BUENAS NOCHES

LE ENVIO LA INFORMACION PARA EL TRABAJO ENCARGADO DE

REGRESION Y CORRELACION
RECUERDE
QUE LA HAY DATOS EQUIVOCADOS DEL PROFESOR
X ES LA VARIABLE INDEPENDIENTE ES EL TEST DE INTELIGENCIA
Y ES LA VARIABLE DEPENDIENTE ES EL RENDIMIENTO ACADEMICO
LOS PASOS ESTAN BIEN
PARTES DE TRABAJO SON:

1.-TITULO
2.- JUSTIFICACION
3.-VARIABLES
4.-PRESENTACION DE DATOS Y GRAFICOS
5.-MODELO DE REGRESION
6.- COEFICIENTE DE CORRELACION Y DETERMINACION CON SUS
INTERPRETACIONES

REGRESIN DE LA INVERSIN AGROEXPORTADORA Y EL

RENDIMIENTO OBTENIDO
JUSTIFICACION
La informacin estadstica obtenida de una muestra de tamao 12
sobre la relacin existente en la regin del sur entre la inversin
hecha y el rendimiento obtenido en miles de dlares

para las

exportaciones agropecuarias; Podemos predecir y que por medio de

la regresin de la variable dependiente (INVERSION, MONTO $) exista
una relacin con respecto al rendimiento (en $) obtenido.
VARIABLES
SIENDO LA VARIABLE INDEPENDIENTE (INVERSION , $ )
Para obtener un rendimiento en $ unidad monetaria; tendramos que
hacer una inversin;
SIENDO LA VARIABLE DEPENDIENTE (RENDIMIENTO , $ )
La inversin realizada

en $ unidad monetaria; asumimos su

rendimiento por el proceso efectuado en la exportacin agropecuaria;

despus determinaremos si es rentable aplicando la regresin.

PRESENTACION DE DATOS Y GRAFICOS

Se muestra la tabla siguiente: (en $ : unidad monetaria)
I

10

11

12

INVERSI
ON

11

14

16

15

16

18

20

31

14

20

19

11

RENDIMIE
NTO

10

10

Variable Dep :

REND(i) : segn el ndice i de la muestra

de N=12
Variable Indp:

INVR(i) : segn el ndice i

de la muestra

de N=12

REND.

INV.

5.-MODELO DE REGRESION
As pues, la recta de regresin ser:
REND = A + B *INVERSION
Por tanto, para obtener un rendimiento al hacer una inversin.
REGRESIN LINEAL
Expresndolo en forma simple, la regresin lineal es una tcnica que
permite cuantificar la relacin que puede ser observada cuando se
grafica un diagrama de puntos dispersos correspondientes a dos
variables, cuya tendencia general es rectilnea (Figura la); relacin
que cabe compendiar mediante una ecuacin del mejor ajuste de la
forma:
y = a + bx
(1)
En esta ecuacin, y representa los valores de la coordenada a lo
largo del eje vertical en el grfico (ordenada); en tanto que x indica
la magnitud de la coordenada sobre el eje horizontal (absisa). El valor
de a (que puede ser negativo, positivo o igual a cero) es llamado

el intercepto; en tanto que el valor de b (el cual puede ser negativo

o positivo) se denomina la pendiente o coeficiente de regresin.
Estime la pendiente (b) por medio de la relacin: en (1)

Estime el intercepto (a) por medio de la relacin: (1)

CORRELACIN
El anlisis de correlacin se encuentra estrechamente vinculado con
el anlisis de regresin y ambos pueden ser considerados de hecho
como dos aspectos de un mismo problema.
La correlacin entre dos variables es - otra vez puesto en los trminos
ms simples - el grado de asociacin entre las mismas. Este es
expresado por un nico valor llamado coeficiente de correlacin (r), el
cual puede tener valores que ocilan entre -1 y +1. Cuando r es
negativo, ello significa que una variable (ya sea x o y) tiende a
decrecer cuando la otra aumenta (se trata entonces de una
correlacin negativa, correspondiente a un valor negativo de b en
el anlisis de regresin). Cuando r es positivo, en cambio, esto
significa que una variable se incrementa al hacerse mayor la otra (lo
cual corresponde a un valor positivo de b en el anlisis de
regresin).
Los valores de r pueden calcularse fcilmente en base a una serie
de pares de datos de x e y, utilizando la misma table y montos
que se indican en el Paso 2 de la seccin regresin de este captulo.
De este modo r puede ser obtenido - indirectamente - a partir de la
relacin:

6.- COEFICIENTE DE CORRELACION Y DETERMINACION CON SUS

INTERPRETACIONES

As pues, la recta de regresin ser:

Inv=-1.68 + 0.452*Rend
Por tanto, para obtener un rendimiento de 8000 , tendramos que hacer una inversin de...
Inv = -1.68 + 0.452*8000 = 3614.32

Presenta la muestra suficiente evidencia, a un nivel de significacin de 0,05, como

para rechazar la hiptesis nula sobre la pendiente (H 0: pendiente de la recta es cero)?
En el output anterior podemos ver que el p-valor asociado al contraste de hiptesis
anterior es 0,032. Como este valor es menor que = 0,05, debemos rechazar la
hiptesis nula, i.e., concluiremos que la pendiente de la recta es distinta de cero o, lo
que es lo mismo, que el coeficiente de correlacin poblacional es no nulo (es decir,
que ambas variables estn correlacionadas y que, por tanto, el modelo tiene sentido)

Como el coeficiente de correlacin lineal es 0.618 no podemos

deducir que exista una

relacin fuerte ni dbil, tendramos que realizar un contraste de

hiptesis para saberlo con
claridad.
Calculemos ahora la recta de regresin.
A partir de este grfico, observamos que no existe ninguna
correlacin entre las dos
variables.
Para conocer ms detalles, seleccionamos