Beruflich Dokumente
Kultur Dokumente
de correlacin
lineal ?
Es una herramienta estadstica que podemos
usar para describir el grado de relacin
lineal entre las variables.
Tipos de Variables
Variable
Independiente
(X)
(determinstica, es
decir no aleatoria.)
Variable
Dependiente
(Y)
aleatoria
Ejemplos
X: Nmero de llamadas telefnicas realizadas por un vendedor
promocionando un producto.
Y: Unidades vendidas por el vendedor.
X: Tiempo que dedica un estudiante a una materia.
Y : Evaluacin que obtiene el estudiante en la materia.
Ejercicio Modelo
En una ciudad de Canad, las personas al comprar casas se interesan por
el precio del costo de la calefaccin. Se ha determinado que un grupo de
factores pueden estar relacionados con el costo ( en dlares):
Temperatura exterior. (Grados Fahrenheit)
Aislante trmico en el desvn. (en pulgadas)
Antigedad del calefactor.
rea de la sala principal del apartamento. (en metros cuadrados).
Un cliente le ha preguntado a un vendedor:
Si usted me brinda la informacin de las variables anteriores de un
apartamento, cmo puedo saber yo aproximadamente cuanto pagar en
calefaccin?. Cuan confiable ser la informacin que usted me brinde?
Pasos en el Anlisis de Correlacin
1. Determinar cul es la variable dependiente. Y: Costo.
2. Seleccionar una muestra de tamao n de ambas variables X e Y, con lo
que se obtienen n pares de observaciones
(x1 , y1) , (x2 , y2) (xn , yn).
En nuestro ejemplo se tomo una muestra de 20 apartamentos. Se
midieron todas las variables independientes para cada uno de ellos.
3. Mostrar la relacin en un diagrama de dispersin: Grfico de X vs. Y.
Se aprecia de manera descriptiva el sentido y la intensidad de relacin
entre las variables.
Se realizaran los 4 grficos que corresponden a cada una de las variables
independientes consideradas.
Temperatura Exterior vs. Costo
0
50
100
150
200
250
300
350
400
450
0 10 20 30 40 50 60 70
Temp
C
o
s
t
o
r = -0.812
Relacin Inversa
fuerte
Aislante trmico vs. Costo.
0
50
100
150
200
250
300
350
400
450
0 2 4 6 8 10 12 14
Aislante
C
o
s
t
o
r = -0.257
Relacin Inversa
dbil
Antiguedad del calefactor vs. Costo
0
50
100
150
200
250
300
350
400
450
0 5 10 15 20
Antiguedad
C
o
s
t
o
r =0,512
Relacin Directa
moderada
Tamao sala vs. Costo
0
50
100
150
200
250
300
350
400
450
0 5 10 15 20 25
Tamao
C
o
s
t
o
r = 0.991
Relacin directa
fuerte
aunque se
aprecia una
tendencia no
lineal
4. Calcular un coeficiente de correlacin lineal r a partir de la muestra,
como aproximacin de la verdadera relacin lineal (rho) entre las
variables.
( ) ( )( )
( ) ( ) | | ( ) ( ) | |
=
2
2
2
2
y y n x x n
y x xy n
r
1 1 s s r
Interpretacin:
1. El valor absoluto de r indica la fuerza de la relacin entre Y y X.
2. El signo la direccin de la relacin (directa o inversamente proporcional)
(tener cuidado con relaciones espreas)
r = 1 correlacin positiva perfecta.
r = -1 correlacin negativa perfecta.
r = 0 no hay relacin lineal entre Y y X.
Si hay presencia de varias variables independientes, entonces podemos
agrupar todas las correlaciones en la Matriz de Correlaciones.
Costo Temp Aislante Antigedad
Costo
1.00
Temp
-.812 1.00
Aislante
-.257 -.103
1.00
Antigedad
.537 -.486
.064
1.00
Tamao .991 -.831 -.253 .482 1.000
Interpretacin de las Correlaciones lineales e Identificacin de las
Variables independientes con mayor correlacin lineal.
Temperatura.
Una correlacin de -0,812 indica alta correlacin, inversamente proporcional:
A mayor Temperatura exterior, menor el costo en calefaccin y viceversa.
Aislante.
La correlacin de 0,257 es baja, as que no existe relacin lineal entre las
variables.
Antigedad.
Una correlacin de 0,512; es moderada, directamente proporcional, a mayor
antigedad del calefactor, mayor costo y viceversa.
Tamao de la sala principal.
