REGRESIÓN LINEAL SIMPLE

MONTERO PÉREZ JAIRO ANDRÉS

PRESENTADO A EVERTH ANAYA COHEN. DOCENTE

ESTADÍSTICA II INGENIERÍA INDUSTRIAL FACULTAD DE INGENIERÍAS CORPORACIÓN UNIVERSITARIA DEL CARIBE CECAR© KM 1 VÍA A COROZAL 2008-10-29

CECAR©

CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE

TABLA DE CONTENIDO

INTRODUCCIÓN IV. OBJETIVOS ................................................................................................................ 4 V. REGRESIÓN LINEAL SIMPLE .................................................................................... 5 1. GENERALIDADES ....................................................................................................... 5 2. FUNCIÓN DE REGRESIÓN POBLACIONAL ............................................................... 6 3. FUNCIÓN DE REGRESIÓN MUESTRAL..................................................................... 7 4. PASOS PARA REALIZAR LA REGRESIÓN LINEAL SIMPLE ..................................... 7 5. DIAGRAMAS DE DISPERSIÓN ................................................................................... 8 6. ESTIMACIÓN DE LOS COEFICIENTES DEL MODELO............................................ 10 7. INTERPRETACIÓN DE LOS COEFICIENTES ESTIMADOS..................................... 17 8. DISTRIBUCIÓN DE PROBABILIDAD DEL ERROR ................................................... 18 9. PROPIEDADES DE LOS ESTIMADORES ................................................................. 19 10. INFERENCIAS SOBRE LOS ESTIMADORES ....................................................... 21 11. COEFICIENTE DE DETERMINACIÓN ( ) ........................................................... 24 12. COEFICIENTE DE CORRELACIÓN ....................................................................... 25 BIBLIOGRAFÍA

2

En tanto que. En el caso de una sola y solo una . Es claro que si . sino que se desea saber también con qué precisión se puede predecir o pronosticar el valor de una variable.CECAR© CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE INTRODUCCIÓN Cuando se posee información acerca de dos o más variables relacionadas. De aquí el valor en el par ordenado es un valor de alguna variable aleatoria . La relación que se ajusta a un conjunto de datos experimentales se caracteriza por una ecuación de predicción que se denomina ecuación de regresión. es decir. debemos esperar que varíen los valores de . no se busca solamente una relación matemática que nos diga de qué manera están relacionadas las variables. El Análisis de Regresión es una técnica que se ocupa de analizar la dependencia entre una variable dependiente o endógena ( ) y una o más variables explicativas o exógenas (digamos ). Es decir. Los métodos de regresión se usan para elegir la "mejor" relación funcional entre las variables. Entonces. la función o ecuación que mejor se ajuste a los datos. es natural buscar un modo de expresar la forma de la relación funcional entre ellas. si se conocen o suponen valores para las otras variables. 3 . La expresión de Galton: “regression towards mediocrity” dio nombre a la regresión. Cabe resaltar. y se toman muestras adicionales mediante el uso de exactamente los mismos valores de . la situación se convierte en una regresión de sobre . Las técnicas usadas para lograr estos dos objetivos se conocen como método de regresión y correlación. el símbolo representa la variable aleatoria con media y varianza . indicando su media y varianza con y . Su objetivo consiste en estimar y/o predecir el valor medio poblacional de la variable dependiente a partir de los valores conocidos y fijos de las variables explicativas. Por conveniencia se define como la variable aleatoria que corresponde a un valor fijo . respectivamente. que el análisis estadístico es solamente un instrumento que ayuda en el razonamiento e interpretación de los datos y que finalmente el investigador o persona investigativa es quien toma las decisiones a partir de estos resultados. Si denotamos una muestra aleatoria de tamaño con el conjunto . Además. los métodos de correlación se utilizan para medir el grado de asociación o de relación entre las distintas variables. es deseable conocer la consistencia de la relación. Los modelos de regresión fueron utilizados por Laplace y Gauss en sus trabajos de astronomía y física desarrollados durante el siglo XVIII. se infiere que las variables independientes no son variables aleatorias y por tanto no tienen propiedades de distribución. obtenidos mediante un proceso de muestras repetidas. pero el nombre de modelos de regresión tiene su origen en los trabajos de Galton en biología de finales del siglo XIX.

