DATE

4/1/1997
4/2/1997
4/3/1997
4/4/1997
4/7/1997
4/8/1997
4/9/1997
4/10/1997
4/11/1997
4/14/1997
4/15/1997
4/16/1997
4/17/1997
4/18/1997
4/21/1997
4/22/1997
4/23/1997
4/24/1997
4/25/1997
4/28/1997
4/29/1997
4/30/1997

(LME cash Aluminium)

STOCKS
LME Var Cu VOLUMEN
Y
X1
X2
X3
1585
675
6
25000
1577
665
12
28000
1576
660
5
27500
1560
647
12
34000
1555
643
14
33000
1578
623
13
45000
1603
620
17
41000
1627
595
12
51000
1634
594
18
55000
1634
607
10
54000
1595
620
7
67000
1590
623
3
65000
1559
648
-5
45000
1537
659
-6
41000
1534
661
-12
56000
1530
659
-7
62500
1526
658
-3
45000
1540
650
0
30500
1544
651
4
25000
1547
645
10
32700
1549
640
5
45000
1567
629
-17
23000

R.Wolf Op
X4
Vender
Vender
Prudencia
Prudencia
Comprar
Comprar
Comprar
Comprar
Comprar
Comprar
Prudencia
Prudencia
Vender
Vender
Esperar
Esperar
Esperar
Esperar
Comprar
Comprar
Comprar
Comprar

MODA
1634
Es el Valor ms repetido en la distribucin o serie de datos, es decir, aquel que tiene mayor frecuencia.
MEDIANA
1563.5
Valor Central de la serie, una vez ordenados de menor a mayor.
MEDIA ARITMTICA
1570.31818
Se calcula mediante la suma de sus valores divididos entre el nmero de valores.
MEDIA GEOMTRICA
1569.990117
Se calcula multiplicando todas las observaciones entre s y calculando la raz n-sima del resultado.

PERCENTILES
1547.6
Entendemos por Percentiles aquel dato de la serie de valores ordenada, que deja por debajo un determinado porcenta
VARIANZA

Definimos la Varianza como el cociente entre la suma de los cuadrados de las desviaciones (diferencia entre el valo
En el caso de la varianza, Excel dispone de dos funciones :
VARP

Que calcula la varianza del total de los datos (dividido por n)

VAR

Que calcula la varianza de una muestra de los datos (dividido por n-1). En realidad es la cuasi-varianz

Clculo Varianza total poblacin de Y

Clculo Varianza de una muestra de Y

1038.58
1088.04

DESVIACIN TPICA
Es el valor positivo de la raz cuadrada de la Varianza.
Clculo Desviacin Tpica para total poblacin de Y

32.23

Clculo Desviacin Tpica para una muestra de Y

32.99

COEFICIENTE DE VARIACIN

2.052

Desv. Tpica
D.TMuestra

Cociente entre la desviacin tpica y la media de las observaciones , multiplicado por 100.

DEPENDENCIA LINEAL

Y = mX + b

m=Cov(xy)/Var(x)
Cov(xy)=Covarianza de XY = Media Aritmtica(XY)-Media A(X)*Media A(Y)
b=Media A(X)-Media A(Y)*m

COVARIANZA

Obtiene el promedio del producto de desviaciones de puntos de datos partiendo de las medias respectivas. La covaria
-556.3843

Covar

Y/X1
-556,38

Y/X2
178,54

Y/X3
113.664,05

COEFICIENTE DE CORRELACIN
Mide el grado de relacin existente entre las variables, y se calcula mediante:
Corr(XY)=Cov(XY)/(Desv(x)*Desv(y))
Este toma valores entre 1 y -1,
Si Corr(XY)=

Sintaxis:

1 Relacin Directa y Absoluta (Aumento de X=>Aumento Y).

0 No existe Correlacin (X e Y son incorreladas).
-1 Relacin Indirecta y Absoluta (Aumento de X=>Dism. Y).
Clculo de Coef. de Correlacin de X1 e Y

-0.778090309

Coef. Corr

Y/X1
-0,78

Y/X2
0,60

Esto nos indica que existe una relacin inversa entre los valores

Y/X3
0,26

La cotizacin del aluminio en el LME est altamente correl

COEFICIENTE DE DETERMINACIN

Muestra la bondad de la recta de regresin para estudiar la relacin de dependencia entre las variables. Su valor fluct
En el caso de que fuera 1, nos indicara que no existiran diferencias entre valores estimados y valores reales.
Sintaxis:

