Matematica Para La Administracion

Regresión

La regresión estadística o regresión a la media es la tendencia de una medición extrema a presentarse más cercana a la media en una segunda medición. La regresión se utiliza para predecir una medida basándonos en el conocimiento de otra. El término regresión fue introducido por Francis Galton en su libro Natural inheritance (1889), partiendo de los análisis estadísticos de Karl Pearson. Su trabajo se centró en la descripción de los rasgos físicos de los descendientes a partir de los de sus padres. Estudiando la altura de padres e hijos llegó a la conclusión de que los padres muy altos tenían una tendencia a tener hijos que heredaban parte de esta altura, pero los datos revelaban también una tendencia a regresar a la media

Correlación

El análisis de correlación generalmente resulta útil para un trabajo de exploración cuando un investigador o analista trata de determinar que variables son potenciales importantes, el interés radica básicamente en la fuerza de la relación. La correlación mide la fuerza de una entre variables; la regresión da lugar a una ecuación que describe dicha relación en términos matemáticos

Los datos necesarios para análisis de regresión y correlación provienen de observaciones de variables relacionadas.

Análisis de Correlación Es frecuente que estudiemos sobre una misma población los valores de dos o más variables estadísticas distintas, con el fin de ver si existe alguna relación entre ellas, es decir, si los cambios en una o varias de ellas influyen en los valores de la variable dependiente se divide en dos:

Variable Dependiente.- es la variable que se predice o calcula. Cuya representación es "Y"

Variable Independiente.- es la o las variables que proporcionan las bases para el calculo. Cuya representación es: “X”. Esta o estas variables suelen ocurrir antes en el tiempo que la variable dependiente

Variable Independiente:

Es aquella característica o propiedad que se supone ser la causa del fenómeno estudiado. En investigación experimental se llama así, a la variable que el investigador manipula.

Variable Dependiente:

Hayman (1974 : 69) la define como propiedad o característica que se trata de cambiar mediante la manipulación de la variable independiente.

La variable dependiente es el factor que es observado y medido para determinar el efecto de la variable independiente.

Variable Interviniente:

Son aquellas características o propiedades que de una manera u otra afectan el resultado que se espera y están vinculadas con las variables independientes y dependientes.

Variable Moderadora:

Según Tuckman: representan un tipo especial de variable independiente, que es secundaria, y se selecciona con la finalidad de determinar si afecta la relación entre la variable independiente primaria y las variables dependientes.

Variables Cualitativas:

Son aquellas que se refieren a atributos o cualidades de un fenómeno. Sabino (1989 : 80) señala que sobre este tipo de variable no puede construirse una serie numérica definida.

Variable Cuantitativa:

Son aquellas variables en las que características o propiedades pueden presentarse en diversos grados de intensidad, es decir, admiten una escala numérica de medición.

Variables Continuas:

Son aquellas que pueden adoptar entre dos números puntos de referencias intermedio. Las calificaciones académicas (10.5, 14.6, 18.7, etc.)

Variables Discretas:

Son aquellas que no admiten posiciones intermedias entre dos números. Ej., en Barinas la división de territorial la constituyen 11 municipios por no (10.5 u 11.5 municipios).

Variables de Control:

Según Tuckman: La define como esos factores que son controlados por el investigador para eliminar o neutralizar cualquier efecto que podrían tener de otra manera en el fenómeno observado.

Operacionalización de la Variable:

Es un paso importante en el desarrollo de la investigación. Cuando se identifican las variables, el próximo paso es su operacionalización.

Comprende tres tipos de definiciones:

1. Nominal: es el nombre de la variable que le interesa al investigador.

2. Real: consiste en determinar las dimensiones que contienen las variables nominales.

3. Operacional: o indicadores. Esta da las base para su medición y la definición de los indicadores que constituyen los elementos mas concretos de una variable y de donde el investigador derivará los items o preguntas para el instrumento con que recolectará la información.

Correlación Lineal

Es el que se refiere a la existencia de Correlación lineal la cual se presenta cuando los puntos del grafico de las variables objeto de análisis se distribuyen alrededor de una recta. en ese sentido hablamos de Correlación lineal fuerte cuando la nube de puntos graficados se parece mucho a una recta y la Correlación lineal será cada vez mas débil (o menos fuerte) cuando la nube de puntos vaya alejándose cada vez mas de la recta. la cuantificación del grado de Correlación lineal entre dos variables se hace a través del coeficiente de Correlación el cual se es denotado con la letra r, el cual nos permite ver si la Correlación lineal entre dos variables es fuerte o debil y positiva o negativa. el valor de r adopta valores entre -1 y 1 (es decir -1 < r < 1), indicando los valores cercanos a -1 y 1 la existencia de una fuerte Correlación negativa y positiva respectivamente, mientras que los valores que se acerca a 0 indican una Correlación cada vez mas débil y el valor de 0 para el coeficiente de Correlación indica la no existencia de Correlación (o Correlación nula entre las variables). Mientras el coeficiente de Correlación se aproxima a los valores 1 y -1 la aproximación a una Correlación se considera buena. Cuando mas se aleja de 1 o de -1 y se acerca a cero se tiene menos confianza en la relación lineal entre las variables por lo que una aproximación lineal no será apropiada. sin embargo no significa que no existe relación entre las variables, lo único que podemos decir es que la relación no es lineal. sin embargo, es importante tener presente que la existencia de Correlación no implica causalidad en el sentido que la Correlación indica que existe una relación entre las variables pero no nos indica que una variable cause a la otra. el concepto de causalidad es importante en economía pues es precisamente a través de la causalidad que se puede inferir el comportamiento de una variable a partir del comportamiento de otra y nos permite la identificación de las variables de control para la realización de políticas económicas. por lo tanto, el objetivo del análisis de causalidad es explicar el funcionamiento

...