Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Regresion y Correlacion-Distribucion F
Regresion y Correlacion-Distribucion F
Pgina 1 de 17
Tema : Regresin y Correlacin
4
4.0 REGRESION Y CORRELACION
En la actualidad la industria ni las empresas sufren por falta carencia de
informacin, muy por el contrario, cada vez es mayor el volumen de datos que
se recolectan acerca de los procesos, as, se tiene archivos histricos de
consumos de materia prima, materiales y repuestos, horas hombre, energa,
ndices de medicin de la calidad del producto, etc.
Los datos as recolectados pueden guardarse sin tener un fin especfico, si en
su inicio tuvieron alguno, este ya no es actual.
El sentido del anlisis no es indicar si deben o no recolectarse tales datos,
como debera hacerse tal recoleccin. El sentido del anlisis es encontrar en
esta masa de informacin las relaciones existentes entre estas variables.
Si entendemos que existe relacin entre variables, nos interesa saber que
efecto causan en los resultados del proceso los cambios en una en un
conjunto de variables, por ello, nos planteamos las siguientes preguntas:
10
20
30
40
50
60
70
80
90
100
G (b0 , b1 ) y i (b0 bi )
i 1
Derivando,
n
G
2 y i (b0 b1 xi )
b0
i 1
n
G
2 xi y i (b0 b1 xi )
b1
i 1
Igualando a 0, simplificando y aplicando las sumatorias se tiene el sistema de 2
ecuaciones con 2 incgnitas:
i 1
i 1
nb0 b1 xi y i ...........(I)
n
i 1
i 1
b0 x1 b1 xi2 xi y i ............(II)
Resolviendo estas 2 ecuaciones tenemos:
n
n
1 n
x
i 1 yi
n 1
1
b1
2
n
1
2
1 xi n x i
xi yi
( x , y ) a la recta
II. La propiedad I implica: b0 y b1 x
III. Por la propiedad II, la ecuacin de la recta de regresin puede
escribirse:
( y i y ) b1 ( xi x )
b1
x y
i
nx y
x
1
2
i
nx 2
b1
(x
1
x )( y i y )
(x
x)2
( y i y i ) ( y i y ) b1 (xi x ) 0
( yi y ) 2 ( yi y ) 2 ( y i y ) 2
Demostracin:
n
(y
1
y i ) ( y i y ) ( y i y ) ( y ii y ) 2 ( y i y ) 2 2 ( y i y )( y i y )
2
analizando
(y
1
( y i y ) b1 ( xi x ) ( y i y ) 2 b12 ( xi x ) 2
reemplazando en la primera ecuacin
n
( yi y i ) 2 ( yii y ) 2 ( y i y ) 2 2 ( y i y ) 2
( yi y ) 2 ( yi y ) 2 ( y i y ) 2
Modelos Transformables al Modelo Lineal
Este supuesto
independientes
implica
que,
por
el
supuesto
i , j
sean
Por la propiedad VI
(y
1
(y
y ) 2 ( y i y ) 2 ( y i y ) 2
(y
1
n
( y
1
Suma de Cuadrados
explicada Residual
por regresin
2
2
2
Como i N (0, ) ( y i y ) (1) y
1
(y
no
y ) 2 2 (n 2)
Sumas de
Variacin
Cuadrado
s
Explicada por
Regresin
( y i y ) 2
Grados
de
Medias
Valor de F
Cuadrticas
Calculado
Libertad
( yi y )2 /1
1
( y y )
(y y)
i
Total
( yi yi )2
n2
(y
1
y)2
( y y )
i
n 1
/(n 2)
/1
/(n 2)
Residual no
explicada por
Regresin
R 2 ( y i y ) 2 / ( y i y ) 2
b1
( x i x )( y i y )
1
( xi x )
(xi x) y i
1
( xi x )
(xi x) y
1
n
( xi x )
(x
1
x) y i
(x
x)2
Desarrollando la sumatoria:
b1
( x1 x ) y1
n
( xi x ) 2
1
( x2 x ) y 2
n
( xi x ) 2
( xn x ) yn
n
(x
x)2
Tomando varianzas
Var (b1 )
( x1 x ) 2 Var ( y1 )
n
( ( xi x ) )
2 2
Como
( x2 x ) 2 Var ( y 2 )
n
( ( x i x ) )
2 2
( x n x ) 2 Var ( y n )
n
( ( xi x ) 2 ) 2
1
y2
n
(x
x)2
S y2
n
(x
1
x)2
b0 y
x
n
(x
x)2
2
i
n ( xi x ) 2
S b0 S y 2
2
i
n ( xi x ) 2
1
b0 0
t ( n 2)
S b0
0 b0 t1 / 2 (n 2) 2
2
i
n ( xi x )
Sy
2
Para 1
Sy
1 b1 t1 / 2 (n 2)
(x
x)2
y =chi2(x;8)
p =ichi2(x;8)
0,175
1,0
0,8
0,131
0,6
0,087
0,4
0,044
0,2
0,000
0,00
6,25
12,50
18,75
25,00
0,0
0,00
6,25
12,50
18,75
25,00
iii)
entonces
x
i 1
iv)
v)
vi)
2
i
1
con n grados de libertad.
Una variable Chi cuadrado vara en un rango de 0 a infinito, por ser
una suma de cuadrados.
Una variable Chi cuadrado est definida completamente por su grado
de libertad, as si X es una variable aleatoria de distribucin 2 con n
grados de libertad,
E(X) = n
V(X) = 2n
vii)
y =F(x;14;8)
p =iF(x;14;8)
1,500
1,0
0,8
1,125
0,6
0,750
0,4
0,375
0,2
0,000
0,0
Propiedades de la distribucin F
i)
ii)
iii)
n 2
Var ( F )
2n22 ( n1 n2 2)
para
2
n1 (n2 2) 2 (n2 4)
n 4
t
2
2
n
La distribucin t-student con n-1 grados de libertad tiene una funcin densidad:
f (t )
2
n 1
( n 1)
t2
1
n 1
n
2
Propiedades:
i)
La variable t vara de - a
ii)
iii)
iv)