REGRESION LINEAL Y CORRELA

HIPOTESIS D´REGRESION LINEAL

CORRELACION E HIPOTESIS
HIPOTESIS
CORRELACION
HIPOTESIS
 CASO DEMOSRATIVO

EL DUEÑO DE UNA EMPRESA DESEA ESTIMAR SI AHÍ UNA RELACION LINEAL ENTRE LOS AÑOS DE EXPERIENCIA
DE LOS VENDENDORES (X) Y EL NUMERO DE COMPUTADORAS QUE VENDEN (Y)…. LOS SIGUIENTES DATOS
PRESENTADOS DE 10 VENDEDORES DE LA EMPRESA, LOS CUALES SON:

N° AÑOS DE N° COMPUTADORAS
EXPERIENCIA (X) VENDIDAS (Y) Y^2 X^2 X*Y �  ̂ (�_𝑖−�  ̂_𝑖 )^2
3 9 81 9 27 12.1830198
4 12 144 16 48 13.690222
6 16 256 36 96 16.7046263
7 19 361 49 133 18.2118285
8 23 529 64 184 19.7190307
12 27 729 144 324 25.7478393
15 34 1156 225 510 30.2694459
20 37 1369 400 740 37.8054567
22 40 1600 484 880 40.819861
26 45 2025 676 1170 46.8486697
Sumaor 123 262 8250 2103 4112
Promed 12.3 26.2
Muestra 10

1. CALCULO DEL MODELO MATEMATICO: �  ̂=𝛽_0+𝛽_1 𝑋+�

** CALCULO DE LOS BETAS:

〖𝑋 _𝑖 �_𝐼−(∑▒𝑋_𝐼 ∗∑▒�_𝑖 ) 〗 )/(𝑛∗∑▒ 〖𝑋 _𝑖^2−(∑▒𝑋_𝐼 )^2  〗 )

𝛽  ̂_1=(10∗4112−(262∗123))/(10∗2103−(123)^2 ) 8894
1.5072
5901

Nota: Elvalor de "X" resulta c

2. CALCULO DE LA CORRELACION DE AMBAS VARIABLES

_𝑖 �_𝐼−(∑▒ 〖𝑋 _𝑖∗∑▒�_𝐼  〗〗 ]^2/[𝑛∗∑▒ 〖𝑋 ^2−(∑▒𝑋_𝑖 )^2  〗 ][[𝑛∗∑▒ 〖� ^2−(∑
�^2=[10∗4112−(262∗123

r=
3. CALCULO DE LA HIPOTESIS DE LA REGRESIÓN

�_0: 𝛽_1=0 Estadistico de Prueba:

Calculamos el valor de SB1..

�_𝑖: 𝛽_1≠0 �=(𝜷  ̂_ 𝟏−𝜷_𝟏)/𝑺_(𝜷_𝟏 )  〖��〗 _𝑥𝑦=∑▒𝑋�−

�_(𝟏−� 〖��〗 _�=∑▒�^2 −

/𝟐;𝒏−𝟐
CALCULAMOS LA HIPOTESIS
)
〖��〗 _𝑋=∑▒𝑋^2 
�=(𝟏.𝟓𝟎𝟕𝟐−𝟎)/(𝟎.𝟎𝟗𝟕𝟕)
�=(𝜷  ̂_ 𝟏−𝜷_𝟏)/𝑺_(𝜷_𝟏 )  15.4211957

CALCULAMO EL ESADISTCO DE TABLA Grafica de Decision:

�_(𝟏−�
/𝟐;𝒏−𝟐
ALFA= 0.05
)1-(ALFA/2)= 0.975
SE ACEPTA LA
N-2 8 HIPOTESIS
ALTERNATIVA
Esadistico -- T= 2.306

4. CALCULAMOS LA CORRELACION

�_�−(∑▒ 〖𝑋 _�∗∑▒�_� 〗〗 ]/√([�∗∑▒ 〖𝑋 ^2−(∑▒�_� )^2 〗�=[10 4112−(262

][[�∗∑∗▒ 〖� ^2−(∑ 123)]/√
∗▒�_� )
 6. INTERVALOS DE CONFIANZA
SI EL VALOR DE X=13.. ENTON

�_𝑋�=√(∑▒ 〖 (�_𝐼−�  ̂_𝐼) 〗 ^2/(𝑛−2))

