Documente Academic
Documente Profesional
Documente Cultură
TEMA:
INTEGRANTES:
CURSO:
Estadística
DOCENTE:
CICLO:
2019-02
Tabla de contenido
I. INTRODUCCION ...................................................................................................................... 3
II. MARCO TEORICO .................................................................................................................... 4
2.1. REGRESION LINEAL SIMPLE ........................................................................................ 4
2.1.1. Modelo de Regresión Lineal Simple ........................................................................... 4
2.1.2. Ecuación de regresión lineal simple: ........................................................................... 5
2.1.3. Métodos de mínimos cuadrados .................................................................................. 6
2.1.4. El coeficiente de correlación lineal ............................................................................. 8
2.1.5. EL coeficiente de determinación ................................................................................. 9
III. APLICACIÓN ........................................................................................................................... 16
IV. CONCLUCIONES .................................................................................................................... 19
V. REFERENCIAS BIBLIOGRAFICAS ...................................................................................... 20
I. INTRODUCCION
La finalidad de una ecuación de regresión es estimar los valores de una variable con base en
los valores conocidos de la otra. Otra forma de emplear una ecuación de regresión es para
explicar los valores de una variable en términos de otra. El análisis de regresión únicamente
indica qué relación matemática podría haber, de existir una.
𝑦 = 𝛽0 + 𝛽1 𝑥 + 𝜀
Donde:
𝐸(𝑦/𝑥) = 𝛽0 + 𝛽1 𝑥
2.1.2. Ecuación de regresión lineal simple:
o La independencia de la recta
o La localización de la recta en algún punto. Una ecuación lineal tiene la forma:
𝐸(𝑦/𝑥) = 𝛽0 + 𝛽1 𝑥
Los parámetros, β y β1, del modelo se estiman por los estadísticos muestrales b0 y b1, los
cuales se calculan usando el método de mínimos cuadrados.
̂
Y = b0 + b1 X
𝑦̂ = b0 + b1 x
Donde:
Con esta expresión se hace referencia al proceso matemático que sirve para ajustar una línea
recta a través de un conjunto de datos bivariables asentados en una gráfica de dispersión.
Dicha línea se conoce como línea de regresión simple.
Es el procedimiento más utilizado por adaptar una recta aun conjunto de punto se le que
conoce como método de mínimos cuadrados. La recta resultante presenta 2 característica
importantes:
• Es mínima la suma de los cuadrados de dichas desviaciones Para un valor dado de X, por
ejemplo, X1, habrá una diferencia entre el valor Y1 y el correspondiente valor de la curva C.
Esta diferencia se denota por D1, que se conoce como desviación, error o residuo.
De todas las curvas de aproximación a una serie de datos puntuales la curva que tiene la
propiedad de que: D21+ D22 + . . . + D2N Se conoce como Mejor curva de ajuste
El método de mínimos cuadrados consiste en hallar los valores b0 y b1que hacen mínima la
suma de los cuadrados de las desviaciones entre los valores observados de la variable
dependiente, yi, y los valores estimados de la misma, ŷi. Es decir, se minimiza la suma:
𝛴 (𝑦𝑖 – ŷ𝑖)2
∑ 𝑦𝑖 = 𝑛𝑏0 + (∑ 𝑥𝑖 ) 𝑏1
{
∑ 𝑥𝑖 𝑦𝑖 = (∑ 𝑥𝑖 )𝑏0 + (∑ 𝑥𝑖2 )𝑏1
Y 𝑏0 = 𝑦̅ − 𝑏1 𝑥̅
De donde obtenemos:
b0 es la constante de dicha recta y b1 es el coeficiente de regresión.
̂ = b0 + b1 X
Y
La recta de regresión pasa siempre por el centro de gravedad de la nube de puntos, es decir por el
punto 𝑋̅, 𝑌̅)
b) Si b1 >0 , esto nos indica que al aumentar el valor de X, también aumenta el valor de Y.
𝑆𝑋𝑌
𝑟= ,
𝑆𝑋 𝑆𝑌
y trata de medir la dependencia lineal que existe entre las dos variables. Su cuadrado se denomina
coeficiente de determinación, r2 .
b) Si las variables son independientes, entonces r=0, pero el inverso no tiene por qué ser cierto.
c) Si existe una relación lineal exacta entre X e Y, entonces r valdría 1 (relación directa) ó -1
(relación inversa).
d) Si r>0, esto indica una relación directa entre las variables (es decir, que si aumentamos X,
también aumenta Y).
e) Si r<0, la correlación entre las variables es inversa(si aumentamos una, la otra disminuye).
2.1.5. EL coeficiente de determinación
El coeficiente de determinación en la regresión lineal simple (r2)es una medida de la bondad
de ajuste de la recta estimada a los datos reales.