CECAR© CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE IV. Implementar el contraste de hipótesis ecuánime para el modelo. situaciones-problema propias de ingeniería a través de la aplicación fidedigna de nuestro conocimiento. ESPECÍFICOS. Reconocer la importancia de los diagramas de dispersión.        Identificar las variables fundamentales del modelo de regresión lineal simple. utilizando el método adecuado. reconociéndolo como herramienta o método fundamental para modelar mediante funciones la relación de variables en problemas. Interpretar correctamente los coeficientes estimados. Estimar los coeficientes del modelo. describir e interpretar el tópico de regresión lineal simple. OBJETIVOS GENERAL. 4 . Definir las funciones de regresión tanto poblacional como muestral. Analizar la capacidad explicativa del modelo. Analizar.

estas leyes son válidas con exactitud sólo bajo condiciones ideales. En especial si se supone que se distribuye normalmente con promedio y varianza .CECAR© CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL SIMPLE 1. La relación anterior supone una relación exacta entre las variables. Esto equivale a suponer que el valor promedio de . lo que se representa mediante: Si consideramos que la relación anterior se representa como que liga con . Donde es la variable aleatoria que se tiene que predecir. en el que el componente aleatorio se distribuye normalmente con promedio y varianza . GENERALIDADES. A este modelo se le denomina probabilista o probabilístico. esto no significa que sea exactamente igual a . Pero donde es una constante. Sin embargo. 1. Rara vez los experimentos reproducen con exactitud esas leyes. sino que será igual a más o menos un error aleatorio. Siempre se supondrá que el valor promedio del error aleatorio es igual a cero. entonces se puede formular el modelo probabilista . Con frecuencia nos encontramos en ingeniería con modelos en el que el comportamiento de una variable puede ser explicado a través de una variable . A este modelo se le denomina determinista. donde los coeficientes de regresión son parámetros a estimar a partir de los datos muestrales. entonces la relación Que corresponde a la ecuación de regresión de población. es igual al componente determinista del modelo. en general. lo que hará que las leyes solo expresen una aproximación a la realidad.1 Forma General de los modelos Probabilísticos. es decir. el cual comprende tanto un componente determinista como un componente de error aleatorio. no hay margen de error en esa predicción. es lineal. Es por lo anterior que. en el que siempre se puede determinar a con exactitud cuando se conoce valor de . Sin embargo. 5 . se tendrá un error aleatorio introducido por el experimento.

donde es la ordenada en el origen de la recta y la pendiente. (Modelo probabilístico de la recta) Una función de regresión poblacional es la unión de los promedios condicionales de la variable dependiente para los valores fijos de la variable independiente o explicativa . los valores de se concentran alrededor del promedio de . La frase variable independiente se usa en el análisis de regresión para representar una variable predictora de la respuesta . Para un valor dado de . son coeficientes de regresión.CECAR© CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE 2. lo cual indica que se van a presentar algunas diferencias o desviaciones de un valor individual de alrededor de su valor esperado. por lo tanto teniendo en cuenta la sección anterior: Donde es el componente aleatorio de error. La expresión anterior refleja una relación lineal. FUNCIÓN DE REGRESIÓN POBLACIONAL. pero que por una u otra razón no pudieron incluirse en el modelo de regresión. En cada caso los símbolos representan parámetros de población que necesitarán estimarse mediante los datos de la muestra. recibiendo el nombre de relación lineal simple. 6 . y en ella sólo figura una única variable explicativa. se tiene: Lo cual nos indica que el valor promedio de varía con . así que: Si es una función lineal de . Como sabemos . Reemplazando el se tiene: Que es la función de regresión poblacional. Este se puede considerar como una variable sustitutiva de todas las variables omitidas que pueden afectar a .

etc. es necesario elegir un método para estimar los coeficientes de regresión que haga mínima la diferencia entre los valores observados y los estimados o ajustados.CECAR© CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE 3.  Paso 4: Comprobar estadísticamente la adecuación del modelo.  Paso 2: Reunir datos de muestra (representarlos en diagrama de dispersión) y utilizarlos para estimar los parámetros desconocidos del modelo. este método es el de los mínimos cuadrados (generalmente usado). 4. estimaciones. el componente aleatorio de error. FUNCIÓN DE REGRESIÓN MUESTRAL. Resulta útil imaginarse que el análisis de regresión es un procedimiento de cinco pasos:  Paso 1: Suponer la forma que tiene el promedio (componente determinista del modelo).  Paso 3: Especificar la distribución de probabilidad de . por lo tanto. se plantea una ecuación que nos permita estimar los valores de . PASOS PARA REALIZAR EL ANÁLISIS DE REGRESIÓN. y estimar cualesquiera parámetros desconocidos de esta distribución. usar el modelo para predicciones. 7 . Generalmente es necesario trabajar con información muestral y no poblacional.  Paso 5: Cuando se quede satisfecho con la adecuación. así que el objetivo es estimar la función de regresión poblacional con base en la función de regresión muestral: Donde: Debido a que los valores observados no forman exactamente una línea recta.

