regresión
d) Predecir la nota de un estudiante que dedicó a estudiar 12 horas previas al examen.
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación
Calculando en Excel por el gráfico de dispersión

Ir a insertar, elegir
gráfico de
dispersión
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

Seleccionar los
rangos de la
variable (x) , (y)
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

Elegir en diseño
rápido la opción
“diseño 9”
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

12
f(x) = 0.589715536105033 x + 1.07932166301969
R² = 0.876241692517196
Obtenemos el
10 modelo de
regresión lineal y el
8 coeficiente de
determinación
Axis Title

0
0 2 4 6 8 10 12 14 16 18 20
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación
Calculando en Excel por análisis de datos

Elegimos la opción
análisis de datos

En el menú
escogemos
regresión
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

Elegimos los
rangos Y , X
podemos colocar
rótulos para titular
nuestros
resultados.

Elegimos el rango
de salida donde
saldrán los
resultados y
aceptamos.
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

Comparando resultados Coeficiente de

correlación de
Pearson
Resumen
Coeficiente de
Estadísticas de la regresión determinación
Coeficiente de correlación múltiple 0.93607782
Coeficiente de determinación R^2 0.87624169
R^2 ajustado 0.86386586
Error típico 1.22329236 Error estándar
Observaciones 12

ANÁLISIS DE VARIANZA
Total de la muestra
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados F Valor crítico de F
Regresión 1 105.952225 105.952225 70.8026564 7.5452E-06
Residuos 10 14.964442 1.4964442
Total 11 120.916667

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%Superior 95.0%
Intercepción 1.07932166 0.74335121 1.45196731 0.17715225 -0.57696806 2.73561138 -0.57696806 2.73561138
Tiempo de residencia (X) 0.58971554 0.07008382 8.41443144 7.5452E-06 0.43355904 0.74587203 0.43355904 0.74587203

𝒃 𝒂
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

Regresión en SPSS versión 26

Trasladamos los Editamos nombre y

datos del Excel etiqueta, decimales
(control c; control v)

Editamos y rotulamos
en vista de variables
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

Elegimos
regresión/lineales

Elegimos variable
dependiente e
independiente
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

Escogemos
estimaciones y ajuste
del modelo/ continuar
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

Elegimos la variable
dependiente
(DEPENDENT) y
ajuste de la variable
predictora
(*ADJPRED)
 Técnicas e
Programa de Investigación
Comparando resultados Formativa
Instrumentos para
la Investigación
Coeficiente de
correlación de
Pearson

Error estándar

Coeficiente de
determinación

𝒃 𝒂
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

Gráfico de dispersión
12

También nos
10
muestra el grafico
Actitud hacia la ciudad

8 de dispersión
6

0
0 2 4 6 8 10 12 14

Regresión Valor pronosticado ajustado (Pulsar)

 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

Análisis de correlación de Person

Elegimos
correlacionar /
bivariadas
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

Elegimos las
variables
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

Correlación de
Pearson para
variables
paramétricas

Correlación
significativa,
(P<0.05) evidencia
estadística para
rechazar H0
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

Ejercicios para practicar

1. Los datos de la producción de trigo en toneladas (X) y el precio del kilo de harina en
soles (Y) en la década de los 80 en Lima fueron:

Producción de trigo (X) 30 28 32 25 25 25 22 24 35 40

Precio de la harina (Y) 25 30 27 40 42 40 50 45 30 25

Ajusta la recta de regresión por el método de mínimos cuadrados.

 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

2. Los gastos semanales de publicidad y las ventas de una empresa en dólares, para una muestra
de 10 semanas son:

Gastos sem 41 54 63 54 48 46 62 61 64 71
x public

Ventas 1250 1380 1425 1425 1450 1300 1400 1510 1575 1650
seman

a) Establezca la recta de regresión que permita predecir las ventas semanales en

función de los gastos de publicidad
b) Calcular el grado de relación entre las 2 variables
c) Interpreta la pendiente
d) Pronostica las ventas para gastos semanales de 50 y 60 dólares
e) Cuales son los errores de estimación cuando predice las ventas semanales para
gastos de publicidad de 61, 62 y 63 dólares respectivamente
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

3. En un estudio, por medio de detectores radioactivos, de la capacidad corporal para

absorber hierro y plomo, participaron diez sujetos. A cada uno se le da una dosis oral
idéntica de hierro (sulfato ferroso) y de plomo (cloruro de plomo-203). Después de doce
días se mide la cantidad de cada componente retenida en el sistema corporal y, a partir de
éstas, se determinan los porcentajes absorbidos por el cuerpo. Los datos obtenidos fueron:

Hierro (%) X 17 22 35 43 80 85 91 92 96 100

Plomo (%) Y 8 17 18 25 58 59 41 30 43 58

a) Dibuja la nube de puntos. Basándose en ella, ¿se puede esperar que el

coeficiente de correlación esté próximo a 1, -1 ó 0?.
b) Halla e interpreta el coeficiente de determinación.
c) Estima la recta de regresión y utilízala para predecir el porcentaje de hierro
absorbido por un individuo cuyo sistema corporal absorbe el 15% del plomo
ingerido.
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

4. Las calificaciones de un examen y el numero de horas de estudio para el examen,

de una muestra de 12 estudiantes, se presenta en el siguiente cuadro:

