MATERIA:

ESTADISTICA INFERENCIAL I

INTEGRANTES
BAUTISTA LOPEZ MARIA GUADALUPE
PEREZ CARRILLO LIZBETH GUADALUPE
SAMANO LOPEZ JESSICA

CARRERA: INGENIERIA INDUSTRIAL

GRADO: 302
GRUPO: B
DEFINICION:
El análisis de regresión es una técnica estadística para investigar la relación
funcional entre dos o más variables, ajustando algún modelo matemático.
La regresión lineal simple utiliza una sola variable de regresión y el caso más
sencillo es el modelo de línea recta.
Se dice que existe una regresión lineal simple entre dos variables cuantitativas
continuas Y, X, si existen constantes α β tales que
E (Yx) = μY x = α + βx
Dónde:
α es la intersección con el eje de las ordenadas, y tiene la misma unidad de
medida que Y. Note que E (Yx=0) = α, es decir α el valor medio de Y cuando
X = 0.
β pendiente o aumento promedio en Y debido a cada unidad en X y tiene la
misma unidad de medida que Y / X
Por simplicidad se denota E (Yx) por y, así la ecuación anterior
y = α + βx
Es llamada la Ecuación de Regresión Lineal o ecuación del modelo de
regresión lineal de Y con función de X.

Dados ti pares de valores (j^ , y, ) ,( j : 2 , _y2 ),..., (x n > y n ) de una variable

bidimensional ( X , Y ) . La regresión lineal simple de Y con respecto a X,
consiste en determinar la ecuación de la recta:
Y = a + b X que mejor se ajuste a los valores de la muestra, con el fin de poder
predecir o estimar Y (variable dependiente) a partir de X (variable
independiente).
El proceso de predecir o estimar Y a partir de la variable X, es la regresión.
Hallar la función lineal Y = a + b X, consiste en determinar los valores de a y b
a partir de los datos de la muestra.
Se usa la notación yi para representar un valor de Y calculado de la ecuación
Y=a + b X cuando X es igual a x¡ Esto es, y¡ = a + bx,
Al valor y¡ se denomina valor estimado o predecido o ajustado de Y cuando
X = X¡
Si x¡ es un valor de la muestra entonces ( x -y) es un punto de la recta de
regresión Y = a + b X
Recta de regresión de mínimos cuadrados.
La recta de regresión de mínimos cuadrados de Y en X es aquella que hace
mínima la suma de los cuadrados de errores (SCE) cuya expresión es:

Luego, determinar una recta de regresión de mínimos cuadrados consiste en

hallar los valores de a y b de manera que hagan mínima, la suma:

Este requisito se cumple, de acuerdo con el teorema de Gass-Markow, si a y b

se determinan resolviendo el siguiente sistema de ecuaciones normales:

Estas ecuaciones se obtienen de igualar a cero las derivadas de S CE con

respecto a “a” y con respecto a “b” respectivamente consideradas como
variables.
Resolviendo el sistema de ecuaciones normales para b, se obtiene:

Y dividiendo por n la primera ecuación normal, se tiene: el valor:

a = y — bx

Partición de la varianza de Y, S2 y
Sea (xi, yi,) un valor observado de la variable (X, Y) e yi, el valor en la ecuación
de regresión Y = a + bX cuando X = x¡
La varianza de Y es el número:
Coeficiente de determinación

El coeficiente de determinación r2 Y en X , está dada por:

Por lo tanto para interpretar la partición de varianzas relativas bastará con

calcular r, luego r2 y establecer:
1 = (1 — r 2) + r 2

Para concluir que el 100% de la varianza total es igual (1 — r2) x100 % de

varianza no explicada más r2 x 100% de la variación explicada por la recta de
regresión.
REFERENCIAS:
Córdoba M. (2003). Estadística: Descriptiva e Inferencial. Aplicaciones. Perú.

Sanabria, Giovanni. (2007). Comprendiendo la Estadística Inferencial. México