Documentos de Académico
Documentos de Profesional
Documentos de Cultura
14 de noviembre de 2022
Introducción
Introducción
Introducción
Y = β0 + β1 x
Introducción
β0 : es el intercepto.
β1 : es la pendiente.
Jorge A. Barón (Unicórdoba) FUNDAMENTOS DE BIOESTADÍSTICA 6 / 39
Regresión lineal simple y correlación Covarianza y Correlación
Covarianza
La covarianza es una medida que indica el grado de variación
conjunta de dos variables aleatorias respecto a sus medias. Es la
medida básica para determinar si existe una dependencia lineal
entre dos variables.
Correlación
−1 ≤ ρxy ≤ 1
Coeficiente de correlación
Ejercicio 1:
Ejercicio 1
Definamos:
x: Millones gastados en ID. (Variable independiente)
y: Ganancia Anual (en millones). (Variable dependiente)
Diagrama de Dispersión
40
35
Ganancia Anual
30
25
20
3 6 9
Millones gastados en ID
Jorge A. Barón (Unicórdoba) FUNDAMENTOS DE BIOESTADÍSTICA 12 / 39
Regresión lineal simple y correlación Covarianza y Correlación
Ejercicio 1
n
Tenemos que: X
yi
x y x2 y2 xy i=1 180
2 20 4 400 40 ȳ = = = 30
n 6
3 25 9 625 75
5 34 25 1156 170 n
4 30 16 900 120
X
xi yi − nx̄ȳ
11 40 121 1600 440 i=1
5 31 25 961 155 Cov (x, y) =
n−1
30 180 200 5642 1000 1000 − (6) (5) (30)
=
Ası́: 6−1
n
X = 20
xi
i=1 30
x̄ = = =5
n 6
Jorge A. Barón (Unicórdoba) FUNDAMENTOS DE BIOESTADÍSTICA 13 / 39
Regresión lineal simple y correlación Covarianza y Correlación
Ejercicio 1
Coeficiente de correlación de Pearson:
Cov (X, Y )
n
ρxy = p p
X V (X) V (Y )
x2i − nx̄2 20
i=1 =√ √ = 0.9091
V (X) = 10 48.4
n−1
200 − (6) (52 )
= = 10
6−1
Xn
yi2 − nȳ 2
i=1
V (Y ) =
n−1
5642 − (6) (302 )
= = 48.4
6−1
Jorge A. Barón (Unicórdoba) FUNDAMENTOS DE BIOESTADÍSTICA 14 / 39
Regresión lineal simple y correlación Covarianza y Correlación
Ejercicio 1
Interpretación:
y = β0 + β1 x + ϵ
β0 : es el intercepto.
β1 : es la pendiente.
ϵ: es una variable aleatoria que representa el error.
Jorge A. Barón (Unicórdoba) FUNDAMENTOS DE BIOESTADÍSTICA 16 / 39
Regresión lineal simple y correlación Modelo de regresión lineal simple
ŷ = β̂0 + β̂1 x
n
∂ (SCE) X
= −2 yi − β̂0 − β̂1 xi xi
∂ β̂1 i=1
β̂0 = ȳ − β̂1 x̄
Ejercicio 2:
Ejercicio 2
Ejercicio 2
Diagrama de Dispersión
50
Reducción de Oxógeno Químico
40
30
20
10
10 20 30 40 50
Reducción de Sólidos
Ejercicio 2
Observaciones:
Ejercicio 2
Tenemos que:
Xn n
X n
X
xi = 1104; yi = 1124; xi yi = 41355;
i=1 i=1 i=1
n
X Xn
x2i = 41086; yi2 = 41998
i=1 i=1
Luego:
Xn
xi
i=1 1104
x̄ = n
= = 33.4545;
33
n
X
yi
i=1 1124
ȳ = n
= = 34.0606
33
Jorge A. Barón (Unicórdoba) FUNDAMENTOS DE BIOESTADÍSTICA 26 / 39
Regresión lineal simple y correlación Método de mı́nimos cuadrados
Ejercicio 2
Las varianzas:
n
X
x2i − nx̄2
i=1 41086 − (33) (33.45452 )
V (X) = = = 129.76
n−1 33 − 1
n
X
yi2 − nȳ 2
i=1 41998 − (33) (34.06062 )
V (Y ) = = = 116.06
n−1 33 − 1
La covarianza entre X y Y :
n
X
xi yi − nx̄ȳ
i=1 41355 − (33) (33.4545) (34.0606)
Cov (X, Y ) = = = 117.25
n−1 33 − 1
Ejercicio 2
Ejercicio 2
Ejercicio 2
ŷ = 3.8277 + 0.9037x
Ejercicio 2
Modelo ajustado:
ŷ = 3.8277 + 0.9037x
Ejercicio 2
Ejercicio 3
Solución:
Definamos:
x: Millones gastados en ID. (Variable independiente)
y: Ganancia anual (en millones). (Variable dependiente)
Ejercicio 3
Cov (X, Y ) 20
βˆ1 = = =2
V (X) 10
Para el intercepto:
Ejercicio 3
ŷ = 20 + 2x
Ejercicio 3
Modelo ajustado:
ŷ = 20 + 2x
Interpretaciones del modelo:
Ejercicio 3
ŷ = 20 + (2) (10) = 40
Referencias I