45.0943908
 
� ∓�(�_�� )∗√(1/�+(����
8
2.374

Cuando x=13.. Cuanto vale el valor del Modelo matematico:

-11.93∓2.306∗(48
�  ̂=𝛽_0−𝛽_1 𝑋+� �  ̂=7.661−1.507 (𝟏𝟑)

-11.93
OS DE EXPERIENCIA
IENTES DATOS

(�_𝑖−�  ̂_𝑖 )^2

10.1316152 50
2.8568504 45 f(x) = 1.5072021691
0.49649827 R² = 1
40
0.62121431
35
10.7647597
1.5679063 30
13.9170342 25
0.6487605
20
0.67217213
3.41757972 15

45.0943908 10

0 MODELO PRONOSTI
0 5 10
_1 𝑋+�
50
191.5
45 f(x) = 1.5072021691x + 7.66141331
40 R² = 0.967454972

)^2  〗 ) 𝛽  ̂_0=�  ̅−𝛽  ̂_1 𝑋  ̅ 35

30

𝛽  ̂_0=26.2−1.507∗12.3 7.6614 25

20

15
Entonces el modelo matematico es el siguiente:
10

�  ̂=7.661+1.507 𝑋+� 5

0
0 5 10 15

ota: Elvalor de "X" resulta como valor pronostico … de la investigación

 𝑛∗∑▒ 〖� ^2−(∑▒�_𝑖 )^2  〗 ]] 
4112−(262∗123)]^2/[10∗2103−(123)^2 ][[10∗8250−(262)^2 ]] 
79103236
0.9675
81764256

0.98359289 COEFICIENTE DE DETERMINACION

alculamos el valor de SB1.. Que corresponden a las siguientes formulas:

��〗 _𝑥𝑦=∑▒𝑋�−(∑▒𝑋∗∑▒�)/𝑛 4112 32226 ���= 〖��〗 _�−( 〖��〗 _𝑋�

889.4
10

��〗 _�=∑▒�^2 −(∑▒�)^2/𝑛 8250 68644

10
1385.6 �𝑀�=���/(𝑛−2)

��〗 _𝑋=∑▒𝑋^2 −(∑▒𝑋)^2/𝑛 2103 15129

590.1
10 �_�=√�𝑀�

5. HIPOTESIS DE LA CORRELAC

�_0: 𝜌_1=
2.306 15.4212
�_𝑖: 𝜌_1≠

ESTADISTICA CALCULADA

�_𝑟=√((1−𝑟^2)/(𝑛−
▒112−(262
〖� ^2−(∑ 123)]/√([10
∗▒�_� 2103−(123)^2 ][[10∗8250−(262)^2 ]] )
)^2 〗∗]] )
0.983593

CALCULAMO EL ESADISTCO DE
 EXISTE CORRELACION �_(𝟏−�
/𝟐;𝒏−𝟐
)
I EL VALOR DE X=13.. ENTONCES ENCONTRAMOS NUESTRO INTERVALOS:

∗√(1/�+(����� �� "X" −�   )^2/(∑▒ 〖𝑋 _�^2− 〖 (∑▒ 〖𝑋 _�) 〗〗 ^(2/�) 〗

1.93∓2.306∗(48.931)∗√(1/10+(13−12.3)^2/(2103− 〖 123 〗 ^(2/10) ))

L inf= -13.663425 L sup= -10.196575

 f(x) = 1.5072021691x + 7.6614133198
R² = 1

MODELO PRONOSTICADO
5 10 15 20 25 30

5072021691x + 7.6614133198
67454972

Diagrama de Dispersión
10 15 20 25 30

Existe Relacion
Significativa
 Existe Relacion
Significativa

�〗 _�−( 〖��〗 _𝑋� )^2/ 〖��〗

1385.6 _𝑋 
791032.36
45.0943908
590.1

𝑀�=���/(𝑛−2)45.0943908 �_(𝛽_1 )=�_�/√( 〖��〗 _𝑋 )

