FORMULARIO PARA LA ASIGNATURA DE Fórmulas para la regresión lineal simple

ANÁLISIS DE DATOS II
5. Covarianza entre dos variables: X e Y
1. Media de una variable
⎛ N ⎞⎛ N ⎞
N ⎜ ∑ X i ⎟ ⎜ ∑ Yi ⎟
⎝ i =1 ⎠ ⎝ i =1 ⎠
∑X ∑ (X − X )(Yi − Y )
N N N
i i ∑ X i Yi −
N
∑ xi yi
X= 1
S xy = i =1
= i =1
= i =1
N N−1 N−1 N−1
2. Varianza de una variable Comentario: Las letras
minúsculas en esta fórmula y
en las que siguen son 6. Coeficiente de correlación lineal de Pearson
⎛ ⎛ N ⎞ ⎞
2

∑ (X )
N 2 puntuaciones diferenciales
N
− X ⎜ N ⎜ ∑ i⎟ ⎟
X ∑1 xi2
i
1 ⎜ ⎝ 1 ⎠ ⎟
S
2
x
= 1
N−1
=
N − 1⎜ 1
∑ Xi −
2
N ⎟ = N−1 N N
∑ X i ∑ Yi
⎜⎜ ⎟⎟
( )( )
N N
⎝ ⎠ S xy ∑ X i − X Yi − Y ∑ X Y − i= 1 i= 1
i= 1 i= 1 i i N
rxy = = = =

3. Desviación típica
SxS y
( Xi − X ) (
2
Yi − Y
2
) ⎛⎜ ∑
N
N 2 ⎝ i= 1 Xi ⎠
⎞⎟
2
⎛⎜ ∑N ⎞⎟
2
N ⎝ i = 1Yi ⎠
∑ Xi − ∑ Yi2 −
i= 1 N i= 1 N
Sx = S x2 N N
∑ x y ∑ Z Z
i= 1 i i i = 1 ix iy
4. Puntuaciones típicas o estandarizadas = =
N N N−1
∑ xi2 ∑ yi2
i= 1 i= 1
X−X
Zx =
Sx
7. Ordenada en el origen y pendiente de la recta 9. Varianza total en el modelo de regresión lineal
de regresión simple en puntuaciones directas y diferenciales
2
⎛ N ⎞
N N ⎜ ∑ Yi ⎟
⎝ i =1 ⎠
∑ X i ∑ Yi
2

∑ (Y − Y )
N N N

N N SCt i ∑ Yi −
2
∑y 2
i

∑ ∑
i =1 N
X i Yi − i =1 i =1
xi yi S =
2
= = i =1 = i =1

S xy Sy
t
N−1 N−1 N−1 N−1
i =1 N i =1
b= = rxy = 2 = N
S x2 ⎛ N ⎞ 10. Varianza total en el modelo de regresión lineal
∑
Sx
⎜ ∑ Xi ⎟ xi2 simple en puntuaciones típicas
N
⎝ i =1 ⎠
∑
i =1
X i2 − N
i =1 N ∑Z
i =1
2
y
N−1
S =
2
= =1
t
N−1 N−1
a = Y − bX
11. Varianza explicada en el modelo de regresión
lineal simple en puntuaciones directas y
diferenciales
8. Bondad de ajuste o coeficiente de
determinación
⎛ ⎛ N ⎞ ⎞
2

⎜ N ⎜ ∑ Xi ⎟ ⎟
⎜ ⎝ i =1 ⎠ ⎟
2 b 2 ⎜ ∑ X i2 − ⎟
∑ (Y$i − Y ) ∑ (X − X)
N N 2 N
∑ (Y$ − Y ) b2 ∑ ( X i − X )
N N
2 2 2
⎜⎜ i =1 ⎟⎟
b 2 2 SCexp ⎝ ⎠
SCexp i =1 i =1
i
bS 2
Sexp = = i =1
= i =1
=
R2 = = 2 = 2 = = rxy2
2
x
K K K K

∑ (Y − Y ) ∑ (Y − Y )
N N
SCt S y
i i
i =1 i =1
12. Varianza explicada en el modelo de regresión 15. Validación del modelo de regresión: cálculo
lineal simple en puntuaciones típicas del estadístico de contraste.

