Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Regresión y Correlación
CB-412 V
Lic. Yolanda Segura García
CB-412 1
Introducción
Muchas veces las decisiones se basan en la relación entre
dos o más variables.Ejemplos
250
Rendimiento
200
150
Rend.
100
50
0
0 20 40 60 80 100 120 140
Dosis
1 60
Horas hombre
1 40
1 20
1 00
80
Horas hombre
60
40
20
0
0 10 20 30 40 50 60 70 80 90
6000
5000
4000
3000
2000
1000
0
0 2 4 6 8 10 12 14 16
CB-412 9
Coeficiente de correlación lineal
CB-412 10
Correlación Negativa Perfecta
10
9
8
7
6
Y 5
4
3
2
1
0
0 1 2 3 4 5 6 7 8 9 10
X
CB-412 11
Correlación Positiva Perfecta
10
9
8
7
6
Y 5
4
3
2
1
0
0 1 2 3 4 5 6 7 8 9 10
X
CB-412 12
Ausencia de Correlación
10
9
8
7
6
Y 5
4
3
2
1
0
0 1 2 3 4 5 6 7 8 9 10
X
CB-412 13
Correlación Fuerte y Positiva
10
9
8
7
6
Y 5
4
3
2
1
0
0 1 2 3 4 5 6 7 8 9 10
X
CB-412 14
Fórmula para el coeficente de
correlación (r) Pearson
n (( ΣXY ) − ( ΣX )( ΣY ))
r=
[n(ΣX 2
) − ( ΣX ) n ΣY
2
][ ( 2
) -(ΣY ) ]
2
CB-412 15
Modelos de Regresión
CB-412 16
Modelos de Regresión
Estas dos características están implícitas en un
modelo de regresión, postulando que:
En la población de observaciones asociadas con el
proceso que fue muestreado, hay una distribución de
probabilidades de Y para cada nivel de X.
Las medias de estas distribuciones varían de manera
sistemática al variar X.
CB-412 17
Representación gráfica del modelo
de Regresión Lineal
CB-412 19
Supuestos de Regresión Lineal
Clásica
z Cada error está normalmente distribuido
con:
z Esperanza de los errores igual a 0
z Variancia de los errores igual a una constante σ2.
z Covariancia de los errores nulas para todo i≠j
CB-412 20
Proceso de estimación de la regresión lineal simple
Modelo de regresión Datos de la muestra
y=β0+β1x+ε x y
x1 y1
Ecuación de regresión x2 y2
E(y)=β0+β1x . .
Parámetros desconocidos . .
β0.β1 . .
xn yn
Ecuación estimada de
b0 y b1 regresión
y=b0+b1x
proporcionan estimados Estadísticos de la muestra
β0 y β 1 b0.b1
CB-412 21
Líneas posibles de regresión en la
regresión lineal simple
Sección A Sección B Sección C
Relación lineal positiva Relación lineal negativa No hay relación
Ey Ey Ey
La pendiente β1
Línea de regresión * es negativa
La pendiente β1
es 0
* La pendiente β1 *
es positiva Línea de regresión Línea de regresión
x x x
* Ordenada al origen β0
CB-412 22
Estimación de la ecuación de Regresión
Simple
Y’= a + bX, donde:
Y’ es el valor estimado de Y para distintos X.
a es la intersección o el valor estimado de Y cuando X=0
b es la pendiente de la línea, o el cambio promedio de Y’
para cada cambio en una unidad de X
el principio de mínimos cuadrados es usado para obtener a y
b:
n ( Σ X Y ) − ( Σ X )( Σ Y )
b =
n(Σ X 2) − (Σ X )2
Σ Y Σ X
a = − CB-412
b 23
n n
Mínimos cuadrados - Supuestos
1. El modelo de regresión es lineal en los parámetros.
2. Los valores de X son fijos en muestreo repetido.
3. El valor medio de la perturbación εi es igual a cero.
4. Homocedasticidad o igual variancia de εi.
5. No autocorrelación entre las perturbaciones.
6. La covariancia entre εi y Xi es cero.
7. El número de observaciones n debe ser mayor que el
número de parámetros a estimar.
8. Variabilidad en los valores de X.
9. El modelo de regresión está correctamente especificado.
10. No hay relaciones lineales perfectas entre las explicativas.
CB-412 24
Estimación de la variancia de los
términos del error (σ2)
Debe ser estimada por varios motivos
z Para tener una indicación de la variabilidad de
las distribuciones de probabilidad de Y.
z Para realizar inferencias con respecto a la
función de regresión y la predicción de Y.
z La lógica del desarrollo de un estimador de σ2
para el modelo de regresión es la misma que
cuando se muestrea una sola población
z La variancia de cada observación Yi es σ2, la
misma que la de cada término del error
CB-412 25
Estimación de la variancia de los
términos del error (σ2)
Dado que los Yi provienen de diferentes distribuciones de
probabilidades con medias diferentes que dependen del nivel
de X, la desviación de una observación Yi debe ser calculada
con respecto a su propia media estimada Yi.