=COEFICIENTE.R2(matriz_ymatriz_x)

ESTIMACIN LINEAL para 2 variables

Calculamos ahora la recta de regresin lineal entre dos variables, Y y X1 mediante :
Y=m*X1 + b
Sintaxis:

ESTIMACION.LINEAL(Matrix_Y;Matriz_X;constante;estadstica)
-1.130122039

las salidas de los indicadores se nos muestran de la siguiente forma

m
se(m)
R2
F
ss(reg)

b
se(b)
se(y)
df
ss(res)

Y=-1,1301 X1 + 2293
Es decir, si el valor de los Stoc
Adems, por cada aumento un

El coeficiente de Determinaci
de la recta satisfactoria para pr
SI R^2 se acerca a 1 es mejor

m
Pendiente de la recta de regresin.
Puede ser calculada separadamente mediante la funcin PENDIENTE
Sintaxis
=Pendiente(matriz_y;matriz_x)
b
Sintaxis

Punto de interseccin con eje Y. Puede calcularse independientemente con la funcin INTERSECCION.eje
=Interseccion.eje(matriz_y;matrix_x)

se(m)

Valor del error tpico de la pendiente.

se(b)

Valor del error tpico de la interseccin.

R2

Coeficiente de Determinacin de la recta de regresin.

Sintaxis

=Coeficiente.R2(matriz_y;matriz_x)

se(y)
Error tpico de la estimacin Puede calcularse independientemente
con la funcin ERROR.TIPICO.XY
Sintaxis

=Error.Tipico.XY(Matriz_y;Matriz_x)

F
Estadstico F o valor F observado.
Puede calcularse independientemente con la funcin DISTR.F
Sintaxis

=Distr.F(X;grados_libertad1;grados_libertad_2)

df

Grados de libertad para la prueba F.

se(reg)

Suma de los cuadrados de la regresin.

se(resid)

Suma de los cuadrados de los residuos.

Resumen
Estadsticas de la regresin
Coeficiente de correlacin
0.778090309
mltiple
Coeficiente de determinacin
0.605424528R^2
R^2 ajustado
0.585695755
Error tpico
21.23153936
Observaciones
22

-1.13012
0.204
0.60542
30.6874
13833.207

2293.18533
130.569
21.23154
20
9015.565

ANLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados F
Valor crtico de F
Regresin
1 13833.20745 13833.20745 30.68738793 2.01452E-05
Residuos
20 9015.565275 450.7782638
Total
21 22848.77273
Coeficientes
2293.185333
-1.130122039

Error tpico
Estadstico t Probabilidad Inferior 95% Superior 95%
130.5688774 17.56303171 1.27011E-13 2020.823554 2565.547113
0.204007147 -5.539619837 2.01452E-05 -1.555673294 -0.704570785

X1
675
665
660
647
643
623
620

Y REAL
Y ESTIMADO Y ESTIMADO
1585
1530.353
1530.3625
1577
1541.654
1541.6635
1576
1547.305
1547.314
1560
1561.996
1562.0053
1555
1566.517
1566.5257
1578
1589.119
1589.1277
1603
1592.510
1592.518

Intercepcin
Variable X 1

1640
1620
1600
1580
1560

1627
1634
1634
1595
1590
1559
1537
1534
1530
1526
1540
1544
1547
1549
1567

1620.763
1621.893
1607.201
1592.510
1589.119
1560.866
1548.435
1546.175
1548.435
1549.565
1558.606
1557.476
1564.257
1569.907
1582.339
1664.837

556
1664.83748
TENDENCIA PARA DATOS NO REALES

1620.7705
1621.9006
1607.2093
1592.518
1589.1277
1560.8752
1548.4441
1546.1839
1548.4441
1549.5742
1558.615
1557.4849
1564.2655
1569.916
1582.3471
1664.8444

595
594
607
620
623
648
659
661
659
658
650
651
645
640
629
556

1600
1580
1560
1540
1520

yor frecuencia.

ajo un determinado porcentaje de datos.

ones (diferencia entre el valor y la media) y el total de valores.

Percentil
0
10
20
30
40
50
60
70
80

Y
1.526,00
1.534,30
1.540,80
1.547,60
1.556,60
1.563,50
1.576,60
1.582,90
1.594,00

X1
594,00
608,30
620,60
624,80
641,20
646,00
649,20
655,90
659,00

realidad es la cuasi-varianza.