En el caso los puntos se encuentran situados en una franja bastante estrecha que tiene una forma bien determinada. con pendiente negativa. los puntos se encuentran absolutamente dispersos. No será una relación funcional.CECAR© CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE 5. Una vez especificadas las variables es necesario determinar la relación entre ellas. pero sí que es posible asegurar la existencia de una fuerte relación entre las dos variables. esta gráfica se llama nube de puntos o diagrama de dispersión. Entonces. la es cada vez menor y lo contrario en el segundo caso. en un sistema de coordenadas. dada por la ecuación de la recta. el diagrama de dispersión se obtiene representando cada observación como un punto en el plano cartesiano Ejemplos de diagramas de dispersión En los casos y tenemos que las observaciones se encuentran sobre una recta. A partir de un conjunto de observaciones de dos variables e sobre una muestra de individuos. se puede representar estos datos sobre unos ejes coordenados . en el que la pendiente es positiva. ya que los puntos no se sitúan sobre una curva. en el eje de las abscisas se ubica la variable independiente y en el de las ordenadas la variable dependiente. que nos indica que a medida que aumenta. En el primer caso. de manera que tenemos una relación funcional entre las dos variables. en donde. La nube de puntos no presenta una forma “tubular” bien determinada. 8 . De todos modos. Nos puede ayudar mucho en la búsqueda de un modelo que describa la relación entre las dos variables. se observa que no se trata de una relación lineal (la nube de puntos tiene forma de parábola). DIAGRAMAS DE DISPERSIÓN. de la cual se puede tener una idea general. En estos dos casos los puntos se ajustan perfectamente sobre la recta. graficando las variables. En el caso ) no se tiene ningún tipo de relación entre las variables.

1 2 3 4 5 6 7 8 9 10 95 82 90 81 99 100 93 95 93 87 214 152 156 129 254 266 210 204 213 150 Contenido medio de alquitrán 270 250 230 210 190 170 150 130 110 80 85 90 95 100 Temperatura de entrada 9 . En el caso se observa una relación lineal con pendiente positiva. se muestran los datos registrados durante 10 días en una industria. de manera que podemos pensar en una fuerte relación lineal. Ejemplo de aplicación: Supóngase que se realizó un estudio sobre la relación entre el contenido promedio de alquitrán en el flujo saliente de un proceso químico y la temperatura de entrada. A continuación. Los puntos no están sobre una línea recta. En el caso se puede ver un tipo de dependencia lineal con pendiente negativa. pero no tan fuerte como la anterior.CECAR© CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE En los casos y se puede observar que sí existe algún tipo de relación entre las dos variables. pero se acercan bastante. ya que a medida que el valor de aumenta. el valor de disminuye.

Teniendo en cuenta el ejemplo del ítem anterior. Sin embargo. cada par de observaciones satisface la relación: entonces: . A menudo la suma de los cuadrados de los residuos se le llama suma de cuadrados de los errores aleatorios alrededor de la línea de regresión. Esta recta se denomina recta de regresión. describe el error en el ajuste del modelo en el punto de los datos. Como resultado. Es decir. ESTIMACIÓN DE LOS COEFICIENTES DEL MODELO: MÉTODO DE LOS MÍNIMOS CUADRADOS. nos proponemos encontrar la ecuación de la recta que mejor se ajuste a la nube de puntos. la realización de . Entonces. Ahora bien. Se debe tener en cuenta que la línea no se conoce.CECAR© CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE 6. Como hipótesis se considera que el modelo tiene la forma: y se desea emplear los datos de la muestra para calcular . se escoge el estimador tal que: n n SSE e2 ( y  )2 y i i i 1 i 1 Se reduzca al mínimo. La línea ajustada es una estimación de la línea que produce el modelo estadístico. también recibe el nombre de residuo. Un método. por supuesto son parámetros desconocidos. es una noción conceptual simple de cómo se generaron los datos en el proceso científico. Entonces. 10 . Con el uso de la línea de regresión estimada o ajustada . Una vez que hemos hecho el diagrama de dispersión y después de observar una posible relación lineal entre las dos variables. e igualando a cero. y luego despejar . se observa su residuo . el de los cuadrados mínimos o mínimos cuadrados selecciona el estimador que hace mínima la suma de los errores elevados al cuadrado ( ). Se puede obtener la forma de este estimador derivando a con respecto a . se encontrarán de modo que se minimice . sino que más bien. en realidad nunca se observa.

