OBJETIVO GENERAL. Analizar la relacin entre variables a travs del mtodo de regresin para aplicarlo en una muestra estadstica.

ESPECFICOS Conocer el mtodo de regresin lineal y la relacin entre dos variables mediante un ejemplo. Analizar el coeficiente correlacin en el mtodo de regresin. Analizar el mtodo de regracian cuadrtica REGRESIN LINEAL El anlisis de regresin lineal es una tcnica estadstica utilizada para estudiar la relacin entre variables. En el contexto de investigacin de mercados puede utilizarse para determinar en cul de diferentes medios de comunicacin puede resultar ms eficaz invertir, o para predecir el nmero de ventas de un determinado producto. Regresin lineal simple: consiste en la relacin entre dos variables. Regresin lineal mltiple: consiste en la relacin de ms de dos variables. El anlisis de regresin lineal puede utilizarse para explorar y cuantificar la relacin entre una variable llamada dependiente o criterio (Y) y una o ms variables llamadas independientes o predictoras (X1, X2Xk). REGRESIN LINEAL SIMPLE. Tiene como objeto estudiar cmo los cambios en una variable, no aleatoria, afectan a una variable aleatoria, en el caso de existir una relacin funcional entre ambas variables que puede ser establecida por una expresin lineal, es decir, su representacin grfica es una lnea recta. Cuando la relacin lineal concierne al valor medio o esperado de la variable aleatoria, estamos ante un modelo de regresin lineal simple. Se puede decir que Y depende de X, en donde Y y X son dos variables cualquiera en un modelo de Regresin Simple. "Y es una funcin 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 Regresin es muy importante identificar cul es la variable dependiente y cul es la variable independiente. En el Modelo de Regresin Simple se establece que Y es una funcin de slo una variable independiente, razn por la cual se le denomina tambin Regresin Divariada porque slo hay dos variables, una dependiente y otra independiente y se representa as: Y = f (X) "Y est regresando por X"

La variable dependiente es la variable que se desea explicar, predecir. Tambin se le llama REGRESANDO VARIABLE DE RESPUESTA. La variable Independiente X se le denomina VARIABLE EXPLICATIVA REGRESOR y se le utiliza para EXPLICAR Y.

ANLISIS DE CORRELACIN Este anlisis nos indica la fuerza de la asociacin lineal entre dos variables indicadas en un diagrama de dispersin que es la grfica en donde se representa la relacin existente entre dos variables (independiente y dependiente). Coeficiente de correlacin (r). Es la medida de la intensidad de la relacin lineal entre las variables en cuestin. El coeficiente de correlacin puede tomar los siguientes valores: Correlacin perfecta y fuerte: -1.00 o 1.00. Correlacin dbil: valores cercanos a 0.0. Adems los valores negativos indican una relacin inversa y los positivos indican una relacin directa

As: Correlacin negativa perfecta.

Correlacin positiva perfecta.

Correlacin cero.

Correlacin positiva fuerte.

Para el clculo del coeficiente de correlacin se aplica la siguiente frmula: ( ( ) ( ) ) [ ( ( ) ) ( )( ) ) ( ) ]

( ) ][ (

Coeficiente de determinacin. El coeficiente determina la calidad del modelo para replicar los resultados, y la proporcin de variacin de los resultados que puede explicarse por el modelo. Para calcularlo se eleva al cuadrado el coeficiente de correlacin, su rango ser de 0 a 1. Este coeficiente no da ninguna informacin sobre la direccin de la relacin entre las variables. ANLISIS DE REGRESIN La ecuacin de regresin es:

Donde:

: es el valor pronosticado de la variable Y para un valor seleccionado de X. a: es la ordenada de la interseccin con el eje Y cuando X=0. Es el valor estimado de Y cuando X=0. b: es la pendiente de la recta, o el cambio promedio en Y para cada cambio de una unidad en X.

Para calcular a y b se utiliza las siguientes expresiones: ( ) ( )( ) ( ) ( )

EJEMPLO

REGRESIONES CUADRTICAS
El modelo de regresin cuadrtica es una alternativa cuando el modelo lineal no logra un coeficiente de determinacin apropiado, o cuando el fenmeno en estudio tiene un comportamiento que puede considerarse como parablico. La forma ms simple de tratar de establecer la tendencia es a travs de un diagrama de dispersin o nube de puntos, tal como la siguiente:

Este modelo tambin es conocido como parablico, y es el caso ms simple de modelos de regresin polinomiales, siendo su grado igual a 2. Es el proceso por el cul encontramos los parmetros de una parbola que mejor se ajusten a una serie de datos que poseemos. Una funcin cuadrtica o de segundo grado se puede representar de manera genrica como:

Entonces lo que nos interesa es encontrar los valores de a, b y c que hacen que el valor de y calculado sea lo ms cercano posible al medido.

Entonces lo que nos interesa es encontrar los valores de a, b y c que hacen que el valor de y calculado sea lo ms cercano posible al medido.

CONCLUSIONES. El metodo de regresion lineal se basa cuando una variable dependiente se basa en una variable independiente en una muestra estadstica. El coeficiente de regresion indica cuan factible es realizar la regresion lineal a un conjunto de muestras. Los valores que se obtienen el un ejemplo los pone en una serie ordenada y consecutiva dando como resultado una regresion cuadratica

RECOMENDACIONES. Tener en cuenta que el metodo de regresion lineal simple se lo puede graficar ya que si fuera multiple necesitaremos mas planos cartesianos segn las variables. Recordar que cuanto mas se acerque a cero el coeficiente de regresin la regresin es debil y con mayor error Se recomienda al momento de poner precios a cualquier objeto sean definidos deacuerdo a su categoria ya que con ello se lograra tener unos buenos ingresos.

BIBLIOGRAFIA. http://pendientedemigracion.ucm.es/info/socivmyt/paginas/D_departamento/materiales/analisis _datosyMultivariable/18reglin_SPSS.pdf