Por tanto, las desviaciones son los residuales
Yi - Ŷi = e i
Y la suma de cuadrados es:
n n n
SC = ∑ (Y − Ŷ ) = ∑ (Y − a − bX ) = ∑ e
e i i
2
i 1
2 2
i
i =1 i =1 i =1
CB-412 26
Estimación de la variancia de los
términos del error (σ2)
La suma de cuadrados del error, tiene n-2 grados de libertad
asociados con ella, ya que se tuvieron que estimar dos
parámetros.
Por lo tanto, las desviaciones al cuadrado dividido por los
grados de libertad, se denomina cuadrados medios
n 2
SC ∑e
CM = e
= i =1 i
CB-412 27
Análisis de Variancia en el análisis de
regresión
El enfoque desde el análisis de variancia se basa en la
partición de sumas de cuadrados y grados de libertad
asociados con la variable respuesta Y.
La variación de los Yi se mide convencionalmente en
términos de las desviaciones
(Y − Y )
i i
La medida de la variación total Sctot, es la suma de las
desviaciones al cuadrado
∑ (Y − Y )
2
i
CB-412
i 28
Desarrollo formal de la partición
Consideremos la desviación
(Y − Y )
i i
Podemos descomponerla en
(Y − Y ) = (Ŷ − Y) + (Y − Ŷ )
i i i i
T R E
(T): desviación total
(R): es la desviación del valor ajustado por la
regresión con respecto a la media general
(E): es la desviación de la observación con respecto a
la línea de regresión
CB-412 29
Desarrollo formal de la partición
Si consideremos todas las observaciones y elevamos al
cuadrado para que los desvíos no se anulen
∑ (Y − Y ) = ∑ (Ŷ − Y) + ∑ (Y − Ŷ )
2 2 2
i i i i
Coeficiente de Determinación, R2 - es la
proporción de la variación total en la variable
dependiente Y que es explicada o contabilizada
por la variación en la variable independiente X.
z El coeficiente de determinación es el
cuadrado del coeficiente de correlación, y
varia entre 0 y 1.
CB-412 31
Cálculo del R2 a través de la
siguiente fórmula
R 2
=
∑ ( yˆ − y ) 2
∑ ( y − y) 2
CB-412 32
Inferencia en Regresión
z Los supuestos que establecimos sobre los
errores nos permiten hacer inferencia sobre los
parámetros de regresión (prueba de hipòtesis e
intervalos de confianza), ya que los estimadores
de β0 y β1 pueden cambiar su valor si cambia la
muestra.
z Por lo tanto debemos conocer la distribución de
los estimadores para poder realizar prueba de
hipòtesis e intervalos de confianza
CB-412 33
Ejemplo
Se desean comparar los rendimientos predichos a partir de la
información obtenida por 3 sensores sobre los rendimientos reales por
parcelas de lotes de maíz. Los rendimientos (Y) y el los rindes
predichos de 4 sensores se presentan a continuación
Sensor 1 Sensor 4 Sensor 5 Rendimiento
0,0754 0,3083 0,1212 42,5846
0,0754 0,3083 0,1212 43,8576
0,0742 0,3327 0,1328 44,0082
0,0766 0,3327 0,1251 43,4989
0,0766 0,3297 0,1251 41,3327
0,0730 0,3205 0,1193 41,0313
0,0754 0,3114 0,1193 40,4802
0,0766 0,2901 0,1193 36,6735
0,0754 0,3449 0,1328 43,3535
0,0754 0,3480 0,1193 43,3180
0,0766 0,3480 0,1193 43,3143
0,0766 0,3419 0,1135 41,0042
0,0766 0,2840 0,1135 36,4908
0,0766 0,3053 0,1193 37,5931
0,0754 0,3266 0,1232 40,4556
0,0766 0,2840 0,1135 35,5595
0,0754 0,3358 0,1232 41,6400
0,0742 0,3419 0,1251 43,5951
4 5 ,9 5
PRED_Rendimiento 3 8 ,4 1
3 0 ,8 7
2 3 ,3 3
1 5 ,7 9
0 ,0 7 8 0 ,0 9 2 0 ,1 0 7 0 ,1 2 1 0 ,1 3 5
B5
R e n d im ie n to
PR ED _ R e n d im ie n to
R2 = 0.32
T ít u lo
4 5 ,9 5
PRED_Rendimiento
3 8 ,4 1
3 0 ,8 7
2 3 ,3 3
1 5 ,7 9
0 ,2 2 0 ,2 6 0 ,3 0 0 ,3 4 0 ,3 7
B4
R e n d im ie n t o
P R E D _ R e n d im ie n t o
3 8 ,4 1
3 0 ,8 7
2 3 ,3 3
1 5 ,7 9
0 ,0 7 1 0 ,0 7 6 0 ,0 8 1 0 ,0 8 7 0 ,0 9 2
B 1
R e n d im ie n t o
P R E D _ R e n d im ie n t o
Y = -1004.34*X +112.24
CB-412 R2 = 0.44 37