2.374
5.637
8 24.291974

0.0977
�_�=√�𝑀� 2.374

. HIPOTESIS DE LA CORRELACION

�_0: 𝜌_1=0
�_𝑖: 𝜌_1≠0

STADISTICA CALCULADA �=(𝜸−𝝆_𝟏)/𝑺_𝒓 

0.98359289
15.4211957
0.06378188
=√((1−𝑟^2)/(𝑛−2))
0.063782

ALCULAMO EL ESADISTCO DE TABLA

 �_(𝟏−� ALFA= 0.05
/𝟐;𝒏−𝟐 A-(ALFA/2)= 0.975

)
N-2 8

Esadistico -- T= 2.306

) 〗〗 ^(2/�) 〗 ))

〗 ^(2/10) ))
CASO 1:
EL GERENTE DE PRODUCCION COMPARO LAS CALIFICACIONES DE UN PRUEBA DE DISTRIBUCION DE PRODUCTOS D
EMPLEADOS DE LA EMPRESA 2XX LOS DATOS SE MUESTRAN A CONTINUACION

X= CALIFICACION DE Y= UNIDADES
EMPLEADO LA DESTREZA PRODUCIDAS X HORA

A 12 55 CALCULA SU ANALISIS DE REGRESION LINEAL

B 14 63 SI EL VALOR DE X=15 INDIQUE SU PRONOSTICO
C 17 67 PROBAR LA HIPOTESIS A UN NIVEL DE SIGNIFICANCIA
D 16 70
E 11 51

CASO 2
EN UNA MUESTRA DE OCHO EMPLEADOS EL DIRECTOR DE PRESONAL DE UNA EMPRESA RECOPILO LOS DATOS SOB
LA PRPIEDAD DE ACCIONES DE AL EMPRESA COMPARADA CON LOS AÑOS DENTRO DE LA EMPRESA .. LOS DATOS F

X= AÑOS Y= ACCIONISTAS
6 300
12 408 CALCULA SU ANALISIS DE REGRESION LINEAL
14 5560 SI EL VALOR DE X=10 INDIQUE SU PRONOSTICO
6 252 PROBAR LA HIPOTESIS A UN NIVEL DE SIGNIFICANCIA
9 288
13 650
15 630
9 522

CASO 3
LOS DDATOS SIGUIENTES REPRESANTAN LAS VENTAS DE DISTRIBUCION DE UNA EXPORTACION A UNA DETERMIAND
Y LA OTRA VARIABLE ES LAS VENTAS DE CARGUEROS… LOS DATOS SONLOS SIGUIENTES:

X= DISTRIBUCION Y= VENTAS
AÑOS
2008 5 9
2009 7 11 CALCULA SU ANALISIS DE REGRESION LINEAL
2010 10 15 SI EL VALOR DE X=500 INDIQUE SU PRONOSTICO
2011 12 16 PROBAR LA HIPOTESIS A UN NIVEL DE SIGNIFICANCIA
2012 16 20
2013 20 24
23 27
27 29
19 22

CASO 4 Una fábrica de bebidas refrescantes observa que sus temperaturas (x) y las ventas (y) de la calle ha
 x 5 7 10 12 16 20
y 9 11 15 16 20 24

CALCULA SU ANALISIS DE REGRESION LINEAL

SI EL VALOR DE X=22 INDIQUE SU PRONOSTICO
PROBAR LA HIPOTESIS A UN NIVEL DE SIGNIFICANCIA DE 3%
UCION DE PRODUCTOS DE CINCO

EGRESION LINEAL
UE SU PRONOSTICO
N NIVEL DE SIGNIFICANCIA DE 5%

RECOPILO LOS DATOS SOBRE LA SIGUIENTE DESCRIPCCION

EMPRESA .. LOS DATOS FUERON LOS SIGUIENTES:

EGRESION LINEAL
UE SU PRONOSTICO
N NIVEL DE SIGNIFICANCIA DE 10%

CION A UNA DETERMIANDO PAIS

EGRESION LINEAL
QUE SU PRONOSTICO
N NIVEL DE SIGNIFICANCIA DE 1%

s ventas (y) de la calle han sido.

23 27 19 14
27 29 22 20