a) Regresin Lineal En el estudio de la relacin funcional entre dos variables poblacionales, una variable X, llamada independiente, explicativa o de prediccin

y una variable Y, llamada dependiente o variable respuesta, presenta la siguiente notacin: Y=a+bX+e

Donde: a es el valor de la ordenada donde la lnea de regresin se intercepta con el eje Y. b es el coeficiente de regresin poblacional (pendiente de la lnea recta) e es el error Es la tcnica matemtico estadstica que analiza la dependencia entre dos o ms variables. Observa si las variaciones de una caracterstica provocan variaciones en la magnitud de otra caracterstica. Es la funcin matemtica que, para un valor dado de una variable, da el valor esperado de una caracterstica, con la cual est ligada.

Ejemplos: El precio de venta (VD; Y) depende del precio de costo de un artculo (VI; X). El costo total (VD; Y) depende de la produccin total (VD; X). El tiempo de servicios (VD; Y) de un trabajador depende de su edad (VD; X). El consumo familiar (VD; Y) est en funcin del ingreso familiar VD; X). Donde: VD; Y = variable dependiente, predictando, explicativa. VI; X = variable independiente; predictor, explicativa. Esta relacin se expresa: Y = f(X), Y depende de X

Diagramas de Dispersin Un diagrama de dispersin es un tipo de diagrama matemtico que utiliza las coordenadas cartesianas para mostrar los valores de dos variables para un conjunto de datos. Los datos se muestran como un conjunto de puntos, cada uno con el valor de una variable que determina la posicin en el eje horizontal y el valor de la otra variable determinado por la posicin en el eje vertical. Se emplea cuando una variable est bajo el control del experimentador. Si existe un parmetro que se incrementa o disminuye de forma sistemtica por el experimentador, se le denomina parmetro de control o variable independiente = eje de x y habitualmente se representa a lo largo del eje horizontal. La variable medida o dependiente = eje de y usualmente se representa a lo largo del eje vertical. Si no existe una variable dependiente, cualquier variable se puede representar en cada eje y el diagrama de dispersin mostrar el grado de correlacin (no causalidad) entre las dos variables.

Ejemplo: La relacin entre el nmero de aos(x) laborando para la empresa y el nmero de ventas logradas (y) por cada vendedor es la mostrada en la siguiente tabla. a)

Cuntas ventas pueden esperarse en un trabajador con 16 aos de servicio?; b) Cuntos aos, aproximadamente, se requieren para lograr 14 ventas? vendedor aos x 3 4 4 5 3 6 6 7 7 8 9 9 10 10 Ventas y 2 3 4 4 2 4 5 5 6 6 6 7 7 8

Abel Manuel Luis Gloria Abel Eva Roque Ana Sal Rebecca Daniel Flor Teresa Efran

Solucin: Lo primero que debe encontrarse es la ecuacin de regresin, es decir, la ecuacin de la recta que con mayor fidelidad une a todos los puntos de la tabla anterior. Para darse una idea visual del trabajo que se va a realizar conviene graficar los puntos de esta tabla .

La 1 columna encabezada con x; la 2 columna encabezada con y; la 3 columna encabezada con xy y la 4 columna encabezada con x2 de la siguiente manera:

M=677/969 M=0.698

Y se utiliza la siguiente formula:

Obsrvese que como el denominador es el mismo para m como para b, no se hizo ya ninguna sustitucin y solamente se copi el valor de m obtenido antes para ponerlo en este denominador. La ecuacin de la recta buscada es

Y= 0. 698x+ 0 .430 Esta ecuacin sirve para poder contestar las dos preguntas formuladas en el enunciado del problema: Cuntas ventas pueden esperarse en un trabajador con 16 aos de servicio? Cuntos aos, aproximadamente, se requieren para lograr 14 ventas? Como en la ecuacin anterior x representa los aos laborando e y las ventas, para la primera pregunta se tiene como dato que x =16, de manera que sustituyndolo en la ecuacin de la recta, se obtiene: Y=mx+b Y= 0.698(16)+0.430 Y=11.59 Es decir, se pueden esperar aproximadamente entre once y doce ventas de un trabajador con 16 aos laborando. Para la segunda pregunta, se tiene como dato que y = 14, o sea 14 ventas, de manera que sustituyendo en la ecuacin de la recta, se obtiene Y=mx+b 14= 0.698x+0.430 14-0.430=0.698x X=13.57/0.698 X=19.44 Significa que se requieren aproximadamente de diez y nueve a veinte aos de servicio para alcanzar 14 ventas.

