Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Regresión Lineal Simple
Regresión Lineal Simple
30.00 1; 28.80
25.00
12; 20.80
20.00
15.00
10.00
0.00
18.00 20.00 22.00 24.00 26.00 28.00 30.00 32.00 34.00 36.00 38.00
x1 y1 x2 y2
23 28.8 29 20.8
y-y1= m(x-x1)
m=(y2-y1)/(x2-x1) m= -1.33
y-28.8= -1.33(x-23)
Ecuación de y= -1.33x+ 30.59 + 28.8 30.59
regresión y= -1.33x + 59.39 59.39
Cuadrante 4
𝑥_𝑖−𝑥 ̅ 𝑦_𝑖−𝑦 ̅
Peso (x) Rendimiento (y) x^2 y^2 xy
23.00 28.80 529.00 829.44 662.4 -3.23 3.19
21.00 29.30 441.00 858.49 615.3 -5.23 3.69
22.00 34.10 484.00 1162.81 750.2 -4.23 8.49
24.50 27.70 600.25 767.29 678.65 -1.73 2.09
20.30 33.50 412.09 1122.25 680.05 -5.93 7.89
27.00 26.40 729.00 696.96 712.8 0.77 0.79
26.50 23.80 702.25 566.44 630.7 0.27 -1.81
21.10 30.70 445.21 942.49 647.77 -5.13 5.09
32.30 18.30 1043.29 334.89 591.09 6.07 -7.31
32.10 19.70 1030.41 388.09 632.37 5.87 -5.91
36.00 14.20 1296.00 201.64 511.2 9.77 -11.41
29.00 20.80 841.00 432.64 603.2 2.77 -4.81
SUMA 314.80 307.30 8553.50 8303.43 7715.73
MEDIA 26.23 25.61 712.79 691.95 642.98
r= -0.96596091
Diagrama de dispersión
Este valor es negativo y cercano a -1. Po
40.00 inferir que el rendimiento depende fuer
y que a medida que el peso aumenta
35.00
disminuye.
30.00 f(x) = − 1.17113374127848 x + 56.3310751462055
R² = 0.933080474361297
y: rendimiento
25.00
b= -1.17113374
20.00
a= 56.3310751
15.00
Ecuación de regresión
10.00 𝑦 ̂=56.331−1.1711𝑥
5.00
0.00 𝑦 ̂= 27.0535751
18.00 20.00 22.00 24.00 26.00 28.00 30.00 32.00 34.00 36.00 38.00
x: peso
_𝑖−𝑥 ̅)(𝑦_𝑖−𝑦 ̅) 〗 )/(∑▒ 〖〖 (𝑥 〗 _𝑖−𝑥 ̅) 〗 ^2 )
𝑦 ̂=𝑎+𝑏𝑥
valores
〖 (𝑥 〗 _𝑖−𝑥 〖〖 (𝑥 〗 _𝑖−𝑥 ̅) 〗𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜
^2 𝑦 ̂ residuales (y- 𝑦 ̂)^2 Error
̅-10.319722222222
)*(𝑦_𝑖−𝑦 ̅) 10.4544 29.394999097 -0.595 0.35402393 1.5557
-19.319722222222 27.3878 31.737266579 -2.437 5.94026838
-35.948055555556 17.9211 30.566132838 3.534 12.4882171
-3.6255555555556 3.0044 27.638298485 0.062 0.00380708
-46.823888888889 35.2044 32.557060198 0.943 0.88913547
0.60694444444445 0.5878 24.710464132 1.690 2.85453145
-0.4822222222222 0.0711 25.296031002 -1.496 2.23810876
-26.137222222222 26.3511 31.620153205 -0.920 0.84668192
-44.337222222222 36.8044 18.503455303 -0.203 0.04139406
-34.662222222222 34.4178 18.737682051 0.962 0.92605583
-111.42138888889 95.3878 14.17026046 0.030 0.00088444
-13.303055555556 7.6544 22.368196649 -1.568 2.45924073
SUMA 0.00000000 29.0423492
1.1711𝑥
mi/gal
UNIDAD 1
REGRESIÓN LINEAL SIMPLE Sean las variables
x: representa el gasto en publicidad (en miles de dólares)
Formulario y: representa el número de pasajeros (en miles de personas)
