Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejemplos
n XY X Y
1
n X ( X )
2 2
X ,Y
Y * 0 1 X
e1 Y1 Y1*
MINIMOS _ CUADRADOS
2
e Y Y * Y ( 0 1 X )
2
M in(e)
e
0 2 Y ( 0 1 X ) (1) 0
0
e
0 2 Y ( 0 1 X ) ( X ) 0
1
ECUACIONES _ PARAMETRICAS
n 0 1 X Y
0 X 1 X XY
2
Y X
XY X
2
0
n X
X X
2
n Y
1
X XY
n X
X X
2
COV ( X , Y )
rR
XY
n XY X Y
r
n X 2 ( X ) 2 n Y 2 ( Y )2
Coeficientesa
Modelo Coeficientes no
estandarizados Coeficientes
estandarizados t Sig.
B Desv. Error
Beta
1 (Constante) 75,720 2,460
30,779 ,000
X_DEFORMACION -1,320
,108 -,977 -12,212 ,000
a Variable dependiente: Y_DUREZA
*
Y 0 1 X 75.72 1.32 X
GRAFICA
Te mpe ratura Exte rior v s. Costo
450
400 Relación Inversa
r = -0.812
350 fuerte
300
250
Costo
200
150
100
50
0
0 10 20 30 40 50 60 70
Tem p
Aislante térmico v s. Costo.
200
150
100
50
0
0 2 4 6 8 10 12 14
Aislante
Antigue dad de l cale factor v s. Costo
450
r =0,512 Relación Directa
400 moderada
350
300
250
Costo
200
150
100
50
0
0 5 10 15 20
Antiguedad
Tamaño sala v s. Costo Relación directa
r = 0.991
fuerte
450
400
aunque se
350
aprecia una
300 tendencia no
250 lineal
Costo
200
150
100
50
0
0 5 10 15 20 25
Tam año
4. Calcular un coeficiente de correlación lineal r a partir de la muestra,
como aproximación de la verdadera relación lineal ρ (rho) entre las
variables.
n xy x y
r
n x 2
x 2
n y 2
y 2
1 r 1
Interpretación:
1. El valor absoluto de r indica la fuerza de la relación entre Y y X.
2. El signo la dirección de la relación (directa o inversamente proporcional)
(tener cuidado con relaciones espúreas)
r=1 correlación positiva perfecta.
r = -1 correlación negativa perfecta.
r=0 no hay relación lineal entre Y y X.
Costo Temp Aislante Antigüedad
Costo 1.00
Aislante.
La correlación de 0,257 es baja, así que no existe relación lineal entre las
variables.
Antigüedad.
Una correlación de 0,512; es moderada, directamente proporcional, a mayor
antigüedad del calefactor, mayor costo y viceversa.
Tamaño de la sala principal.
Una correlación de 0,991; es alta y directamente proporcional: A mayor tamaño
de la sala, mayor costo de la calefacción
PAGO=f(CONSUMO EE)
PRONOSTICOS
CONSUMO = f (PAGO)
PAGO = f ( CONSUMO )
INTERSECCION ENTRE LAS
RECTAS
MEJOR MODELO
PRECISAR EL MEJOR
MODELO
Los coeficientes a1 y a0 se obtienen mediante las expresiones
n xy x y
a1
x
2
n x 2
a 0 y a1x
Aplicamos MegaStat para realizar el Análisis de Regresión
Y marcamos en la nueva ventana las
MegaStat
opciones que aparecen en la pantalla
Correlation/Regresión siguiente que nos mostrarán todas las
salidas que son de nuestro interés para el
Regresión Análisis análisis de regresión
c. Cálculo del Coeficiente de Determinación
Mide el poder explicativo del modelo de regresión, es decir, la
parte de la variación de Y explicada por la variación de X
El valor de r2 ha de estar entre 0 y 1, si r2 = 0,70 significa que el 70%
de la variación de Y está explicada por las variaciones de X. Es
evidente que cuanto mayor sea r2, mayor poder explicativo tendrá
nuestro modelo.
En nuestro ejemplo
Si analizamos el valor del coeficiente de determinación r ² = 0.659,
apreciamos que aproximadamente el 66% de la variabilidad del
costo esta determinado por la variabilidad en la Temperatura
exterior.
Y = f (X )
X=f(Y)
• PUNTO DE INTERSECCION ENTRE LAS
RECTAS