Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Por ejemplo:
En un experimento de laboratorio, se desea conocer el
rendimiento de un proceso (y), en relación con la
temperatura en la que se desarrolla (x). Los datos
obtenidos fueron los siguientes:
Unidad 6: Regresión y correlación
FACULTAD DE CIENCIAS EXACT. FÍS. Y NATURALES. UNC.
CÁTEDRA DE PROBABILIDAD Y ESTADÍSTICA
x 100 110 120 130 140 150 160 170 180 190
y 45 52 54 63 62 68 75 76 92 88
Análisis de Correlación
¿Cuál es su estimador σ xy = S xy ?
n ⎛ _ ⎞⎛ _⎞
∑ ⎜ xi − x ⎟⎜ yi − y ⎟
i=1 ⎝ ⎠⎝ ⎠
S xy =
y n −1
_
y
x
_
x
Unidad 6: Regresión y correlación
1 ⎡ n ⎤
s xy = ⎢ ∑
n − 1 ⎣ i=1
xi yi − nxy ⎥
⎦
COEFICIENTE DE CORRELACIÓN
σ xy
ρ xy =
σx σy
–1y1
Unidad 6: Regresión y correlación
S xy
ρ XY = r =
Sx Sy
Análisis de Regresión
¿Qué forma debe tener un modelo que describa la posible
relación entre estas dos variables?
x1
x2
x3
x4
Se recuerda que:
y ij = β 0 + β1x i + ε ij con ε ij ∼
~ N 0; σ
2
( )
Entonces:
~ N ( β 0 + β1xi ; σ )
2
yi ∼
β0 = a y β1 = b
Entonces la recta resulta:
yi = a + bxi
¿Qué condición debe cumplir esta recta de modo de
lograr la mejor estimación de los valores a y b ?
Unidad 6: Regresión y correlación
FACULTAD DE CIENCIAS EXACT. FÍS. Y NATURALES. UNC.
CÁTEDRA DE PROBABILIDAD Y ESTADÍSTICA
Gráficamente se tiene:
y yi = a + bxi
ei = yi − yi
Donde: x
yi es el valor estimado o predicho por el modelo a estimar.
yi es el valor a observar o el dato.
( )
n n 2
Se requiere que Q = ∑ ei = ∑ yi − yi
2
sea mínimo.
i=1 i=1
Unidad 6: Regresión y correlación
( )
n 2
yi = a + bxi Q = ∑ yi − yi
i=1
n 2
Entonces: Q = ∑ ( yi - a - bxi )
i=1
⎛n 2⎞ ⎛n 2⎞
∂ ⎜ ∑ ( yi − a − bxi ) ⎟ ∂ ⎜ ∑ ( yi − a − bxi ) ⎟
⎝ i=1 ⎠ =0 ⎝ i=1 ⎠ =0
∂a ∂b
Unidad 6: Regresión y correlación
FACULTAD DE CIENCIAS EXACT. FÍS. Y NATURALES. UNC.
CÁTEDRA DE PROBABILIDAD Y ESTADÍSTICA
⎛
n _ ⎞⎛ _⎞
∑ ⎜ xi − x ⎟⎜ yi − y ⎟
b=
i=1 ⎝ ⎠⎝ ⎠ = S xy
n ⎛ _ ⎞2 S 2x
∑ ⎜ xi − x ⎟
i=1 ⎝ ⎠
y
_ _
a = y− b x
Con: β0 =a y β1 = b
Unidad 6: Regresión y correlación
x 100 110 120 130 140 150 160 170 180 190
y 45 52 54 63 62 68 75 76 92 88
Se recuerda que:
y Variación no
explicada
Variación
Variación total
_ explicada
y
_ _
yi − y = ( yi − y ) + (yi − yi )
x
_ _ _
x
( x , y ) ∈ Re cta Unidad 6: Regresión y correlación
FACULTAD DE CIENCIAS EXACT. FÍS. Y NATURALES. UNC.
CÁTEDRA DE PROBABILIDAD Y ESTADÍSTICA
TOTAL ACIERTOS
ERRORES
2 2
⎛ _⎞ ⎛ _⎞
( )
2
∑ ⎜ i ⎟ ∑ ⎜ i ⎟ + ∑ yi − y i
y − y = y − y
⎝ ⎠ ⎝ ⎠
SCT = SCR + SCE
H1: β1 ≠ 0
Si H0 es verdadera entonces:
b
El estadístico de prueba es: t 0 = ∼ tn−2
Sb
El criterio de rechazo es: t0 > tc
Se2 Se2
Sb2 = ⇒ Sb = (Estimación del desvío de b)
S xx S xx
Donde:
( )
2
∑ y i − yi
2
SCE ⎛ _⎞
Se2 = = S xx = ∑ ⎜ xi − x ⎟ = S 2x (n − 1)
n−2 n−2 ⎝ ⎠
b Sb
SCE
Se2 =
n−2 Unidad 6: Regresión y correlación
FACULTAD DE CIENCIAS EXACT. FÍS. Y NATURALES. UNC.
CÁTEDRA DE PROBABILIDAD Y ESTADÍSTICA
Planteo de la prueba:
H0: β1 = 0
H1: β1 ≠ 0
Si H0 es verdadera entonces:
MSR
El estadístico de prueba es: F0 = ∼ f1,n−2
MSE
El criterio de rechazo es: F0 > fα ,1,n−2
Prueba unilateral derecha
Si NO se rechaza H0 el modelo
“NO SIRVE”
Unidad 6: Regresión y correlación
II-1-Coeficiente de Determinación
2 2
⎛ _⎞ ⎛ _⎞
( )
2
∑ ⎜ yi − y ⎟ = ∑ ⎜ yi − y ⎟ + ∑ y i − y i
⎝ ⎠ ⎝ ⎠
SCT = SCR + SCE
SCR SCE SCR SCE
1= + = 1− = R2
SCT SCT SCT SCT
R2 varia entre 0 y 1
Verificación de normalidad
RESUMEN
Consideraciones a seguir en un análisis de regresión
lineal simple:
Variable N R²
y(a) 11 0.67
Variable N R²
y(b) 11 0.67
Coeficientes de regresión y estadísticos asociados
Coef Est. E.E. LI(95%) LS(95%) T p-valor
const 3.00 1.13 0.46 5.55 2.67 0.0258
x(a)(b)(c) 0.50 0.12 0.23 0.77 4.24 0.0022
Variable N R²
y(c) 11 0.67
Coeficientes de regresión y estadísticos asociados
Coef Est. E.E. LI(95%) LS(95%) T p-valor
const 3.00 1.12 0.46 5.55 2.67 0.0256
x(a)(b)(c) 0.50 0.12 0.23 0.77 4.24 0.0022
Variable N R²
y(d) 11 0.67
Coeficientes de regresión y estadísticos asociados