REGRE SIMPLE2013.Ppt Modo de Compatibilidad

16/09/2013
1
)1)11O) 1^T1
Mg. Hosnc Mutu H
2UlJ
16/09/2013 Rosmeri Mayta H. 1
/)/11 I1 (O))1/(1O) )1)11O)
1)1/
Objetivo:
Hacer un diagrama de dispersin
Calcular el coeficiente de Pearson
Calcular e interpretar el Coeficiente de Correlacin,
coeficiente de Determinacin y no determinacin.
Calcular el coeficiente de correlacin de rango.
En este capitulo se ver la relacin que existe entre dos
variables, se usaran medidas para medir el grado de
relacin como el coeficiente de determinacin y el
coeficiente de correlacin
Prueba de hiptesis de los coeficientes
Calcular los intervalos de confianza y de
prediccin.
Estudiar las tcnicas de anlisis de
influencia
/)/11 I1 (O))1/(1O)
Anlisis de correlacin.- Es el conjunto de
tcnicas estadsticas empleado para medir la
intensidad de la relacin que existe entre dos
variables. Para esto, normalmente, el primer
paso es mostrar los datos en un diagrama de
dispersin.
Permitir predecir la variable dependiente Y
con base en la variable independiente X.
I1/)/^/ I1 I1T1)1O)
Grfica que representa la relacin entre dos
variables.
La variable dependiente se representa en la
escala del eje Y, y es la variable que se estima,
predice o calcula.
Diagrama de dispersin
(a) Lineal directa (b) Lineal inversa (c) Curvilnea directa

(d) Curvilinea inversa (e) Lineal inversa
con ms dispersin
(d) Ningunarelacin
Y
X
Y
X
Y
X
Y
X
Y
X
Y
X
Relaciones posibles
entre X y Y vistos
en diagramas de
dispersin
16/09/2013
2
LA variable independiente se representa en al escala
del eje X, y es la variable que proporciona las bases
para el calculo. Es la variable de prediccin.
(oc{i.icnc vc .ocv.in
1nccv.in vc .oc{i.icnc vc .ocv.in vc
Tcv.on
-1 0 0,5 0,9 1 -0,9 -0,5
Perfecta
Negativa
Perfecta
Positiva
Fuerte
Negativa
Dbil
Negativa
Dbil
Positiva
Moderada
Positiva
Fuerte
Positiva
Moderada
Negativa
No existe
correlacin
C0FFlClFtTF 0F 0FTFRHltACl0t (r
2
).
Una pregunta importante que se plantea en el anlisis
de regresin es la siguiente: Qu porcentaje de la
variacin total en Y se debe a la variacin en X? En
otras palabras, cul es la proporcin de la variacin
total en Y que puede ser explicada por la variacin en
X? El estadstico que mide esta proporcin o porcentaje
se denomina coeficiente de determinacin:
Fl C0FFlClFtTF 0F lA t0 0FTFRHltACl0t :
Esta dado por 1- r
2
Es proporcin de la variacin de y que no es
explicada por X
)1)11O) 1)1/
Es una tcnica estadstica que permite
determinar la mejor ecuacin que represente la
relacin entre dos variables relacionadas.
Para poder establecer la relacin cuantitativa
entre X e Y es necesario disponer de pares de
observaciones. Cada par ha sido registrado a la
misma unidad elemental.
SuP0SlCl0tFS 0F RF6RFSl0t Y
C0RRFlACl0t
a) Normalidad: los valores de Y estarn distribuidos
normalmente para cada valor de X.
b) Homoscedasticidad: la variacin alrededor de la
lnea de regresin sea constante para todos los
valores de X.
c) Independencia de error: el error (diferencia residual
entre un valor observado y uno estimado de
Y) sea independientemente de cada valor de X.
d) Linealidad: la relacin entre las variables es lineal.
I1()1(/I1 ^1)1^O (+/I)/IO
Empleada para obtener la ecuacin de
regresin, minimizando la suma de los
cuadrados de las distancias verticales
entre los valores verdaderos de Yi y los
valores pronosticados de Y.
16/09/2013
3
Y
i
- Y = error
, ,
Min Y - Y
i
El mtodo consiste en determinar una

ecuacin que la suma de los errores al
cuadrado sea mnima.
X
Y
Error= 2
2 4 6 8 10 12 14
10
8
6
4
2
Error= -6

Lnea de
estimacin
.
.
Y
X
Y
Error= 2
2 4 6 8 10 12 14
10
8
6
4
2
Error= -6

Lnea de
estimacin
.
.
Y

El mtodo utiliza un sistema de ecuacin llamado
ecuaciones normales, que tienen la siguiente
forma:
Para aplicar las frmulas,
tenemos que confeccionar
un cuadro como el
siguiente:

+ =
=
2
1 0
1 0
X b X b XY
X b + nb Y
Y X
XY
2
X
X Y X
2
XY
1.0 8.0 1.0 8.0
1.5 10.0 2.3 15.0
2.0 9.0 4.0 18.0
2.5 12.0 6.3 30.0
3.0 14.0 9.0 42.0
3.5 13.0 12.3 45.5
4.0 15.0 16.0 60.0
4.5 17.0 20.3 76.5
5.0 14.0 25.0 70.0
5.5 14.0 30.3 77.0
32.
5 126.0 126.3 442.0
Sustituyendo los valores , n = 5,
y ,en las ecuaciones
normales, obtenemos el siguiente sistema de
ecuaciones.
126 = 10b
0
+ 32,5b
1
442 = 32,5b0 + 126,3b1
Resolviendo el sistema tenemos: b
0
= 7,479
b
1
= 1,576 ,por lo tanto,
0 , 26 1 Y=
5 , 2 3 X =
42 4 XY=
3 , 126
2
X =
1,576X 7,479 Y
+ =
De las ecuaciones normales se obtiene las
siguientes relaciones
Pendiente de la regresin lineal (b
1
): Indica la
magnitud del cambio en Y por cada unidad de cambio
de X
Constante de la regresin lineal (b
o
).- Punto donde se
intercepta con el eje Y, se calcula asi:
, ,

=
2
2
X X n
Y X XY n
b
n
X b
n
Y
a

=
Error estndar de estimacin.- Mide la dispersin de
los valores observados, con respecto a la lnea de
regresin. Tiene las siguientes caractersticas:
Est en las mismas unidades que la variable
dependiente.
Se basa en las desviaciones al cuadrado respecto de la
recta de regresin.
.
Se calcula as:
2
2 n
Y
- Y ) (
=
yx
S
16/09/2013 Rosmeri Mayta H. 17 16/09/2013 Rosmeri Mayta H. 18

16/09/2013
4
El intervalo garantiza una confianza del 68%. Es decir
que el valor de se encontrar dentro de ese intervalo
con un nivel de confianza del 68%.
El intervalo garantiza una confianza del 95%. Es decir
con un nivel de confianza del 95%
El intervalo garantiza una confianza del 99.9%. Es decir
con un nivel de confianza del 99.9%
Problema
La EMPRESA COPIER SALES OF AMERICAN ENC.. Vende
copias a negociaciones grandes , medianas y pequeas en
Estados Unidos y Canad . La seora Marcy fue promovida
recientemente al puesto de gerente nacional de ventas. A la
prxima junta de ventas asistirn los representantes de todo el pas.
A ella le gustara hacerles notar la importancia de hacer llamadas
extra cada da. Decide reunir alguna informacin acerca de la
relacin entre el nmero de llamadas y el nmero de productos
vendidos . Seleccion al azar una muestra de 10 representantes
y determin el nmero de llamadas que hicieron el ultimo mes , y el
de copiadoras que vendieron La informacin mensual se tiene en la
siguiente tabla.
Problema
Repres de
Ventas
Numero _Llamadas(
X)
Nmero de
Copiadoras (Y)
TOM 20 30
JEFT 40 60
BRIAN 20 40
JUAN 30 60
SUSAN 10 30
CARLOS 10 40
RICH 20 40
LUIS 20 50
MARK 20 30
SONI 30 70
Preguntas (solucionado en clase)
A) Hallar la ecuacin de regresin
B) Interpretar los coeficientes de regresin
C) Calcular el coeficiente de correlacin
D) calcular el coeficiente de determinacin y no
determinacin e interprete
E) Hallar el error estndar.
F) Si hago 45 llamadas cuantas copiadoras
vender
Se utiliza el estadstico F para probar la
significacin de la ecuacin de regresin
muestral o la existencia de regresin en la
poblacin.
Las hiptesis nula y alternativa para esta
prueba son respectivamente:
El valor de la tabla ser