CECAR© CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE n d ( SSE ) d y 2 i 1 ( yi ) y 0 Simplificando. n n 2n  y n 2 i 1 yi  y 2 i 1 yi 2n  y yi i 1 n y Por tanto. el promedio muestral es el estimador que reduce al mínimo la suma de los errores elevados al cuadrado. dará tan baja como Presúmase ahora que se decide modelar el contenido promedio de alquitrán en el flujo saliente como función de la temperatura de entrada del día.6 De manera que. porque es el estimador de mínimos cuadrados.8  )2 y y SSE i 1 ( yi 19263. se modelará 11 . y se llama estimador de para cuadrados mínimos. n 2 i 1 yi 2n  y 0 y Despejando  . ya se sabe que ningún otro estimador de éste. En especial. 1 2 3 4 5 6 7 8 9 10 214 152 156 129 254 266 210 204 213 150 Para los datos de la y 1948 10 n el promedio muestral es: 194.

se igualan los resultados a ( SSE )  0 2 n 2 i 1 2 ( yi n  0  x) 1 i n 0 2 0 0  n 1 i 1 ( SSE )  0 n n 2( i 1 yi i 1  0  n 1 i 1 xi ) ( SSE ) 2 0 ( 2( i 1 yi xi )) 2 n yi i 1 0 Hay un mínimo  n 1 i 1 n yi i 1 n 0  n 1 i 1 n xi 0 1 n0 xi 1 Ahora se deriva parcialmente con respecto a a cero ( SSE )  1 n n . se iguala 2 i 1 xi ( yi n  n 1 i 1 0  x) 1 i 2 n 0 i 1 xi yi  n 0 i 1 xi  n 1 i 1 xi2 0 xi yi i 1  0 i 1 xi  xi2 De despejamos n  yi i 1 0  n n 1 i 1 n xi  yi i 1 0  n 1 i 1 xi n  n 0 y  1 x 12 . La gráfica de esos datos se ilustra en la . con respecto a . Se deriva cero y se despeja . Los datos aparecen registrados en la . Diagrama de dispersión. Se utiliza el mismo principio para estimar en el modelo de línea recta que para estimar a en el modelo de promedio constante: el método de los mínimos cuadrados. también tiene mínimo. Se supone el modelo probabilístico de la línea recta. y se quiere usar los datos de la muestra para estimar la ordenada en el origen y la pendiente . luego. Por lo tanto se escoge la estimación De modo que n SSE i 1 ( yi  )2 y n ( yi i 1  0  x )2 1 i Se reduzca al mínimo.CECAR© CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE el contenido promedio de alquitrán como función lineal de .

CECAR© CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE Reemplazamos  0 en n y hallamos xi yi i 1 n (y n  xi n 1 x) i 1 xi n  n 1 i 1 n xi2 xi i 1 n 1 i 1 2 n yi i 1 xi yi i 1 i 1  xi i 1 1  n n n n n xi2 n xi xi yi i 1 i 1 yi  xi i 1 1 n i 1 n n n n n xi2 i 1 xi i 1 i 1 yi n 2 n i 1 xi yi  n 1 n n n n n n  xi i 1 n i 1 yi 2 n i 1 n xi yi xi2 i 1 1  xi i 1 1 n i 1 yi 2 n i 1 n xi yi xi2 i 1 n xi i 1 n i 1 xi2 i 1 xi n xi i 1 n 1 1 n n n n n n n n n xi xi yi i 1 i 1 yi n n xi xi yi i 1 i 1 yi n yi i 1  n i 1 1 xi yi i 1 n n xi i 1 2 n  n 2 1 i 1 n n 2  1 n n i 1 x 2 i i 1 xi n xi x 2 i i 1 n xi x 2 i i 1 i 1 n n i 1 n n n n xi xi yi i 1 i 1 yi 2 n n  i 1 1 n n n xi ( xi i 1 n x)( yi ( xi x) 2 y)  ( xi i 1 1 n x)( yi ( xi x) 2 y) xi2 i 1 i 1 i 1 i 1 n  SS xy 1 SS xx 13 .

