Regresión Y Correlacion

Lineal Simple

OBJETIVOS:
-Obtener y explicar el modelo originado por el
fenómeno ,mediante el diagrama de dispersión y
encontrar el modelo de ajuste.
-Interpretar los coeficientes de regresión .
-Estimar un intervalo de confianza para β

MSc.Grimaldo Dermali Benavides Campos

 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE

INTRODUCCIÓN

El análisis de regresión tiene múltiples aplicaciones

en la investigación, en los diferentes campos de la
ciencia y en los trabajos prácticos, ya sean estos
industriales, comerciales o profesionales.

Uno de los objetivos de la ciencia es la realización de

predicciones del comportamiento de ciertos
fenómenos sociales, económicos, naturales,
biológicos, etc.
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE

PROPÓSITO

El propósito de la regresión lineal simple es estimar

la relación que existe entre dos variables X e Y.

Es un grupo de técnicas que permiten encontrar un

modelo matemático que relaciona a dos variables, o
más variables ( Regresión lineal múltiple)

Este modelo recibe el nombre de ecuación de

regresión.
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE

Función de Regresión Lineal Simple

Y = f (X)

Se lee “Y” “Y” esta en “X” afecta o

depende de “X” función de la modifica a “Y”
variable X

Donde:
Y :Variable dependiente
X :Variable independiente
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE
Ejemplos:
Podemos estar interesados en predecir el
consumo promedio de un conjunto de familias en
base al ingreso de las mismas.
Se desea hallar la regresión de las calificaciones
sobre las horas de estudio.
Conocer el efecto del contenido de asfalto sobre la
permeabilidad del agua.
Si es efectiva la propaganda televisada de un
producto que salió a la venta con relación al tiempo
de publicidad.
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE

Ecuación de Regresión Lineal Simple

Yi = β0 + β1 Xi + εi
Donde:
Y = Variable dependiente
X = Variable independiente
β0 = Intercepto
β1 = Coeficiente pendiente
ε = Error aleatorio
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE

Elección de una Relación Funcional

Se trata de seleccionar el tipo de función matemática

que mejor ha de representar la dependencia entre
las variables.

a) Una consideración analítica del fenómeno que nos

ocupa ( estudios anteriores)

b) Un examen del diagrama de dispersión en forma

grafica de los datos observados, es esta forma es
fácil tener una idea de si existe o no existe
regresión, si es lineal o curvilínea.
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE

DIAGRAMAS DE DISPERSIÓN

Regresión lineal
positiva o directa Regresión lineal
negativa o inversa

Regresión no lineal positiva No existe Regresión

 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE

Método de los Mínimos Cuadrados

El principal interés radica en poder estimar la

función de regresión poblacional con base en una
función de regresión muestral de la manera mas
precisa posible.

Con el Método de lo Mínimos Cuadrados se pueden

obtener resultados con un alto grado de precisión.

La función de regresión poblacional no es

observable directamente, es preciso estimarla a
partir de la función de regresión muestral.
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE

Método de los Mínimos Cuadrados

Función de Regresión Muestral:

Donde:

Es el valor estimado de
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE

Método de los Mínimos Cuadrados

Los coeficientes de regresión se expresan como:

 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE

Coeficientes de Regresión Estimados

CARACTERISTICAS:

•Son expresados únicamente en términos de

cantidades observables.

•Son estimadores puntuales, es decir dada la

muestra cada estimador proporcionará un solo
valor del parámetro poblacional relevante.
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE

Coeficientes de Regresión Estimados

INTERPRETACIÓN:

Es el efecto medio o promedio sobre la variable

dependiente de todas las variables omitidas en el
modelo de regresión.

Es el promedio de los incrementos de Y debido

a los aumentos unitarios de X o es el promedio de
las disminuciones de Y debido a los aumentos de X.
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE

Intervalo de confianza para β

Un intervalo de confianza para β del (1-α)100% esta

dado por:
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE
Ejemplo:
A una compañía de ahorro y crédito, le gustaría saber
cómo son afectados las ventas de casas por diferentes
tasas de interés.
La tabla siguiente muestra el promedio de las tasas de
interés de las hipotecas de vivienda y el número
correspondiente de ventas de casas durante diez meses
escogidos al azar:
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE
Ejemplo:
Tasas de Interés Ventas de
(%) casas
7.0 23
6.5 38
5.5 45
6.0 36
8.0 16
8.5 18
5.0 39
7.5 41
9.0 14
4.5 48
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE
Ejemplo:
Se pide:

a) Representar los datos en un diagrama de

dispersión.

b) Determinar la recta de regresión y graficarla

c)Determinar las ventas de casas si la tasa de interés

es de 4.0 % y 9.5%
d) Encontrar un intervalo de confianza del 95%
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE
Solución:
a) Diagrama de dispersión en Excel

60

50
VENTAS DE CASAS

40

30

20

10

0
0 1 2 3 4 5 6 7 8 9 10
TASA DE INTERES (%)
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE
Solución:
a) Diagrama de dispersión en SPSS v 18
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE
Solución:
a) Diagrama de dispersión en SPSS v 18
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE
Solución:
a) Diagrama de dispersión en SPSS v 18
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE
Solución:
a) Diagrama de dispersión en SPSS v 18
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE
Solución:
b) Estimando la recta

Calculando: β1
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE
Solución:
b) Estimando la recta

Calculando: β0
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE
Solución:
b) Estimando la recta

Entonces la línea de regresión estimada es:

El < valor de X = 4.5, reemplazando en la ecuación = (4.5, 48.108)

El > valor de X = 9, reemplazando en la ecuación = ( 9, 15.492)
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE
Solución:
b) Graficando la recta
60

50
VENTAS DE CASAS

40

30

20

10

0
0 1 2 3 4 5 6 7 8 9 10
TASA DE INTERES (%)
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE
Solución:
b) Estimando la recta de SPSS v 18
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE
Solución:
b) Estimando la recta de SPSS v 18
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE
Solución:
b) Estimando la recta de SPSS v 18
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE
Solución:
c) Cuando la tasa de interés es 4.0 % las casas vendidas
promedio estimada será:

y = 80.724 – 7.248 (4)

y = 51.732 ≈ 52

Cuando la tasa de interés es 9.5% las casas vendidas

promedio estimada será:

y = 80.724 – 7.248 (9.5)

y = 11.868 ≈ 12
c)Intervalo de confianza para β1
1-α/2=0,975 t0 = 2,306

ES(b)=(2,306)(1,460)

por lo tanto:
β1 = -7.,232 + o - 3.366

β1=€[ -10,66 , -3,834]

 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE

Laboratorio:
Un comerciante minorista encargó un estudio para
determinar la relación entre los gastos en publicidad
semanal por radio ($) y las ventas de sus productos ($). En
el estudio se obtuvieron los siguientes resultados:

Semana 1 2 3 4 5 6 7 8 9 10

Gastos Publicidad 30 20 40 30 50 70 60 80 70 80

Ventas 300 250 400 - 550 750 750 630 930 840
 ANÁLISIS DE REGRESIÓN
LINEAL SIMPLE

Laboratorio:
En la cuarta semana por diversos estudio no se pudo
realizar el estudio.

a) Grafique los datos

b) Determine la ecuación de regresión de ventas sobre
gastos en publicidad e interprete sus resultados
c) Encuentre un intervalo de confianza par β1 con α = 0.05
d) En cuanto estimaría las ventas para la semana 5 y 11