Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema:
Regresin Lineal
Alumno:
.
Carrera:
Ingeniera en sistemas computacionales
Materia:
Probabilidad y Estadstica
Maestro:
.
REGRESIN LINEAL
Ejemplo 1. Determine el modelo de regresin lineal para un conjunto de 20
mediciones de temperaturas (considere valores negativos).
Los ejercicios debe contener:
1. Grafica de dispersin
2. Ecuacin de regresin lineal
3. Covarianza SXY
4. Coeficiente de correlacin lineal r
5. Coeficiente de determinacin r2
6. Los residuales (grafica)
7. Error estndar del estimador
8. Estimar dos aproximaciones de temperatura y usar el error estndar para
definir margen de confiabilidad
Datos:
Temperatura
muestreada
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Temperatura
Fahrenheit
(Y)
3
37.4
-7
19.4
36
96.8
22
71.6
-21
-5.8
5
41
36
96.8
21
69.8
12
53.6
18
64.4
-52
-61.6
43
109.4
26
78.8
-35
-31
32
89.6
11
51.8
39
102.2
-5
23
15
59
33
91.4
232
1057.6
Temperatur
a Celsius(X)
Diagrama de dispersin
120
100
80
60
40
20
Temperatura fahrenheit Y
0
-60
-40
-20
-20 0
20
40
-40
-60
-80
Temperatura celsius X
Temperatura
muestreada
Temperatura
Celsius(X)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
3
-7
36
22
-21
5
36
21
12
18
-52
43
26
-35
32
11
39
Temperatura
Fahrenheit
(Y)
37.4
19.4
96.8
71.6
-5.8
41
96.8
69.8
53.6
64.4
-61.6
109.4
78.8
-31
89.6
51.8
102.2
XY
X2
Y2
112.2
-135.8
3484.8
1575.2
121.8
205
3484.8
1465.8
643.2
1159.2
3203.2
4704.2
2048.8
1085
2867.2
569.8
3985.8
9
49
1296
484
441
25
1296
441
144
324
2704
1849
676
1225
1024
121
1521
1398.76
376.36
9370.24
5126.56
33.64
1681
9370.24
4872.04
2872.96
4147.36
3794.56
11968.36
6209.44
961
8028.16
2683.24
10444.84
60
18
19
20
-5
15
33
23
59
91.4
232
-115
885
3016.2
1057.6
25
225
1089
34366.4
14968
529
3481
8353.96
95702.7
2
Media:
X 232 11.6
n
Y
20
1057.6
52.88
n
20
Por lo tanto:
XY nXY 34366.4 20 11.6 52.88 22098.24 1.8
b
2
12276.8
14968 20 11.6
X2 nX2
Y
Y a bX 32 1.8X
Diagrama de dispersin
120
100
80
60
40
Temperatura fahrenheit Y
20
0
-60
-40
-20
-20 0
20
-40
-60
-80
Temperatura celsius X
3. COVARIANZA SXY
40
60
Temperatura
muestreada
Temperatura Temperatura
Celsius(X) Fahrenheit (Y)
X- X
Y- Y
(X- X )(Y- Y )
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
3
-7
36
22
-21
5
36
21
12
18
-52
43
26
-35
32
11
39
-5
15
33
232
37.4
19.4
96.8
71.6
-5.8
41
96.8
69.8
53.6
64.4
-61.6
109.4
78.8
-31
89.6
51.8
102.2
23
59
91.4
1057.6
-8.6
-18.6
24.4
10.4
-32.6
-6.6
24.4
9.4
0.4
6.4
-63.6
31.4
14.4
-46.6
20.4
-0.6
27.4
-16.6
3.4
21.4
0
SXY
S XY
X i X Yi Y
i1
22098.24
20
1104.912
4. COEFICIENTE DE CORRELACIN R.
Se sacan las desviaciones estndar de cada variable:
xi2
Sx
X2
n
14968
Sx2
(11.6)2
20
2
-15.48
-33.48
43.92
18.72
-58.68
-11.88
43.92
16.92
0.72
11.52
-114.48
56.52
25.92
-83.88
36.72
-1.08
49.32
-29.88
6.12
38.52
0
133.128
622.728
1071.648
194.688
1912.968
78.408
1071.648
159.048
0.288
73.728
7280.928
1774.728
373.248
3908.808
749.088
0.648
1351.368
496.008
20.808
824.328
22098.24
95702.72
(52.88)2
20
2
Sy 4785.136 2796.2944 1988.8416
Sy2
Sy 1988.8416 44.59
Aplicando la frmula de coeficiente de correlacin r:
SXY
SX SY
1104.912
r
1.0
(24.77)(44.59)
r
Pendiente de la
recta
r=0
No tiene
pendiente
0<r<1
positiva
relacionadas.
-1 < r < 0
negativa
relacionadas.
r=1
positiva
r = -1
negativa
inversa perfecta
Podemos decir que nuestro resultado encaja en r=1 Las variables tienen
una correlacin directa perfecta.