5 . y SS xx (n 1) ( 1 2 3 4 5 6 7 8 9 10 95 82 90 81 99 100 93 95 93 87 915 214 20330 9025 152 12464 6724 156 14040 8100 129 10449 6561 254 25146 9801 266 26600 10000 210 19530 8649 204 19380 9025 213 19809 8649 150 13050 7569 1948 180798 84103 xi ) 2 837225 Para los datos de la n n n n xi xi yi i 1 i 1 yi SS xy i 1 ( xi x)( yi y) i 1 n 180798 (915)(1948) 10 n n 2556 n 2 xi x 2 i i 1 SS xx i 1 ( xi 837225 10 x) 2 i 1 n 84103 380.CECAR© CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE Entonces. y 194.8 10 Entonces. SS xy / n es la covarianza muestral de las observaciones es la varianza muestral de las observaciones .5 y 915 91. las estimaciones de mínimos cuadrados son x 14 .  0 y  1 x i 1 En donde. la solución viene dada por: n  ( xi i 1 1 n x)( yi ( xi x)2 y) SS xy SS xx .

73 8.88 218.CECAR© CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE  SS xy 1 SS xx 2556 380.81 26.57 -4. la recta de regresión estimada está dada por 0  1 95 214 2 82 152 3 90 156 4 81 129 5 99 254 6 100 266 7 93 210 8 95 204 9 93 213 10 87 150 218.78 65.02 -28.7175  y 1 x 194.82 14.43 Entonces la recta de regresión.85 Temperatura de entrada 15 .31 204.31 8.28 2093.57 18.27 245.37 77.72 124.31 21. .31 130.84 22. obtenida por mínimos cuadrados es cual es usada en los problemas.85 0 Por tanto.5 6.12 -14. la Contenido medio de alquitrán 270 250 230 210 190 170 150 130 110 80 85 90 95 100 y = 6.419.90 204.5) 419.72 4.88 164.12 -14.7175)(91.18 251.79 198.98 184.8 (6.10 5.21 204.7175x .84 824.93 212.58 441.

De esta manera se sabrá que ninguna otra recta minimizará la tan pequeña como la hallada. son estimadores insesgados de . Esta recta es la denominada recta de los mínimos cuadrados. En forma de sinopsis. Es la ordena en el origen. También se interpreta como el efecto promedio sobre la variable dependiente de todas las variables omitidas en el modelo de regresión. Cuando el valor del coeficiente de intersección sea negativo y su interpretación no sea lógica. se interpreta como cero. 16 . el error ( ) y se muestran en la . minimizan la suma de cuadrados de los residuos. Es decir que: Se puede observar que los errores son las distancias verticales entre los puntos observados y la línea de predicción.CECAR© CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE Además de que estimados. pero para efectos de proyección se deja el valor obtenido. es decir el punto donde la recta corta o interseca el eje . y la ecuación se llama ecuación de predicción de mínimos cuadrados. INTERPRETACIÓN DE LOS COEFICIENTES ESTIMADOS. se ha definido la recta que mejor se ajusta como la que satisface el método de los mínimos cuadrados. Es el valor promedio de la variable dependiente cuando la independiente vale cero. La es . 7. Los valores predichos. ( ).

se debe especificar la distribución de probabilidad del término de error aleatorio y estimar cualquier parámetro desconocido de esa distribución. es decir. La estimación de cuadrados mínimos de es En el paso 3. la cantidad en que aumenta (o disminuye) el promedio de por cada aumento unitario de . Los errores asociados con distintas observaciones son independientes. Si . Así s2 SSE . en la cual SSE n 2 n ( yi i 1  ) yi 2 SS yy  SS 1 xy y 17 . Si la relación entre las variables es directa y mide el incremento de la variable dependiente por cada aumento de una unidad en la variable independiente. DISTRIBUCIÓN DEL COMPONENTE ALEATORIO DE ERROR. La estimación de se calcula dividiendo la entre el nº de grados de libertad asociados con el componente de error. Se utilizan 2 grados de libertad para estimar la ordenada en el origen y la pendiente del modelo de línea recta. nos indica que no existe relación lineal entre las dos variables 8.CECAR© CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE Es la pendiente. Si la relación entre las variables es inversa y mide el decremento de la variable dependiente por cada aumento de una unidad en la variable independiente o viceversa. Para estimar se usa del modelo de mínimos cuadrados. El componente aleatorio de error está distribuido normalmente con promedio cero y varianza constante . y se deja grados de libertad para estimar la varianza del error. En los ítems anteriores se establecieron los dos primeros pasos del modelado de regresión: se ha supuesto la forma de y empleado los datos de la muestra para estimar los parámetros desconocidos en el modelo.

