Solución Taller correlaciones y relación lineal
1) Describa las características del coeficiente de correlación.
Solucion:
Características:
1. El coeficiente de correlación no varía al hacerlo la escala de medición.
Es decir, si expresamos la altura en metros o en centímetros el coeficiente de correlación no
varía.
2. El signo del coeficiente de correlación es el mismo que el de la covarianza.
Si la covarianza es positiva, la correlación es directa.
Si la covarianza es negativa, la correlación es inversa.
Si la covarianza es nula, no existe correlación.
3. El coeficiente de correlación lineal es un número real comprendido entre −1 y 1.
−1 ≤ r ≤ 1
4. Si el coeficiente de correlación lineal toma valores cercanos a −1 la correlación es fuerte e
inversa, y será tanto más fuerte cuanto más se aproxime r a −1.
5. Si el coeficiente de correlación lineal toma valores cercanos a 1 la correlación es fuerte y
directa, y será tanto más fuerte cuanto más se aproxime r a 1.
6. Si el coeficiente de correlación lineal toma valores cercanos a 0, la correlación es débil.
7. Si r = 1 ó −1, los puntos de la nube están sobre la recta creciente o decreciente. Entre
ambas variables hay dependencia funcional.
2) Las siguientes observaciones muéstrales se seleccionaron de manera aleatoria.
Solución:
Determine el coeficiente de correlación e interprete la relación entre X y Y.
3) Haverty’s Furniture es un negocio familiar que vende a clientes minoristas en el área de
Chicago desde hace muchos años. Tanto en radio como en televisión e internet, la compañía
destaca sus precios bajos y fáciles términos de crédito. El propietario desea analizar la
relación entre las ventas y la suma de dinero que gastó en publicidad. A continuación se
presenta la información de las ven- tas y de los gastos publicitarios durante los últimos cuatro
meses.
a) El propietario desea pronosticar las ventas con base en los gastos publicitarios. ¿Cuál es la
variable dependiente? ¿Cuál es la variable independiente?
b) Trace un diagrama de dispersión.
c) Determine el coeficiente de correlación.
d) Interprete la fuerza del coeficiente de correlación.
Solución:
12
10
0
0.5 1 1.5 2 2.5 3 3.5 4 4.5
4) Describa el principio de mínimos cuadrados.
Solución:
En el análisis de regresión, el objetivo es utilizar los datos para trazar una línea que represente mejor
la relación entre las dos variables. Nuestro primer enfoque es utilizar un diagrama de dispersión para
visualizar la posición de la línea.
El diagrama de dispersión de la gráfica 1 se reproduce en la gráfica 7, con una recta que une los
puntos para ilustrar que una recta probablemente ajustaría los datos. Sin embargo, la recta trazada
con una regla tiene una desventaja: en parte, su posición se basa en el criterio de la persona que
traza la recta. Las rectas trazadas a mano en la gráfica 8 representan los criterios de cuatro personas.
Todas las rectas, excepto A, parecen razonables. Esto es, cada línea se centra entre los datos
graficados. Sin embargo, cada una generaría una estimación distinta de unidades vendidas para un
número particular de llamadas de ventas.
Sin embargo, 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”.
Principio de los mínimos cuadrados Determina una ecuación de regresión al minimizar la suma de
los cuadrados de las distancias verticales entre los valores reales de Y y los valores pronosticados de
Y. Para ilustrar este concepto, se trazan los mismos datos en las tres gráficas siguientes. Los puntos
son los valores reales de Y, y los asteriscos son los valores predichos de Y para un valor dado de X.
La recta de regresión de la gráfica 9 se determinó con el método de los mínimos cuadrados. Es la
recta de mejor ajuste porque la suma de los cuadrados de las desviaciones verticales respecto de sí
misma es mínima. La primera gráfica (X = 3, Y = 8) se desvía 2 unidades de la recta, calculada como
10 - 8. El cuadrado de la desviación es 4. La desviación al cuadrado de la gráfica en X = 4, Y = 18 es
16. La desviación al cuadrado de la gráfica en X = 5, Y = 16 es 4. La suma de las desviaciones al
cuadrado es 24, calculada como 4 + 16 + 4.
Suponga que las rectas de las gráficas 10 y 11 se trazaron con una regla. La suma de las
desviaciones verticales al cuadrado de la gráfica 10 es 44. En el caso de la gráfica
11 es 132. Las
dos sumas
son mayores
que la suma
de la recta de
la gráfica 9, determinada mediante el método de los mínimos cuadrados. La ecuación de una recta
tiene la forma
5) Describa la forma general de la ecuación de regresión lineal.
