Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MATERIA:
ESTADISTICA INFERENCIAL
PRODUCTO ACADÉMICO:
• UNIDAD 5: REGRESION LINEAL SIMPLE
DOCENTE:
VELIA DEL PILAR RUBI VALENCIA
FECHA DE ENTREGA:
9-DICIEMBRE-2021
INDICE GENERAL
Introducción 4
Conclusión 27
Fuentes de información 28
INDICE DE TABLAS Y GRAFICOS
En la práctica, es frecuente que se requiera resolver problemas que implican un conjunto de variables
de las cuales se sabe que tienen alguna relación inherente entre sí. Por ejemplo en una situación
industrial quizá se sepa que el contenido de alquitrán en la corriente de salida de un proceso químico
está relacionado con la temperatura en la entrada; otra situación mas podría marcar que un Gerente
de ventas se ha dado cuenta que la cantidad de llamadas de sus representantes de ventas influyen
significativamente con la cantidad de ventas en el mes. Lo anterior son algunos de tantos supuestos
donde se conoce que existe cierta relación entre las variables, aquí es donde entran dos conceptos
que han sido definidos con anterioridad (ver tema 0 coeficiente de correlación) y que se desea
recalcar, variable independiente y variable dependiente, pendiente de la recta e intersección con y.
Los cuales describiremos brevemente a continuación mediante una ecuación que representará la
Línea de regresión lineal.
´=+ Donde:
“es una ecuación que define la relación lineal entre dos variables”.
Para resolver el modelo de regresión lineal utilizaremos el método de los mínimos cuadrados, el cual
se define brevemente como: “técnica empleada para obtener la ecuación de regresión, minimizando
la suma de los cuadrados de las distancias verticales entre los valores verdaderos de Y de los valores
Y’ (pronosticados)”. A continuación se describirá brevemente la metodología simplificada del
método de los mínimos cuadrados.
4
Abelardo García 9/12/2021
Prueba de hipótesis en la regresión lineal simple
Planteamiento de una hipótesis estadística Una hipótesis estadística es una afirmación sobre los valores de los
parámetros de una población o proceso, que es susceptible de probarse a partir de la información contenida en una
muestra representativa que es obtenida de la población sin embargo hablemos también y no me nos importante.
Estadístico de pruébala hipótesis nula es verdadera mientras no se demuestre lo contrario. El estadístico de prueba es
un número calculado a partir de los datos y la hipótesis nula, cuya magnitud permite discernir si se rechaza o no la H0.
Para probar hipótesis acerca de la pendiente y la ordenada en el origen del modelo de regresión, debe hacerse la
suposición adicional de que
termino del error εi esta normalmente distribuido. Por lo tanto, se supone que los errores εi son NID (0,σ2). Después se
pueden probar es
suposiciones mediante el análisis de residuos.
Supongamos que el experimentador desea probar la hipótesis de que la pendiente es igual a un cierto valor, por ejemplo
β1,0. Las hipótesis
Apropiadas son:
En donde t0 se calcula usando la Ecuación
Puede utilizarse un procedimiento similar para probar hipótesis acerca de la ordenada en el origen. Para probar:
H0: β0 = β0,0
H1: β0 ≠ β0,0
Se usa el estadístico:
5
Abelardo García 9/12/2021
6
Abelardo García 9/12/2021
7
Abelardo García 9/12/2021
8
Abelardo García 9/12/2021
9
Abelardo García 9/12/2021
10
Abelardo García 9/12/2021
11
Abelardo García 9/12/2021
12
Abelardo García 9/12/2021
5.2 Calidad del ajuste en regresión lineal
simple
En la sección anterior estudiamos pruebas de hipótesis para verificar que hay una
relación significativa entre y; sin embargo, no hemos visto si tal relación permite
hacer estimaciones con una precisión aceptable. Por ejemplo, es de interés saber qué
tanta de la variabilidad presente en fue explicada por el modelo, además si se
cumplen los supuestos de los residuos
O bien
13
Abelardo García 9/12/2021
Dadas dos variables aleatorias cualesquiera X e Y, una medida de la relación lineal que
hay entre ambas variables es el coeficiente de correlación definido por
Por tanto, r . Este coeficiente es una buena medida de la bondad del ajuste de la
recta de regresión. Evidentemente, existe una estrecha relación entre r y 1aunque
estos estimadores proporcionan diferentes interpretaciones del modelo:
14
Abelardo García 9/12/2021
* r es una medida de la relación lineal entre las variables X e Y.
