Correlacion

intro

 La regresión y los análisis de correlación nos muestran como determinar tanto la naturaleza como la fuerza de una relación entre dos variables

 En el análisis de regresión desarrollaremos una ecuación de estimación, esto es, una formula matemática que relaciona las variables conocidas con la variable desconocida. Entonces podemos aplicar el análisis de correlación para determinar el grado de en el que están relacionadas las variables. El análisis de correlación, entonces, nos dice qué tan bien están relacionadas las variables. El análisis de correlación, entonces, nos dice que tan bien la ecuación de estimación realmente describe la relación.

1. REGRESIÓN SIMPLE Y CORRELACIÓN

La Regresión y la correlación son dos técnicas estadísticas que se pueden utilizar para solucionar problemas comunes en los negocios.

Muchos estudios se basan en la creencia de que es posible identificar y cuantificar alguna Relación Funcional entre dos o más variables, donde una variable depende de la otra variable.

Se puede decir que Y depende de X, en donde Y y X son dos variables cualquiera en un modelo de Regresión Simple.

“Y es una función de X”

Y = f(X)

Como Y depende de X,

Y es la variable dependiente, y

X es la variable independiente.

En el Modelo de Regresión es muy importante identificar cuál es la variable dependiente y cuál es la variable independiente.

En el Modelo de Regresión Simple se establece que Y es una función de sólo una variable independiente, razón por la cual se le denomina también Regresión Divariada porque sólo hay dos variables, una dependiente y otra independiente y se representa así:

Y = f (X)

“Y está regresando por X”

La variable dependiente es la variable que se desea explicar, predecir. También se le llama REGRESANDO ó VARIABLE DE RESPUESTA.

La variable Independiente X se le denomina VARIABLE EXPLICATIVA ó REGRESOR y se le utiliza para EXPLICAR Y.

ANÁLISIS ESTADÍSTICO: REGRESIÓN LINEAL SIMPLE

En el estudio de la relación funcional entre dos variables poblacionales, una variable X, llamada independiente, explicativa o de predicción y una variable Y, llamada dependiente o variable respuesta, presenta la siguiente notación:

Y = a + (X + (

Donde:

a es el valor de la ordenada donde la línea de regresión se intercepta con el eje Y.

( es el coeficiente de regresión poblacional (pendiente de la línea recta)

( es el error.

1.12. MODELO DE REGRESION LINEAL SIMPLE

La regresión lineal simple, es una herramienta muy importante para la econometría, que estudia la dependencia existente entre una variable dependiente y una o más variables explicativas.

El inventor de dicha teoría fue Francis Galton, junto con la del concepto de correlación (X e Y) de forma que Y = β0 + β1• X + errormodelo de regresión lineal simple, busca encontrar la recta de regresión que relacione dos variables Y = β0 + β1• X + error

Un ejemplo de dicha regresión lineal, es la renta, ya que no podemos saber el nivel de renta en un futuro, pero si podemos saber si el promedio de la renta aumentará o disminuirá determinando con cierta exactitud la cantidad.

ANÁLISIS DE REGRESIÓN

El análisis de regresión lo que se pretende es predecir o estimar el valor promedio de la variable explicada en base a unos valores fijos de las variables explicativas. En el análisis de regresión, las variables explicativas son fijas y la variable explicada es estocástica.

HIPÓTESIS DEL MODELO

- La variable Y se relaciona linealmente con la variable X

- La variable Y

...