Explora Libros electrónicos
Categorías
Explora Audiolibros
Categorías
Explora Revistas
Categorías
Explora Documentos
Categorías
SESIÓN : 13
TEMA : ANÁLISIS DE REGRESIÓN LINEAL Y CORRELACIÓN.
DIAGRAMAS DE DISPERSIÓN, COEFICIENTE DE DETERMINACIÓN
Y DE CORRELACIÓN. Y MODELOS DE REGRESIÓN LINEAL
SIMPLE.
ESCUELA DE ADMINISTRACIÓN
2020- II
ESTIMACION DE PARAMETROS DE LA
REGRESION y=B0+B1 X -> Ecuación Lineal
Para que dicha ecuación esté definida es necesario que se conozca “βo” y “β1”. Dichos
parámetros se calcula utilizando el método de mínimos cuadrados.
El “Método de Mínimos cuadrados” busca o fija los datos de la muestra o población a una
línea recta de modo que las diferencias de cada observación a la línea de regresión sea lo
menos posible.
n
, n = nº de observaciones (tamaño de la muestra)
e minimo
i 1
i
Luego de minimizar cada valor de ei, se obtienen las fórmulas de “a” y “b”.
n XY ( X )( Y ) o Y b X
1
n X 2 ( X ) 2
Donde:
βo = Intercepto de la ecuación de regresión con el eje Y
β1 = coeficiente de regresión.
Xi = valores de la variable independiente
Yi = valores de la variable dependiente
= Promedio de los valores de la variable independiente
= Promedio de los valores de la variable dependiente.
y=a+bX
y=B0+B1X
Si b > 0, entonces, la tendencia lineal es creciente, es decir a
mayores valores de X corresponden mayores valores de Y.
Si b < 0, entonces, la tendencia lineal es decreciente, es decir a
mayores valores de X corresponden menores valores de Y.
Si b = 0, entonces, Y = a; Y permanece estacionario para
cualquier valor de X.
ERROR ESTANDAR DE ESTIMACION
El error estándar de estimación llamado también
desviación estándar es una medida de dispersión
alrededor de una línea de regresión.
Es una medida de dispersión de los valores observados,
con respecto a la línea de regresión (valores estimados).
Entre el valor observado y el valor estimado Y* existe
una diferencia o sesgo, que puede ser menor o mayor en
la medida que los n-puntos del diagrama de dispersión
estén más o menos cerca de la línea de regresión.
S
SCE
Y 2
a Y b XY
n2 n2
Ejemplo: Analizar la relación entre la edad y el tiempo
efectivo de servicio de los trabajadores, para el efecto se
consideró una muestra de 15 trabajadores:
Edad 48 40 30 39 46 42 27 36 34 46 32 42 40 32 27
Tiempo de Servicio 24 18 9 14 22 22 4 13 10 20 12 18 16 8 6
a) Hallar el coeficiente de correlación
b) Hallar el coeficiente de determinación
c) Hallar el error estándar
d) Hallar un modelo de regresión adecuado
e) Comprobar si los datos se ajusta al modelo
PASO 1: Definir las variables:
Definir en primer lugar: ¿Cuál será la variable
dependiente e independiente?
Y: Tiempo de Servicio (Variable Dependiente)
X: Edad (Variable Independiente)
PASO 2: Diagrama de dispersión
En el grafico se observa que la nube de puntos tiene una
forma alargada, con una relación positiva en donde es
posible ajustar o representar por una línea recta, la cual
será:
Y * b0 b1 x
20
15
10
5
30 35 40 45
Edad d e tr abajador es
Edad X Tiempo de
Servicio Y XY X2 Y2 Y*
48 24 1152 2304 576 23.685
40 18 720 1600 324 16.677
30 9 270 900 81 7.917
39 14 546 1521 196 15.801
46 22 1012 2116 484 21.933
42 22 924 1764 484 18.429
27 4 108 729 16 5.289
36 13 468 1296 169 13.173
34 10 340 1156 100 11.421
46 20 920 2116 400 21.933
32 12 384 1024 144 9.669
42 18 756 1764 324 18.429
40 16 640 1600 256 16.677
32 8 256 1024 64 9.669
27 6 162 729 36 5.289
561 216 8658 21643 3654 215.991
PASO 3: El coeficiente de correlación es:
Cov( X , Y ) n XY X Y
r
S X SY n X 2 X n Y 2 Y
2 2
15(8658) 561(216)
r
15( 21643) 561 15(3654) 216
2 2
r 0.9663
=
Y * b0 b1 x
b0 = -18.363
b1 = 0.876;
Significa que por cada edad adicional de los trabajadores puede esperarse aumentar casi 1 año de
tiempo de servicio
Y * 18.363 0.876 x
En el grafico se observa la línea de regresión
(Y* = Tiempo de Servicio y X = Edad)
1Tiempo de Servicio = -18,36 + 0,88 * Edad Reg resión lineal
20
15
10
5
30 35 40 45
Edad de tr abajadores
PASO 7:
S
SCE
a Y b XY 3654 (18.363)(216) 0.876(8658)
Y 2
n2 n2 13
S 1.6641
F(1,13,0.05)=
Gráfica de distribución
F; df1=1; df2=13
0.8
0.7
0.6
0.5
Densidad
0.3
0.2
0.1
0.05
0.0
0 4.667
X
EJERCICIO:
91 33
95 12
93 18
98 3
97 4
97 8
88 66
94 5
89 37
90 29
92 15
95 10
a) Hallar un modelo de regresión adecuado
b) Hallar el coeficiente de correlación
c) Hallar el coeficiente de determinación
d) Hallar el error estándar