Sunteți pe pagina 1din 6

Estadística y pronósticos para

la toma de decisiones
Tema 9. Estimadores de coeficientes por el método de mínimos cuadrados y
análisis de correlación
Tema 10. Inferencia estadística: contrastes de hipótesis e intervalos de confianza

ESTIMADORES DE COEFICIENTES POR EL


MÉTODO DE MÍNIMOS CUADRADOS Y ANÁLISIS
DE CORRELACIÓN
Modelo de regresión lineal simple
Pretende describir la relación entre dos variables, una llamada
independiente o predictora y otra llamada dependiente, además
de realizar inferencias sobre el comportamiento de la variable
dependiente.
Donde:
Y= variable dependiente
X= variable independiente
β₀= intercepción con el eje de las Y
β₁= pendiente de la línea de regresión
ε= variable del error
D.R. © Universidad Tecmilenio ®

1
Ecuación de regresión lineal simple

La ecuación de regresión lineal simple proporciona


un estimador de la línea de regresión poblacional.

𝑌෠ = 𝑏0 + 𝑏1 𝑋

En donde:
෠ Valor predicho de Y para la observación
𝑌=
𝑏0 = Estimador de la intercepción de la línea de
regresión
𝑏1 = Estimador de la pendiente de regresión
X = Valor de X para la observación D.R. © Universidad Tecmilenio ®

El método de mínimos cuadrados

𝑏0 y 𝑏1 se obtienen al encontrar
los valores que minimizan la
suma de cuadrados de la

diferencia entre Y y 𝑌:

෠ 2 = 𝑚í𝑛 ෍(𝑌𝑖 − 𝑏0 + 𝑏1 𝑋𝑖 )2
𝑚í𝑛 ෍(𝑌𝑖 − 𝑌)

D.R. © Universidad Tecmilenio ®

2
Estimadores de mínimos cuadrados

σ 𝑋𝑌 − 𝑛𝑋ത 𝑌ത
𝑏1 =
ത 2
σ 𝑋 2 − 𝑛(𝑋)
ത 1 𝑋ത
𝑏0 = 𝑌𝑏

Ecuación de regresión estimada


𝑌෠ = 𝛽መ0 + 𝛽መ1
=𝑏0 + 𝑏1 𝑋

D.R. © Universidad Tecmilenio ®

Coeficiente de correlación
𝑆𝑥
𝑟 = 𝑏1
𝑆𝑦

Si 𝑏1 = 0 entonces r=0, se dice que no


existe asociación lineal.

Si 𝑏1 > 0 entonces r>0, se dice que


existe una asociación lineal positiva.

Si 𝑏1 < 0 entonces r<0, se dice que


existe asociación lineal negativa.
D.R. © Universidad Tecmilenio ®

3
Coeficiente de determinación

(𝑟)2 𝑜 𝑅2

Interpretación: el coeficiente de determinación


es la cantidad de variación en Y, que se
explica por la variable independiente X.

D.R. © Universidad Tecmilenio ®

Error estándar de estimación


Mide la variabilidad o dispersión de los valores
observados alrededor de la recta de regresión.

σ 𝑌 2 −𝑏0 σ 𝑌−𝑏1 σ 𝑋𝑌
𝑆𝜀 =
𝑛−2

En donde:
X = Valores de la variable independiente
Y= Valores de la variable dependiente
𝑏0 = Ordenada al origen
𝑏1 = Pendiente de la ecuación de regresión
n = Números de puntos utilizados para ajustar la línea de
regresión
D.R. © Universidad Tecmilenio ®

4
Intervalo de confianza para β₁
Un intervalo de confianza al 100(1-α)% para
la pendiente b₁ de la regresión lineal simple.

𝑆𝜀
𝑏1 ± 𝑡 ∗
ത 2
σ 𝑥 2 − 𝑛(𝑋)

𝑐𝑜𝑛 𝑡 ∗ = 𝑡∝ൗ , (𝑛 − 2)
2

D.R. © Universidad Tecmilenio ®

Intervalos de confianza de un valor


particular de Y para un valor dado X₀

1 ത 2
(𝑋0 − 𝑋)
𝑌෠ ± 𝑡 ∗ 𝑆𝜀 1 + +
ത 2
𝑛 σ 𝑋 2 − 𝑛(𝑋)

𝑐𝑜𝑛 𝑡 ∗ = 𝑡∝ൗ , (𝑛 − 2)
2
Donde X₀ es el valor dado de X; además 𝑌෠ = 𝑏0 +
𝑏1 𝑋0
D.R. © Universidad Tecmilenio ®

10

5
Bibliografía
▪ Rodríguez, J., Pierdant, E., y Rodríguez, C. (2016).
Estadística para administración (2ª ed.). México:
Editorial Patria.

▪ Hanke, J. E., y Wichern, D. W. (2010). Pronósticos en los


negocios (9ª ed.). México: Pearson.

▪ Levin, R., y Rubin, D. (2010). Estadística para


administración y economía (7ª ed.). México. Pearson
educación.

D.R. © Universidad Tecmilenio ®

11

Créditos

Desarrollo de contenido
Ing. Daniela Romo Rodríguez, MED
Coordinación académica de área
Ing. Iris Cristal Sánchez Ramos, MAF
Universidad Tecmilenio
Producción
Vicerrectoría Académica

D.R. © Universidad Tecmilenio ®

12