Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Claudia Santander
SESIÓN 4
CONTENIDO:
CONCEPTO. LA REGRESIÓN LINEAL, GRÁFICA, EL
COEFICIENTE DE DETERMINACIÓN Y APLICACIONES
PRÁCTICAS.
CAPACIDADES:
6
Regresión:
• Ecuación que describe la relación entre el valor esperado de
Y, se denota como E(Y), y X se le llama ecuación de
regresión:
Análisis simple)
Ŷ = β0+ β1X + e
E(Y)= β0+ β1X (Ecuación de regresión lineal
Estadístico • Donde:
◦ β0: constante o parámetro de posición. Es el valor
promedio de la variable de respuesta Y cuando X es cero
(intersección de la recta de regresión con el eje Y).
◦ β1: coeficiente de regresión. Es el cambio (incremento o
disminución según el signo de β1) promedio en la
variable de respuesta Y cuando X se incrementa en una
unidad. Pendiente.
◦ e: es el error aleatorio, el cual se supone tiene media 0 y
varianza constante. Da cuenta de la variabilidad de y que
no puede ser explicada por la relación lineal entre X y Y.
◦ E(Y): media o valor esperado de y para un valor dado
de X.
Las unidades de β1 son las mismas unidades de la variable
dependiente Y.
NOTA: Los coeficientes de regresión “β1” y el coeficiente de
correlación lineal simple “r” deben de tener el mismo
signo.
• En la práctica no se conocen de los
parámetros poblacionales β0 y β1, y es
necesario estimarlos usando datos
muestrales. Estos estadísticos muestrales
calculados se denotan como b0 y b1 ,
como estimaciones de β0 y β1 .
Sustituyendo en la Ecuación de
Ecuación de regresión lineal simple, se obtiene
la ecuación de regresión
regresión simple estimada.
• Ŷ = b0 + b 1 X
estimada Donde:
Ŷ: Valor estimado de Y.
e = (Yi - Ŷ i)2
Yi: valor observado de la variable dependiente en la observación i
Ŷ i: valor estimado de la variable independiente en la observación i
Regresión: Estimación de
parámetros
•• Luego de minimizar cada valor de ei, se obtienen las
• fórmulas de “b0” y “b1”.
ത 𝑖 −𝑌)
σ(𝑋𝑖 −𝑋)(𝑌 ത
• b1 = ത 2
σ(𝑋𝑖 −𝑋)
• ത b1 𝑋ത
b0 = 𝑌-
• Donde:
𝑋𝑖 = valor de la variable independiente en la observación i.
• 𝑌𝑖 = valor de la variable dependiente en la observación i.
• ത media de la variable independiente.
𝑋=
• 𝑌ത = media de la variable dependiente.
n = número total de observaciones (tamaño de la muestra).
Coeficiente de determinación
Donde:
Relación
entre STC = suma total de cuadrados.
STC, SCR SCR = suma de cuadrados debida a la
Y SCE
regresión.
SCE = suma de cuadrados debida al error.
Coeficiente de determinación R2
𝑆𝐶𝑅
𝑟2 =
𝑆𝑇𝐶
Coeficiente de
correlación
𝑟𝑥𝑦 = (𝑠𝑖𝑔𝑛𝑜 𝑑𝑒 𝑏1 ) 𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑐𝑖ó𝑛
𝑟𝑥𝑦 = (𝑠𝑖𝑔𝑛𝑜 𝑑𝑒 𝑏1 ) 𝑟 2
Donde:
𝑏1
= 𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑙𝑎 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑟𝑒𝑔𝑟𝑒𝑠𝑖ó𝑛 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑎
𝑦ො = 𝑏0 + 𝑏1 𝑥
El coeficiente de determinación R2
Es una medida de la bondad de ajuste del modelo de
regresión hallada. Indica qué porcentaje de la variabilidad de
“Y” (variable de respuesta ) es explicada por su relación
lineal con “X”. El valor estadístico de R2 varía de 0 a 1.
Solución:
ƩXi = 677 ƩYi = 1,032.4 ƩXi2 = 47,277
ƩXiYi = 71,752.2 Ȳ = 103.24 X= 67.7
Ejemplo
Con los datos del ejemplo anterior. Hallar la ecuación de regresión
entre las dos variables.
Salario de trabajadores = f (N° de horas/semana)
N° horas Salario
semanales trabajadores
(horas) obreros (S/.) XY X2 y2
X Y
84 134.4 84(134.4) 84x84 134.4 x 134.4
76 77.6 76(77.6) 76 x 76 77.6 x 77.6
72 112.6 72(112.6) 72 x 72 112.6 x 112.6
49 80.2 49(80.2) 49 x 49 80.2 x 80.2
71 110.6 71 (110.6) 71 x 71 110.6 x 110.6
63 98.8 63 (98.8) 63 x 63 98.8 x 98.8
64 100.4 64 (100.4) 64 x 64 100.4 x 100.4
84 134.4 84 (134.4) 84 x 84 134.4 x 134.4
47 77.6 47 (77.6) 47 x 47 77.6 x 77.6
67 105.8 67 (105.8) 67 x 67 105.8 x 105.8
Ʃ Xi=677 Ʃ Yi=1,032.4 Ʃ XY=71,752.2 Ʃ X2=47,277 Ʃ Y2=11,0548.64
El coeficiente de determinación R2
Ecuación de regresión: