Actividad-7 28 de Mayto

ACTIVIDAD 7 – EVALUATIVA
DOCUMENTO DE SOCIALIZACIÓN SOBRE REGRESIÓN Y CORRELACIÓN LINEAL
WANDA CARRILLO
SORAYA ROMERO
DOCENTE
EBER VILLA
ESTADISTICA DESCRIPTIVA
Corporación Universitaria Minuto de Dios
MAYO,2021
COEFICIENTE DE CORRELACIÓN
La correlación es la medida de asociación entre variables. En probabilidad y estadística, la correlación

indica la fuerza y la dirección de una relación lineal entre dos variables aleatorias. Se considera que
dos variables cuantitativas están correlacionadas cuando los valores de una de ellas varían
sistemáticamente con respecto a los valores homónimos de la otra: si tenemos dos variables (A y B)
existe correlación si al aumentar los valores de A lo hacen también los de B y viceversa.”
El coeficiente de correlación sirve para medir la correlación entre 2 variables. La ventaja que tiene este
coeficiente sobre otras herramientas para medir la correlación, como puede ser la covarianza, es que
los resultados del coeficiente de correlación están acotados entre -1 y +1. Esta característica nos
permite comparar diferentes correlaciones de una manera más estandarizada.
El coeficiente de correlación se puede calcular con Excel mediante el comando
“COEF.DE.CORREL”. También se puede calcular mediante la fórmula:
Siendo Cov (X,Y) la covarianza entre las series temporales X e Y, y σX e σY las desviaciones
estándar de X e Y.
Interpretación
El coeficiente de correlación tiene un valor acotado entre -1 y +1. Los valores cercanos a cero indican
que no hay asociación entre las variables. Valores cercanos a uno indican una asociación fuerte,
mientras que los valores cercanos a menos uno indican una asociación fuerte pero inversa.
Por ejemplo, si el coeficiente de correlación entre dos activos financieros es mayor que 0,70, podemos
decir que están muy correlacionados positivamente. Por el contrario, si el valor de este coeficiente está
entre -0,20 y +0,20, la correlación será baja. Por último, si el coeficiente de correlación es menor que
-0,70 existirá una gran correlación, pero negativa.
ANALISIS DE REGRESIÓN LINEAL SIMPLE
La regresión lineal simple se basa en estudiar los cambios en una variable, no aleatoria, afectan a una
variable aleatoria, en el caso de existir una relación funcional entre ambas variables que puede ser
establecida por una expresión lineal, es decir, su representación gráfica es una línea recta. Es decir, se
está en presencia de una regresión lineal simple cuando una variable independiente ejerce influencia
sobre otra variable dependiente.
Ejemplo: Y = f(x)
Regresión lineal múltiple
La regresión lineal permite trabajar con una variable a nivel de intervalo o razón, así también se puede
comprender la relación de dos o más variables y permitirá relacionar mediante ecuaciones, una
variable en relación a otras variables llamándose Regresión múltiple. O sea, la regresión lineal
múltiple es cuando dos o más variables independientes influyen sobre una variable dependiente.
Ejemplo: Y = f(x, w, z)
ESTADISTICA TALLER UNIDAD 5
REGRESIÓN LINEAL
Ejercicio 1. Una determinada empresa de productos básicos muestra los datos del último año de
ventas (en millones de pesos) y al gasto en publicidad (en millones de pesos). La tabla siguientes
muestra estas dos variables X e Y.
a. Grafique la nube de puntos

b. Calcule el valor de la covarianza
c. Determine el tipo de correlación lineal hallando el coeficiente de correlación
d. Halle la recta de regresión
GASTOS EN PUBLICIDAD VENTAS EN MILLONES DE PESOS

X Y
Xi Yi Xi² Yi² Xi*Yi (Xi-) (Xi-) ² ( Yi- ) ( Yi- ) ² (Xi-)*(Yi-) (Xi-)²*(Yi-)²

1 170 15 28900 225 2550 -16,25 264,0625 -3,167 10,028 51,458 2647,96
2 174 15 30276 225 2610 -12,25 150,0625 -3,167 10,028 38,792 1504,79
3 176 17 30976 289 2992 -10,25 105,0625 -1,167 1,361 11,958 143,00
4 181 16 32761 256 2896 -5,25 27,5625 -2,167 4,694 11,375 129,39
5 184 18 33856 324 3312 -2,25 5,0625 -0,167 0,028 0,375 0,14
6 184 17 33856 289 3128 -2,25 5,0625 -1,167 1,361 2,625 6,89
7 188 17 35344 289 3196 1,75 3,0625 -1,167 1,361 -2,042 4,17
8 190 21 36100 441 3990 3,75 14,0625 2,833 8,028 10,625 112,89
9 193 20 37249 400 3860 6,75 45,5625 1,833 3,361 12,375 153,14
10 196 21 38416 441 4116 9,75 95,0625 2,833 8,028 27,625 763,14
11 199 22 39601 484 4378 12,75 162,5625 3,833 14,694 48,875 2388,77
12 200 19 40000 361 3800 13,75 189,0625 0,833 0,694 11,458 131,29
2235 218 417335 4024 40828 0 1066,25 0,000 63,667 225,5 7985,58
GASTOS PUBLICIDAD / VENTAS
25
20
15
10
0
165 170 175 180 185 190 195 200 205
GASTOS PUBLICIDAD / VENTAS
a. Calcule el valor de la covarianza
Para hallar la covarianza procedemos inicialmente a calcular la media de gastos de

