Sunteți pe pagina 1din 10

INSTITUTO TECNOLGICO DE

TOLUCA

INGENIERA INDUSTRIAL

MATERIA:
ESTADISTICA INFERENCIAL II

UNIDAD 1 ACTIVIDAD 1

MARY CARMEN JUAREZ TAVIRA.

PROFESORA: CLAUDIA GEORGINA SANTIESTEBAN ALCNTARA

Metepec Estado de Mxico, 2015.

PRUEBA DE HIPTESIS EN LA REGRESIN LINEAL SIMPLE.


En cualquier anlisis de regresin no basta hacer los clculos que se explicaron
antes, sino que es necesario evaluar qu tan bien el modelo (la lnea recta)
explica la relacin entre X y Y. Una primera forma de hacer esto es probar una
serie hiptesis sobre el modelo. Para ello es necesario suponer una distribucin
de probabilidad para el trmino de error Ei Es usual suponer normalidad: Ei se
distribuye en forma normal, independiente, con media cero y varianza.
Por lo general, la hiptesis de mayor inters plantea que la pendiente es
significativamente diferente de cero. Esto se logra al aprobar la siguiente
hiptesis

El estadstico de prueba es:

Si la hiptesis nula es verdadera l estadstico tiene una distribucin -Student


con n-2 grados de libertad. Se rechaza H0 si el valor absoluto de este
estadstico es mayor que el correspondiente valor crtico obtenido de
tablas, es decir, se
rechaza H0 si:

En caso contrario no se rechaza H0 No rechazar que B1=0 en el caso del modelo de regresin
lineal simple, implica que no existe una relacin lineal significativa entre X y Y. ; por tanto, no
existe relacin entre estas variables o sta es de otro tipo.

La suma de cuadrados de los residuos o suma de cuadrados del error ( y se


utiliza para estimar la varianza del error de ajuste de un modelo, y est
dada por:

A partir de la ecuacin se obtiene que el valor esperado de la suma de


cuadrados, del error est
dado por:

Por lo tanto, un estimador


por:

EJERCICIO.

insesgado de est dado

CALIDAD DEL AJUSTE EN REGRESIN LINEAL SIMPLE.

En esta parte la relacin permite hacer estimaciones con una precisin


aceptable. Por ejemplo, saber qu tanta de la variabilidad presente en fue
explicada por el modelo, adems si se cumplen los supuestos de los residuos.

Coeficiente de determinacin. Un primer criterio para evaluar la calidad del


ajuste es observar la forma en que el modelo se ajust a los datos. En el caso
de la regresin lineal simple esto se distingue al observar si los puntos tienden
a ajustarse razonablemente bien a la lnea recta (vase la figura 1.3). Pero otro
criterio ms cuantitativo es el que proporciona el coeficiente de determinacin,
el cual est definido por:

En general se interpreta como la proporcin de la variabilidad en los datos ( )


que es explicada por el modelo.
Coeficiente de determinacin ajustad. Este coeficiente se calcula de la
siguiente manera:

Coeficiente de correlacin. Es bien conocido que el coeficiente de


correlacin, mide la intensidad de la relacin lineal entre dos variables X y Y.
Si se tiene n pares de datos de la forma (x1, y1), entonces este coeficiente se
obtiene de la siguiente manera:

Error estndar de estimacin. Una medicin sobre la calidad del ajuste de


un modelo lo da el error estndar de estimacin, que es una estimacin de la
desviacin estndar del error. En el caso de la regresin lineal simple, est
dado por:

Anlisis grfico de residuos. Como complemento a lo que anterior; un


anlisis adecuado de los residuos proporciona informacin adicional sobre la
calidad del ajuste del modelo de regresin y de esa manera es posible verificar
si el modelo es adecuado. Las grficas que suelen hacerse para completar el
diagnstico del modelo consisten en:
a) Graficar los residuos en papel de probabilidad normal.

b) Graficar los residuos contra los predichos.

EJERCICIO.

Como podemos observar es importante realizar los planteamientos correctos


ya que es una secuencia y un error podra alterar nuestros resultados.

BIBLIOGRAFA:
http://www.bioingenieria.edu.ar/academica/catedras/metestad/Regresion
%20lineal%20simple.pdf

S-ar putea să vă placă și