Documentos de Académico
Documentos de Profesional
Documentos de Cultura
𝒀: Variable respuesta
𝑿: Covariable
𝑬(𝒀/𝑿) = 𝜷𝟎 + 𝜷𝟏 𝒙
Donde 𝜷𝟎 y la pendiente 𝜷𝟏 son constantes desconocidas.
𝒚𝒊 = 𝜷𝟎 + 𝜷𝟏 𝒙𝒊 + 𝜺𝒊
𝜺𝒊 : 𝒆𝒓𝒓𝒐𝒓𝒂𝒍𝒆𝒂𝒕𝒐𝒓𝒊𝒐𝒄𝒐𝒏𝒎𝒆𝒅𝒊𝒂 𝟎 𝒚𝒗𝒂𝒓𝒊𝒂𝒏𝒛𝒂𝝈𝟐 .
1
Regresión Lineal Simple LSD
𝒚𝒊 = 𝜷𝟎 + 𝜷𝟏 𝒙𝒊 + 𝜺𝒊
Se debe satisfacer:
𝝏𝑳 𝒏
|𝜷𝟎 , 𝜷𝟏 = −𝟐 𝒊=𝟏 𝐲𝐢 − 𝛃𝟎 − 𝛃𝟏 𝒙𝒊 = 𝟎
𝝏𝜷𝟎
𝝏𝑳 𝒏
|𝜷𝟎 , 𝜷𝟏 = −𝟐 𝒊=𝟏 𝐲𝐢 − 𝛃𝟎 − 𝛃𝟏 𝒙𝒊 𝒙𝒊 = 𝟎
𝝏𝜷𝟏
2
Regresión Lineal Simple LSD
𝛃𝟎 = 𝒚 − 𝛃𝟏 𝒙
𝑺𝒙𝒚
𝛃𝟏 =
𝑺𝒙𝒙
𝒏 𝒏 𝒏 𝒏
𝟐 𝒊=𝟏 𝒙𝒊 𝒊=𝟏 𝒚𝒊
𝑺𝒙𝒚 = 𝐲𝐢 (𝒙𝒊 − 𝒙) = 𝐲𝐢 𝒙𝒊 −
𝒏
𝒊=𝟏 𝒊=𝟏
𝒏 𝒏 𝒏 𝟐
𝒊=𝟏 𝒙𝒊
𝑺𝒙𝒙 = (𝒙𝒊 − 𝒙)𝟐 = 𝒙𝒊 𝟐 −
𝒏
𝒊=𝟏 𝒊=𝟏
𝒚 = 𝛃𝟎 + 𝛃𝟏 𝒙
3
Regresión Lineal Simple LSD
4
Regresión Lineal Simple LSD
Rendimiento (Y)
100
90
80
70
60
50
40 Rendimiento (Y)
30
20
10
0
0 50 100 150 200
Modelo supuesto:
𝒀 = 𝜷𝟎 + 𝜷𝟏 𝒙 + 𝜺
5
Regresión Lineal Simple LSD
Solución:(Desarrollo en clases)
𝟏𝟎 𝟏𝟎
𝒙𝒊 = 𝟏𝟒𝟔𝟎 , 𝒚𝒊 = 𝟔𝟕𝟑
𝒊=𝟏 𝒊=𝟏
𝟏𝟎 𝟏𝟎
6
Regresión Lineal Simple LSD
Esperanza de 𝜷𝟏 :
𝑺𝒙𝒚
𝑬 𝜷𝟏 = 𝑬 = 𝜷𝟏
𝑺𝒙𝒙
Muestre que:
𝑺𝒙𝒚
𝑬 𝜷𝟏 = 𝑬 = 𝜷𝟏
𝑺𝒙𝒙
𝑺𝒙𝒚 𝝈𝟐
𝑽 𝜷𝟏 =𝑽 =
𝑺𝒙𝒙 𝑺𝒙𝒙
7
Regresión Lineal Simple LSD
Esperanza de 𝜷𝟎 :
𝑬 𝜷𝟎 = 𝑬 𝒚 − 𝛃𝟏 𝒙 = 𝜷𝟎
Varianza de 𝜷𝟎 : Usando 𝑽 𝒚𝒊 = 𝝈𝟐 , 𝑽 𝜺𝒊 = 𝝈𝟐
𝟐
𝟏 𝒙𝟐
𝑽 𝜷𝟎 = 𝑽 𝒚 − 𝛃𝟏 𝒙 = 𝝈 ( + )
