Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Regresion Lineal Simple PDF
Regresion Lineal Simple PDF
CP SI 24 y = 8.1185x - 6.6269
2
xi yi R = 0.7185
2.95 18.5 22
3.2 20 Variable respuest 20
3.4 21.1
3.6 22.4 18
3.2 21.2
2.85 15 16
3.1 18
2.85 18.8 14
3.05 15.7
2.7 14.4 12
2.75 15.5
3.1 17.2 10
3.15 19 2.6 2.7 2.8 2.9 3 3.1 3.2 3.3 3.4 3.5 3.6
2.95 17.2
2.75 16.8
Xi (variable independiente o regresiva)
45.6 270.8
f (Y xi )
Y xi
yi
E (Y xi )
Preparado por: Irene P. Valdez y Alfaro
Regresin Lineal Simple
yi = 0 + 1 xi + i
f (Y xi )
E (Y xi ) = 0 + 1 xi
x 1 xi xn
Si la recta de regresin es: Y = 0 + 1 X
Cada valor yi observado para un xi puede considerarse como el valor
esperado de Y dado xi ms un error:
Modelo lineal simple : yi = 0 + 1 xi + i
Los i se suponen errores aleatorios con distribucin normal,
media cero y varianza 2 ; 0 y 1 son constantes desconocidas
(parmetros del modelo de regresin)
Preparado por: Irene P. Valdez y Alfaro
Mtodo de Mnimos Cuadrados
para obtener estimadores de 0 y 1
Consiste en determinar aquellos estimadores de 0 y 1 que
minimizan la suma de cuadrados de los errores i ; es decir,
los estimadores 0 y 1 de 0 y 1 respectivamente deben
ser tales que: n 2
i sea mnima.
i =1
n y n x
i i
n
i =1 i =1
xi yi S xy
1 = i =1 n 1 =
xn
i
2
S xx
n
2 i =1
xi
i =1 n
2
x
n
i
n
2
S xx = x i i =1
n
= (xi x )
2
Puede demostrarse que:
i =1 n i =1
y
n y n x
i i n
S xy = xi yi i =1 i =1 = ( xi x ) yi
n
i =1 n i =1
Preparado por: Irene P. Valdez y Alfaro
Por otro lado puede demostrarse que los estimadores de 0 y 1 son
insesgados con varianzas:
1 x 2 2
V (0 ) = + 2
y V (1 ) = respectivamente.
n S xx S xx
i =1
n
( yi y i )
2
i =1 SS E E (MS ) = 2
2 = MS E
Sea MS E = = Entonces: E
n2 n2
Preparado por: Irene P. Valdez y Alfaro
Con lo anterior, las varianzas estimadas de 0 y 1
son respectivamente:
1 x 2 MS E
V (0 ) = MS E + y V (1 ) =
n S xx S xx
Adems, si se cumplen los supuestos de que los i se distribuyen
normalemte con media cero y varianza 2, entonces, los estadsticos
0 0 1 1
T= y T=
1 x 2 MS E
MS E +
n S xx S xx
Nota: si se utilizara en lugar de una recta, una curva con grado mayor a 1
en X pero grado 1 en los coeficientes de X, la regresin sigue siendo lineal,
o+
ya que es lineal en los parmetros de regresin p.ej. Y= 1x+2x2
Recta estimada
de regresin
x 1 xi x0 xn
1 (xo x ) 2 1 (xo x )2
V ( y 0 ) = +
2
V ( y 0 ) = MS E +
n S xx
n S xx
y 0 y 0
y 0 tiene distribucin normal, por lo que:
V ( yo )
tiene distribucin T de Student con n-2 grados de libertad, por lo
que los lmites de confianza superior e inferior para la respuesta
media dado x0 estn dados por: y 0 t / 2, n 2 V ( yo )
xx