Documentos de Académico
Documentos de Profesional
Documentos de Cultura
06 Estadistica PDF
06 Estadistica PDF
SEMANA 6
NDICE
REGRESIN LINEAL ........................................................................................................................ 3
APRENDIZAJES ESPERADOS ........................................................................................................... 3
DEFINICIN DE REGRESIN LINEAL .......................................................................................... 3
EJEMPLO 1 ............................................................................................................................. 4
EJEMPLO 1.1 .......................................................................................................................... 5
EJEMPLO 1.2 .......................................................................................................................... 7
COEFICIENTE DE DETERMINACIN ........................................................................................... 8
COEFICIENTE DE CORRELACIN LINEAL .................................................................................... 8
EJEMPLO 1.3 .......................................................................................................................... 9
EJEMPLO 2 ............................................................................................................................. 9
EJEMPLO 2.1 ........................................................................................................................ 11
REGRESIN LINEAL MLTIPLE ..................................................................................................... 12
EJEMPLO 3 ........................................................................................................................... 13
COMENTARIO FINAL.................................................................................................................... 16
REFERENCIAS ............................................................................................................................... 17
REGRESIN LINEAL
APRENDIZAJES ESPERADOS
El objetivo de esta semana es comprender el tipo de problemtica donde se puede aplicar un
modelo de regresin lineal y, adems, calcular e interpretar los resultados de los diferentes
ejemplos.
INTRODUCCIN
El termino regresin tiene sus orgenes a principio del siglo XVIII, donde se utilizaba para buscar
relaciones entre una o ms variables que pueden aportar informacin para explicar otra variable
(variables independientes) y una variable que se quiere explicar (variable dependiente), la
evolucin del estudio y la aplicacin de esta tcnica en el mundo empresarial es en base a la
capacidad que tiene de analizar tendencias de datos histricos para poder predecir
comportamientos futuros de variables tan decisivas como las ventas, la produccin o los costos.
La
EJEMPLO 1:
Considrese el nmero de empleados y los gastos fijos que se generan en cuatro empresas muy
similares, se cree que existe una relacin lineal entre ambas variables.
Al graficar los valores, queda clara la relacin lineal entre ambas variables, esta conclusin se basa
en el anlisis de las variables nmero de empleados y gastos fijos, ya que a medida que aumenta el
numero de empleados (eje x) tambin aumenta el monto de los gastos fijos, esto se puede
comprobar en el grfico que se muestra a continuacin:
EJEMPLO 1.1:
De la tabla se obtiene:
EJEMPLO 1.2:
Al considerar la siguiente recta:
y construir una tabla equivalente a la anterior,
se determinarn los errores de la recta, tal como sigue:
Y se obtiene que la suma de los errores al cuadrado es 2.300, claramente muy superior a la recta
obtenida (en el ejemplo anterior) con el mtodo de los mnimos cuadrados.
COEFICIENTE DE DETERMINACIN
Es una medida estadstica que permite evaluar el ajuste de la ecuacin de regresin a los datos.
De acuerdo al resultado del
se pueden interpretar los valores cercanos a 0 como la inexistencia
del ajuste de la recta a los datos, el valor cercano a 1 se puede interpretar como la existencia de
un ajuste importante entre la variable dependiente y la(s) independiente(s).
Por lo tanto,
El coeficiente de determinacin corresponde al cuadrado del coeficiente de correlacin lineal.
Interpretacin de resultados:
a) Para valores cercanos a 1 se puede decir que existe una alta asociacin lineal positiva, tal como
se presenta en el grfico A).
b) Para valores cercanos a -1 se puede decir que existe una alta asociacin lineal negativa, tal
como se presenta en el grfico B).
c) Para valores cercanos a 0 se puede decir que no existe asociacin lineal, sin descartar algn
otro tipo de asociacin, tal como se presenta en el grfico C).