Tiempo de 3 3 3 4 4 5 5 5 6 6 7 8
estudio

Calificación 9 1 11 12 15 14 16 15 18 16 15 17
2

Hallar la recta de regresión

Interpreta la pendiente
Estimar la calificación cuando el tiempo de estudio es 10
Estimar el tiempo de estudio cuando la calificación es 8
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

5. En la siguiente tabla , donde :Y = Peso, x= Altura

a) Realice un diagrama de dispersión e indique ¿Sugiere la gráfica una asociación lineal?

b) Realice la ecuación de regresión
c) Interprete la pendiente, realice un pronóstico
d) Calcule e interprete el coeficiente de correlación
e) Calcule e interprete el coeficiente de determinación
f) Calcular e interpretar el error estándar de estimación
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

6. La materia prima que se usa en la elaboración de una fibra sintética se almacena en un local que no
tiene control de humedad. Las mediciones de la humedad relativa en el local y del contenido de humedad
de una muestra de la materia prima (ambos en porcentajes) durante 12 días, dieron los
siguientes resultados.
Contenido
a)Realice un diagrama de dispersión e indique de
Humeda humedad
¿Sugiere la gráfica una asociación lineal? d (X) (Y)
b)Realice la ecuación de regresión 42 12
c)Interprete la pendiente, realice un pronóstico 35 8
50 14
d)Calcule e interprete el coeficiente de correlación 43 9
e)Calcule e interprete el coeficiente de determinación 48 11
f)Calcular e interpretar el error estándar de estimación 62 16
31 7
36 9
44 12
39 10
55 13
48 11
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

7. El siguiente conjunto de datos se ha tomado sobre grupos de trabajadoras de. Cada grupo está
formado por trabajadores de la misma profesión, en cada uno de los veinticuatro grupos muestreados
se han observado dos variables: el índice de estandarizado de consumo de cigarrillos (x) y el índice de
muertes por cáncer de pulmón (Y) variable dependiente. Se desea estudiar la relación entre estas dos
variables.

1. Realice un diagrama de dispersión e indique ¿Sugiere la gráfica una

asociación lineal?
2. Realice la ecuación de regresión
3. Interprete la pendiente, realice un pronóstico
4. Calcule e interprete el coeficiente de correlación
5. Calcule e interprete el coeficiente de determinación
6. Calcular e interpretar el error estándar de estimación
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

8. El director de una escuela está interesado en relacionar dos variables en los estudiantes y
ha tomado como información los resultados de la prueba de habilidad y del puntaje obtenido
en el examen de admisión, los cuales se muestran a continuación

a) Realice un diagrama de dispersión e interprete los Examen

resultados Prueba de de
Habilidad admisión
b) Realice la ecuación de regresión e interprete la mental X Y
pendiente. 5 15
c) Calcule e interprete el error estándar de estimación 10 19
d) Calcule e interprete el coeficiente de determinación 15 25
e) Si el puntaje de la prueba de habilidad es de 50 20 29
puntos, cual es el pronóstico en el examen de 23 32
admisión 25 34
30 39
32 42
35 46
40 50
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

9. Una cadena de restaurantes de comida rápida decide llevar a cabo un experimento para
medir la influencia sobre las ventas del gasto en publicidad. En 8 regiones del país, se
realizaron diferentes variaciones relativas en el gasto en publicidad, comparado con el año
anterior, y se observaron las variaciones en los niveles de ventas resultantes. La tabla
adjunta muestra los resultados.

a) Realice un diagrama de dispersión e interprete los resultados

b) Realice la ecuación de regresión e interprete la pendiente.
c) Calcule e interprete el error estándar de estimación
d) Calcule e interprete el coeficiente de determinación
e) Realice un pronóstico si el gasto de publicidad incrementa en un 5% y
en 15%
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

10. Una compañía de seguros considera que el número de vehículos (y) que circulan por una
determinada autopista a más de 120 km/h , puede ponerse en función del número de
accidentes (x) que ocurren en ella. Durante 7 días obtuvo los siguientes resultados:

Accidentes xi 5 7 5 3 2 1 9
Vehículos yi 15 18 13 11 10 8 20

a) Realice un diagrama de dispersión e interprete los resultados

b) Realice la ecuación de regresión e interprete la pendiente.
c) Calcule e interprete el error estándar de estimación
d) Calcule e interprete el coeficiente de determinación
e) Realice un pronóstico si la cantidad de accidentes es de 4 y 6
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

REFERENCIAS
Malhotra, Narest, (2008) Investigación de mercados. Quinta edición. Editorial Pearson
Educatíón, México ISBN: 978-970-26-1185-1 Área: Administración y economía
Moore David. (1997) Estadística aplicada básica. Segunda edición. Antoni Bosch Editor
Lind, A., Marchal, G. y Wathen, A. (2012) . Estadística aplicada a los negocios y la economía.
(15. Ed). México: McGraw-Hill Interamericana Editores
Pagano, R. (2011). Estadística para ciencias del comportamiento. (9. Ed). México: Cengage
Learning Editores Corporativo Santa Fe
 Técnicas e
Programa de Investigación
Instrumentos para
Formativa
la Investigación

No saber es una excusa que tiene una

solución muy simple: Aprender
Luis Medina

GRACIAS POR SU ATENCIÓN

REFERENCIAS

• Pagano, R. (2011). Estadística para ciencias del

comportamiento. (9. Ed). México: Cengage Learning
Editores Corporativo Santa Fe
• Lind, A., Marchal, G. y Wathen, A. (2012) . Estadística
aplicada a los negocios y la economía. (15. Ed). México:
McGraw-Hill Interamericana Editores