90 1.624,00
100 1.634,00

Y
X1
Varianza
1.038,58
Var.Muestra 1.088,04

X2
492,32
515,77

X3
85,70
89,78

Y
32,23
32,99

X1
22,19
22,71

X2
9,26
9,48

X3
13.329,54
13.643,22

C. Variacin

Y
2,05

X1
3,47

X2
207,82

660,90
675,00

177676529
186137316

X3
31,49

)*Media A(Y)

edias respectivas. La covarianza es una medida de la relacin entre dos rangos de datos y est vinculada a la unidad de medida c

acin inversa entre los valores del LME y los stocks de aluminio, es decir, cuando los stocks aumentan, la cotizacin disminuye y viceversa

el LME est altamente correlacionado negativamente con los stocks de Aluminio, medianamente correlacionado de forma positiv

e las variables. Su valor flucta entre 0 y 1. En 1 nos indicara que la recta es perfecta para determinar esa relacin y en 0 que no
ados y valores reales.

SALIDA DE RESULTADOS DE REGRESION Y- X1

-1.130
2293.185
0.204
130.569 de tabla de regresion
0.6054
21.2315
30.6874
20
13833.207
9015.565

Y=-1,1301 X1 + 2293,18
decir, si el valor de los Stocks de Aluminio fueran = 0, la cotizacin del aluminio en el LME sera de 2.293,18 $/Tm (segn nue
dems, por cada aumento unitario de los Stocks (Millones de Tm de Aluminio), la cotizacin bajara 1,130 $/Tm y viceversa
coeficiente de Determinacin obtenido (R2 = 0,605), lo que nos indica una bondad
la recta satisfactoria para predecir los valores de Y

R^2 se acerca a 1 es mejor

ncin INTERSECCION.eje

Inferior 95.0% Superior 95.0%

2020.823554 2565.547113
-1.555673294 -0.704570785

GRAFICO
y = -1.1301x + 2293.2
1640
1620
1600
1580
1560

1600
1580
1560
1540
1520
580

600

620

640
X1

2293.185333

660

680

X2
-17,00
-6,90
-4,60
0,90
4,40
5,50
8,80
11,40
12,00

X3
23.000,00
25.250,00
28.500,00
32.790,00
36.800,00
43.000,00
45.000,00
49.200,00
54.800,00

13,90
18,00

61.850,00
67.000,00

ada a la unidad de medida correspondiente a X e Y.

tizacin disminuye y viceversa

relacionado de forma positiva con la variacin del da anterior del Cobre en el LME y tambin de forma positiva con los volme

r esa relacin y en 0 que no nos es til la recta de regresin para determinarla.

de 2.293,18 $/Tm (segn nuestra recta de regresin).

1,130 $/Tm y viceversa

rma positiva con los volmenes de negociacin.

 REGRESIN LINEAL MLTIPLE

Al igual que hemos realizado la regresin lineal mnimo cuadrtica para establecer la dependencia entre Y e X, tambin podem

En este caso la regresin ser del tipo :

DATE
4/1/1997
4/2/1997
4/3/1997
4/4/1997
4/7/1997
4/8/1997
4/9/1997
4/10/1997
4/11/1997
4/14/1997
4/15/1997
4/16/1997
4/17/1997
4/18/1997
4/21/1997
4/22/1997
4/23/1997
4/24/1997
4/25/1997
4/28/1997
4/29/1997
4/30/1997

Y=m1X1+..+mnXn+b

(LME cash Aluminium)

STOCKS
LME Var Cu VOLUMEN
Y
X1
X2
X3
1585
675
6
25000
1577
665
12
28000
1576
660
5
27500
1560
647
12
34000
1555
643
14
33000
1578
623
13
45000
1603
620
17
41000
1627
595
12
51000
1634
594
18
55000
1634
607
10
54000
1595
620
7
67000
1590
623
3
65000
1559
648
-5
45000
1537
659
-6
41000
1534
661
-12
56000
1530
659
-7
62500
1526
658
-3
45000
1540
650
0
30500
1544
651
4
25000
1547
645
10
32700
1549
640
5
45000
1567
629
-17
23000

R.Wolf Op
X4
Vender
Vender
Prudencia
Prudencia
Comprar
Comprar
Comprar
Comprar
Comprar
Comprar
Prudencia
Prudencia
Vender
Vender
Esperar
Esperar
Esperar
Esperar
Comprar
Comprar
Comprar
Comprar

Resumen
Estadsticas de la regresin

X3

X2

Coeficiente de correlacin
0.82936255mltiple

-0.00010163

Coeficiente de determinacin
0.68784224 R^2
R^2 ajustado 0.63581594
Error tpico
19.9059201
Observaciones