𝒏 𝑺𝒙𝒙
Covarianza 𝜷𝟎 𝒚 𝜷𝟏 :
𝒙
𝒄𝒐𝒗 𝜷𝟎 , 𝜷𝟏 = −𝝈𝟐
𝑺𝒙𝒙
8
Regresión Lineal Simple LSD
Coeficiente de determinación:
9
Regresión Lineal Simple LSD
Coeficiente de determinación:
𝑺𝑪𝑹
𝑹𝟐 =
𝑺𝑪𝑻
Esta medida puede tomar valores entre 0 y 1. Cuando se expresa
el coeficiente de determinación en forma de porcentaje, 𝑹𝟐 se
puede interpretar como el porcentaje de la suma de cuadrados
total que se explica mediante el uso de la ecuación de regresión
estimada.
10
Regresión Lineal Simple LSD
11
Regresión Lineal Simple LSD
Supuestos:
𝜺𝒊 𝒊𝒊𝒅 𝟐
~ 𝑵(𝟎, 𝝈 )
𝟐
𝜷𝟏 ~𝑵(𝜷𝟏 , 𝝈 𝑺 )
𝒙𝒙
𝟐
𝟏 𝒙𝟐
𝜷𝟎 ~𝑵(𝜷𝟎 , 𝝈 + )
𝒏 𝑺𝒙𝒙
𝒚𝒊 ~𝑵(𝜷𝟎 + 𝜷𝟏 𝒙𝒊 , 𝝈𝟐 )
𝑺𝑪𝑬
𝝈𝟐 = = 𝑺𝟐 = 𝑪𝑴𝑬 , es un estimador insesgado de 𝝈𝟐
(𝒏−𝟐)
𝑯𝟎 : 𝜷𝟏 = 𝜹𝟎
𝑯𝟏 : 𝜷𝟏 ≠ 𝜹𝟎
𝜹𝟎 : 𝒄𝒐𝒏𝒔𝒕𝒂𝒏𝒕𝒆 𝒆𝒔𝒑𝒆𝒄í𝒇𝒊𝒄𝒂
Estadístico de prueba:
𝜷𝟏 − 𝜹𝟎
𝑻𝒐𝒃𝒔 =
𝝈𝟐
𝑺𝒙𝒙
12
Regresión Lineal Simple LSD
Caso especial:
𝑯𝟎 : 𝜷𝟏 = 𝟎
𝑯𝟏 : 𝜷𝟏 ≠ 𝟎
El no rechazo de𝑯𝟎 significa que no hay regresión lineal.
𝒓𝒙𝒚 = 𝒔𝒊𝒈𝒏𝒐 𝜷𝟏 ∗ 𝑹𝟐
−𝟏 ≤ 𝒓𝒙𝒚 ≤ 𝟏
13
Regresión Lineal Simple LSD
Prueba F de significancia:
𝑯𝟎 : 𝜷𝟏 = 𝟎
𝑯𝟏 : 𝜷𝟏 ≠ 𝟎
Estadístico de prueba:
𝑪𝑴𝑹
𝑭𝒐𝒃𝒔 = ~𝑭(𝟏, 𝒏 − 𝟐)
𝑪𝑴𝑬
Tiene distribución 𝑭 (𝑭𝒊𝒔𝒉𝒆𝒓) con 1 grado de libertad en
numerador y 𝒏 − 𝟐 en el denominador.