16/09/2013
5
1)I1)1)(1/ O)1 O (O1I1(11)I1
I1 )1)11O) I1 / TO/(1O)
1.- Planteando Ho y Ha
Ho: B
1
=0 ( No hay relacin)
Ha: B
1
0 ( Hay una relacin)
2.- Nivel de significancia de 0.05
3.- T STUDENT
4.- Definir la regin de aceptacin y la regin critica
Hallar el T
(n-2,alfa)
= tablas
5.- El T
cal
.
T
cal
= (b
1
B
1
)/Sb1 y
Si T
t
< T
cal
, se rechaza la Ho y se acepta la Ha.
Si T
t
< T
cal
, se rechaza la Ho y se acepta
la Ha.
Sb
1 :
Error estndar de b
1
Sb
1
= Syx / { X
i
2
( Xi )
2
/ n }
T)+1/ I1 11TOI11 T/)/ 1
(O1I1(11)I1 I1 (O))1/(1O)
Se aplica el estadstico t.
Planteando la hiptesis nula y la alternativa
1.- Ho: = 0 La correlacin en la poblacin es
nula
2.- Ha: 0 La correlacin en la poblacin no
es nula
3.-T student
4.- Definir la R.A y la R.C
Para T
t
(
( n-2),alfa)
) = Tabla
5.- Si T
t
< T
cal
entonces rechaza la
hiptesis nula de lo contrario se acepta
1I1^/IO I1 1)I1)(/O I1
(O)I1/)Z/ I1
1
El valor de b1 puede variar entre un limite
superior e inferior
b
1
T
(
,
n-2)
Sb
1
<
1
<b
1
+ T
(
,
n-2)
Sb
1
Calcular el estimado del intervalo de
confianza del 95%
16/09/2013
6
Problema
En un departamento de produccin de una
empresa se desea examinar la relacin entre el
nmero de trabajadores que arman un
subemsamble y el nmero de subemsambles
producidos. Como experimento se asignaron
dos empleados para armar el dispositivo
electrnico. Produjeron 15 durante el lapso de
una hora. Despus se asignaron cuatro obreros
al mismo trabajo, y produjeron 25 durante dicho
perodo. A continuacin se presenta el conjunto
completo de pares de observaciones.
Considerar un nivel de significancia de 0.05.
a.- Calcule la ecuacin de regresin e intrprete los
resultados
Se ha obtenido un coeficiente de correlacin de 0.927. Este
coeficiente indica que las variables estn muy relacionadas
La ecuacin de regresin y graficar el
diagrama de dispersin
b.- Calcule e interprete el coeficiente
de determinacin
Se obtuvo un coeficiente de determinacin
de r
2
= 0.8596; esto quiere decir, que el
85.96% de la produccin de
subemsambles se debe al nmero de
trabajadores que los arman.
El coeficiente de no determinacin indica
que el 14.04% de la produccin no ser
explicada por el nmero de empleados.
16/09/2013
7
c.- Calcular e interpretar el error standard
d. Calcular el intervalo de confianza y
prediccin para X=4
Una empresa que disponga de 4 trabajadores
para la fabricacin de subemsambles estar en
el intervalo entre 12.265 y 49.735 de piezas
producidas.
e. Intervalo de prediccin para x=4
f.- Realizar la prueba de hiptesis para
B1
CALCULO CON MINITAB
The regression equation is
PROD_HORA = 3.00 + 7.00 CANT_EMPLEA
Predictor Coef SE Coef T P
Constant 3.000 5.416 0.55 0.618
CANT_EMPLEA 7.000 1.633 4.29 0.023
S = 5.16398 R-Sq = 86.0% R-Sq(adj) = 81.3%
Analysis of Variance
Source DF SS MS F P
Regression 1 490.00 490.00 18.37 0.023
Residual Error 3 80.00 26.67
Total 4 570.00
Predicted Values for New Observations
New
Obs Fit SE Fit 95% CI 95% PI
1 31.00 2.83 (22.00, 40.00) (12.26, 49.74)
Values of Predictors for New Observations
New
Obs CANT_EMPLEA
1 4.00
16/09/2013
8
ANLISIS DE VARIANZA EN LA REGRESIN
El anlisis de varianza es una tcnica que
permite localizar las fuentes de variabilidad
que ayuden a explicar el comportamiento de
la variable dependiente.
SC
total
= SC
error
+ SC
regresin
(SC
residual
)
MEDIDAS DE VARIACIN EN
REGRESIN Y CORRELACIN
SUMA DL CUADRADO
NO LXPLICADA
SUMA DL CUADRADO
LXPLICADA
SUMA DL
CUADRADO
1O1AL
Xi
Y
SUMA DE CUADRADO TOTAL
Es una medida de variacin de los valores Yi
alrededor de su media Y
.
SST = SSR + SSE
SST: suma cuadrado totales
SSR : Suma de los cuadrados debido a la
regresin
(variacin explicada)
SSE : Suma de los cuadrados del Error
(variacin No explicada)
SST = Suma total de cuadrados (Variacin Total
SSR = Suma de cuadrados explicada(Variacin
de Regresin)
SSE = Suma de cuadrados no
explicada.(Variacin de Error)

