20171021091003

ESTADISCTICA Scatilloa@upao.edu.
pe
CORRELACION LINEAL
colocar el codigo y/o nombre

colocar su email institucional
del curso
Diagrama de dispersión
Este diagrama es la representación gráfica de la relación entre dos
variables y no permite visualizar la tendencia de los datos .
Tendencia positiva o tendencia negativa
Positiva cuando al
aumentar el valor de una
de las variables la otra
también aumenta.
Negativa cuando al
aumentar el valor de una
de las variables la otra
disminuye.
ESTADISTICA Scatilloa@upao.edu.pe
Correlación Simple
El análisis de correlación es un grupo
de técnica estadísticas que nos
permiten medir la intensidad de la
relación que puede existir entre dos
o mas variables .
El objetivo es determinar que tan
intensa es la relación y utilizamos
para ello el coeficiente de
correlación.
Coeficiente de correlación simple
𝑛 σ 𝑋𝑌 − (σ 𝑋)(σ 𝑋)
𝑟=
𝑛(σ 𝑋 2 ) − (σ 𝑋)² 𝑛(σ 𝑌²) − (σ 𝑌)²
Correlación Correlación
Ninguna Positiva
negativa correlación
perfecta perfecta
Correlación Correlación Correlación Correlación Correlación Correlación

Negativa Negativa Negativa positiva Positiva positiva
debil Debil Moderada
Intensa Moderada Intensa
-1.00 -0.50 0 0.50 1.00

Correlación negativa Correlación positiva
Análisis de Regresión Simple
Objetivo
Establecer una relación cuantitativa
entre dos variables relacinadas .
Se trata de PREDECIR y/o EXPLICAR el
valor de una variable (v. dependiente),
dado el valor de otra variable
relacionada .(v.dependiente)
Scatilloa@upao.edu.pe
ESTADISCTICA
al
Regresión Lineal Simple
Para resolver el problema tenemos

que AJUSTAR una línea entre los
puntos observados, a fin de usarla
para predecir el valor de Y (variable
dependiente) a partir de una valor
conocido de X (variable independiente)
Estadistica Scatilloa@upao.edu.pe
LINEA DE REGRESIÓN
Como todos los puntos no están exactamente sobre una línea

recta, se cometen errores en el ajuste.
Para cado valor de X: 𝑒𝑟𝑟𝑜𝑟 = 𝑒 = 𝑦 − 𝑦´
ESTADSTICA Scatilloa@upao.edu.pe
SOLUCIÓN MÍNIMO CUADRÁTICA
Si 𝑒 =𝑌𝑖 − 𝑌´𝐼 es el error, entonces la mejor recta será la que

𝑖
minimice la suma de cuadrados de los errores denotados por S
𝑀𝑖𝑛𝑆 = σ 𝑒𝑖2 =σ(𝑌𝑖 - 𝑌´𝑖 )² equivalente a
𝑀𝑖𝑛𝑆 = σ(𝑌𝑖 - a - b𝑋𝑖 )²
De donde obtenemos las dos ecuaciones siguientes :
σ 𝑌𝑖 = 𝑛𝑎 + 𝑏 σ 𝑋𝑖
෍ 𝑋𝑖 𝑌𝑖 = 𝑎 ෍ 𝑋𝑖 + 𝑏 ෍ 𝑋𝑖2
Denominadas ecuaciones normales minimocuadráticas
ESTIMADORES MÍNIMO - CUADRÁTICO
Resolviendo las ecuaciones normales se

obtienen los estimadores de los parámetros de
la recta de regersión.
𝑛(σ 𝑋𝑌) − (σ 𝑋)(σ 𝑌)
𝑏=
𝑛 σ 𝑋 2 − (σ 𝑥)²
σ𝑌 σ𝑋
a= -b =𝑌ഥ - b𝑋ത
𝑛 𝑛
ÉSTADISTICA Scatilloa@upao.edu.pe
Error estándar de estimación
Mide la dispersión de las observaciones con

