Beruflich Dokumente
Kultur Dokumente
(𝑥1 , 𝑦1 )
¿Cómo
¿Hacerse relacionan?
predicciones
(𝑥2 , 𝑦2 )
X con una recta? Y
(𝑥3 , 𝑦3 )
⁞
(𝑥𝑛 , 𝑦𝑛 )
Ejemplos:
• Si una empresa gasta 10 millones al año en publicidad, ¿Cuánto podrían ser sus
ingresos anuales por ventas?
• Si una persona tiene una estatura de 170 centímetros, ¿Cuánto podría ser su
peso?
• Si una estudiante le dedica 30 horas al estudio del próximo examen de
estadística, ¿Cuánto podría ser la calificación obtenida en dicha prueba?
• Para un futuro empresario que quiere vender 500 unidades de un producto,
¿Cuánto podría ser el precio esperado de cada unidad?
• ¿Cuántas computadoras se venderian al mes?, si un vendedor realiza 50
llamadas a diferentes empresas.
𝒀 = 𝒂 + 𝒃𝑿
Donde:
𝒂, se conoce como intercepto de la recta con el eje vertical. En el análisis de
regresión, indica el valor que asumiría 𝒀 en la eventual ausencia de 𝑿.
𝒃, se conoce como pendiente y determina la inclinación de la recta. En el análisis
de regresión, indica cuanto es el cambio en 𝒀 por un cambio unitario de 𝑿.
En términos generales a 𝒂 como a 𝒃 se les conoce como coeficientes o parámetros
de la recta de regresión.
y y y
a
a
a>0 a>0 a>0
a
b>0 b<0 b=0
x x x
y y y
a
n n n n n
n xi yi xi yi yi b xi
b i 1 i 1 i 1 ; a i 1 i 1
2
n 2 n n
n xi xi
i 1 i 1
Como se puede observar de las formulas anteriores para calcular el valor del
coeficiente 𝑎 primero es necesario calcular el valor del coeficiente 𝑏. En ambos
casos las formulas dependen de las sumatorias de las variables 𝑋 y 𝑌, las cuales
se pueden obtener por medio de una tabla similar a la empleada en el cálculo del
coeficiente de correlación.
0 1
• Se denota con la letra 𝑟 2 y se calcula elevando el coeficiente de correlación 𝑟 al
cuadrado.
• Los valores obtenidos del coeficiente de determinación permiten clasificar el
ajuste de la recta de regresión a los datos de la siguiente forma:
UNIVERSIDAD SANTIAGO DE CALI
FACULTAD DE CIENCIAS BÁSICAS
Pág.4/13
DEPARTAMENTO DE CIENCIAS NATURALES, EXACTAS Y ESTADÍSTICA
ÁREA DE ESTADÍSTICA – ESTADÍSTICA BÁSICA I
Ejemplo: El propietario de una empresa está interesado en conocer acerca del tipo
de relación que existe entre sus inversiones mensuales en publicidad y el nivel de
ventas que obtiene su empresa, para ello ha tomado los datos en millones de pesos
en los últimos seis meses:
Gastos en publicidad 2 1 3 6 5 4
Ingresos por ventas 7 5 8 15 12 10
𝑋: Gastos en publicidad.
𝑌: Ingresos por ventas.
UNIVERSIDAD SANTIAGO DE CALI
FACULTAD DE CIENCIAS BÁSICAS
Pág.5/13
DEPARTAMENTO DE CIENCIAS NATURALES, EXACTAS Y ESTADÍSTICA
ÁREA DE ESTADÍSTICA – ESTADÍSTICA BÁSICA I
𝑖 𝑥𝑖 𝑦𝑖 𝑥𝑖2 𝑦𝑖2 𝑥𝑖 𝑦𝑖
1 2 7 4 49 14
2 1 5 1 25 5
3 3 8 9 64 24
4 6 15 36 225 90
5 5 12 25 144 60
6 4 10 16 100 40
Suma 21 57 91 607 233
1398 1197
546 441 3642 3249
201 201 201
105 393 10.247 19.824 203.14
0.9895
Por lo tanto, el resultado obtenido del coeficiente de correlación 𝑟 = 0.9895, se
busca en la tabla 1 del documento referente al análisis de correlación,
encontrando que la relación entre los gastos en publicidad y los ingresos por
ventas, es directa y fuerte, es decir que a mayor gasto en publicidad mayor es
el ingreso por ventas.
16
Ingresos por ventas ($ millones)
14
12
10
0
0 1 2 3 4 5 6 7
Gastos en publicidad ($ millones)
Figura 2: Diagrama de dispersión entre los gastos en publicidad y los ingresos
por ventas.
14
12
10
0
0 1 2 3 4 5 6 7
Gastos en publicidad ($ millones)
Figura 3: Diagrama de dispersión y puntos de la recta de regresión entre los
gastos en publicidad y los ingresos por ventas.
Finalmente, se traza una línea recta que una los dos nuevos puntos (puntos en
color rojo de la figura 3) del diagrama de dispersión.
16
Ingresos por ventas ($ millones)
14
12
10
0
0 1 2 3 4 5 6 7
Gastos en publicidad ($ millones)
Figura 4: Diagrama de dispersión y recta de regresión entre los gastos en
publicidad y los ingresos por ventas.
UNIVERSIDAD SANTIAGO DE CALI
FACULTAD DE CIENCIAS BÁSICAS
Pág.8/13
DEPARTAMENTO DE CIENCIAS NATURALES, EXACTAS Y ESTADÍSTICA
ÁREA DE ESTADÍSTICA – ESTADÍSTICA BÁSICA I
𝑟 2 = (0.9895)2 = 0.9791
6) ¿Cuánto es el valor de los ingresos por ventas si los gastos en publicidad son
3.5 millones?:
Horas de estudio 6 3 8 17 14 19 10
Nota obtenida 1.8 4.1 2.6 4.2 3.5 4.8 3.1
Repitente No Si No No No No No
5.0
4.5
4.0
Nota obtenida
3.5
3.0
2.5
2.0
1.5
1.0
0.5
0.0
0 2 4 6 8 10 12 14 16 18 20
Horas de estudio
Nuevos Repitentes
𝑖 𝑥𝑖 𝑦𝑖 𝑥𝑖2 𝑦𝑖2 𝑥𝑖 𝑦𝑖
1 6 1.8 36 3.24 10.8
2 3 4.1 9 16.81 12.3
3 8 2.6 64 6.76 20.8
4 17 4.2 289 17.64 71.4
5 14 3.5 196 12.25 49.0
6 19 4.8 361 23.04 91.2
7 10 3.1 100 9.61 31.0
Suma 77 24.1 1055 89.35 286.5
𝑖 𝑥𝑖 𝑦𝑖 𝑥𝑖2 𝑦𝑖2 𝑥𝑖 𝑦𝑖
1 6 1.8 36 3.24 10.8
2 8 2.6 64 6.76 20.8
3 17 4.2 289 17.64 71.4
4 14 3.5 196 12.25 49.0
5 19 4.8 361 23.04 91.2
6 10 3.1 100 9.61 31.0
Suma 74 20 1046 72.54 274.2
5.0
4.5
4.0
3.5
Nota obtenida
3.0
2.5
2.0
1.5
1.0
0.5
0.0
0 2 4 6 8 10 12 14 16 18 20
Horas de estudio
Figura 6: Diagrama de dispersión y recta de regresión entre las horas de
estudio y la nota obtenida.
𝑟 2 = (0.9840)2 = 0.9683