* 1 mide el cambio producido en la variable Y al realizarse un cambio de una unidad
en la variable X.
De las definiciones anteriores se deduce que:
Figura 6.7. Existe una dependencia funcional lineal, las observaciones están sobre la
recta de regresión. r = R2 = 1, recta de regresión
15
Abelardo García 9/12/2021
como el cociente entre la variabilidad explicada por la regresión y la variabilidad total,
esto es:
demostración de .
Donde
16
Abelardo García 9/12/2021
n es el tamaño (número de individuos de la muestra)
Esta estimación puede ser comparada con la fórmula de la verdadera desviación
estándar de la media de la muestra:
población.
Esta fórmula puede alcanzarse desde lo que ya conocemos sobre la varianza de la suma
de variables independientes aleatorias.5
17
Abelardo García 9/12/2021
Análisis de residuos. Gráficos.
18
Abelardo García 9/12/2021
Calidad del ajuste en regresión lineal simple
En la sección anterior estudiamos pruebas de hipótesis para verificar que hay una
relación significativa entre X y Y; sin embargo, no hemos visto si tal relación
permite hacer estimaciones con una precisión aceptable. Por ejemplo, es de
interés saber qué tanta de la variabilidad presente en Y fue explicada por el
modelo, además si se cumplen los supuestos de los residuos.
Un primer criterio para evaluar la calidad del ajuste es observar la forma en que el
modelo se ajustó a los datos. En el caso de la regresión lineal simple esto se
distingue al observar si los puntos tienden a ajustarse razonablemente bien a la
línea recta (véase la figura 1.3). Pero otro criterio más cuantitativo es el que
proporciona el coeficiente de determinación, el cual está definido por:
Nota. El resultado arrojado por Excel o Minitab, incluye el análisis de varianza para
el modelo de regresión simple cuyo cuadro sintético es el siguiente:
19
Abelardo García 9/12/2021
Coeficiente de determinación ajustado . Este coeficiente se calcula de la
siguiente manera:
20
Abelardo García 9/12/2021
engañoso al incrementarse en forma artificial con cada término que se agrega al
modelo, aunque sea un término que no contribuya en nada a la explicación de la
respuesta. En cambio, el incluso baja de valor cuando el término que se
agrega no aporta nada.
A este intervalo se le conoce como intervalo para la recta de regresión. Note que
su amplitud depende del y de la distancia entre y . La amplitud
es mínima cuando y se incrementa conforme se hace más
grande. Para ilustrar lo anterior consideremos el modelo ajustado a los datos del
ejemplo dela resistencia de la pulpa (tabla 1.1), y obtenemos el intervalo de
confianza para la respuesta media en = 12 (porcentaje de fibra)
Primeramente calculemos el estimador puntual par cuando = 12, está dado por
21
Abelardo García 9/12/2021
De aquí que el intervalo de confianza para la respuesta media en = 12 está dada
por:
En el caso del intervalo de confianza para la pendiente de los datos del porcentaje
de fibra tenemos
Por lo que pendiente de forma puntual es 1,6242, y por intervalos con un 95%
denivel de confianza tenemos que esta se encuentra entre 1,3442 y 1,9042
22
Abelardo García 9/12/2021
Ejercicios1.- En un artículo se presentaron los datos de la concentración del licor
verde , y la producción de una máquina papelera . Los datos se
muestran en la tabla siguiente
a) la pendiente
b) la ordenada al origen
c) la deflexión media cuando la temperatura es
d) Encuentre un intervalo de predicción de 99% para la deflexión del pavimento
cuando la temperatura es de .
23
Abelardo García 9/12/2021
24
Abelardo García 9/12/2021
25
Abelardo García 9/12/2021
26
Abelardo García 9/12/2021
CONCLUSIÓN
PROFESIONAL
que implican conjuntos de variables, cuando se sabe que existe alguna relación
PERSONAL
variables,
27
Abelardo García 9/12/2021
FUENTES DE INFORMACION
https://vbook.pub/download/52-calidad-del-ajuste-en-regresion-lineal-simple-r2r318z6v426
https://www.academia.edu/32341685/Calidad_del_ajuste_en_regresi%C3%B3n_lineal_simple
https://es.scribd.com/document/457668196/5-2-Calidad-del-ajuste-en-regresion-lineal-simple
http://www.spentamexico.org/v7-n3/7(3)67-81.pdf
https://www.uv.es/ceaces/pdf/intervalos.pdf
28
Abelardo García 9/12/2021