respecto a la fecha de regresión ;es decir los
errores. Su calculo se hace mediante la
siguiente relación :
σ(𝑌 − 𝑌´)
𝑆𝑌𝑋 =
𝑛−2
colocar el codigo y/o nombre

del curso
Coeficiente de Determinación
COEFICIENTE DE DETERMINACIÓN
𝑣𝑎𝑟𝑖𝑎𝑐𝑖𝑜𝑛 𝑡𝑜𝑡𝑎𝑙 − 𝑣𝑎𝑟𝑖𝑎𝑐𝑖ó𝑛 𝑛𝑜 𝑒𝑥𝑝𝑙𝑖𝑐𝑎𝑑𝑎

𝑟2 =
𝑣𝑎𝑟𝑖𝑎𝑐𝑖𝑜𝑛 𝑡𝑜𝑡𝑎𝑙
σ 𝑌 − ത 2 − σ(𝑌 − 𝑌´)²
𝑌
𝑟2 =
σ 𝑌 − 𝑌ത 2
𝑟 2 = 1 − σ 𝑌 − 𝑌´ 2 / σ(𝑌 − 𝑌) ²
= 1−𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑛𝑜 𝑒𝑥𝑝𝑙𝑖𝑐𝑎𝑑𝑎 𝑝𝑜𝑟 𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑜
cuanto mas próximo se encuentra r² de 1 (100%)
mejor será el ajuste de la recta al conjunto de
puntos.
si r² no es proximo a 1 , es conveniente incorporar
otras variables .
De no mejorar el coeficiente de determinaciones el
ajuste no es lineal
A continuacion presentemos la secuencia de calculo de los

estimadores de los parametros y sus pruebas
correspondientes
RESULTADOS DEL PROGRAMA:
Coeficiente de
correlación y
determinación
Prueba de consistencia del modelo según fuente de

variación .
Sig=P<0.05
ESTADISICA Scatilloa@upao.edu.pe
Coeficientes de la Recta :son significativamente
diferentes desde cero por corresponderle P<0.05
Recta de regresión: Y=388.803 - 4.934X

Podemos observar que la temperatura influye en
forma inversa en el costo a menor temperatura
corresponde a mayor costo
El modelo se emplea para pronosticar costos en base al
conocimiento de la temperatura
TEMPERATURA PRONOSTICO
30 Y=388.802-4.934(30)=240.782
40 Y=388.802-4.934(40)=191.442
50 Y=388.802-4.934(50)=142.102
60 Y=388.802-4.934(60)=92.762
Se puede observar que a menor temperatura el
costo se eleva .
Ecuación de Regresión Múltiple
Como todos los puntos no corresponden exactamente valores ajustados

por la ecuación, se cometen errores
Para cada combinación de 𝑋1 𝑦 𝑋2 : error = Y – Y´
ESTADISTICA
Cumplimiento de supuestos :
a. Normalidad de los errores
Los errores se aproximan a la Recta
b. Aleatorio de los errores:
Los errores varian en una franja sin presentar

tendencia creciente como el costo
MODELO DE REGRESION :
Como los dos parámetros estimados tienen signo positivo, las

