Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. Análisis de Regresión
Y = f (X )
Regresión simple Y es una función de X
o regresión
bivariada
Y = f ( X 1 , X 2 , X 3 ,..., X k )
Regresión
múltiple o
regresión Y es una función
multivariada de dos o más
variables
independientes
Si X e Y cambian en forma lineal, entonces a medida que X cambia, Y
cambia en una cantidad constante. Si existe una relación curvilínea, Y
cambiará en una cantidad diferente a medida que X cambia.
Modelo lineal
(con datos Población)
Y = 0 + 1 X +
Error = (i − ˆ i )
Modelo lineal
(con datos muestrales)
Y = b0 + b1 X + e MCO
produce
una recta
tal que la
suma de los
Modelo de regresión
Yˆt = b0 + b1 X errores sea
estimada Cero
(i − ˆ i ) = 0
Intercepto Pendiente
Publicidad (X)
Ventas (Y) MCO asegura que se minimice la
Mes (en cientos de
Ventas (en miles de Q) suma de los errores al cuadrado,
Q)
Ejemplo, pues produce una recta tal que la
Inc. 1 450 50
suma de los errores al cuadrado
2 380 40 es menor de lo que sería con
3 540 65 cualquier otra recta.
(i − i ) = min
ˆ 2
4 500 55
5 420 45
550 Yˆt = b0 + b1 X
i : el valor observado de
Y cuando X = 55
500 Yˆi : el valor estimado
Yˆi : el valor estimado de Y de Y cuando X =
Ventas (Y)
Yi Un error negativo
(ˆ − ) 0 Algunos errores son positivos:(ˆ i ˆ i )
350
(ˆ ˆ )
i i
Algunos errores son negativos:
300 i i
35 40 45 50 55 60 65
Publicidad (X)
Se requiere calcular la suma de cuadrados y productos cruzados, es decir se
debe calcular:
Suma de cuadrados de X
SCx = ( X i − X )
2
=X − 2 (X)
2
Suma de cuadrados de y
SCy = (Yi − Y )
2
= Y −2 (Y )
2
SCxy
b1 = b0 = − b1
SCx
El término de error ε es una variable aleatoria distribuida
1 normalmente
4 El supuesto de linealidad
Si una serie de tiempo tiene una tendencia ascendente o
descendente a largo plazo, el análisis de tendencia puede ser útil
para desarrollar pronósticos.
Variable Variable
dependiente es la independiente es
serie de tiempo que se una variable
desea pronosticar observada, el tiempo
Recta de tendencia
utilizando regresión simple
o mínimos cuadrados
Yˆt = b0 + b1t
ordinarios (MCO)
▪ El error estándar de estimación o error típico, Se, es una medida del grado de
dispersión de los valores Y, alrededor de la recta de regresión. Mide la
variación de los puntos de datos por encima y por debajo de la recta de
regresión.
▪ Refleja la tendencia a desviarse del valor real de
▪ dependiente Y Y cuando se utiliza el modelo de regresión para
fines predictivos, por eso también es una
medida del error típico.
▪ El error estándar se expresa en las misma
unidades que la variable
2. Análisis de Correlación
Es una medida de la fuerza de la relación entre la variable
dependiente (X) e independiente (Y). Ambas variables juegan un
papel simétrico.
−1 r 1
r=+1 relación positiva perfecta
r=-1 relación negativa perfecta
r=0 No hay relación
Coeficiente de correlación: proporciona una medida relativa de la
capacidad del modelo para explicar las desviaciones en los valores Yi.
Mide la fuerza de la relación entre Y y la variable explicativa X.
Medida de asociación lineal entre dos variables.
SCxy
r=
(SCx )(SCy )
Coeficiente de determinación: proporciona una medida de bondad
de ajuste porque revela qué porcentaje del cambio en Y se explica por
un cambio en X.
r =
2 (SCxy ) 2
(SCx )(SCy )