MODELOS DE REGRESIN LINEAL

REGRESIN LINEAL
El Anlisis de Regresin se ocupa del estudio de la dependencia de una variable, la variable dependiente, de una o varias variables, las variables explicatorias, con el objeto de estimar o predecir el valor promedio de la primera con base en valores fijos o conocidos de las segundas.

EJEMPLOS

Se quiere estimar o predecir la estatura promedio de los hijos con base en la estatura de los padres. Interesa estudiar la dependencia del gasto de consumo personal con el ingreso personal neto disponible. Un agrnomo puede estar interesado en estudios de la dependencia de una cosecha de un producto especfico, con relacin a la temperatura, la cantidad de lluvia, la cantidad de sol recibida y dos fertilizantes, a travs de este estudio se puede predecir la produccin media de la cosecha. Se quiere explicar la penetracin promedio en el acero al carbono, con base en el tiempo de exposicin.

En el caso de una sola variable que explique a la variable dependiente, se trata de un ANLISIS DE REGRESIN LINEAL SIMPLE, mientras que si existen dos o ms variables explicatorias, sera un ANLISIS DE REGRESIN LINEAL MLTIPLE.

Y A la variable se le llama variable X 1 , X 2 ,variable X k dependiente, explicada o variable respuesta y a las variables ,variables explicativas, independientes, de control o estmulo.

En el Anlisis de Regresin interesa una relacin o dependencia estocstica y no una dependencia funcional determinstica propios de los mecanismos fsicos que relacionan estas variables, tales como la Ley Ohm, la ley de la gravedad de Newton y la ley de los gases de Boyle, entre otras.

Consideraciones Importantes Vamos a considerar

una relacin funcional entre las variables X y Y Suponiendo que X toma valores asignados o controlados por el investigador y Y depende de X a travs de la relacin Y= f(X) Decimos que X es la variable independiente y Y la variable dependiente

EJEMPLO
Suponga que un Ingeniero esta interesado en estimar el tiempo medio de entrega de pedidos con base en el volumen entregado (numero de productos).
El Ingeniero observa n entregas y registra los tiempos y cantidades o volumen entregado y los grafica, conformando as un diagrama de dispersin como se ilustra en la grafica:

MNIMOS CUADRADOS ORDINARIOS

Se trata de estimar los parmetros tal que se haga mnimo y esto se obtiene por el mtodo de mnimos cuadrados ordinarios MCO

ESTIMACIN DE LA RECTA DE REGRESIN

Donde:

El coeficiente de regresin , representa la pendiente de la recta. Este coeficiente indica la cantidad de variacin, creciente(+) o decreciente (-), de la variable Y por unidad de cambio de la variable X.

EJEMPLO 1
Considere el consumo familiar (y), explicado por el ingreso familiar (x). En la tabla se muestran los datos para variaciones de x y la respectiva consecuencia en y.
Yi 70 65 90 95 110 115 120 140 155 150 Xi 80 100 120 140 160 180 200 220 240 260

MEDIDAS DE LA ADECUACIN DEL MODELO

El coeficiente de determinacin R2 indica en que proporcin la variable regresora X explica a Y y que tanto se ajustan los datos al modelo.

MEDIDAS DE LA ADECUACIN DEL MODELO

El coeficiente de Correlacion R indica el grado de relacin de las variables X y Y.

MEDIDAS DE LA ADECUACIN DEL MODELO

Ejemplos grficos del coeficiente de correlacin

INFERENCIA
Se pueden construir intervalos de confianza y realizar pruebas de hiptesis basados en el supuesto de que los y son iid. , As

INFERENCIA
Podemos probar si , en otras palabras X no explica a Y. Para esta prueba Hacemos con n-2 g de l

, Tambin interesa construir un intervalo de confianza para

Anlogamente para

obtenemos

INFERENCIA

El intervalo de confianza para la prediccin de un nuevo valor en Y es:

El intervalo de confianza para la prediccin media de un nuevo valor en Y es:

EJEMPLO 2
Con base en el ejemplo anterior. X explica a Y significativamente?. Que tanto explica X a Y? en que proporcin? Si X=100, cual seria la prediccin?