CECAR© CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE 2 n n 2 n yi y 2 i i 1 n En el ejemplo del contenido medio de alquitrán.1 Demostración De Que n Es Insesgado. Esto iniciará una serie de desarrollos que conducen a la prueba de hipótesis y a la estimación del intervalo de confianza sobre la pendiente y la intersección. se demuestra que el estimador es insesgado para y se muestran las varianzas para . b. PROPIEDADES DE LOS ESTIMADORES DE MÍNIMOS CUADRADOS.43 8 261. c. 9. Se encuentra que.68 y s s2 261.18 9. n E( 1 ) ( xi E i 1 n x)(Yi ( xi x) 2 Y) E( 1 ) 1 n n ( xi x) 2 i 1 x) E (Yi Y) ( xi i 1 0 1 i i 1 E( 1 ) E( 1 ) 1 SS xx 1 SS xx n ( xi i 1 n x) E[( x i ) ( 0 1 i x i n )] x)[ 1 ( xi xi )] ( xi i 1 x)[ 1 ( xi xi )] E( 1 ) 1 SS xx ( xi i 1 18 . En lo que sigue. i 1 i 1 SS yy ( yi yi ) s2 SSE n 2 2093.68 16.  SS xy 1 ( xi i 1 n x)(Yi ( xi x) 2 Y) SS xx i 1 Utilizando los siguientes criterios: a.

Cov( i . j 1 n Var ( i ) n 2 n De esta forma.CECAR© CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE E( 1 ) SS xx SS xx 1 E( 1 ) 1 Lo cual demuestra que  1 es un estimador insesgado de 1 . 2 j ) 0. 19 . (Y j Y ). Var ( i ) b. Asimismo 9.2 Deducción De La Varianza de  1 y ecuación para la varianza de n 2 1 Var (  ) Var 1 ( xi i 1 n x)(Yi ( xi x) 2 Y) 2 1 1 n n Var 2 x) 2 i 1 ( xi x)(Yi Y) i 1 ( xi i 1 n n 2 1 1 2 SS xx n ( xi i 1 x) 2 Var (Yi Y) i 1 j 1 ( xi x)( x j x)Cov (Yi Y ). (Y j Y) Y) Cov ( 2 i 2 Y ) Var ( Y) 2 0 2 1 i 2 x i ) ( 2 0 2 1 xi i ) Var (Yi Y ) Var ( i ) n 2 n n ). ( 2 j ) 2 Cov( n i ) Cov( j ) Var ( ) n n n Se han empleado los siguientes hechos: a. Var ( ) Var n n 1 n2 n Var ( i ) i 1 n 2 n2 2 n j d. ) Cov i. (Y j Y) Tenemos que Var (Yi Var (Yi y Cov (Yi Cov (Yi Y ). i n i i 1 j c. Cov( i .

se pueden hacer inferencias estadísticas acerca de la adecuación del modelo para representar el promedio y para poder predecir los valores de para valores dados de . utilizando i 1 ( xi x) 0 Por lo tanto la desviación estándar de  1 es SS xx n La varianza de  0 es xi 2 i 1 n 2 n i 1 ( xi x)2 10. Entonces. contra la hipótesis alternativa que esas variables se relacionan en forma lineal con una pendiente diferente de cero. entonces la variable no tiene ningún efecto sobre la variable .CECAR© CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE 2 1 1 2 SS xx n 2 n n 2 ( xi i 1 2 x) ( 2 2 2 n n ) i 1 j 1 2 ( xi 2 x)( x j x) n n 2 1 1 SS xx 2 SS xx n ( xi i 1 x) SS xx . si . Teniendo especificada la distribución de probabilidad de y estimado al varianza . En este caso diremos que no es una variable explicativa del modelo.1 Prueba De Hipótesis Sobre La Pendiente En el paso nº 4 se debe comprobar en forma estadística la adecuación del modelo. si en el modelo de regresión lineal la pendiente es cero. INFERENCIAS ACERCA DE LOS COEFICIENTES DE REGRESIÓN 10. Es posible observar que. para probar la hipótesis nula de que no contribuye con información para predecir . Esto significa que el promedio No se modifica cuando cambia . Por lo tanto. En este modelo de línea recta. el modelo es simplemente . lo anterior significa que la pendiente verdadera es igual a cero. se contrasta Comparándola con 20 .