COEFICIENTE DE DETERMINACIN
r
2
= SSR o r
2
= 1 - SSE
SST SSTotal
r ajustado = 1 [(1-r
2
) [(n-1)/(n-2)]
SSR = bo Yi + b1 Xi Yi - ( Yi )
2
/n
SSE = Yi
2
+ b
o
Xi Yi - b
1
Xi Yi
SSR. Suma de cuadrado de regression
SSE Suma de cuadrado de error
SST. Suma de cuadrado totales
Suma de cuadrado total = Suma de cuadrado explicada+Suma de
cuadrado no explicada
n n
2 2
2
2
16/09/2013
9
ANOVA REGRESIN SIMPLE
FUENTE DE GL SS MS F
REGRESION 1 SSR MSR= SSR/1 MSR
MSE
ERROR n-2 SSE MSE = SSE /n-2
TOTAL n-1 SST
AJUSTE DE UNA TENDENCIA CUADRATICA
POR EL MTODO DE MNIMOS CUADRADOS
i = bo + bi Xi + bii Xi
1) Yi = nbo + bi Xi + bii Xi
2) Xi Yi = bo Xi + bi Xi + bii Xi
3) Xi Yi = bo Xi + bi Xi + bii Xi
n
i=J
n
i=J
n
i=J
n
i=J
n
i=J
n
i=J
n
i=J
n
i=J
n
i=J
n
i=J
n
i=J
2
2
2 3
3
4
AJUSTE DE UNA TENDENCIA
EXPONENCIAL MEDIANTE EL MTODO DE
MNIMOS CUADRADOS
|
1
2
1
1
2
1 1 1
|
|
l og
l og
l og
l og l og
l og
l og l og l og
.
b X
n
Y
b
n
X
i X
Y X Y X
b
b X b Y
b b Y
n
i
i
o
n
i
i
n
i
n
i
n
i
i
n
i
i i i
i i o i
Xi
o
i
=
=
+ =
=

=
=
=
= = =
ANLISIS DE INFLUENCIAS EN
REGRESIN SIMPLE
Se estudiara 3 mtodos que miden la
influencia de ciertos datos:
1)Los mtodos de la matriz sombrero hi.
2)Los residuales eliminados de student t*i
3)El estadstico de distancia de cook Di.
DIAGNSTICO DE LA REGRESIN :
ANLISIS DE LA INFLUENCIA
PROBLEMA
Se supone que el decano de un colegio de administracin de empresas quera
predecir el aprovechamiento de los estudiantes ( de acuerdo a sus ndices de
calificacin) en un programa de maestra de administracin de empresas (MBA). se
selecciono una muestra aleatoria de 20 estudiantes que haban tomado por lo menos
30 crditos en el programa , con el fin de desarrollar un modelo estadstico para
predecir su ndice de calificaciones. Al desarrollar el modelo as se podran tomar en
cuenta muchas variables explicatorios. Estas incluyen variables cuantitativas como el
resultado de la prueba de aptitud para graduados en administracin (GMAT) y el
ndice de calificaciones de no graduados, as como las variables cualitativas como la
especializacin del graduado y si la persona esta o no registrada como estudiante
graduado de tiempo completo
Para fines pedaggicos se iniciar el estudio con un modelo de regresin simple en el
cual se usa una sola variable explicatorio cuantitativa para predecir los valores de
una variable dependiente. Por lo tanto se desarrollara un modelo para predecir el
ndice de calificaciones ( la variable dependiente Y) basado en el resultado GMAT (
la variable explicatorio) o independiente X). En las siguiente tabla se encuentra los
datos. Hacer un diagnostico de regresin: Anlisis de residuales
Tabla 1
Clculos con minitab
16/09/2013
10
I1/)OI1(O I1 / )1)11O) /)/11
I1 1)I+1)(1/
Se aplica tres tcnicas
Segn HOAGLIN WELCH
1) Los elementos matriz sombrero, hi
Cada hi refleja la influencia de cada Xi sobre el modelo de
regresin ajustado. Si existen esos puntos de influencia quizs sea
necesario evaluar de nuevo la necesidad de mantenerlo en el
modelo. Se sugiere la siguiente regla de decisin
Si hi > 4/n , entonces Xi es un punto de influencia y se puede
considerar candidato a ser retirado del modelo.
, ,
, ,

