Documentos de Académico
Documentos de Profesional
Documentos de Cultura
03 Clase III - 523219 - Ajuste Por Mínimos Cuadrados
03 Clase III - 523219 - Ajuste Por Mínimos Cuadrados
Clase III.
Departamento de Estadı́stica
Facultad de Ciencias Fı́sicas y matemáticas
Universidad de Concepción
Prof: Marı́a José Alejandra Medina Fritz
26 de marzo de 2024
ANÁLISIS DE REGRESIÓN
Recoger la información.
ANÁLISIS DE REGRESIÓN
EJEMPLO
En una muestra donde se registra el número de ventas promedio semanales,
vamos a ver si existe algún tipo de relación lineal con respecto al sueldo
promedio del vendedor.
ANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN
Por lo tanto, para decidir que curva usar, es útil observar el diagrama
de dispersión.
ANÁLISIS DE REGRESIÓN
Y = β0 + β1 x + ,
ANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN.
Predecir los valores que puede tomar una variable a partir de valores
conocidos de la otra.
ANÁLISIS DE REGRESIÓN.
Predecir los valores que puede tomar una variable a partir de valores
conocidos de la otra.
ANÁLISIS DE REGRESIÓN.
Predecir los valores que puede tomar una variable a partir de valores
conocidos de la otra.
Conocer el grado de relación que existe entre 2 o más variables, permite saber
si la predicción realizada es buena o mala.
ANÁLISIS DE REGRESIÓN.
Predecir los valores que puede tomar una variable a partir de valores
conocidos de la otra.
Conocer el grado de relación que existe entre 2 o más variables, permite saber
si la predicción realizada es buena o mala.
n
X n
X
2i = (yi − yˆi )2
i=1 i=1
Una medida de la bondad de ajuste de la curva a los datos está dada por la
suma de la minima distancias al cuadrado:
S = 2 + 2 + . . . + 2 ,
Y = β0 + β1 X + ,
donde,
X X
y = β0 × n + β1 × x
X X X 2
xy = β0 × x + β1 × x
P P P
n xy − x y
βˆ1 = P 2 P
n x − ( x)2
βˆ0 = ȳ − βˆ1 x̄.
tivamente.
lo anteripor es equivalente a:
Sxy
βˆ1 =
Sx2
donde
Pn
i=1 xi yi
Sxy = − x̄ȳ
n
Pn
x2i
Sxx = i=1
− x̄2
n
Diagrama de Dispresión.
X = β0 + β1 Y + ,
Las ecuaciones normales para obtener los parámetros de “x” sobre “y” serı́an:
P P P
n xy − x y
βˆ1 = P 2 P
n y − ( y)2
βˆ0 = x̄ − βˆ1 ȳ.
P P
xi yj
x = y y=
n n
Interpretación:
P P P
n xy − x × y
r(x, y) = p P P P P ,
[n x2 − ( x)2 ] × [n y 2 − ( y)2 ]
COEFICIENTE DE DETEERMINACIÓN
R2 = ρ2 (X, Y ),
EJEMPLO
SOLUCIÓN
Y = β0 + β1 X + ,
SOLUCIÓN
X
xy = (75 × 82) + (80 × 98) + (93 × 86) + (65 × 72) + (87 × 91)
+ (71 × 80) + (98 × 95) + (68 × 72) + (84 × 89) + (77 × 74)
= 66,045
X X X 2
x= 798; y= 819; ( x) = 636,804
X
x2 = 752 + 802 + 932 + 652 + 872 + 712 + 982 + 682 + 842 + 772
= 64,722.
SOLUCIÓN
Luego,
P P P
n xy − x y
βˆ1 = P 2 P
n x − ( x)2
10 × 66045 − 798 × 819
=
10 × 64722 − 636804
= 0,66
ŷ = 29, 23 + 0,66x
SOLUCIÓN
c) Determine el coeficiente de correlación y determinación.
cov(X, Y )
ρ(X, Y ) = ,
SX × SY
Sabemos que:
cov(X, Y ) = xy − x × y
= 6604,5 − 79,8 × 81,9
= 68,88.
Luego,
68,88
ρ(X, Y ) = = 0,79 y R2 = 0,62
10,75 × 8,157
x y
1 2
3 4
5 3
7 6
9 5
3 3
5 4
4 4
6 5