Laboratorio Anlisis Cuantitativo II Modelos lineales

Correlacin y Regresin Lineal (Simple)

Dr. Mauricio Padrn Innamorato

Correlacin
Dos variables cuantitativas estn relacionadas entre s cuando los valores de una de ellas varan de forma sistemtica con respecto a los valores de la otra.

Si tenemos dos variables, A y B, existe relacin entre ellas

si al aumentar los valores de A tambin lo hacen los de B, o

por el contrario si al aumentar los valores de A disminuyen

los de B.

Correlacin
Para variables mtricas, el grfico de dispersin es la manera ms sencilla de comprobar la relacin entre las dos

variables, pudiendo esta adoptar diferentes formas.

El mtodo ms usual para medir la intensidad de la relacin lineal entre dos variables mtricas, es la correlacin de Pearson.

Correlacin

Correlacin
Los componentes fundamentales de una relacin entre dos variables cuantitativas son: La Fuerza El Sentido La Forma

Correlacin La fuerza mide el grado en que la lnea representa

a la nube de puntos. Si la nube es estrecha y

alargada una lnea recta representar adecuadamente a la nube de puntos y a la relacin, y por tanto sta

ser fuerte.

Correlacin El sentido de la relacin se refiere a cmo varan

los valores de B con respecto a A. Si al crecer los

valores de la variable A lo hacen los de B, ser una relacin positiva o directa. Si al aumentar A,

disminuye B, ser una relacin negativa o inversa.

Correlacin

La forma establece el tipo de lnea a emplear para definir el mejor ajuste. Se pueden emplear tres tipos

de lneas: una lnea recta, una curva monotnica y

una curva no monotnica.

Correlacin
En el caso de usar una recta, se admite que existe una proporcin entre la diferencia entre dos valores A y la

diferencia entre dos valores de B. A ese factor de ajuste entre ambas series se le llama
pendiente de la recta, y se asume que es constante a lo largo de toda la recta.

Correlacin

Correlacin En el caso de usar una curva monotnica, ese factor de proporcin entre las dos variables no es constante a lo largo de toda la recta, y por lo tanto la pendiente de la misma es variable en su recorrido. Se dice que la lnea de ajuste es no lineal puesto que es una curva.

Correlacin

En el caso de usar una curva no monotnica vara

tanto la pendiente de la curva como el sentido de la relacin, que en unos sectores puede ser positiva

(ascendente) y en otros negativa (descendente).

Correlacin

Curva Monotnica

Curva No Monotnica

Correlacin
Dadas dos variables X y Y tomadas sobre el mismo elemento de la poblacin, el diagrama de dispersin es simplemente un grfico de dos dimensiones, donde en un

eje (la abscisa) se grafica una variable, y en el otro eje (la

ordenada) se grafica la otra variable.

Correlacin
Si las variables estn correlacionadas, el grfico mostrara
algn nivel de correlacin (tendencia) entre las dos

variables.

Si no hay ninguna correlacin, el grfico presentara una figura sin forma, una nube de puntos dispersos en el grfico.

Correlacin

Correlacin y la Recta de regresin

La relacin entre dos variables mtricas puede ser representada mediante la lnea de mejor ajuste a los datos. Esta recta se le denomina recta de regresin, que puede ser negativa o positiva, la primera con tendencia decreciente y la segunda creciente.

Correlacin y Regresin Lineal La ecuacin general de la recta es: y = + x

A partir de esta sencilla ecuacin se puede calcular para

cualquier punto de una recta, el valor estimado que tomara

y a partir del conocimiento de su valor x, de la pendiente de la recta () y del punto de corte sobre las ordenadas ().

La recta de regresin

La recta de regresin
Para el clculo de la recta de regresin se aplica el mtodo de mnimos cuadrados entre dos variables. Esta lnea es la que hace mnima la suma de los cuadrados

de los residuos, es decir, es aquella recta en la que las

diferencias elevadas al cuadrado entre los valores

calculados por la ecuacin de la recta y los valores reales de

la serie, son las menores posibles.

