Curso: Métodos estadísticos de investigación

Profesor: Ingº Antonio Matos Alejandro

CURVA DE AJUSTE, REGRESIÓN Y CORRELACIÓN

Curva de ajuste.-
Es la relación entre dos ó más variables. Fundamentalmente se da entre dos variables.

1º) Se realiza la colección de datos, los valores de las variables.

Ejemplo: Si x e y denotan la estatura y peso de una persona, entonces una muestra de n
individuos resultaría en las estaturas x1, x2, ..., xn y los pesos correspondientes y1, y2,...,
yn.

2º) Dibujar los puntos (x1, y1); (x2, y2); ……….

Relación lineal Relación no lineal Ninguna relación

1º) Regresión lineal (ecuación de una recta) Y = a + bx

2º) Relación no lineal (curva cuadrática o parabólica) Y= a + bx + cx2

3º) Ninguna relación entre variables

Uno de los propósitos de la curva de ajuste es estimar una de las variables (dependiente) de
la otra (independiente). El proceso de estimaciones se conoce como regresión.

Regresión

Estudia la función matemática que relaciona a la variable dependiente o respuesta, con la o las
variables independientes o predictoras o explicativas.

Y = f(x1, x2,...., xn)

Ejm.
- Tiempo de vida; depende de la alimentación, del estado físico, de la tranquilidad,
etc.
- En toxicología; los efectos letales de una droga se describen por la regresión del %
muertes sobre la cantidad de droga.
% de muertes Y causado por la cantidad de droga X.
- Interesa conocer el grado de dependencia entre: el % de carcasa y el peso vivo de
animales; entre el rendimiento de granos (trigo) y la caída de la lluvia, etc. es decir,
 como se incrementan o disminuyen los valores de una característica al
incrementarse o disminuir los valores de otra característica.
- Una característica depende de la otra; ejm. el volumen del pan depende del % de
proteína del trigo; la estabilidad del néctar depende del tamaño de partículas así
como también de la concentración de estabilizante.
La regresión entre dos características puede ser lineal o curvilínea.

Lineal (recta): Cuando las variaciones de la característica dependiente están ligadas

proporcionalmente con las variaciones de la característica independiente.

Curvilínea (no lineal): Cuando no hay una dependencia de constante proporcionalidad,

cuando es cualquier curva.

De acuerdo al número de variables independientes en estudio la regresión puede ser simple

o múltiple. Es simple cuando se estudia una sola variable independiente, y es múltiple
cuando se estudia dos o más variables independientes.

Correlación
Estudia el grado de asociación entre la variable respuesta y la o las variables
independientes. Se dice que la correlación es simple cuando se estudia una variable
independiente asociada con la variable dependiente. La correlación es parcial cuando en
una regresión múltiple estudiamos el grado de asociación de una variable independiente
con la variable dependiente o respuesta, permaneciendo las demás variables independientes
constantes.
Regresión lineal simple

La regresión permite estudiar la influencia de una característica respecto de otra, para

establecer como varía el promedio de la primera característica al variar la segunda en una
unidad de su medida.
Se presentan casos como:
1.- Que las medidas o niveles de x sean seleccionados o escogidos por el investigador.
Entonces regresión de y sobre x.
2.- Que las medidas o niveles de x sean tomados al azar. Entonces regresión de y sobre x y
la x sobre y.

Modelo estadístico

El modelo poblacional es el siguiente:

Yi = β0 + β1Xi + Ei

i =1, 2, 3,......., n población

Donde:

Yi = Variable dependiente o respuesta

Xi = Variable independiente, predictoras
o explicativas
βo = Intersección de la recta con el eje y,
cuando x = 0
β1= Coeficiente de regresión o
pendiente de la recta
Ei= Error o residual; independientes

Ei, es una variable aleatoria tomada de una distribución normal, con media cero y variancia
σ2, esto es, N(0, σ2).

Estimación del modelo:

Yi = β0 + β1Xi + Ei  población.

yi = b0+ b1xi + ei  muestra. i = 1; 2; 3;…….; n.