Suma de cruzados de x
𝐶〗 _𝑥=∑▒ 〖𝑒 _𝑖^2− 〖 (∑▒ 〖𝑥𝑖 ) 〗〗 ^2/𝑛 〗 x y x^2 xy
10 15 100 150
12 17 144 204
Suma de cuadrados cruzados 8 13 64 104
17 23 289 391
〖𝑆𝐶〗 _𝑥𝑦=∑▒ 〖𝑥𝑖𝑦𝑖− (∑▒𝑥𝑖 ∑▒𝑦𝑖)/𝑛 〗
10 16 100 160
15 21 225 315
Para la ecuación de 10 14 100 140
regresión se tiene 14 20 196 280
19 24 361 456
𝑏= 〖𝑆𝐶〗 _𝑥𝑦/ 〖𝑆𝐶〗 _𝑥
y= a+bx 10 17 100 170
11 16 121 176
𝑎=𝑦 ̅−𝑏𝑥 ̅
13 18 169 234
16 23 256 368
Intervalo de confianza para una media
de y condicionada a un valor de x 10 15 100 150
12 16 144 192
Error estándar de estimación SUMAS 187 268 2469 3490
MEDIA 12.47 17.87
𝑆_𝑒=√((∑▒ 〖 (𝑦𝑖−𝑦 ̂) 〗 ^2 )/(𝑛−2))
𝑆_𝑏=𝑆_𝑒/√( 〖𝑆𝐶〗 _𝑥 )
𝑦 ̂ (yi- 𝑦 ̂)^2
15.19941917 0.039768 SC_x= 137.73 S_e= 0.907 gl=
17.36205227 0.13108185 SC_xy= 148.93 S_y= 0.627 significancia
13.03678606 0.00135321 b= 1.081 t=
22.76863504 0.05352974 a= 4.386 µylx=
15.19941917 0.64092967 Por lo tanto, el modelo de regresión lineal para
20.60600194 0.15523447 estos datos está dado por: Si se invierten 20,000 dólares en pu
el número de pasajeros esté ent
15.19941917 1.43860634 personas con una probabi
𝑦 ̂=4.386+1.081𝑥
19.52468538 0.22592399
24.93126815 0.86726037 Si se realiza un gasto de 20,000 en publicidad, 𝒃 ̂=
15.19941917 3.24209133 entonces:
16.28073572 0.07881255 𝑦 ̂= 26.01 S_b=
18.44336883 0.19657592 Se esperaría que el número de pasajeros sea de
21.68731849 1.72313275 26010
15.19941917 0.039768
17.36205227 1.8551864
10.6892546
13
95%
1.7709
24.90 ≤ µylx ≤ 27.12
0.07726495
UNIDAD 1
INTERVALO DE CONFIANZA DE REGRESIÓN
10
25
20 f(x) = 0.55817141242139
𝑦_𝑥=(𝑦𝑖) ̂±𝑡(𝑆_𝑦𝑖)
15
Intervalo de confianza para la pendiente (b) o coeficiente de regresión poblacional
𝑏 ̂=𝑏±𝑡(𝑆_𝑏) 10
5
𝑆_𝑏=𝑆_𝑒/√( 〖𝑆𝐶〗 _𝑥 )
0
5 10 15
xy 𝒚 ̂ (y- 𝒚 ̂)^2
393.66 15.3414456 0.73711561 SC_x= 884.5625
106.25 8.75502296 0.06503671 SC_xy= 493.7375
468 19.1928284 17.5798098 b= 0.5582 Gasto en miles por cada mil de ingreso
476 17.4066799 0.16538851 a= 1.7779
849.42 21.3696969 8.01061573 𝒚 ̂ = 1.7779+0.5582x 19.9185
117.6 7.63868014 12.6829992 S_e= 2.2506075237498
348 14.7274571 0.07427965 S_y= 1.2058815
71 7.35959443 0.06738927 gl= (n-2) 10
29.75 6.52233731 9.13452284 t= 2.2281
182.85 10.6528058 0.71773807 Significancia 95% 0.025
157.29 9.98300007 0.5140889 µylx= 17.232 ≤µylx≤ 22.605
138 10.1504515 0.90335804 S_yi= 2.5533
3337.82 50.6523423 y_x= 14.229 ≤y_x≤ 25.607
gl= (n-2) 10
t= 1.8125
nza para la media condicionada a un Significancia 90% 0.05
sar un nivel de 95%. S_b= 0.076
22.605 𝒃 ̂= 0.421 ≤𝒃 ̂ ≤ 0.695
tiene un ingreso de $32,500 estaría entre de
nivel de confianza del 95%.
Chart Title
0
0
5
0
5 10 15 20 25 30 35 40