Coorelacion 2
- 1. SPC-COEFICIENTE DE COORELACION EJEMPLO 2. Mennys-UTT-SPC Spcializados.blogger.com
- 2. El coeficiente de coorelacion nos ayudara a evidenciar la relacion existente entre 2 variables, para nuestro ejemplo, comprobaremos la relacion que hay entre la inversion en publicidad y las ventas en un determinado tiempo analizado, lo cual comprobaremos a continuacion.
- 3. Datos. 1. Nuestro primer dato lo elevamos x y x2 y2 xy al cuadrado, es 1 1291.0 599.7 1666681.00 359640.09 774212.70 2 1325.1 607.9 1755890.01 369542.41 805528.29 decir, (x)(x). 3 1357.1 605.6 1841720.41 366751.36 821859.76 4 1381.4 603.0 1908265.96 363609.00 832984.20 2. Segundo dato al 5 1409.4 606.6 1986408.36 367963.56 854942.04 6 1429.2 616.4 2042612.64 379948.96 880958.88 cuadrado, (y)(y). 7 1448.7 629.7 2098731.69 396522.09 912246.39 8 9 1470.9 1512.2 630.0 632.7 2163546.81 2286748.84 396900.00 400309.29 926667.00 956768.94 3. Hacer el producto 10 1520.0 642.8 2310400.00 413191.84 977056.00 de (x)(y). 11 1546.6 642.2 2391971.56 412420.84 993226.52 12 13 1561.3 1603.3 639.4 638.8 2437657.69 2570570.89 408832.36 408065.44 998295.22 1024188.04 4. Sacar la sumatoria 14 1607.7 643.7 2584699.29 414349.69 1034876.49 total de cada 15 1637.4 624.9 2681078.76 390500.01 1023211.26 ∑ 22101.30 9363.40 32726983.91 5848546.94 13817021.73 columna.
- 4. Grafica. 650.0 640.0 630.0 620.0 y = 0.128x + 435.61 R2 = 0.727 610.0 600.0 590.0 1250.0 1300.0 1350.0 1400.0 1450.0 1500.0 1550.0 1600.0 1650.0 Por medio de la grafica podemos hacer nuestra primera interpretacion, que en este caso seria, que existe relacion entre la inversion en publicidad y las ventas.
- 5. Formula del coeficiente de coorelacion. ∑ x2 - (∑ x)2/n SCx 162486.464 SCy 3662.97 ∑ y2 - (∑ y)2/n SCxy 20800.90 ∑x y2 - (∑ x)(∑y)/n
- 6. Coeficientes. SCxy Coeficiente de coorelacion r 0.852622782 Rcuad(SCx)(SCy) Basados en el resultado obtenido en el coeficiente de coorelacion podemos determinar que existe una buena relación entre la inversión en publicidad y las ventas logradas. (r) (r) Coeficiente de determinacion 2 r 0.726965608
- 7. Recta de regresion lineal. Recta de regresion lineal y= a1x+a0 a1= ? 0.12802 a0= ? 435.61 a1 n*∑xy 207255325.95 312013.53 n*∑xy - ∑x*∑y ∑x*∑y 206943312.42 2 2 - (∑x)2 n*∑x 490904758.65 2437296.96 n*∑x 2 (∑x) 488467461.69 a0 2 2 ∑x *∑y 306435841142.89 1061698781.65 ∑ x * ∑ y - ∑ x * ∑x y ∑ x * ∑x y 305374142361.25 2 2 - (∑x)2 n*∑x 490904758.65 2437296.96 n*∑x 2 (∑x) 488467461.69
- 8. Error estandar. Error estandar Sylx 59.0207236 rcuad(SCy-(SCxy)^2/SCx/n-2) 3662.97 2662.85 SCy (SCxy)^2 /SCx 1000.12 SCy- (SCxy)^2 /SCx 76.93 (SCy-(SCxy)^2/SCx/n-2) Sylx 8.77 Rcuad(31.99) * El error estandar nos permite calcular cual es nuestro margen de error, para de esta manera tratar de tener datos mas exactos en cuanto a la coorelacion de nuestras variables.
- 9. Sustitucion. y= a1x+a0 Datos originales. Datos despues de sustituir. Sustitucion x y x y 1291.0 599.7 1291.0 600.87 1325.1 607.9 1325.1 605.24 1357.1 605.6 1357.1 609.34 1381.4 603.0 1381.4 612.45 1409.4 606.6 1409.4 616.03 1429.2 616.4 1429.2 618.57 1448.7 629.7 1448.7 621.06 1470.9 630.0 1470.9 623.90 1512.2 632.7 1512.2 629.19 1520.0 642.8 1520.0 630.19 1546.6 642.2 1546.6 633.59 1561.3 639.4 1561.3 635.48 1603.3 638.8 1603.3 640.85 1607.7 643.7 1607.7 641.42 1637.4 624.9 1637.4 645.22
- 10. Conclusion. El ejercicio nos da como resultado una buena relación entre las inversión de publicidad y las ventas, con lo cual podemos decir, que entre mas inviertes en publicidad tus ventas serán mayores.