Romero Acuña Diana Elizabeth

T-1-2
Instituto Tecnologico de Tijuna LG5A
Estadística Inferencial II M.A. Arturo Torres Ramos
Regresion lineal simple y pruebas de hipotesis en regresión multiple 29 de agosto de
2019

Regresion lineal simple

El objetivo de un modelo de regresión es tratar de explicar la relación que existe entre
una variable dependiente (variable respuesta) Y un conjunto de variables
independientes (variables explicativas) X1,..., Xn.
En un modelo de regresión lineal simple tratamos de explicar la relación que existe
entre la variable respuesta Y y una única variable explicativa X.

Ejemplo: En la muestra de la miel vamos a ver si existe relación lineal entre la acidez
libre (AcLib) y la acidez total (AcTot). Para ver si un modelo de regresión lineal tiene
sentido, comenzamos dibujando un diagrama de dispersión.

Mediante las técnicas de regresión de una variable Y sobre una variable X, buscamos
una función que sea una buena aproximación de una nube de puntos (xi,yi), mediante
una curva del tipo:

El modelo de regresión lineal simple tiene la siguiente expresión:

En donde  es la ordenada en el origen (el valor que
toma Y cuando X vale 0),  es la pendiente de la recta (e indica cómo cambia Y al
incrementar X en una unidad) y  una variable que incluye un conjunto grande de
factores, cada uno de los cuales influye en la respuesta sólo en pequeña magnitud, a la
que llamaremos error. X e Y son variables aleatorias, por lo que no se puede establecer
una relación lineal exacta entre ellas.

Pruebas de hipotesis en regresión multiple

Para probar hipótesis acerca de la pendiente y la ordenada en el origen del modelo de
regresión, debe hacerse la suposición adicional de que termino del error εi esta
normalmente distribuido. Por lo tanto, se supone que los errores εi son NID (0,σ2).
Después se pueden probar es suposiciones mediante el análisis de residuos.
Supongamos que el experimentador desea probar la hipótesis de que la pendiente es
igual a un cierto valor, por ejemplo β1,0. Las hipótesis apropiadas son:

En donde se ha especificado la hipótesis alterna de dos extremos. Ahora bien, como

las εi son NID(0,σ2) se concluye que las yi son NID(β0 + β σ2). Por lo tanto, es una
combinación lineal de variables aleatorias independientes normalmente distribuidas. En
consecuencia, es N( σ2/Sxx). Además es independiente de MSE. Entonces, como
resultado de la suposición de normalidad, la estadística:

Tiene una distribución t con n – 2 grados de libertad si H0: β1 = β1,0 es verdadera. Se

rechaza H0:β1 = β1,0 si:

Puede utilizarse un procedimiento similar para probar hipótesis acerca de la ordenada

en el origen. Para probar:
H0: β0 = β0,0
Romero Acuña Diana Elizabeth
T-1-2
Instituto Tecnologico de Tijuna LG5A
Estadística Inferencial II M.A. Arturo Torres Ramos
Regresion lineal simple y pruebas de hipotesis en regresión multiple 29 de agosto de
2019
H1: β0 ≠ β0,0 (1-25)

Se usa el estadístico:

Y se rechaza la hipótesis nula si .

Un caso especial muy importante de la hipótesis es:

H0: β1 = 0
H1: β1 ≠ 0 (1-27)

Esta hipótesis se relaciona con la significación de la regresión. No rechazar H0: β1 = 0

equivale a concluir que no existe una relación lineal entre y. En otras palabras, el mejor
estimador de yi para cualquier valor de xj es ŷj = . En muchos casos esto puede indicar
que no hay una relación causal entre x y y, o que la relación real no es lineal.

Bibliografía
Regresion lineal simple. 2012, de USC Sitio web:
http://eio.usc.es/eipc1/BASE/BASEMASTER/FORMULARIOS-PHP-
DPTO/MATERIALES/Mat_50140116_Regr_%20simple_2011_12.pdf
https://moodle2.unid.edu.mx/dts_cursos_mdl/lic/AE/EI/AM/10/Prueba_de_hipotesis.pdf

Comentario
Me gustaría que hubiera ejercicios matemáticos ya que para algunos de mi
compañeros son un poco mas prácticos que teóricos.

Conclusión
Me causo un gran interés el tema, es muy interesante, sin embargo a la explicación que
se dio o que investigue, relamente me quedaron muchas dudas y no lo entendí del todo
sin embargo creo que se podría relacionar con temas de procesos, o venta con
proveedores y clientes.