Mtodo de los mnimos cuadrados Si el diagrama de dispersin muestra que los puntos se disponen siguiendo el lugar geomtrico de una recta:

Yi = b0 + b1Xi
Donde: X = Variable independiente (estmulo, de influencia, causa). Y = Variable dependiente (respuesta, criterio, efecto). b0 = Coeficiente autnomo (cantidad media). b1 = Coeficiente de regresin (pendiente, proporcin de cambio). El modelo de estimacin matemtica, permite predecir, que valor asume probablemente Y, cuando la variable X toma un valor determinado, entonces la ecuacin de estimacin estar definida por:

Yi = b0

+ b1Xi

, donde es un Y estimado, esperado o calculado.

P1 (X1; Y1)
1

Y2 XX
2

P1 (X1; 1)

Condiciones:

d1 =

1. di = ei = (Yi i) = dispersin o error. 2. di = ei = (Yi i) = 0 3.

4. Para estimar los coeficientes b0 y b1, en la expresin

sustituimos i = b0 + b1Xi; obteniendo (Yi b0 b1 Xi)2; diferenciando parcialmente con respecto al intercepto b0 y a la pendiente b1 e igualando a cero se obtienen las ECUACIONES NORMALES:

Y = n b +b X X 2 Y - X XY b0 = XY = b X+b X n X 2 - ( X) 2
0 1 2 0 1

De su solucin se obtienen los parmetros b0 y b1

b0

X Y - X XY = n X - ( X)
2 2 2 2 2

b1

XY - X Y n X - ( X)
2 2

b1

XY - X Y X -recta (a X) Ajstesen una lnea los valores x y y de las primeras dos columnas de la siguiente tabla:
Ejemplo: n

Se pueden calcular las siguientes cantidades:

2) Coeficiente de correlacin El coeficiente de correlacin (r) mide el grado de afinidad o asociacin entre dos variables. Frmula

r=

[n X 2 - ( X) 2 ] [n Y 2 - ( Y) 2 ]

n XY - X Y

Ejemplo:

Las notas de 12 alumnos de una clase en Matemticas y Fsica son las siguientes: Matemticas Fsica 2 1 3 3 4 2 4 4 5 4 6 4 6 6 7 4 7 6 8 7 10 9 10 10

Hallar el coeficiente de correlacin de la distribucin e interpretarlo. xi 2 3 4 4 5 6 6 7 7 8 yi 1 3 2 4 4 4 6 4 6 7 xi yi 2 9 8 16 20 24 36 28 42 56 xi2 4 9 16 16 25 36 36 49 49 64 yi2 1 9 4 16 16 16 36 16 36 49

10 9

90

100 81

10 10 100 100 100 72 60 431 504 380

1 Hallamos las medias aritmticas.

2 Calculamos la covarianza.

3 Calculamos las desviaciones tpicas.

4 Aplicamos la frmula del coeficiente de correlacin lineal.

Al ser el coeficiente de correlacin positivo, la correlacin es directa. Como coeficiente de correlacin est muy prximo a 1 la correlacin es muy fuerte.

Los valores de dos variables X e Y se distribuyen segn la tabla siguiente: Y/X 1 2 3 2 1 2 0 1 4 5 2 3 2 0 4

Determinar el coeficiente de correlacin. Convertimos la tabla de doble entrada en tabla simple.

0 P (X Y= d = b Y; -

Y2) ) 2 +b 2

1 12 2

202

xi yi 0 0 0 2 2 2 4 4 1 2 3 1 2 3 1 2

fi 2 1 2 1 4 5 3 2

xi fi xi2 fi yi fi yi2 fi xi yi fi 0 0 0 2 8 10 12 8 0 0 0 4 16 20 48 32 120 2 2 6 1 8 15 3 4 41 2 4 18 1 16 45 3 8 97 0 0 0 2 16 30 12 16 76

20 40

Al ser el coeficiente de correlacin negativo, la correlacin es inversa. Como coeficiente de correlacin est muy prximo a 0 la correlacin es muy dbil.