Desarrollo

1. Anlisis donde explique todos los aspectos o elementos relacionados a la

correlacin lineal simple.
El modelo simple relaciona dos variables de forma lineal,
Yi = + Xi + ui i = 1, . . . , N
Dnde:
- Y es la variable a explicar, variable dependiente o endgena, es decir, la
variable que estamos interesados en explicar.
- X es la variable explicativa, variable independiente o exgena.
- La ordenada y la pendiente del modelo son los coeficientes de la
regresin. Si definimos K como el nmero de coeficientes desconocidos a
estimar, en el modelo de regresin simple tenemos K = 2 coeficientes a
estimar.
- u es el trmino de error, variable aleatoria o perturbacin.
- El subndice i denota observacin. En general, el subndice i seria
empleado cuando la muestra contenga datos de seccin cruzada y el
subndice t cuando tengamos observaciones correspondientes a series
temporales, aunque esto no es de especial relevancia.
- N es el tamao muestra, nmero de observaciones disponibles de las
variables de estudio (Y, X). Cuando tratemos con datos temporales T
denotara el tamao muestra 1. El error ui se introduce por varias razones,
entre las cuales tenemos:
Efectos impredecibles, originados por las caractersticas de la situacin
econmica o del contexto de anlisis, y efectos no cuantificables derivados
de las preferencias y los gustos de los individuos o entidades econmicas.
Errores de medida producidos a la hora de obtener datos sobre las
variables de inters.
Errores de especificacin ocasionados por la omisin de alguna variable
explicativa o bien, por las posibles no linealidades en la relacin entre X e Y.
Modelo para la relacin precio-tamano del piso.
En este caso planteamos el siguiente modelo de regresin lineal:

Pi = + F2i + ui i = 1, . . . , N
Dnde:
- Pi es la observacin i de la variable dependiente (endgena o a explicar)
precio de venta en miles de dlares.
- F2i es la observacin i de la variable independiente (exgena o
explicativa) rea habitable en pies cuadrados.
- Los dos coeficientes a estimar son y , y sospechamos que al menos
tiene valor positivo ya que a mayor superficie habitable de la vivienda su
precio lgicamente se esperara sea mayor.
- En este modelo el trmino de error o perturbacin ui recogera
caractersticas especficas de los pisos: lugar en el que se sita, orientacin
de la casa, vistas, etc., es decir, caractersticas que diferencian el precio de
los pisos que tienen la misma superficie habitable.
Un primer objetivo del anlisis economtrico es conocer y , que son los
parmetros de la relacin entre P y F2. Del total de viviendas del rea
objeto de estudio, tenemos una muestra con datos de N= 14 pisos. Por
tanto, el objetivo del estudio es inferir, a partir de la muestra, la relacin
precio-tamano de una vivienda en la poblacin. Para llevar a cabo esta
inferencia es necesario determinar la naturaleza aleatoria de las variables
que intervienen en el estudio.
2. Elabora un cuadro comparativo donde establezca la diferencia entre
coeficiente de correlacin de Pearson y el coeficiente de correlacin de
Spearman.

Correlacin de Pearson

Paramtrico
Permite medir la
correlacin o
asociacin entre dos
variables cuando se
trabaja con variables
numricas con
distribucin normal.

Correlacin de Spearman

No Paramtrico.
Es un coeficiente que permite
medir la correlacin o
asociacin entre dos variables
cuando las mediciones se
realizan en una escala ordinal,
o cuando no existe

Es calculado en
funcin de las
varianzas y la
covarianza entre
ambas variables

distribucin normal.
Se calcula en base a una
serie de rangos asignados.

3. Realiza un ejercicio prctico donde se pueda visualizar y explicar un caso

prctico de correlacin lineal simple.
Un centro comercial sabe en funcin de la distancia, en kilmetros, a la que
se site de un ncleo de poblacin, acuden los clientes, en cientos, que
figuran en la tabla:
N de Clientes (X) Distancia (Y)
8
15
7
19
6
25
4
23
2
34
1
40
a) Calcular el coeficiente de correlacin lineal.
b) Si el centro comercial se sita a 2 km, cuntos clientes puede esperar?
c) Si desea recibir a 5 clientes, a qu distancia del ncleo de poblacin
debe situarse?
Solucin:

xi

yi

x i y i

xi2

yi2

15

120

64

225

19

133

49

361

25

150

36

625

23

92

16

529

34

68

1 156

40

40

1 600

28

156

603

170

4 496

Cor r ela c i n nega t iva m uy fu ert e .

Bibliografa
http://cvb.ehu.es/open_course_ware/castellano/social_juri/gretl/contenidos/t
ema-2.pdf
http://es.scribd.com/doc/134574744/COEFICIENTE-DE-CORRELACIONDE-PEARSON-Y-SPEARMAN-DR-ENRIQUE-SIERRA#scribd
http://www.vitutor.com/estadistica/bi/2.html