Anlisis de regresin simple y mltiple.

Recordando.
Para qu nos sirven un anlisis de regresin? Qu es lo que se busca con obtener una lnea que se ajuste a los datos? Qu son los errores y qu representan? Cuntos tipos de variacin existen y a que se deben? Qu es el coeficiente de correlacin? Qu es el coeficiente de determinacin? Cul es la diferencia la regresin lineal mltiple y la simple y que busca este tipo de estudios?

Regresin lineal simple.

Los datos siguientes representan la calificacin en qumica de una muestra aleatoria de 12 personas de nuevo ingreso a cierta escuela, as como sus calificaciones en una prueba de inteligencia aplicada mientras an no egresaban de la escuela

Calificacin en qumica y = 33.3 + 0.819 Calificacin en la prueba x

Predictor Constant Calificacin en la prueba x Coef 33.25 0.8193 SE Coef 13.64 0.2176 T 2.44 3.77 P 0.035 0.004

Grfica y coeficiente de correlacin

S = 5.48830 R-Sq = 58.6% R-Sq(adj) = 54.5%

Supuestos
Es necesario realizar un anlisis de los residuales para obtener cualquier peculiaridad que el ajuste de regresin pueda tener. Cuando se propone el modelo para el juste de los datos se establecen unos supuestos sobre la variable error: Independencia de los errores Los errores se distribuyen normal con media cero Los errores son independientes Los errores tienen varianza constante Cuando se ajusta el modelo se espera que los residuales exhiban el cumplimiento de los anteriores supuestos sobre la variable error. Despues de examinar los residuales slo se podr decir que los supuestos parecen ser violados o los supuestos parecen no ser violados. Esto ltimo no significa que los supuestos se cumplan; esto significa que sobre la base de los datos se ha visto que no hay razn para decir que los supuestos no se cumplen. Nosotros usualmente asumimos que los errores son independientes con media cero y varianza constante y que todos los errores son independientes uno del otro, pero sus estimados, los residuales no pueden ser independientes. Los grficos utilizados son: el histograma, el grfico de probabilidad normal entre otros.

Supuestos.
Para hacer valido un estudio de este tipo se debe de cumplir con lo que se llama:
Independencia de los residuos

IDONEIDAD DEL MODELO.

Normalidad de los residuos

Homogeneidad de varianzas de los valores Y para cada valor X.

Supuestos
Verificacin de la normalidad de los errores. Construya un histograma de frecuencias relativas para los residuales. Si su comportamiento es aproximadamente normal, se verifica el supuesto; en caso contrario, consulte la transformacin adecuada.

Supuestos.
Normalidad de los residuos.

Supuestos
Para comprobar todo esto por el momento lo haremos de forma grfica. Cmo obtenemos estas grficas? Independencia de los residuos los residuos se grafican de manera aleatoria.

Supuestos
Homogeneidad de varianzas de los valores Y para cada valor X. Para cada valor de la variable independiente (o combinacin de valores de las variables independientes), la varianza de los residuos es constante.

Tomaste Nota??