publicidad (X):
MEDIA DE GASTOS PUBLICIDAD Xi= 2235 186,25
12
Y ahora hallamos la media de ventas:
MEDIA DE VENTAS Yi= 218 18,17
12
Ahora si hallamos la covarianza:
∑(Xi-
COVARIANZA )*(Yi-) 225,5 18,7916667
N 12
b. Determine el tipo de correlación lineal hallando el coeficiente de correlación
Para determinar el tipo de correlación lineal hallamos primero el coeficiente de

correlación:
COEFICIENTE DE CORRELACION LINEAL
1/n*∑( Xi- ) * ( Yi- ) 1/12*(225,5) 18,792 0,728
√ 1/n*∑( Xi- ) ² * ( Yi- ) ² √ 1/12*7985,58 25,797
Luego decimos que existe una correlación de 0.7 entre las dos variables
c. Halle la recta de regresión
Se realiza el proceso para hallar la regresión y así poder terminar la recta:
y=a+bx b= 1/n*∑( Xi- ) * ( Yi- ) 1/12*225,5 18,792 0,211

1/n*∑( Xi-) ² 1/12*1066,25 88,854
a= -b 18,17-(0,211*186,25) -21,223
y=a+bx y= (-21,223)-0,211(X)
Ejercicio 2. Para una muestra de 10 personas disponemos de información respecto a su

grado de extroversión, y se desea evaluar su posible relación lineal con la dimensión de
personalidad estabilidad emocional. Ambas variables se han medido con un test y se han
obtenido las puntuaciones para cada sujeto en una escala de 0 a 10. Los valores
obtenidos se presentan en la siguiente tabla:
Sujeto X: Grado de Y: Estabilidad

s Extroversión Emocional
1 5 6
2 10 6
3 4 3
4 7 8
5 6 6
6 5 3
7 4 5
8 4 9
9 4 10
10 3 9
GRADO DE EXTROVERSION ESTABILIDAD EMOCIONAL
X Y
Xi Yi Xi² Yi² Xi*Yi (Xi-) (Xi-) ² ( Yi- ) ( Yi- ) ² (Xi-)*(Yi-) (Xi-)²*(Yi-)²

5 6 25 36 30 -0,2 0,04 -0,50 0,25 0,1 0,01
10 6 100 36 60 4,8 23,04 -0,50 0,25 -2,4 5,76
4 3 16 9 12 -1,2 1,44 -3,50 12,25 4,2 17,64
7 8 49 64 56 1,8 3,24 1,50 2,25 2,7 7,29
6 6 36 36 36 0,8 0,64 -0,50 0,25 -0,4 0,16
5 3 25 9 15 -0,2 0,04 -3,50 12,25 0,7 0,49
4 5 16 25 20 -1,2 1,44 -1,50 2,25 1,8 3,24
4 9 16 81 36 -1,2 1,44 2,50 6,25 -3 9
4 10 16 100 40 -1,2 1,44 3,50 12,25 -4,2 17,64
3 9 9 81 27 -2,2 4,84 2,50 6,25 -5,5 30,25
52 65 308 477 332 0 37,6 0 54,5 -6 91,48
a. Calcule el valor de la covarianza
Para calcular la covarianza primero hayamos la media de extroversión (X):
MEDIA DE EXTROVERSION Xi 52 5,2

10
Y la media de estabilidad emocional (Y)
MEDIA DE ESTABILIDAD
EMOCIONAL Yi= 65 6,50
10
Ahora si hallamos la covarianza:
COVARIANZA ∑( Xi- ) * ( Yi- ) -6 -0,6

N 10
b. Grafique la nube de puntos

c. Determine el tipo de correlación hallando el coeficiente de correlación
Primero procedemos a hallar el coeficiente de correlación:
COEFICIENTE DE CORRELACION LINEAL

1/n*∑( Xi- ) * ( Yi- ) 1/10*(-6) -0,600 -0,198
√ 1/n*∑( Xi- ) ² * ( Yi- ) ² √1/10*91,48 3,025
Luego decimos que existe una correlación de 0.198 entre las dos variables.
d. Halle la recta de regresión
REGRESION y=a+bx b= 1/n*∑( Xi- ) * ( Yi- ) 1/10*(-6) -0,6 -0,160