Una correlacin de 0,991; es alta y directamente proporcional: A mayor tamao
de la sala, mayor costo de la calefaccin
5. Prueba de Hiptesis para analizar si las correlaciones son
significativamente diferentes de cero.
=
=
0 : H
0 : H
1
0
min ) Y (Y
2
i i
=
min es el nmero ms pequeo que se puede
obtener si se suman estas desviaciones
verticales elevadas al cuadrado entre los
puntos y la recta.
i i
Y Y
=
x a y a
1 0
=
Aplicamos MegaStat para realizar el Anlisis de Regresin
MegaStat
Correlation/Regresin
Regresin Anlisis
Y marcamos en la nueva ventana las
opciones que aparecen en la pantalla
siguiente que nos mostrarn todas las
salidas que son de nuestro inters para el
anlisis de regresin
r 0.659
Adjusted r 0.640
r -0.812
Std. Error 63.553
20 observations
1 predictor variable
Costo is the dependent variable
Salida
Salida
ANOVA table
Source SS df MS F p-value
Regression 140,214.9411 1 140,214.9411 34.72 1.41E-05
Residual 72,700.8089 18 4,038.9338
Total 212,915.7500 19
Regression output
confidence interval
variables coefficients std. error t (df=18) p-value 95% lower 95% upper
intercept 388.8020 34.2408 11.355 1.22E-09 316.8646 460.7393
Temp -4.9342 0.8374 -5.892 1.41E-05 -6.6936 -3.1748
Recta de regresin estimada
Esta es la ecuacin de la recta de regresin pintada en el diagrama
de dispersin, que fue mostrada anteriormente
Note que la pendiente -4.9342 tiene signo negativo, lo cual refleja que la
relacin es inversa, anlogo al signo del coeficiente de correlacin
(-.812).
El valor de la pendiente significa que por cada grado que descienda la
temperatura exterior habr un aumento promedio de 5 dlares en el
costo de la calefaccin.
4,9342X - 388,8020 Y
=
b. Clculo del error estndar de la estimacin
Mide la variabilidad o dispersin de los valores observados alrededor
de la lnea de regresin.
( )
1 - k - n
Y
Y
Se
2
x sobre y
=
Si se trabaja con una recta, se puede calcular el error mediante
2 n
xy a y a y
Se
1 0
2
x sobre y
=
Mientras ms grande sea el error estndar de la estimacin, mayor ser la
dispersin de los puntos alrededor de la lnea de regresin
En nuestro ejemplo el error estndar de estimacin que se comete al usar la
recta para estimar el costo es de 63,553 $
c. Clculo del Coeficiente de Determinacin
Mide el poder explicativo del modelo de regresin, es decir, la
parte de la variacin de Y explicada por la variacin de X
El valor de r
2
ha de estar entre 0 y 1, si r
2
= 0,70 significa que el 70%
de la variacin de Y est explicada por las variaciones de X. Es
evidente que cuanto mayor sea r
2
, mayor poder explicativo tendr
nuestro modelo.
En nuestro ejemplo
Si analizamos el valor del coeficiente de determinacin r = 0.659,
apreciamos que aproximadamente el 66% de la variabilidad del
costo esta determinado por la variabilidad en la Temperatura
exterior.
d. Prueba de Hiptesis para analizar si la pendiente es significativa
=
=
0 : H
0 : H
1 1
1 0
o
o
Para tomar una decisin podemos comparar el valor de un estadstico con
un percentil, o utilizar un criterio equivalente, usado en los paquetes de
Estadstica: Comparar el p-valor con el nivel de significacin
Regla de Decisin: Rechazar Ho si p <
En el ejemplo p = 1.41E-05 < 0.05, as que rechazamos H
0
por lo que el
valor de la pendiente es significativamente diferente de cero.
Conclusin: La relacin entre la Temperatura Exterior y el Costo es
significativa.
e. Predicciones
e.1) Clculo de una prediccin puntual.
Suponga que se desea un estimador puntual del costo de un
apartamento, si la temperatura exterior es de 35 grados
Sol: Sustitucin del valor de x = 35, en la ecuacin de la recta para
obtener un valor y
05 , 216 y
35 * 4,9342 - 8,8020 y
4,9342x - 8,8020 y
=
=
=
e.2) Clculo de un intervalo de Prediccin
Se desea calcular una estimacin por intervalo con un nivel del confianza
del 95% para el apartamento especfico en un da considerado con
temperatura de 35 grados. Aqu calculamos un intervalo de prediccin.
p
S n t Y * ) 2 (
2 / 1
o
( )
2
2
2
0
e p
x n x
x x
n
1
1 S S
+ + =