N N

SCexp ∑ Z$
i =1
2
iy rxy2 ∑ Zix2
i =1
rxy2 ( N − 1) rxy2
2
Sexp = = = = 2
Sexp
K K K K F= = K
2
Sres 1 − rxy2
13. Varianza residual o no explicada en el modelo N − K−1
de regresión lineal simple en puntuaciones
directas y diferenciales 16. Significación de parámetros: cálculo del
estadístico de contraste.

∑ (Y − Y$ )
N
2
b b b rxy
SCres i i SCt − SCexp t= = = =
2
Sres = = i =1 = Sb 2
Sres 2
Sres 1 − rxy2
N− K−1 N− K−1 N− K−1
N−2
∑ (X − X)
N 2
⎛ N
⎞
⎜ ∑ Xi ⎟
2
i
14. Varianza residual o no explicada en el modelo
N
⎝ i =1 ⎠
∑
i =1
X i2 −
de regresión lineal simple en puntuaciones típicas i =1 N
2
Sres =
SCt − SCexp
=
(
( N − 1) 1 − rxy2 )
N− K−1 N− K−1
17. Intervalos de predicción: pronósticos.

⎛ ⎞

Yo : Y$ ± t(α , N − K −1) 2 ⎜
⎜
Sres 1 +
1
+
( X o − X ) ⎟⎟ 2

⎜
( X i − X )2 ⎟⎟⎠
N

∑
N
⎜
⎝ i =1
Regresión lineal múltiple 21. Cuadro resumen del análisis de la varianza en
el modelo de regresión múltiple.
18. Ordenada en el origen.

b0 = Y − (b1 X 1 + b2 X 2 + ...+ bK X K ) Fuentes de Sumas de Grados Varianza

variación cuadrados de F
libertad
Regresión o
∑ (Y$ − Y )
N
2 SCexp
19. Relación entre los coeficientes de la ecuación explicada i K
2
Sexp = Ry2.1,2 ,...,k
en puntuaciones directas y/o diferenciales con los i =1 K 2
S K
coeficientes de la ecuación en típicas. exp
=
Residual o no
∑ (Yi − Y$i ) 1 − Ry2.1,2 ,...,k
N
2 SCres S 2

explicada N-K-1
2
Sres = res

Sj i =1 N− K−1 N − K−1
β j = bj Total
∑ (Y − Y )
N
Sy 2 SCt
St2 =
i =1
i N-1 N−1
20. Bondad de ajuste, coeficiente de
determinación o coeficiente de correlación
múltiple al cuadrado.

∑ (Y$ − Y )
N
2

SCexp i =1
i
Ry2.1,2 ,..,k = =
∑ (Y − Y )
N
SCt 2
i
i =1
22. Coeficiente de correlación semiparcial de
orden uno y proporción de variabilidad

ry2(1.2 ) = Ry2.12 − ry22 , ry (1.2 ) = Ry2.12 − ry22

23. Coeficiente de correlación semiparcial de

orden superior y proporción de variabilidad

Ry2( i .1,2,..,(i ),..k ) = Ry2.1,2,..,i ,..k − Ry2.1,2,..,(i ),..k , Ry( i .1,2,..,(i ),..k ) = Ry2.1,2,..,i ,..k − Ry2.1,2 ,..,(i ),..k

23. Coeficiente de correlación semiparcial

múltiple y proporción de variabilidad

Ry2(1,2 ,..,n.n +1,n + 2 ,..k ) = Ry2.1,2 ,..n ,n +1,n + 2 ,..k − Ry2.n +1,n + 2 ,...k ,

Ry ( i .1,2 ,..,(i ),..k ) = Ry2.1,2 ,..n ,n +1,n + 2 ,..k − Ry2.n +1,n + 2 ,...k