Donde:
b0 es el estimador de β0 (b0  β0): b0 = ̂ 0
b1 es el estimador de β1 (b1 β1): b1 = ̂1
La población de valores de y correspondiente a una x seleccionada tiene una media µ que
yace en la recta:
µ = β0 + β1xi
Donde: β0 y β1 son parámetros
Yi = β0 + β1Xi + Ei

Yi = µy.x + Ei
Estimación de parámetros

Método de los mínimos cuadrados:

Este método permite obtener los valores estimados de β 0 y β1 de modo que la suma de los
errores al cuadrado sea mínima, es decir, de lo que se trata es de calcular b 0 y b1 de modo
que:

1) Dado el modelo: yi = bo+ bix1+ ei .................(1)

i= 1, 2, 3,......n

Se determinará bo y b1 para ubicar la recta de regresión estimada:

yi = bo+ bix1

2) De la ec. (1), despejamos ei para minimizar la expresión

ei = yi - bo - bixi ---------(2)

3) Σei2 = Σ (yi - bo – b1xi)2 = Q ---------(3)

4) Derivando la ec. (3) con respecto a bo, b1 tendremos:

dQ
= 2Σ (yi - bo – b1xi) (-1)
dbo

dQ
= 2Σ(yi – bo - b1xi) (-xi)
db1

Luego igualando a 0:

dQ dQ
=0 y =0
dbo db1

Resolviendo ambas ecuaciones con respecto a bo y b1, tendremos:

5) Σ(yi - bo - b1xi) = 0 → Σyi - nbo – b1Σxi = 0

Ecuaciones normales

Σ(yi - bo - b1xi) = 0 →∑xiyi – bo∑xi - b1Σxi2 = 0

6) De las ec. normales y resolviendo en términos de bo y b1 tendremos:

b0 
y i
 b1
x i
 y  b1 x
n n

7) Reemplazando en la segunda ecuación normal.

  yi  xi 
yx i i    b1  xi  b1  x12  0

 n n 

 x
 yi xi   i n  i  b1 n i  b1  xi2  0
2
( y )( x )

  y   x   b   x  2

yx i i  i

n
i
i

x2
i 
n
i




   yi   xi  
 i i  n  Suma _ de _ productos" xy" SPxy
x y 
b1    
  xi 
2
Suma _ de _ Cuadrados SCx
i n
x 2


Resolviendo:

b1 
  x  x  y  y 
1 i

 ( x  x) i
2

Donde: b1 = Coeficiente de regresión

xi = Valores de la característica independiente

yi = Valores de la característica dependiente

X = Promedio de los valores de la característica independiente

Y = Promedio de valores de la característica independiente

Coeficiente de determinación (r2):

Mide el porcentaje de la variabilidad de la respuesta que es explicado por la variable predictora

para el modelo de regresión supuesto. Su valor va de 0 a 1.

SCregre .
r2   100%
SCtotal

Coeficiente de correlación (r)

Mide el grado de asociación entre la variable X y la variable Y. Toma valores desde -1 hasta 1.

SPXY
r  0,95 Varía: 1  r  1
SCX .SCY

 0,95 indica una elevada correlación(+)

Para interpretar un coeficiente de correlación se debe tener en cuenta:

- Un valor de –1, significa una perfecta correlación negativa, es decir todos los puntos caen sobre
una línea con pendiente negativa.

Un valor de +1, significa una perfecta correlación positiva, es decir, todos los puntos caen sobre
una línea con pendiente positiva.

Un valor de cero (0), significa no correlación.

Regresión no lineal

Modelo cuadrático:

Población : yi   0  1 xi   2 xi   i ;.......Donde : i  1;2;...; N

2

: yi  b0  b1 xi  b2 xi  ei ;.......Donde : i  1;2;..., n
2
Muestra

bo estima al parámetro β0
 b1 estima al parámetro β1

b2 estima al parámetro β2

Estimación de los valores estadísticos: b0, b1 y b2 mediante el principio de los mínimos

cuadrados..