Paso 3:
Ya dando clic tenemos otro cuadro de dialogo, en el que nos pide un rango en
“Y” y un rango en “X”.
Procedemos a seleccionar estas columnas, incluyendo su nombre, ya que en
ocasiones Excel no nos lee todos los datos.
EN “Y” EN “X”
Paso 4:
Damos aceptar, y marcamos “Rótulos”, “Nivel de Confianza a 95%” Y “Grafico
de Probabilidad normal”.
Y Finalmente nos arroja nuestros resultados en una nueva hoja:
Podemos observar cómo nos arroja todos los estadísticos de la regresión, este
ejemplo cuenta con:
Estadísticas de la regresión
Estadísticas de la regresión
𝒀^ = 230.86 + 0.886(X)
III. APLICACIÓN
En el ejemplo, cada restaurante está asociado con un valor de x (población estudiantil en miles de
estudiantes) y un valor correspondiente de y (ventas trimestrales en miles de $). La ecuación que
describe cómo se relaciona y con x y con un término de error se llama modelo de regresión. Éste
usado en la regresión lineal simple es el siguiente:
A esto puntos los trazamos en un diagrama de dispersión y trazamos una recta que parce lo mas
cerca posible de los puntos:
Diagrama de Disperción
250
200
Axis Title
150
100 Valores Y
Linear (Valores Y)
50
0
0 5 10 15 20 25 30
Axis Title
xi yi xiyi xi2
2 58 116 4
6 105 630 36
8 88 704 64
8 118 944 64
12 117 1404 144
16 137 2192 256
20 157 3140 400
20 169 3380 400
22 149 3278 484
26 202 5252 676
21040 2528
Para encontrar la recta
̂ = b0 + b1 X
Y
Hallamos los valores de:
∑(𝑥𝑖 − 𝑥̅ )(𝑦𝑖 − 𝑦̅)
∑(𝑥𝑖 − 𝑥̅ )(𝑦𝑖 − 𝑦̅) 𝑛−1 𝑆𝑋𝑌
𝑏1 = = 2 = 2 =5
∑(𝑥𝑖 − 𝑥̅ )2 ∑(𝑥𝑖 − 𝑥̅ ) 𝑆𝑋
𝑛−1
𝑏0 = 𝑦̅ − 𝑏1 𝑥̅ = 60
̂ = 60 + 5X
Y
Luego calculamos cálculo de SCE y SCT
xi Yi ŷi = 60 + 5 xi Residuales (yi – ŷi)2
restauran te (poblac. (ventas yi – ŷi
estud) yi – y (yi – y )2
trimest.)
= =
(yi –130) (yi –130)2
1 2 58
2 6 105
3 8 88
4 8 118
5 12 117
6 16 137
7 20 157
8 20 169
9 22 149
10 26 202
TOTALES 140 1,300 SCE=1,530 SCT=15,730
𝑆𝐶𝑅
𝑟2 = = = 14,200/15,730 = 0.9027
𝑆𝐶𝑇
El 90.27% de la variación en las ventas se puede explicar con la relación lineal entre la población
estudiantil y las ventas.
IV. CONCLUCIONES
El análisis de regresión lineal constituye métodos que se emplean para conocer las relaciones y
significación entre series de datos. Lo anterior, es de suma importancia para la industria ya que es
aquí en donde se presentan variables de respuesta e independientes las cuales interactúan para
originar las características de un proceso en particular y por ende; analizar, predecir valores de la
variable dependiente y examinar el grado de fuerza con que se relacionan dichas variables.
La regresión lineal simple , analiza la relación de dos variables continuas, cuando analiza dos
variables a esta se el conoce como variable bivariantes que pueden corresponder a variables
cualitativas. La finalidad de una ecuación de regresión es la de estimar los valores de una variable
con base en los valores conocidos de la otra. Del mismo modo, una ecuación de regresión explica
los valores de una variable en términos de otra. Es decir, se puede intuir una relación de causa y
efecto entre dos o más variables. El análisis de regresión únicamente indica qué relación
matemática podría haber, de existir una.
Estas técnicas estadísticas constituyen una herramienta útil para el análisis delas variables de un
proceso ya que, a través de la aplicación de éstas, es posible conocer el modelo que siguen y la
fuerza con que se encuentran relacionadas.
Asimismo, es posible explicar la relación que guardan dos o más causas de un posible defecto.
Damos como una breve conclusión que la inclusión del software en este tipo de análisis estadísticos
nos proporciona una gran herramienta y el incluirlo en el desarrollo de esta materia es un plus para
el entendimiento de ella. Existe la ventaja de que Excel nos proporciona una forma un tanto más
eficiente desde un punto de vista personal.
V. REFERENCIAS BIBLIOGRAFICAS