Para la interpretacin, es mejor ocupar el valor que se obtiene de R2100 que indica el porcentaje
de la variabilidad de Y explicada por la variable X.
Grficamente, esto se interpreta a travs de los siguientes ejemplos:
EJEMPLO 1.3:
Para continuar con el ejemplo anterior, revisemos el resultado del clculo de R y R2
EJEMPLO 2:
Una compaa local de energa seleccion una residencia tpica para desarrollar un modelo
emprico para el consumo de energa (en kilowatts por da) como una funcin de la temperatura
promedio diaria durante los meses de invierno. Se obtuvo la siguiente informacin durante un
periodo de 15 das.
De acuerdo al diagrama de dispersin (puntos), la grfica si sugiere una asociacin lineal negativa,
lo cual se ilustra a travs del grfico: el consumo de energa disminuye a medida que aumenta la
temperatura.
b) Para un modelo lineal simple, obtngase la ecuacin estimada de regresin y grafique esta
ecuacin sobre la grfica de la parte a) Al tabular los datos de la siguiente forma:
10
y la pendiente
grfica
EJEMPLO 2.1:
a) Estimar los consumos individuales de energa para las siguientes temperaturas:
-10
-8
-5
-2
10
13
11
El resultado del reemplazo de cada una de las temperaturas planteadas, entrega un consumo
estimado, por lo tanto, una vez calculada la ecuacin de la recta, es posible interpolar valores de
consumo para distintas temperaturas, se obtiene a modo de ejemplo, para x = -10 se obtiene y =
78,26 1,78 (1)=96,06
Se interpreta 100 R2 = 100 (-0,88)2 = 77,44 es decir 77,4% de la variabilidad en los consumos, se
pueden explicar por las temperaturas.
Para i = 1,2, n. Escribiendo el modelo para cada una de las observaciones, este puede ser
considerado como un sistema de ecuaciones lineales de la forma.
12
EJEMPLO 3:
Una determinada universidad realiz un estudio sobre la relacin que existe entre el coeficiente
intelectual (CI) con dos variables explicativas cantidad de horas de estudio semanal y el promedio
de sus calificaciones, para dicho estudio se obtuvo una muestra aleatoria de estudiantes de 8
bsico.
Alumno
1
2
3
4
5
6
7
8
9
10
CI
110
115
128
112
121
111
126
130
125
117
Desarrollo:
Ci
119,5
7,47
55,83
Media
D.T
Varianza
Coeficientes
98,5907347
0,7422419
0,234221
Pronstico CI
Residuos
13
1
2
3
4
5
6
7
8
9
10
114,4
117,1
121,2
115,5
124,9
113,8
120,2
118,5
128,9
120,5
-4,4
-2,1
6,8
-3,5
-3,9
-2,8
5,8
11,5
-3,9
-3,5
NOTA: Para realizar un anlisis de regresin en Microsoft Excel, primero se debe ir a Archivo->
Opciones -> Complementos y habilitar el complemento anlisis de datos y luego ir a la opcin
Datos->Anlisis de datos-> Regresin
Las opciones anlisis de datos se encuentran en la siguiente ventana:
14
15
COMENTARIO FINAL
Durante esta semana aprendimos los conceptos bsicos del mtodo de regresin lineal simple, por
lo tanto, podemos complementar nuestro conocimiento sobre la construccin de grficos de
dispersin vistos en la semana 2 y agregar la recta de la ecuacin lineal, adicionalmente tambin
estamos en condiciones de interpretar los coeficientes de correlacin que se obtienen.
16
REFERENCIAS
Anderson David R., Sweeney Dennis J., Williams Thomas A. (2008). Estadstica para
administracin y economa (10 edicin). Cencage Learning
Canavos, George. (1988). Introduccin y estadstica descriptiva. Probabilidad y estadstica.
Mxico: McGraw-Hill/Interamericana S. A.
Pagano, Robert R. (2011). Estadstica para las ciencias del comportamiento (9 edicin).
Cencage Learning.
17