(1) yi  b0  b1 xi  b2 xi2  ei

(2) Despejando ei:

ei  yi  b0  b1 xi  b2 xi2

Hacemos  Elevamos al cuadrado

 
n n

 ei2  yi  b0  b1xi  b2 xi2

2
Q
i 1 i 1

Q Q Q
 0,  0, 0
(3).Diferenciamos: b0 b1 b2 e igualamos a cero
        
1 2 3

Q
 
n
(4) En 1°  2 yi  b0  b1 xi  b2 xi2 (1)  0
b0 i 1

Q
(5) En 2°
b1

 2  yi  b0  b1 xi  b2 xi2 ( xi )  0 

(6) En 3°
Q
b2

 2  yi  b0  b1 xi  b2 xi2  xi2  0  

Tenemos:

(7) de (4) y i  nb0  b1  xi  b2  xi2  0

(8) de (5) x y i i  b0  xi  b1  xi2  b2  xi3  0

(9) de (6) x 2
i yi  b0  xi2  b1  xi3  b2  xi4  0

(10) de ecuación (7) tenemos:

b0 
y i
 b1
x i
 b2
x 2
i

n n n
Reemplazando b0 en la ecuación (8) y (9) tenderemos:

(11)

  yi x x 2

x y i i    b1 i
 b2 i
( xi )  b1  xi2  b2  xi3  0

 n n n 

Agrupando:

  
 
  yi   x i    b  x

  2
  xi2    xi  
  xi yi   1 x 
2
i   b2   xi 
i 3
0
  n  
     SPXY 
n
               n   
 SCX   SPX . X 2 

(12)

 xi2 y1   n i  b1 x  x  x
 y 2

 b1  xi3  b2  x i  0
i 1 4
 b2 2

n 
i
 n 
( yi )( x ) 2
x x 2
( xi2 ) 2
 xi2 yi  n
i
 b1 i

n
i
 b2
n
 b1  xi3  b2  xi4  0

Agrupando:

     
( yi )( xi2 )  ( xi )( xi2 ) 
  b2   xi4   i
   ( x2 )2 
 xi yi   b1   xi  0
2 3

       2 n           n          n  
 SPX Y   SPX . X 2   SCX 2 

Luego tendremos:

(13) De ec. (11): b1SCX  b2 SPX . X 2  SPXY

(14) De ec. (12): b1SPX . X 2  b2 SCX 2  SPX 2Y

Resolviendo ec. (13) y (14) para b1 y b2 tendremos (por matrices):

SPXY SPX . X 2

b1 
SPX 2Y SCX 2

 SPXY   SCX 2    SPX . X 2  SPX 2 .Y 
SCX SPX . X 2  SCX   SCX 2   ( SPX . X 2 ) 2
SPX . X 2 SCX 2
 SCX SPXY

b2 
SPX . X 2 SPX 2Y

 SCX   SPX 2Y    SPXY   SPX . X 2 
SCX SPX . X 2  SCX   SCX 2    SPX . X 2  2
SPX . X 2 SCX 2

Tenemos ecuación de regresión estimada:

yˆi  b0  b1 xi  b2 xi2 ......................... 

Gráficamente:

Cálculo del punto estacionario:

yˆ
 0 Derivamos en función de X, de la ecuación (*)
x

yˆ
 b1  2b2 x  0
x
b1
De donde obtenemos: X 
2b2

Punto máximo y mínimo será: (x; ŷ )

ANÁLISIS DE VARIANZIA (ANVA)

Hipótesis nula H 0 : 1   2  0 (No hay regresión parabólica)

Hipótesis alternante H a : 1   2  0 (Si hay regresión parabólica)

 Cuadro (ANVA)

F.V. G.L. S.C. C.M. Fc Ft Sign.

Regresión p-1 b1SPXY  b2 SPX 2 .Y SCRe g . / G.LRe g CM Re g / CM Re s

SCRes/G.LRes.
Residual n-p SCY  SC REGRESIÓN

Total SCY   Y 2

 Y  2

n-1
n

Regla de decisión:

1º) Si Fc  Ft   p  1 ,  n  p  ;  ; Rechazo H0 (Porque hay significación)

2º) Si Fc  Ft   p  1 ,  n  p  ;  ; Acepto H0 (Porque no hay significación)