UNIDAD 1: "REGRESIN LINEAL SIMPLE Y

CORRELACIN"
Ensayos de Calidad : UNIDAD 1: "REGRESIN LINEAL SIMPLE Y CORRELACIN". Ensayos de Calidad,
Tareas, Monografias - busque ms de 2.326.000+ documentos.

Enviado por Ivett_Torres 13 de Noviembre de 2012 2.344 Palabras (10 Pginas) 1.311
Visitas
Pgina 1 de 10

UNIDAD 1: REGRESION LINEAL SIMPLE Y CORRELACION

En estadstica la regresin lineal o ajuste lineal es un mtodo matemtico que
modela la relacin entre una variable dependiente Y, las variables independientes
Xi y un trmino aleatorio . Este modelo puede ser expresado como:
: Variable dependiente, explicada o regresando.
: Variables explicativas, independientes o regresores.
: Parmetros, miden la influencia que las variables explicativas tienen sobre el
regresando.
Donde es la interseccin o trmino "constante", las son los parmetros
respectivos a cada variable independiente, y es el nmero de parmetros
independientes a tener en cuenta en la regresin. La regresin lineal puede ser
contrastada con la regresin no lineal.
El modelo lineal relaciona la variable dependiente Y con K variables
explicativas (k = 1,...K), o cualquier transformacin de stas, que generan un
hiperplano de parmetros desconocidos:
(2)
donde es la perturbacin aleatoria que recoge todos aquellos factores de la
realidad no controlables u observables y que por tanto se asocian con el azar, y es la
que confiere al modelo su carcter estocstico. En el caso ms sencillo, con una sola
variable explicativa, el hiperplano es una recta:
(3)

El problema de la regresin consiste en elegir unos valores determinados para

los parmetros desconocidos , de modo que la ecuacin quede completamente
especificada. Para ello se necesita un conjunto de observaciones. En una
observacin cualquiera i-sima (i= 1,... I) se registra el comportamiento simultneo
de la variable dependiente y las variables explicativas (las perturbaciones aleatorias
se suponen no observables).
(4)
Los valores escogidos como estimadores de los parmetros, , son los
coeficientes de regresin, sin que se pueda garantizar que coinciden con
parmetros reales del proceso generador. Por tanto, en
(5)
Los valores son por su parte estimaciones de la perturbacin aleatoria o errores.
1.2.- SUPUESTOS
Para poder crear un modelo de regresin lineal, es necesario que se cumpla con los
siguientes supuestos:
1. La relacin entre las variables es lineal.
2. Los errores en la medicin de las variables explicativas son independientes entre
s.
3. Los errores tienen varianza constante. (Homocedasticidad)
4. Los errores tienen una esperanza matemtica igual a cero (los errores de una
misma magnitud y distinto signo son equiprobables).
5. El error total es la suma de todos los errores.
1.3.- DETERMINACION DE LA ECUACION DE REGRESION.
Es el conjunto de tcnicas estadsticas empleado para medir la intensidad de
la asociacin entre dos variables. El valor del coeficiente de correlacin puede
tomar valores desde menos uno hasta uno, indicando que mientras ms cercano a
uno sea el valor del coeficiente de correlacin, en cualquier direccin. y sirve para
hallar la prediccin de cierto nmero.

Y SU FORMULA ES: Yn=a0+a1(n)

Si las lneas de regresin se colocan al ajustar las lneas visualmente entre los
puntos de datos, pero para graficar estas lneas de una forma ms precisa podemos
utilizar una ecuacin que relaciona las dos variables matemticamente.
Usando esta ecuacin podemos tomar un valor dado en X y calcular el valor de
Y la a se denomina interseccin en Y porque su valor es el punto en el cual la lnea
de regresin cruza el eje Y porque su valor es el punto en el cual la lnea de
regresin cruza el eje Y, es decir el eje vertical. La b es la pendiente de la lnea,
representa que tanto cada cambio de unidad de la variable independiente X cambia
la variable dependiente Y. Tanto a como b son constantes numricas, puesto que
para cada recta dada, sus valores no cambian.
1.4.- MEDIDAD DE VARIACION.
Las medidas de dispersin, tambin llamadas medidas de variabilidad,
muestran la variabilidad de una distribucin, indicando por medio de un nmero,
si las diferentes puntuaciones de una variable estn muy alejadas de la mediana
media. Cuanto mayor sea ese valor, mayor ser la variabilidad, cuanto menor sea,
ms homognea ser a la mediana media. As se sabe si todos los casos son
parecidos o varan mucho entre ellos.
Para calcular la variabilidad que una distribucin tiene respecto de su media,
se calcula la media de las desviaciones de las puntuaciones respecto a la media
aritmtica. Pero la suma de las desviaciones es siempre cero, as que se adoptan dos
clases de estrategias para salvar este problema. Una es tomando las desviaciones en
valor absoluto (Desviacin media) y otra es tomando las desviaciones al cuadrado
(Varianza).
La varianza es una medida estadstica que mide la dispersin de los valores
respecto a un valor central (media), es decir, es el cuadrado de las desviaciones:
Propiedades
La varianza es siempre positiva o 0:
Si a los datos de la distribucin les sumamos una cantidad constante la varianza
no se modifica.
c

 Si a los dato de la distribucin les multiplicamos una constante, la varianza queda

multiplicada por el cuadrado de esa constante.
Propiedad distributiva: cov
1.5.- CALCULO DE LOS COEFICIENTES DE CORRELACION Y DE
DETERMINACION.
La correlacin es la medida de asociacin entre variables. En probabilidad y
estadstica, la correlacin indica la fuerza y la direccin de una relacin lineal entre
dos variables aleatorias. Se considera que dos variables cuantitativas estn
correlacionadas cuando los valores de una de ellas varan sistemticamente con
respecto a los valores homnimos de la otra: si tenemos dos variables (A y B) existe
correlacin si al aumentar los valores de A lo hacen