S2XY
r 2 2
SX SY
(1104.912)2
1220830.528
2
r
1.0
(24.77)2 (44.59)2 1219907.659
2
Temperatura
Celsius(X)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
3
-7
36
22
-21
5
36
21
12
18
-52
43
26
-35
Valor
Temperatura
Fahrenheit ajustado( )
(Y)
Y
37.4
19.4
96.8
71.6
-5.8
41
96.8
69.8
53.6
64.4
-61.6
109.4
78.8
-31
37.4
19.4
96.8
71.6
-5.8
41
96.8
69.8
53.6
64.4
-61.6
109.4
78.8
-31
e Y Y
0
0
0
0
0
0
0
0
0
0
0
0
0
0
15
16
17
18
19
20
32
11
39
-5
15
33
232
89.6
51.8
102.2
23
59
91.4
1057.6
89.6
51.8
102.2
23
59
91.4
1057.6
0
0
0
0
0
0
0
Diagrama residual
1
0.9
0.8
0.7
0.6
0.5
Residual e
0.4
0.3
0.2
0.1
0
-60
-40
-20
20
40
60
Valor ajustado
se
Yi Yi
(0)2
se
0
20
n 2
8. ESTIMAR
DOS
APROXIMACIONES
USAR
EL
ERROR
Y a bX 32 1.8X
1) 32+1.8(4)=39.2+0=39.2
32+1.8(4)=39.2-0=39.2
2) 32+1.8(42)=107.6+0=107.6
32+1.8(42)=107.6-0=107.6
Ejemplo 2:
Datos:
Trabajador
10
11
12
muestreado
Semanas de
14
12
10
11
26
20
28
16
23
18
24
26
38
22
32
25
experiencia
(X)
Nmero de
rechazos
(Y)
Diagrama de dispersin
40
35
30
25
Semanas de experiencia
20
15
10
5
0
0
10
Nmero de rechazos
12
14
16
Semanas de
Nmero de
experiencia(X)
7
9
6
14
8
12
10
4
2
11
1
8
92
rechazos(Y)
26
20
28
16
23
18
24
26
38
22
32
25
298
XY
X2
Y2
182
180
168
224
184
216
240
104
76
242
32
200
2048
49
81
36
196
64
144
100
16
4
121
1
64
876
676
400
784
256
529
324
576
676
1444
484
1024
625
7798
Media:
X 92 7.66
n
Y
12
298
24.83
n
12
Por lo tanto:
XY nXY 2048 12 7.66 24.83 234.3736 1.363487011 1.4
b
2
171.8928
876 12 7.66
X2 nX2
Y
Y a bX 35.5 1.4X
Diagrama de dispersin
40
35
30
25
Semanas de experiencia
20
15
10
5
0
0
10
12
14
16
Nmero de rechazos
3. COVARIANZA SXY
Trabajador
muestreado
Semanas
Nmero de
de
rechazos(Y)
X- X
Y- Y
(X- X )(Y- Y )
experiencia
1
(X)
7
26
-0.66
1.17
-0.7722
20
1.34
-4.83
-6.4722
28
-1.66
3.17
-5.2622
14
16
6.34
-8.83
-55.9822
23
0.34
-1.83
-0.6222
12
18
4.34
-6.83
-29.6422
10
24
2.34
-0.83
-1.9244
26
-3.66
1.17
-4.2822
38
-5.66
13.17
-74.5422
10
11
22
3.34
-2.83
-9.4522
11
32
-6.66
7.17
-47.7522
12
25
0.34
0.17
0.0578
-236.6486
SXY
SXY
X i X Yi Y
i1
236.6486
12
19.72
4. COEFICIENTE DE CORRELACIN R.
Se sacan las desviaciones estndar de cada variable:
xi2
Sx
X2
n
876
Sx2
(7.66)2
12
2
Sy 33.3011 5.77
Aplicando la frmula de coeficiente de correlacin r:
SXY
SX SY
19.72
r
0.90
(3.7847)(5.77)
r
Pendiente de la
recta
r=0
No tiene
pendiente
0<r<1
positiva
relacionadas.
-1 < r < 0
negativa
relacionadas.
r=1
positiva
directa perfecta
r = -1
negativa
inversa perfecta
Podemos decir que nuestro resultado encaja en -1<r<0 Las variables estn
inversamente relacionadas con una pendiente negativa.
S2XY
r 2 2
SX SY
(19.72)2
388.8784
2
r
0.81
(3.7847)2 (5.77)2 476.8859
2
Semanas de
Nmero de
experiencia(X
rechazos(Y)
Valor
ajustado(
Residual
e Y Y
26
25.7
0.3
20
22.9
-2.9
28
27.1
0.9
14
16
15.9
0.1
23
24.3
-1.3
12
18
18.7
-0.7
10
24
21.5
2.5
26
29.9
-3.9
38
32.7
5.3
10
11
22
20.1
1.9
11
32
34.1
-2.1
12
25
24.3
0.7
0.8
Diagrama residual
6
4
2
Residual e
0
10
15
20
25
-2
-4
-6
Valor ajustado
se
se
Yi Yi
n 2
0.64
0.25
10
30
35
40
8. ESTIMAR
DOS
APROXIMACIONES
USAR
EL
ERROR
Y a bX 35.5 1.4X
3) 35.5+(-1.4)(3)=31.3+0.25=31.55
35.5+(-1.4)(3)=31.3-0.25=31.05
4) 35.5+(-1.4)(13)=17.3+0.25=17.55
35.5+(-1.4)(13)=17.3-0.25=17.05