Está en la página 1de 13

Estadística

Comisión 13
Lic. Gustavo Nuñez Fioramonti

3 de octubre de 2013

Bibliografía
regresión
y
correlación

Dependencia de una variable


regresión con respecto a una u otras
variables explicativas

Fuerza, intensidad o grado de


correlación asociación entre dos variables
La relación entre las variables
puede ser
Simple 2 variables

Múltiple Más de 2 variables

lineal

no lineal

diagrama de dispersión

Variable
explicada

Vari
a
exp ble
licat
iva
regresión

Regresión lineal

Variable
explicada

Varia
b
expli le
cativ
a
Regresión no lineal

¿hay regresión?
función de regresión
poblacional lineal

gráficamente:
Supuestos del modelo de regresión

modelo de regresión lineal


muestral
Vble dependiente Vble independiente
o o
explicada explicativa

Ŷ = a + b X + ei
SISTEMATICA + ALEATORIA
Método de los mínimos cuadrados
Σ e2i = mínimo
Σ (Yi – Ŷi)2 = mínimo
Σ [ Yi – (a + bXi) ]2 = mínimo
Para ello se determinan “a” y “b” en base a un sistema
de ecuaciones normales, quedando:

b
  X  X   Y  Y 
i i a
1
 Y  b   X 
i i
  X  X ²
i
n

regresión… ¿para qué?

Analizar el comportamiento de la variable


explicada Y en función de valores dados de
la variable explicativa X

Predecir el valor del a variable dependiente Y


en base a valores futuros, conocidos o
esperados de la variable explicativa X
¿tiene poder analítico y predictivo
el modelo de regresión hallado?
Observamos la “bondad del ajuste”

 Coeficiente de determinación R2
0 ≤ R2 ≤ 1
 Variancia de la regresión
S2ε = 1/n Σ (Yi – Ŷi) 2

¿Regresión implica causación?


Kendall & Stuart afirman:

“Una relación estadística, independientemente de que


tan fuerte y aparente sea, nunca puede establecer
una conexión causal: nuestras ideas de causación
deben provenir de algún tipo de teoría que las
soporte”

Kendall, M.G. & Stuart, A.


The advanced theory of statistics.

New York: Charles Griffin Publishers, 1961.


fuentes de variación
Yi – Y = Yi – Ŷi + Ŷi – Y = (Yi –Ŷi) + (Ŷi – Y)

Variación total = variac no explicada + variac explicada

gráficamente
correlación

Correlación
 Objetivo: medir el grado de relación entre las
variables
 Instrumento: coeficiente “r” de correlación
 Supuestos
 X e Y son variables aleatorias
 X e Y están distribuidas como una N~ (µ; σ)
 la relación entre X e Y es lineal
Coeficiente de correlación
r
  X  X   Y  Y   cov  X , Y 
i i

  X  X ²  Y  Y ² S  S
i i X y

r  b  b1

Coeficiente de correlación
1  r  1

correlación r  1 perfecta e inversa


r  1 perfecta y directa
r  0 no hay correlación

La próxima…

Muchas gracias y hasta el jueves!