Professional Documents
Culture Documents
En esta parte se desea analizar si las variaciones de una variable dependen de las variaciones de otra variable. Si la relacin entre estas dos variables puede representarse por una lnea recta se dice que existe una relacin lineal, descrita por: Y=a+bx Donde : a, b son parmetros a estimar x es la variable independiente y es la variable dependiente 5.1 DIAGRAMA DE DISPERSION El primer paso a seguir para analizar si existe o no relacin entre las variables es graficando los valores de x, y, grfico conocido como diagrama de dispersin y que se pueden presentar de las siguientes formas: y
x Indica que existe una relacin lineal en forma de lnea recta y que esta relacin es directa o positiva es decir que si x aumenta y tambin aumenta o si x disminuye y disminuye. y
Indica que existe una relacin lineal que est definida por una lnea recta, este tipo de relacin es inversa o negativa ya que al aumentar x, y disminuye o viceversa.
x Existe una relacin curvilnea que puede estar definida por una curva. n1
y1 No existe relacin puesto que no hay lnea o curva para describir la relacin entre las dos variables. 5.2 ECUACION Y LINEA DE REGRESION El segundo paso es encontrar una ecuacin lineal o curvilnea que describa la forma de relacin entre estas dos variables. Si la relacin entre las variables es lineal esta puede estar descrita por una lnea recta. y = a + b x Donde a, b se calculan en base a las ecuaciones normales. y =na + b x xy = a x + b x2 Resolviendo: ( x2 ) ( y) ( x) ( xy) a = ---------------------------------------------n x2 ( x)2 n ( xy ) - ( x) ( y) b = ----------------------- -------n x2 - ( x)2
5.3
COEFICIENTE DE CORRELACION (r) La relacin entre dos variables puede medirse mediante el coeficiente de correlacin (R)que mide la intensidad de asociacin entre dos variables y su valor esta dado por : n ( xy ) - ( x ) ( y ) r = [n y2 donde: n x: y: :nmero de observaciones de cada variable. valores que toma la variable independiente valores que toma la variable dependiente. - ( y)2] [n x2 ( x)2]
Este coeficiente de correlacin tiene las siguientes caractersticas: 1. Son nmeros abstractos es decir que no dependen de las unidades empleadas. 2. Su valor varia entre -1 y + 1 2.1 Si r > 0 existe una relacin lineal positiva. 2.2 Si r > 0 existe una relacin lineal negativa. 2.3 Si r = 1 existe una relacin perfecta positiva, es decir todos los puntos coinciden con una lnea recta. 2.4 Si r = -1 existe una relacin perfecta negativa, todos los puntos coinciden con una lnea recta en direccin opuesta al caso anterior. 2.5 Si r = 0, no existe relacin lineal en este caso los datos estn no correlacionados. Otro indicador de la relacin entre dos variables es el coeficiente de determinacin y que est dado por r2 y que indica que porcentaje de las observaciones estn descritas por la ecuacin hallada.
4.1
DE TENDENCIA LINEAL Un serie de tiempo puede definirse como Y = f (x) Donde : X = variable independiente y que est definida por el tiempo. Y = variable dependiente que se desea analizar.
Cuadro 4.1. : Ingreso de turistas Ao 1990 1991 1992 1993 1994 1995 1996 Turistas 350,000 360,000 380,000 480,000 540,000 590,000 602,000
El primer paso para analizar una serie de tiempo es la construccin de un grfico a fin de apreciar las caractersticas generales de la variable en estudio, especialmente la tendencia. Para la representacin grfica la variable tiempo se coloca en el eje horizontal y la variable en estudio en el eje vertical. GRAFICO 4.1 Ingreso de Turistas
700
Turistas (miles)
540
590
602
1990
1991
1992
1993
1994
1995
1996
Aos El grfico muestra una tendencia lineal que puede estar definida por la lnea recta
Y = a + bx Donde : a, b son parmetros a calcular x es la variable tiempo y la variable a analizar. Para calcular los parmetros se hace utilizando las ecuaciones normales. y = n a = + b x xy = a x + b x2
Cuadro 4.2 : Clculo para una serie de tiempo de primer grado Cdigo (x) -3 -2 -1 0 1 2 3 0 Turistas xy (y) 1990 350,000 -1,050,000 1991 360,000 -720,000 1992 380,000 -380,00 1993 480,000 0 1994 540,000 540,000 1995 590,000 1,180,000 1996 602,000 1,806,000 3,302,000 1,376,000 y 3,302,000 a = -------= ------------- = 471,714.3 n 7 xy b = -------x2 1,376,000 -----------28 Ao X2 9 4 1 0 1 4 9 28
49,142.9
y = 471,714.3 + 49,142.9 x
Proyectando la cantidad de turistas para el ao 1997 (cdigo 4), tenemos que: Y1997 = 471,714.3 + 49,142.9 (4) Y 1997 = 668,286