Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Diagrama de dispersión
Tal como se indica en el siguiente esquema, una linea de regresión con pendiente
positiva indica una relación directa entre las variables, una pendiente negativa
indica una relación inversa entre las variables y una pendiente de cero indica que
las variables no tienen relación entre sí. Además, el grado de dispersión vertical de
los puntos trazados respecto de la línea de regresión indica el grado de relación
entre las dos variables.
1
Regresión Lineal Simple Ing. Luis Pedro Rico Hernández
Yi= α + βxi + ε
Donde:
Donde el error del modelo debe necesariamente tener una medida de cero. Cada
observación (xi, yi) en la muestra satisface la ecuación.
Yi= α + βxi + ε
2
Regresión Lineal Simple Ing. Luis Pedro Rico Hernández
ŷ = a + b(x)
3
Regresión Lineal Simple Ing. Luis Pedro Rico Hernández
4
Regresión Lineal Simple Ing. Luis Pedro Rico Hernández
5
Regresión Lineal Simple Ing. Luis Pedro Rico Hernández
Herná
50 y = 0.9036x + 3.8296
R² = 0.9129
40
30
20
Series1
10
0
0 10 20 30 40 50 60
Reducción de solidos %
Ejercicio 2
x 77 50 71 72 81 94 96 99 67
y 82 66 78 34 47 85 99 99 68
6
Regresión Lineal Simple Ing. Luis Pedro Rico Hernández
Herná
Solución:
N= 9
b= 0.7771416
a= 12.0623211
80
60
40 Series1
20 Lineal (Series1)
0
0 20 40 60 80 100 120
Examen Parcial
7
Regresión Lineal Simple Ing. Luis Pedro Rico Hernández
Ejercicio3
8
Regresión Lineal Simple Ing. Luis Pedro Rico Hernández
Herná
8
6
Series1
4
Lineal (Series1)
2
0
0 0.5 1 1.5 2 2.5
Temperatura del Proceso
Ejercicio 4
Costos de
publicidad ($) Ventas ($)
40 385
20 400
25 395
20 365
30 475
50 440
40 490
20 420
50 560
40 525
25 480
50 510
9
Regresión Lineal Simple Ing. Luis Pedro Rico Hernández
600
500
400
300
200 Series1
100
0
0 20 40 60
N= 12
b= 3.22081218
a= 343.705584
10
Regresión Lineal Simple Ing. Luis Pedro Rico Hernández
Herná
300
Series1
200
100 Lineal (Series1)
0
0 10 20 30 40 50 60
Ejercicio 5
11
Regresión Lineal Simple Ing. Luis Pedro Rico Hernández
Herná
N= 9
-
b= 6.32398754
a= 153.175493
140 y = -6.324x
6.324x + 153.1
120 R² = 0.957
100
80
Series1
mg/m3
60
40
Lineal (Series1)
20
0
0 2 4 6 8
Cantidad de lluvia diaria 0.01 cm
12
Regresión Lineal Simple Ing. Luis Pedro Rico Hernández
Ejercicio 6
Análisis de correlación
Así como el análisis de regresión permite obtener una fórmula que expresa la
relación entre dos o más variables, el análisis de correlación obtiene un índice que
muestra el grado de relación entre dos o más variables.
13
Regresión Lineal Simple Ing. Luis Pedro Rico Hernández
SST=SSR+SSE
14
Regresión Lineal Simple Ing. Luis Pedro Rico Hernández
Correlación
Por ejemplo, si X y Y representa la longitud y la circunferencia de una clase
particular de hueso en el cuerpo de un adulto, se podría llevar a cabo un estudio
antropológico para determinar si valores grandes de X se asocian con valores
grandes de Y. Si X representa la antigüedad de un automóvil usado y Y su valor
en libros, se esperaría que los valores grandes de X correspondieran a valores
pequeños de Y, y que valores pequeños de X correspondieran a valores grandes
de Y.
Coeficiente de correlación
La constate (rho) ó r2 recibe el nombre de coeficiente de correlación. Es
importante la interpretación física del coeficiente de correlación y la distinción entre
correlación y regresión. El valor de r es cero cuando no hay regresión lineal, esto
es, la línea de regresión es horizontal y cualquier conocimiento de X no es de
utilidad para predecir Y. -1 ≤ r ≤ 1. Los valores de r = 1sólo ocurren cuando s2=0,
en cuyo caso se tiene una relación lineal perfecta entre las dos variables.
Entonces un valor de r = 1 implica una relación lineal perfecta con una pendiente
positiva. Mientras que un valor de r = -1 indica una relación lineal perfecta con
pendiente negativa. Se podría decir que estimaciones muéstrales de r (rho)
cercanas a la unidad en magnitud implican buena correlación entre X y Y, mientras
que valores cercanos a cero indican poco o ninguna correlación. Es común
referirse a r como momento de pearson.
15
Regresión Lineal Simple Ing. Luis Pedro Rico Hernández
Coeficiente de Determinación
Para valores de r entre – 1 y + 1 se debe ser cuidadoso en su interpretación. Por
ejemplo, valores de r iguales que 0.3 y 0.6 significan únicamente que se tienen
dos correlaciones positivas, un algo mayor que la otra. Es un error concluir que r =
0.6 indica una relación lineal de dos veces mayor que la indicada por el valor r =
0.3.
Entonces una correlación de 0.6 significa que 0.36 o 36% de la variación total
de los valores de Y en la muestra se deben a una relación lineal con los
valores de X.
16
Regresión Lineal Simple Ing. Luis Pedro Rico Hernández
17
Regresión Lineal Simple Ing. Luis Pedro Rico Hernández
18
Regresión Lineal Simple Ing. Luis Pedro Rico Hernández
19