Documentos de Académico
Documentos de Profesional
Documentos de Cultura
VII
INDICE
7.1.Modelos Simples.
7.2 Método de Mínimos Cuadrados.
7.3 Inferencias Relativas a la Pendiente de la Regla
de Regresión.
7.4 Predicción de un Valor Particular de Y para un
Valor de X.
7.5 Coeficiente de Correlación y Coeficiente de
Determinación.
7.6 Inferencias Relativas al Coeficiente de
Correlación.
INTRODUCCION
Altura del hijo = 85cm + 0,5 altura del padre (aprox.) Francis Galton
•Primo de Darwin
Conclusión: los padres muy altos tienen tendencia a tener hijos •Estadístico y Fundador
que heredan parte de esta altura, aunque tienen tendencia a (con otros) de la
acercarse (regresar) a la media. Lo mismo puede decirse de los estadística Moderna para
padres muy bajos. explicar las teorías de
Darwin.
Hoy en día el sentido de regresión es el de predicción de una
medida basándonos en el conocimiento de otra.
.
INTRODUCCION
DIAGRAMAS DE DISPERSIÓN
100
90
80 Pesa 76 kg.
70
60
30
140 150 160 170 180 190 200
Relación entre variables
100
n la
90 co
ent a
80 aum
es o
70 el p
que
60 r e ce
Pa ra
50 altu
40
30
140 150 160 170 180 190 200
Predicción de una variable en función de la otra
100
90
80
70
10 kg.
60
50
40 10 cm.
30
140 150 160 170 180 190 200
Relación directa e inversa
330 100
30 30
140 150 160 170 180 190 200 140 150 160 170 180 190 200
Para valores de X por encima de la • Para los valores de X mayores que la media
media tenemos valores de Y por le corresponden valores de Y mayores
encima y por debajo en proporciones también.
similares. Incorrelación. • Para los valores de X menores que la media
le corresponden valores de Y menores
80 también.
70 Cierta relación Esto se llama relación directa.
60 inversa
50
40
30 Para los valores de X mayores que la
20 media le corresponden valores de Y
10
0
menores. Esto es relación inversa o
140 150 160 170 180 190 200 decreciente.
¿Cuándo es bueno un modelo de regresión?
r= 0.415
420
r^2 = 0.172
Lo adecuado del modelo depende de la relación
400
entre:
la dispersión marginal de Y
380
La dispersión de Y condicionada a X
y
360
distribuye Y
320
r^2 = 0.969
La distribución de Y, independientemente del
valor de X, se denomina distribución marginal.
380
360
350
CONCEPTO DE REGRESIÓN
VARIABLES DE LA REGRESIÓN
Las variables del modelo de regresión deben ser cuantitativas
TIPOS DE REGRESIÓN
1 Regresión Lineal
2 Regresión Múltiple
3 Regresión Logística
REGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL
Y Variable dependiente
Hacemos una representación
gráfica:
X Variable independiente
en el eje X la variable
independiente. Muestra
n
en el Y la dependiente.
REGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL
REPRESENTACIÓN GRÁFICA
Y=a+bX
b
Habría que calcular los
coeficientes a,b.
b es la pendiente de la recta
y = a + bx Recta de Regresión
REGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL
n xy x y
b
n x x
2 2
a
y
b
x
n n
EJEMPLO
Los datos de la siguiente tabla representan las estaturas (X, cm) y los pesos (Y,
kg) de una muestra de 12 hombres adultos. Para cada estatura fijada
previamente se observó el peso de una persona seleccionada de entre el grupo
con dicha estatura, resultando:
Con estos datos vamos a plantear una ecuación de regresión simple que nos
permita pronosticar los pesos conociendo las tallas.
X 152 155 152 155 157 152 157 165 162 178 183 178
Correlación = Causa
¡OJO!
La correlación y la regresión sólo describen relaciones lineales.
Si los coeficientes de correlación y las ecuaciones de regresión
se calculan a ciegas, sin examinar las gráficas, los
investigadores pasarán por alto relaciones muy estrechas pero
no lineales
BONDAD DEL AJUSTE
X Y X*Y X²
2004 35
2005 42
2006 48
2007 51
2008 54
2009 60
2010 71
2011 75
Sumas
Regresión Lineal: Ejemplo
t Yt Y´t et
1 35
2 42
3 48
4 51
5 54
6 60
7 71
8 75
9
Regresión Lineal: Fórmulas de medición del error en el Pronostico
Y Yˆt
2
t
EMC t 1
n