22

X1

1.06578473 -0.96273255

2185.67115

0.00037359
0.68784224
13.2210502

0.53006031
19.9059201
18

169.951682

15716.351

7132.42175

0.24997473

ANLISIS DE VARIANZA
Regresin
Residuos

Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
Valor crtico de F
3
15716.351 5238.78366 13.2210502 8.4081E-05
18 7132.42175 396.245653

Total

Intercepcin

21

22848.7727

Coeficientes Error tpico Estadstico t Probabilidad Inferior 95% Superior 95%

2185.67115 169.951682 12.8605444
1.642E-10 1828.61564 2542.72666

Variable X 1
Variable X 2
Variable X 3

-0.96273255
1.06578473
-0.00010163

0.24997473 -3.85131943
0.53006031 2.01068578
0.00037359 -0.27204493

0.00116967 -1.48791039 -0.43755472

0.05958328 -0.04783152 2.17940098
0.78868339 -0.00088651 0.00068324

ESTIMACIN EXPONENCIAL

En ocasiones la dependencia entre variables no se ajusta a una recta o al ajustarla nos sale un coeficiente de determin

ependencia entre Y e X, tambin podemos realizarlas para observar dicha dependencia de Y respecto a varias variables (X1..Xn).

La recta de regresin ser:

Y = 2.185,67 - 0,962X1 + 1,065X2 - 0,0001X3

m1 = Influencia de X1 en Y . Por cada aumento de 1 unidad de X1, Y disminuye en 0,9627

m2 = Influencia de X2 en Y . Por cada aumento unitario de X2 , Y aumenta en 0,962

Es decir, la subida en la cotizacin del cobre "ayuda" a la subida del aluminio y viceversa.

m3 =Influencia de X3 en Y. Por cada aumento de una unidad de volumen contratado, el al

R2= 0,68
Inferior 95.0%Superior 95.0%
1828.61564 2542.72666

-1.48791039 -0.43755472
-0.04783152 2.17940098
-0.00088651 0.00068324

a nos sale un coeficiente de determinacin que indica que no es til, y podemos realizar la estimacin mediante una curva expon

to a varias variables (X1..Xn).

nidad de X1, Y disminuye en 0,9627

rio de X2 , Y aumenta en 0,962

a la subida del aluminio y viceversa. La explicacin de esta aparente contrariedad estriba en que el auge del cobre redunda en aug

unidad de volumen contratado, el aluminio baja en 0,0001. Si tenemos en cuenta que las variaciones suponen variaciones de al m

timacin mediante una curva exponencial.

que el auge del cobre redunda en auges en el mercado del aluminio, es decir "le contagia", pese a ser bienes sustitutivos.

riaciones suponen variaciones de al menos 1000 contratos, podemos expresarlo mejor diciendo que por cada aumento de 1000 co

ese a ser bienes sustitutivos.

do que por cada aumento de 1000 contratos negociados en el mercado a 3 meses, la cotizacin al contado disminuye en 0,101. E

n al contado disminuye en 0,101. Es decir casi inapreciable, como podiamos suponer al ver el valor de la correlacin entre Y/X3

el valor de la correlacin entre Y/X3, que era el ms bajo de los tres.

X Servicios
2
8
11
10
8
4
2
2
9
8
4
11
12
2
4
4
20
1
10
15
15
16
17
6
5

Y Tiempo
9.95
24.45
31.75
35
25.02
16.86
14.38
9.6
24.35
27.5
17.08
37
41.95
11.66
21.65
17.89
69
10.3
34.93
46.59
44.88
54.12
56.63
22.13
21.15

DOC REGRES CORREL LINEAL

Resumen
Estadsticas de la regresin
Coeficiente de correlacin
0.98181178mltiple
Coeficiente de determinacin
0.96395437 R^2
R^2 ajustado 0.96238717
Error tpico
3.09341963
Observaciones
25
ANLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
Valor crtico de F
Regresin
1 5885.85207 5885.85207
615.08009 4.2412E-18
Residuos
23 220.092635 9.56924499
Total
24
6105.9447

Intercepcin

Coeficientes Error tpico Estadstico t Probabilidad Inferior 95% Superior 95%

5.11451557 1.14580413
4.463691 0.00017722 2.74424237 7.48478878

Variable X 1

2.90270442

0.11704072

24.8008082

4.2412E-18

2.66058758

3.14482126

Inferior 95.0%Superior 95.0%

2.74424237 7.48478878

2.66058758

3.14482126