Documentos de Académico
Documentos de Profesional
Documentos de Cultura
joliva@usat.edu.pe
www.usat.edu.pe
www.usat.edu.pe
Logro de la sesión:
www.usat.edu.pe
Simple
Lineal
Múltiple
Parabólico
Regresión
Exponencial
No Lineal Potencia
Logarítmico
Etc.
www.usat.edu.pe
ESCENARIO
www.usat.edu.pe
Análisis de
regresión lineal
www.usat.edu.pe
Análisis de regresión lineal simple
- Identificando las variables -
www.usat.edu.pe
Diagrama de dispersión (nube de puntos)
www.usat.edu.pe
Análisis de Regresión Lineal Simple
yˆ = b0 + b1 x
www.usat.edu.pe
Modelo de Regresión Lineal Simple
ˆ = b0 + b1 x
y
Y
www.usat.edu.pe
Análisis de Regresión Simple - pasos
www.usat.edu.pe
Ecuaciones de Mínimos Cuadrados
Ecuación: ˆ = b0 + b1 x
y
( x y )
xi yi −
n
i i
b1 =
Pendiente:
(
− i
x )2
xi 2
www.usat.edu.pe
Análisis Estadístico: Del Modelo
• H0: 0=1=0: El modelo no es significativo,
• Ha: al menos uno de ellos es diferente de cero: El modelo es significativo.
– Se utiliza la prueba F, cuya fórmula es la siguiente:
R2
Fc = k − 12 Fa (k-1;n-k)
1− R
n−k
Donde: n = número de observaciones
– k = número de parámetros en el modelo.
– k - 1 = grados de libertad del numerador
– n - k = grados de libertad del denominador
Comparar con el valor de la distribución F de la tabla:
Si Fc ≥ Fa se rechaza H0
www.usat.edu.pe
Coeficiente de Correlación Lineal (R)
n xi yi − ( xi )( yi )
R=
n x − ( xi ) n y − ( yi )
2 2 2 2
i i
www.usat.edu.pe
Coeficiente de Correlación
www.usat.edu.pe
Coeficiente de correlación y modelo de regresión
Y r=1 Y r = -1
Y^i = a + b X i
^
Yi = a + b X i
X X
Y r = 0,89 Y r=0
^Y = a + b X Y^i = a + b X
i i i
X X
www.usat.edu.pe
La Correlación y su interpretación
www.usat.edu.pe
Prueba de hipótesis de Coeficiente de correlación ( ρ )
n−2
tc = r
1− r 2
www.usat.edu.pe
Intervalos de los coeficientes
• Para βo:
ˆ0 − t na− 2ˆ 0 ˆ0 + t na− 2ˆ
0 0
• Para β1:
ˆ1 − t na−2ˆ 1 ˆ1 + t na−2ˆ
1 1
www.usat.edu.pe
Hipótesis del coeficiente β1:
ˆ1
tc =
S ˆ1
www.usat.edu.pe
Error estándar de estimación (Se):
Es una medida de las diferencias (o distancias) entre los valores y
de muestras observadas y los valores y* predichos que se obtienen
usando la ecuación de regresión; está dada por:
Se =
i − bo yi − b1 xi yi
y 2
n−2
20
www.usat.edu.pe
Ejemplo
Consumidor Consumo Ingreso
Un economista del Departamento de 1 16.2 24.3
2 8.5 12.5
Recursos Humanos está preparando un
3 15.0 31.2
estudio sobre el comportamiento del 4 17.0 28.0
consumidor. Él recolectó los datos que 5 24.2 35.1
aparecen en miles de dólares para 6 11.2 10.5
determinar si existe una relación entre el 7 15.0 23.2
ingreso del consumidor y los niveles de 8 7.1 10.0
consumo. 9 3.5 8.5
10 11.5 15.9
www.usat.edu.pe
Resultados de Excel: Análisis de datos
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.9173
Coeficiente de determinación R^2 0.8414
R^2 ajustado 0.8216
Error típico 2.4806
Observaciones 10
ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los Valor crítico de F
F
libertad cuadrados cuadrados (probabilidad )
Regresión 1 261.1876 261.1876 42.4450 0.0002
Residuos 8 49.2284 6.1536
Total 9 310.4160
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0% Superior 95.0%
Intercepción (Bo) 1.8233 1.8752 0.9723 0.3594 -2.5009 6.1476 -2.5009 6.1476
Ingreso (B1) 0.5571 0.0855 6.5150 0.0002 0.3599 0.7542 0.3599 0.7542
22
www.usat.edu.pe
a. Identifique la variable dependiente e independiente y trace un
diagrama de dispersión indicando qué tipo de relación existe entre el
ingreso y el consumo.
X (Independiente) --> Ingreso
Y (Dependiente) --> Consumo
www.usat.edu.pe
b. ¿Qué grado de asociación existe entre el ingreso y el consumo?
24
www.usat.edu.pe
d. Realice la prueba de hipótesis para determinar si el modelo lineal
sirve para propósitos de predicción con un α = 0.05)
Valor crítico de F
a = 0.05 F (probabilidad )
42.4450 0.0002
Coeficientes
Intercepción (Bo) 1.8233 yˆ = b0 + b1 x
Ingreso (B1) 0.5571
25
www.usat.edu.pe
e. ¿Qué consumo pronosticaría para alguien que gana $27.5 miles y
cuál es su error de estimación?
Coeficientes
yˆ = b0 + b1 x Intercepción (Bo) 1.8233
Ingreso (B1) 0.5571
y= 17.14
Se estima un consumo de $17.14 miles para un ingreso de $ 27.5
miles con un error de estimación de +/- $2.8 miles
Error típico 2.48
26
www.usat.edu.pe
ACTIVIDAD EN CLASE
Desarrollo de ejercicios
(Aula virtual)
www.usat.edu.pe
Referencias
• AFONSO P. (2002) Probabilidad y Estadística: conceptos, modelos, aplicaciones en
Excel. Bogotá D.F. Pearson Educación.
• DEVORE, J. (1998). Probabilidad y estadística para ingeniería y ciencias. México.
International Thomson Editores.
• DOUGLAS MONTGOMERY: “Probabilidad y Estadística y Probabilidades a la
Ingeniería" Ed. McGraw-Hill Interamericana Editores S.A. Impreso en México 1996.
• MENDENHALL W., TERRY S. (1997). Probabilidad y estadística para ingeniería y
ciencias. México. Prentice Hall Hispanoamericana.
• ROSS, SHELDON. (2001) Probabilidad y Estadística para Ingeniería. México, D.F.:
McGraw-Hill.
• WALPOLE R., MYERS R., MYERS. S. (1999). Probabilidad y estadística para
ingenieros. México. Prentice Hall Hispanoamericana.
28 www.usat.edu.pe
ESTADÍSTICA
D ESDE
CERO
www.usat.edu.pe
Jessica Oliva Gastulo
joliva@usat.edu.pe
http://www.facebook.com/usat.peru
https://twitter.com/usatenlinea
https://www.youtube.com/user/tvusat
https://plus.google.com/+usateduperu
www.usat.edu.pe