1/n*∑( Xi-) ² 1/10*37,6 3,76
a= -b 6,50-(-0,160*5,2) 7,330
e. Determine la estabilidad emocional para un grado de extroversión de 2
y=a+bx Y= 7,330+(-0,1,160*2) 7,011

CONCLUSIÓN
El uso del coeficiente de correlación puede resultar útil en el Value Investing en algunos casos. Este
coeficiente nos puede ayudar a la hora de optimizar la diversificación de nuestra cartera si escogemos
acciones con un coeficiente de correlación bajo. Esta afirmación puede ser muy discutible, por lo que
debemos mirar los problemas del coeficiente de correlación como guía a la hora de diversificar en el
Value Investing.
A la hora de usar el coeficiente de correlación, primero hemos de tener en cuenta que este coeficiente
mide la correlación entre retornos, es decir, la diferencia en precios, pero no en valor. Así que
debemos examinar las causas de la correlación para hacer un uso más adecuado de este coeficiente.
El coeficiente de correlación puede resultar útil a la hora de buscar valores o sectores en los que
podamos mejorar nuestra diversificación. Eso sí, siempre hay que analizar la lógica detrás del valor del
coeficiente y analizar si su valor se adecúa a las características de la empresa que hay detrás que esa
cifra.
REFERENCIAS BIBLIOGRAFICAS
El coeficiente de correlación
https://www.rankia.com/blog/la-sonrisa-de-buffett/426059-coeficiente-correlacion

Actividad-7 28 de Mayto

Cargado por

Copyright:

Formatos disponibles

Actividad-7 28 de Mayto

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Actividad-7 28 de Mayto

Cargado por

Copyright:

Formatos disponibles

ACTIVIDAD 7 – EVALUATIVA

DOCUMENTO DE SOCIALIZACIÓN SOBRE REGRESIÓN Y CORRELACIÓN LINEAL

La correlación es la medida de asociación entre variables. En probabilidad y estadística, la correlación

ANALISIS DE REGRESIÓN LINEAL SIMPLE

Regresión lineal múltiple

a. Grafique la nube de puntos

GASTOS EN PUBLICIDAD VENTAS EN MILLONES DE PESOS

Xi Yi Xi² Yi² Xi*Yi (Xi-) (Xi-) ² ( Yi- ) ( Yi- ) ² (Xi-)*(Yi-) (Xi-)²*(Yi-)²

GASTOS PUBLICIDAD / VENTAS

a. Calcule el valor de la covarianza

Para hallar la covarianza procedemos inicialmente a calcular la media de gastos de

MEDIA DE GASTOS PUBLICIDAD Xi= 2235 186,25

MEDIA DE VENTAS Yi= 218 18,17

Ahora si hallamos la covarianza:

b. Determine el tipo de correlación lineal hallando el coeficiente de correlación

Para determinar el tipo de correlación lineal hallamos primero el coeficiente de

c. Halle la recta de regresión

Se realiza el proceso para hallar la regresión y así poder terminar la recta:

y=a+bx b= 1/n*∑( Xi- ) * ( Yi- ) 1/12*225,5 18,792 0,211

a= -b 18,17-(0,211*186,25) -21,223

Ejercicio 2. Para una muestra de 10 personas disponemos de información respecto a su

Sujeto X: Grado de Y: Estabilidad

Xi Yi Xi² Yi² Xi*Yi (Xi-) (Xi-) ² ( Yi- ) ( Yi- ) ² (Xi-)*(Yi-) (Xi-)²*(Yi-)²

a. Calcule el valor de la covarianza

Para calcular la covarianza primero hayamos la media de extroversión (X):

MEDIA DE EXTROVERSION Xi 52 5,2

Y la media de estabilidad emocional (Y)

Ahora si hallamos la covarianza:

COVARIANZA ∑( Xi- ) * ( Yi- ) -6 -0,6

b. Grafique la nube de puntos

Primero procedemos a hallar el coeficiente de correlación:

COEFICIENTE DE CORRELACION LINEAL

d. Halle la recta de regresión

REGRESION y=a+bx b= 1/n*∑( Xi- ) * ( Yi- ) 1/10*(-6) -0,6 -0,160

a= -b 6,50-(-0,160*5,2) 7,330

e. Determine la estabilidad emocional para un grado de extroversión de 2

y=a+bx Y= 7,330+(-0,1,160*2) 7,011

También podría gustarte

Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.

Xi Yi Xi² Yi² XiYi (Xi-) (Xi-) ² ( Yi- ) ( Yi- ) ² (Xi-)(Yi-) (Xi-)²*(Yi-)²

y=a+bx b= 1/n∑( Xi- ) ( Yi- ) 1/12*225,5 18,792 0,211

Xi Yi Xi² Yi² XiYi (Xi-) (Xi-) ² ( Yi- ) ( Yi- ) ² (Xi-)(Yi-) (Xi-)²*(Yi-)²

REGRESION y=a+bx b= 1/n∑( Xi- ) ( Yi- ) 1/10*(-6) -0,6 -0,160