Solución:
−Y =a+b X
Donde:
−Y Que se lee Y prima, es el valor de la estimación de la variable Y para un valor X seleccionado. a es
la intersección Y. Es el valor estimado de Y cuando X = 0. En otras palabras,
a es el valor estimado de Y donde la recta de regresión cruza el eje Y cuando X es cero.
b es la pendiente de la recta, o el cambio promedio en por cada cambio de una unidad
(ya sea aumento o reducción) de la variable independiente X.
X es cualquier valor de la variable independiente que se seleccione.
La forma general de la ecuación de la regresión lineal es exactamente la misma que la ecuación de
cualquier línea. a es la intersección con Y y b es la pendiente. El propósito de un análisis de regresión
es calcular los valores de a y b para desarrollar una ecuación lineal que se ajuste mejor a los datos.
Las fórmulas de a y b son:
Pendiente de la recta de regresión.
Sy
b=r
SX
Donde:
r es el coeficiente de correlación.
S es la desviación estándar de Y (la variable dependiente).
y
S X es la desviación estándar de X (la variable independiente).
INTERSECCIÓN CON EL EJE Y
a= −Y −b−X
Donde:
−Y es la media de Y (la variable dependiente).
−X es la media de X (la variable independiente).
EJEMPLO:
Recuerde el ejemplo de Copiar Sales de América. La gerente de ventas reunió información sobre los
números de llamadas de ventas y de copiadoras vendidas de una muestra de 10 representantes de
ventas. Como parte de su presentación en la siguiente reunión de ventas, la señora Bancer desea
presentar información específica acerca de la relación entre el número de llamadas y el número de
ventas. Con el método de los mínimos cuadrados, determine una ecuación lineal que exprese la
relación entre ambas variables. ¿Cuál es el número esperado de copiadoras vendidas de un
representante de ventas que hizo 20 llamadas?
SOLUCION:
El primer paso para determinar la ecuación de regresión es encontrar la pendiente de la recta de
regresión de mínimos cuadrados. Es decir, se necesita el valor de b. En el anterior ejercicio
900
r= =0.759 se determinó el coeficiente de correlación r (0.759). En la captura de
( 9 * 9.189* 14.337 )
pantalla de también se determinó la desviación estándar de la variable independiente X (9.189) y la
desviación estándar de la variable dependiente Y (14.337). Los valores están insertados en la fórmula
(4).
14.337
b=0.759 =1.1842
9.189
Después necesita encontrar el valor de a. Para hacerlo, utilice el valor de b que recién se calculó, así
como las medias del número de llamadas de ventas y del número de copiadoras vendidas. Estas
medias también se encuentran en el ejercicio anterior De la fórmula (5):
a= 45−1.1842 ( 22 )=18.9476
Así, la ecuación de regresión es −Y =18.9476+1.1842 ( 20 )=42.6316 Por lo tanto, si un vendedor
hace 20 llamadas, debería vender 42.6316 copiadoras, número que se determina por El valor b de
1.1842 significa que por cada llamada de ventas adicional, el vendedor debería aumentar el número
de copiadoras vendidas en aproximadamente 1.2. En otras palabras, cinco llamadas de ventas
adicionales en un mes generarán más o menos seis copiadoras más vendidas, número determinado
por 1.1842(5) = 5.921.
El valor a de 18.9476 es el punto donde la ecuación cruza el eje Y. Una traducción literal
es que, si no se hacen llamadas de ventas, es decir, X = 0, se venderán 18.9476 copiadoras. Observe
que X = 0 está fuera del rango de valores incluidos en la muestra y, por lo tanto, no se debe emplear
para estimar el número de copiadoras vendidas. Las llamadas de ventas varían de 10 a 40, por lo que
las estimaciones se deben hacer dentro de ese rango.
TRAZO DE LA RECTA DE REGRESIÓN
Título del gráfico
80
70
60
50
40
30
20
10
0
5 10 15 20 25 30 35 40 45 50
6) Haverty’s Furniture Company estudió la relación entre las ventas y la cantidad que gastaba en
publicidad. La información de las ventas de los cuatro últimos meses.
a) Determine la ecuación de
regresión.
b) Interprete los valores de a y b.
c) Estime las ventas cuando se gastan $3 millones en publicidad
Solución:
2.944
b=0.9648 =2.2
1.291
a= 7−2.5 ( 2.2 )=1.5
b) La pendiente es 2.2. Esto indica que un aumento de $1 millón en publicidad generará un aumento
de $2.2 millones en las ventas. La intersección es 1.5. Si no hubiera gastos en publicidad, las ventas
serían $1.5 millones.
c.- −Y =1.5+2.2 ( 3 ) =8.1