𝑺𝑪𝑹
𝑪𝑴𝑹 =
𝒈𝒍
𝒈𝒍 = 𝒈𝒓𝒂𝒅𝒐𝒔 𝒅𝒆 𝒍𝒊𝒃𝒆𝒓𝒕𝒂𝒅 𝒅𝒆 𝒍𝒂 𝒓𝒆𝒈𝒓𝒆𝒔𝒊ó𝒏,
𝒆𝒒𝒖𝒊𝒗𝒂𝒍𝒆𝒏𝒕𝒆 𝒂𝒍 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆𝒔 𝒊𝒏𝒅𝒆𝒑𝒆𝒏𝒅𝒊𝒆𝒏𝒕𝒆𝒔
𝒆𝒏 𝒆𝒍 𝒎𝒐𝒅𝒆𝒍𝒐
𝑺𝑪𝑬
𝑪𝑴𝑬 =
𝒏−𝟐
𝒗𝒂𝒍𝒐𝒓 𝒑 < 𝛼
14
Regresión Lineal Simple LSD
𝜷𝟏 − 𝜷𝟏
𝒕= ~𝒕(𝒏 − 𝟐)
𝑺𝟐
𝑺𝒙𝒙
𝑰𝑪𝜷𝟏 : 𝜷𝟏 ± 𝒕𝜶 𝑺𝟐
𝟐;(𝒏−𝟐) 𝑺𝒙𝒙
𝜷𝟎 − 𝜷𝟎
𝒕= ~𝒕(𝒏 − 𝟐)
𝟏 𝒙𝟐
𝑺𝟐 +
𝒏 𝑺𝒙𝒙
𝟏 𝒙𝟐
𝑰𝑪𝜷𝟏 : 𝜷𝟎 ± 𝒕𝜶 𝑺𝟐 +
𝟐;(𝒏−𝟐) 𝒏 𝑺𝒙𝒙
15
Regresión Lineal Simple LSD
𝟐
𝟏 𝒙𝒑 − 𝒙
𝑺𝒚𝒑 = 𝑺𝟐 + 𝒏
𝒏 𝒊=𝟏(𝒙𝒊 − 𝒙)
𝑺𝑪𝑬
𝑺𝟐 =
(𝒏 − 𝟐)
Intervalo de confianza para 𝑬(𝒚𝒑 ):
𝑰𝑪𝒚𝒑 : 𝒚𝒑 ± 𝒕𝜶 𝑺
𝟐;(𝒏−𝟐) 𝒚𝒑
16
Regresión Lineal Simple LSD
Aplicación. (Anderson)
17
Regresión Lineal Simple LSD
18
Regresión Lineal Simple LSD
Coeficiente de correlación:
cor(X,Y) #Correlaciones
[1] 0.950123
MODELO DE REGRESIÓN:
Modelo<-lm(Y~X) # Ajusta modelo de RLM
summary(Modelo)
Resumen del Modelo:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 60.0000 9.2260 6.503 0.000187
***
X 5.0000 0.5803 8.617 2.55e-05
***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’
0.1 ‘ ’ 1
Residual standard error: 13.83 on 8 degrees of
freedom
Multiple R-squared: 0.9027,
Adjusted R-squared: 0.8906
F-statistic: 74.25 on 1 and 8 DF,
p-value: 2.549e-05
ANALISIS DE VARIANZA
ANOVA<-aov(Modelo)#Prueba de significancia global
summary(ANOVA)
Df Sum Sq Mean Sq F value Pr(>F)
X 1 14200 14200 74.25 2.55e-05
***
Residuals 8 1530 191
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’
0.1 ‘ ’ 1
19
Regresión Lineal Simple LSD
VALIDACIÓN DE SUPUESTOS:
20
Regresión Lineal Simple LSD
21