variables contribuyen directamente al costo .A mayor valor de
las variables corresponderá mayor costo
PRONOSTICOS:
Análisis de series de tiempo
Definición
Conjunto de datos registrados durante un cierto
periodo a intervalos regulares de tiempo .
Objetivos:
1. Hacer pronósticos a largo plazo
2. Analizar las tendencias pasadas
Análisis de series de tiempo
Supuesto :
Todos los factores que afectaron a la serie de tiempo en el pasado,
lo continúan haciendo en el presente y lo harán en el futuro , mas
o menos con la misma intensidad .
Procedimiento :
1. Observar el pasado y medir el efecto de los diferentes factores
que afectan a la serie
2. Si el supuesto se cumple proyectar los mismos factores y con la
misma intensidad
Naturaleza de los factores
influyen en una serie de tiempo
Se pueden clasificar en dos grandes grupos:
• Factores sistemáticos
• Factores no sistemáticos o aleatorios
Los primeros ocurren con regularidad pudiendo
ser medidos estadísticamente y predecir su
posible ocurrencia futura . Los otros ocurren aislada
e inesperadamente , por lo que pueden ser previstos
Factores Sistemáticos
Tendencia:
Patrón de movimiento general persistente de largo plazo es atribuible a
fuerzas que se mueven lenta y gradualmente .
Estacionalidad :
Fluctuaciones periódicas regulares que ocurren dentro de cada periodo de
doce meses y se repiten año tras año
Cíclica :
Movimientp oscilatorio en cuatro fases : prosperidad , recesión, depresión y
crecimiento . Su duración varia entre 2 y 10 años , con diferentes
intensidades .
Análisis de Tendencia
Tendencia Lineal
Y´= a + Bx
Y´ Valor proyectado de la variable dependiente (Y) para un

determinado X
X Es la variable independiente ( en este caso el tiempo )
a Valor de Y cuando X = 0
b Pendiente de la línea tendencia
Cálculo de componente Cíclica
Método de Residuales
La variación cíclica se puede expresar como un porcentaje de la tendencia
de la siguiente forma :
𝑌
Porcentaje de la Tendencia = 𝑌´
× 100
Y es el calor real de la serie de tiempo
Y´ es el valor estimado de la tendencia en el mismo punto de tiempo
Análisis del Factor Estacional
Esta componente se aisla utilizando índices de estacionalidad
para el caso de índices mensuales , tendremos un conjunto de 12
de ellos . Logicamente tendremos 4 índices para información
trimestral
Cada uno de estos índices es un porcentaje que indica el nivel
de la variable en relación con el promedio del año que es 100,
asi un índice de 91% indica que en dicho periodo la variable se
encuentra 9% mas abajo que el promedio del año .
Para su cálculo tenemos básicamente dos métodos :
Método que utiliza Promedios
Método de razón a Promedio Móvil
Cálculo del Indice Estacional
Metodo que utiliza promedios :

Calcular el promedio de cada mes y el
promedio general
Calcular el índice de cada mes
Dividiendo el promedio de cada mes
Entre el promedio general y
Multiplicar por 100
ESTADISTICA

20171021091003

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

20171021091003

Diunggah oleh

Hak Cipta:

Format Tersedia

ESTADISCTICA Scatilloa@upao.edu.

colocar el codigo y/o nombre

Correlación Correlación Correlación Correlación Correlación Correlación

-1.00 -0.50 0 0.50 1.00

Para resolver el problema tenemos

Como todos los puntos no están exactamente sobre una línea

Para cado valor de X: 𝑒𝑟𝑟𝑜𝑟 = 𝑒 = 𝑦 − 𝑦´

Si 𝑒 =𝑌𝑖 − 𝑌´𝐼 es el error, entonces la mejor recta será la que

Denominadas ecuaciones normales minimocuadráticas

Resolviendo las ecuaciones normales se

Mide la dispersión de las observaciones con

colocar el codigo y/o nombre

𝑣𝑎𝑟𝑖𝑎𝑐𝑖𝑜𝑛 𝑡𝑜𝑡𝑎𝑙 − 𝑣𝑎𝑟𝑖𝑎𝑐𝑖ó𝑛 𝑛𝑜 𝑒𝑥𝑝𝑙𝑖𝑐𝑎𝑑𝑎

A continuacion presentemos la secuencia de calculo de los

Prueba de consistencia del modelo según fuente de

Recta de regresión: Y=388.803 - 4.934X

Como todos los puntos no corresponden exactamente valores ajustados

Los errores se aproximan a la Recta

Los errores varian en una franja sin presentar

Como los dos parámetros estimados tienen signo positivo, las

Y´ Valor proyectado de la variable dependiente (Y) para un

Metodo que utiliza promedios :

Anda mungkin juga menyukai