+ =
n
x
x
x x
n
h
i
i 2
2
2
1
Para los datos de desempeo del
estudiante , puesto que n = 20, los
criterios deben ser destacar cualquier i
superior a 4/20= 0.2.
En la tabla se encuentra que h20 = 0.3049
Es un candidato potencial a ser removido,
pero tomaremos en cuenta otros criterios
2) Para los residuales de Student eliminados, ti*
Si se cumple que
S( i ) : Es el error estndar de la estimacin para un modelo que

incluye todas las observaciones excepto la observacin i.
.e i = Es la diferencia entre los valores observados (Yi) y los
predichos Yi
| t i*| > t .010,n-3
Significa que los valores Y observados y predichos son tan
diferentes que Xi es un punto de influencia que afecta de modo
adverso el modelo y se puede considerar como n candidato para
ser eliminado.
Para el problema, para cualquier valor ti*
superior a 1.7396 se eliminarat3* = -
1..879,
t5* =2.216, t14*=-2.228 y t20*= -1.961,
Estos cuatro pueden tener efectos
adversos sobre el modelo.
3) Estadstico de distancia de Cook, Di
El uso de h i* y t i* en la bsqueda de puntos de
datos potencialmente problemticos es
complementario. Ninguno de los criterios es
suficiente por si mismo. Para decidir si un punto
que ha sido destacado mediante el criterio hi o
el ti* esta afectando indebidamente al modelo
Cook y Weisberg sugieren el uso del estadstico
Di.
Di = Sr
i
2
hi / 2(1-hi )
SRi : es el residual estandarizado
Di > F(.50,2 n -2) = 0.720
D20 = 0.729 > 0.720
D5 = 0.21 es < 0.720
Se debe eliminar la observacin 20
El nuevo modelo ajustado, eliminado la
observacin 20 es:
16/09/2013
11
SOLUCIN
Presentando el diagrama de dispersin.
16/09/2013
12
PROBLEMA
Un reciente artculo en Business Week
present una lista de las mejores
compaas pequeas. Hay inters en los
resultados actuales de las ventas y
ganancias de las empresas. Se seleccion
una muestra aleatoria de 12 compaas. A
continuacin se indican las ventas y
ganancias, en millones de dlares.
16/09/2013
13
DATOS
El coeficiente de determinacin indica que el 45% de la
variacin de las ganancias se explica por medio de las
ventas.

b
0
: Es la interseccin con el eje Y, cuando
las ventas son cero la ganancia es de1.8
millones
b
1
: Es la pendiente = +0.0836,
Significa por cada unidad que se
incrementa en las ventas , la ganancia
bruta se incrementara en 0.0836 millones
de dolares
Calcular el coeficiente de determinacin
r
2
= 0.6432 = 0.454
Esto nos indica que solo un 45.4% de los
cambios o variaciones ocurridas en las
ganancias para las empresas pequeas
se pueden explicar gracias a las
variaciones ocurridas en las ventas de
estas empresas pequeas.
16/09/2013
14
Realizar una prueba de hiptesis para ver
si existe una correlacin positiva entre la
ganancias y ventas.
1 Hiptesis: H0: = 0 (no hay relacin lineal)
Ha: > 0 (si hay relacin lineal y es positiva)
2 Nivel de significacin: = 0.05
3 T student
4 Regin Crtica:
Para un = 0.05 y teniendo como grados de libertad = 12 2 = 10
De las tablas se ubica que:
t(, 10) = 1.81
Por lo que rechazamos la hiptesis nula si el valor de estadstico de
prueba resulta mayor que 1.81.
5.-Tomar la decisin: Como el valor del estadstico de prueba es
3.12096 y es mayor que el valor crtico, rechazamos la hiptesis nula,
por lo que decimos que existe una relacin lineal entre la distancia y el
tiempo.
12096 . 3
4529 . 0 1
2 12 * 673 . 0
1
2
2
=
=
r
n r
t
cal

REGRE SIMPLE2013.Ppt Modo de Compatibilidad

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

REGRE SIMPLE2013.Ppt Modo de Compatibilidad

Încărcat de

Drepturi de autor:

Formate disponibile

16/09/2013

(a) Lineal directa (b) Lineal inversa (c) Curvilnea directa

El mtodo consiste en determinar una

16/09/2013 Rosmeri Mayta H. 13

16/09/2013 Rosmeri Mayta H. 17 16/09/2013 Rosmeri Mayta H. 18

16/09/2013 Rosmeri Mayta H. 24

16/09/2013 Rosmeri Mayta H. 47

S( i ) : Es el error estndar de la estimacin para un modelo que

16/09/2013 Rosmeri Mayta H. 75 16/09/2013 Rosmeri Mayta H. 76

S-ar putea să vă placă și