Documentos de Académico
Documentos de Profesional
Documentos de Cultura
03/11/2020
Definición
Solo para variables cuantitativas, permite ver como es el cmportamiento de
dos variables en lo que se conoce como una nube de puntos
Covarianza
La covarianza sxy es una medida que indica la variabilidad conjunta de dos
variables cuantitativas y se define como:
n
1X
sxy = (xi − x̄ ) (yi − ȳ )
n i=1
Definición
La covarianza está afectada por los cambios de unidad de medida. Se define
el coeficiente de correlación lineal de Pearson como:
1 n
i=1 (xi − x̄ ) (yi − ȳ )
P
sxy n
r= = q q
sx sy 1 Pn 2 1 Pn 2
n i=1 (xi − x̄ ) n i=1 (yi − ȳ )
Es adimensional.
Es invariante a los cambios de escala.
Toma valores entre -1 y 1.
Indica fuerte relación lineal entre variables cuando |r | es cercano a 1.
Si es cercano a 0, puede afirmarse que no existe relación lineal entre
ambas variables.
Se tienen los siguientes conjuntos de datos X = {5, 8, 9, 10, 15} cuya media
es x̄ = 9.4 y Y = {0.1, 0.4, 0.5, 0.9, 0.99} cuya media es ȳ = 0.578
X Y (xi − x̄ )2 (yi − ȳ )2 (xi − x̄ ) (yi − ȳ )
5 0.1 19.36 0.2285 2.1032
8 0.4 1.96 0.0317 0.2492
9 0.5 0.16 0.0061 0.0312
10 0.9 0.36 0.1037 0.1932
15 0.99 31.36 0.1697 2.3072
Suma 53.20 0.5397 4.884
De la tabla anterior:
4.884
sxy = = 0.9768
5
53.2
sx2 = 5 = 10.64 ⇒ sx = 3.2619
0.5397
sy2 = 5 = 0.1079 ⇒ sy = 0.3285 De donde,
0.9768
r=
(3.2619)(0.3285)
Fundamento
En míltiples estudios estadísticos, aparece la necesidad práctica de
considerar simultáneamente dos o más variables, con el fin de analizar si
entre ellas existe alguna relación, si la manera se puede formalizar y qué tan
intensa es la misma
y = β0 + β1 x (1)
β0 es el intercepto y
β1 es la pendiente.
Ahora los puntos de los datos no caen exactamente sobre una línea recta,
así que la ecuación (1) debería ser modificada para explicar esto.
y = β0 + β1 x + (2)
La ecuación (2) es denominada un modelo de regresión lineal.
E (y | x ) = β0 + β1 x
Var(y | x ) = σ 2
yi = β0 + β1 xi + i , i = 1, 2, · · · , n
n
∂S X
= −2 y i − β̂ 0 − β̂ 1 xi =0
∂β0 β̂0 ,β̂1 i=1
n
∂S X
= −2 yi − β̂0 − β̂1 x i xi = 0
∂β1 β̂0 ,β̂1 i=1
β̂0 = ȳ − β̂1 x̄
Pn
(xi − x̄ ) (yi − ȳ )
β̂1 = i=1 Pn 2
i=1 (xi − x̄ )
ŷ = β̂0 + β̂1 x
La ecuación da una estimación puntual de la media de y para un x
particular.
!
2 1 x̄ 2
Var β̂0 = σ +
n Sxx
β̂1 − β10
t0 = p
CMRes /Sxx
β̂0 − β00
t0 = r
1 x̄ 2
CMRes n + Sxx
H0 : β1 = 0
H1 : β1 6= 0
Pn 2
i=1 Ŷi − Ȳ
R2 = P 2
n
i=1 Yi − Ȳ