Dado dos variables, la correlación permite hacer estimaciones del valor de una de
ellas conociendo el valor de la otra variable.
Los diagramas de dispersión son planos cartesianos en los que se marcan los puntos
correspondientes a los pares ordenados (X,Y) de los valores de las variables.
La regresión es una herramienta de predicción, se utiliza en situaciones en donde se
reconocen 2 variables y la relación entre ellas.
Esta herramienta no identifica qué variable es la causa y cuál es la efecto.
El proceso inicia con la recopilación de la información, normalmente se trabaja con
valores históricos.
Es una herramienta útil para proyectar valores hacia el futuro como ventas, costos
fijos y variables.
La herramienta es una ecuación lineal que tiene la siguiente forma:
Se encuentra el efecto asociado a la
causa
Se ingresa la
causa
𝑌 = 𝑚𝑋 + 𝑏
Pendiente
Intercepto
El administrador de una empresa de
seguros ha administrado a sus
vendedores una prueba de
adiestramiento de ventas antes de
permitirles salir a trabajar en campo.
Se quiere determinar la relación entre
las calificaciones de la prueba y las
ventas hechas por sus vendedores al
final de un año de trabajo. Los
siguientes datos se recolectaron de 10
agentes de ventas que han estado en
el campo durante un año.
Vendedor
Calificación
de la
prueba
Unidades
vendidas
1
2,6
95
2
3,7
140
3
2,4
85
4
4,5
180
5
2,6
100
6
5,0
195
7
2,8
115
8
3,0
136
9
4,0
175
10
3,4
150
Es un método gráfico para con un diagrama de dispersión XY, se coloca en columnas
la información.
Se recomienda que la primera columna sea la variable causa (X) y la siguiente
columna sea la variable efecto (Y).
Unidades vendidas
200
175
150
125
100
75
50
2
2,2
2,4
2,6
2,8
3
3,2
3,4
3,6
3,8
4
4,2
4,4
4,6
4,8
5
El coeficiente de Pearson (r) es una herramienta que permite medir la correlación
entre las variables causa y efecto.
En EXCEL se utiliza la función PEARSON, que recibe 2 parámetros:
Matriz1 donde se colocan los valores de la variable causa (independientes)
Matriz2 donde se colocan los valores de la variable efecto (dependientes)
Mientras más cercano al valor de 1 ó de -1 mayor será la correlación entre las
variables, si el valor es muy bajo no se puede aplicar esta solución
Alto nivel de
correlación
Se utilizan las funciones PENDIENTE e INTERSECCION.EJE
Ambas funciones reciben 2 parámetros:
Conocido_y: Los valores que corresponden al efecto
Conocido_x: Los valores que corresponden a la causa
La ecuación lineal de predicción tiene la forma:
𝑌 = 𝑚𝑋 + 𝑏
Para los valores del ejercicio de ejemplo quedaría:
𝑌 = 41,68𝑋 − 4,62
Haciendo la interpretación de la predicción:
𝑈𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑣𝑒𝑛𝑑𝑖𝑑𝑎𝑠 = 41,68 ∙ 𝐶𝑎𝑙𝑖𝑓𝑖𝑐𝑎𝑐𝑖ó𝑛 − 4,62
Se desea determinar si existe alguna
relación entre los años de experiencia
de los tecnólogos que trabajan en una
línea de producción y la cantidad de
piezas defectuosas. Con los datos
recopilados se desea determinar si
existe una relación lineal entre estos
dos factores y de ser así encontrar la
herramienta de predicción.
Años de
experiencia
Piezas
defectuosas
5
15
3
18
15
5
4
13
8
8
3
14
12
4
14
3
7
10
6
12
1
18
4
15
10
7
El jefe de mantenimiento le indica a
usted como G. Adm. que mientras
más horas se asignen a
mantenimiento preventivo los fines de
semana de la máquina impresora, se
obtendrá mayor productividad de
lunes a viernes. Con los resultados
obtenidos determinar si existe una
relación lineal y de ser así encontrar
la herramienta de predicción.
Horas
Unidades
16
4800
15
5346
8
4200
18
4970
7
4650
21
5500
14
4800