La prueba es de dos Colas. independientes. como a la izquierda. En general. Se encuentra la medida estadística de prueba si se considera la distribución de muestreo de .CECAR© CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE Si los datos respaldan la hipótesis alternativa. el estimador de mínimos cuadrados de la pendiente . tanto a la derecha. se llega a la conclusión de que si aporta información para predecir a empleando el modelo la línea recta. con media cero y varianza constante. se prueba la hipótesis nula . normalmente la medida estadística de prueba adecuada será una distribución de Student que se forma así: Donde . con promedio y desviación estándar SS xx Como la desviación estándar de . la distribución de muestreo del estimador de mínimos cuadrados de la pendiente será normal. que es se desconoce en general. Si se supone que los componentes de error son variables aleatorias normales. la desviación estándar estimada de la distribución de muestreo de . 21 . de manera que la estadística se vuelve Para el ejemplo del contenido de alquitrán en el flujo saliente en un proceso químico tenemos: Se escoge .

2) y de la variabilidad del estimador (mediante ). Para el ejemplo. Para ambas colas Para cola a la derecha Para cola a la izquierda Donde Este intervalo está centrado en la estimación puntual del parámetro.CECAR© CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE La región de rechazo es: Anteriormente se calculó . (mediante el valor crítico ta/2. n . entonces se concluye que la temperatura de entrada si influye en el contenido medio de alquitrán en flujo de salida en un proceso químico. 10.)% Para La Pendiente    Puesto que. en . se rechaza la hipótesis nula y se llega a la conclusión de que la pendiente no es cero.2 Intervalo De Confianza 100(1. y Como este valor de calculado está en la región de rechazo en la cola superior. el intervalo de confianza de para la pendiente es 22 . y la cantidad en la que se alarga a cada lado de la estimación depende del nivel deseado de confianza. es decir. La evidencia no respalda la afirmación.

y se define como la proporción de varianza explicada por la recta de regresión. porque significa que la pendiente verdadera está entre . En el ejemplo 23 . es decir: R2 SS yy SSE SS yy 1 SSE SS yy SCR SS yy Donde es la suma de cuadrados para la regresión.CECAR© CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE Este intervalo de confianza confirma la conclusión de la prueba de hipótesis nula. Este coeficiente nos indica el grado de ajuste de la recta de regresión a los valores de la muestra. COEFICIENTE DE DETERMINACIÓN La medida más importante de la bondad del ajuste es el coeficiente de determinación R2. 11.

Se suele decir que X e Y tienen una relación positiva si los valores grandes de X están aparejados con valores grandes de Y y valores pequeños de X. con valores pequeños de Y. 24 .CECAR© CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE Esto significa que la variabilidad muestral del contenido de alquitrán con respecto a su promedio se reduce en cuando se modela el contenido de alquitrán como función lineal de la temperatura de entrada diaria. se dice que X e Y tienen una relación negativa si los valores grandes de X están aparejados con los valores pequeños de Y y los pequeños de X. De manera análoga. 12. con grandes de Y. COEFICIENTE DE CORRELACIÓN.

25 .CECAR© CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE Correlación Negativa Perfecta Correlación Positiva Perfecta No Existe Correlación.

Probabilidad Y Estadística Para Ingeniería. [2] WALPOLE. Sexta Edición. 1999. SCHEAFFER.CECAR© CORPORACIÓN UNIVERSITARIA DEL CARIBE© FACULTAD DE INGENIERÍAS INGENIERÍA INDUSTRIAL V REGRESIÓN LINEAL SIMPLE BIBLIOGRAFÍA [1] MCCLAVE. Probabilidad Y Estadística Para Ingenieros. 26 . RONALD. Iberoamericana.