Regresin Lineal Simple y = + x

Regresin Lineal

Regresin Lineal
Dada una variable dependiente y un conjunto de una o ms variables independientes, todas ellas cuantitativas, la regresin lineal consiste en obtener una funcin lineal de las

variables independientes que permita explicar o predecir el

valor de la dependiente.

Regresin Lineal

A partir de (y1, x1, , xp), , (yn, xn, , xnp), muestra de n

observaciones de las variables Y, X1, , Xp, se trata de

aproximar los valores de Y, mediante una funcin de las variables X1, , Xp, que exprese la asociacin lineal entre Y y X1, , Xp:

Regresin Lineal

Y = 0 + 1X1 ++ pXp + e

donde 0,, p son parmetros desconocidos a

estimar y e es una variable error N(0,2)

Antes de continuar

Regresin Lineal Origen histrico del termino

A pesar de una tendencia en la que los padres de estatura alta tenan hijos altos y viceversa, la estatura promedio de

los nios nacidos de padres de una estatura dada tendan a

moverse o regresar hacia la estatura promedio de la poblacin total, regreso a la mediocridad (Francis Galton).

Regresin Lineal Origen histrico del termino

La Ley de regresin universal de Galton fue confirmada por Karl Pearson, quien a partir de mil registros de estaturas de

miembros de grupos familiares encontr que la estatura

promedio de los hijos de un grupo de padres de estatura alta era menor que la estatura de sus padres y a la inversa.

Regresin Lineal Interpretacin moderna de la regresin

El anlisis de la regresin trata del estudio de la dependencia de Y, respecto a una o mas variables Xs, con

el objetivo de estimar y/o predecir la media o valor

promedio poblacional de Y en trminos de los valores conocidos o fijos (en muestras repetidas) de las Xs.

Regresin Lineal Galton estaba preocupado por averiguar las razones por las cuales exista estabilidad en la distribucin de estaturas dentro de una poblacin. En el enfoque moderno la preocupacin no esta dirigida a esta explicacin sino en averiguar la manera en que cambia la estatura promedio de los hijos, dada la estatura de los padres. Se esta interesado en predecir la estatura promedio de los hijos conociendo la estatua de sus padres.

Regresin Lineal

Regresin Lineal En la figura se ve que para cualquier estatura dada de un padre existe un rango (distribucin) de estaturas de los

hijos.

Sin embrago, a pesar de la naturaleza variable e la estatura

de los hijos, dado un valor de la estatura de los padres, el promedio de la estatura de aquellos por lo general se incrementa en la misma medida que lo que se acrecienta la de los padres.

Regresin Lineal De la anterior queda claro que cada medida condicional E(Y,X) es funcin de X, donde X, es un valor dado de X.

Simblicamente,

E (Y / Xi) = f(Xi)

Regresin Lineal

Regresin Lineal

La ecuacin anterior se conoce como la funcin de expectativa condicional o funcin de regresin poblacional. Esta funcin denota nicamente que el valor esperado de la distribucin de Y dada X, esta relacionada funcionalmente con X. Dice como la media o respuesta promedio de Y varia con X.

Regresin Lineal Dados los supuestos del modelo de regresin clsico, se cumple que al tomar la esperanza condicional de Y a ambos lados de la ecuacin, se obtiene E (Y / X1, X2) = 0 + 1X1 + 2X2

As se obtiene, la media condicional o el valor esperado de Y condicionado a los valores dados o fijos de las variables X1 y X2.

Regresin Lineal

Entonces el anlisis de regresin es el anlisis de regresin condicional, sobre los valores fijos de las variables explicativas, y lo que obtenemos es el valor promedio o la

media de Y, o la respuesta media de Y a valores dados de las

regresoras X.