Documente Academic
Documente Profesional
Documente Cultură
CURSO DE
ESTADSTICA AVANZADA
Guadalupe Ruiz Merino - Curso de Estadstica Avanzada
1 2 3
SESIN 2
REGRESIN LINEAL
SIMPLE
2.1 Introduccin a la regresin
2.2 Modelo de regresin
2.3 Errores comunes de la regresin
Guadalupe Ruiz Merino - Curso de Estadstica Avanzada
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
RECORDATORIO
PARA QU SIRVE EL ANOVA?
variable independiente
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
RECORDATORIO
Hay dos problemas que no se pueden solucionar con el anlisis de la
varianza:
1
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
COEFICIENTE DE
CORRELACIN
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
Si la asociacin entre
ambas variables es dbil
Pero cuando la
asociacin es fuerte
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
variable predictora
Suele ser un factor previamente
determinado o una caracterstica
ms fcil de medir que la que se
pretende explicar a partir de ella
Guadalupe Ruiz Merino - Curso de Estadstica Avanzada
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
ALGUNAS ACLARACIONES
La correlacin y la regresin tienen distintas finalidades
Es bastante raro que est indicado aplicar simultneamente
ambas tcnicas para alcanzar los objetivos de un determinado
anlisis estadstico
Con frecuencia se confunden ambas tcnicas y se piensa
que son una sola
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
OBJETIVO DE LA
CORRELACIN
2.2 MODELO DE
REGRESIN
OBJETIVO DE LA
REGRESIN
1 2 3
EJERCICIO
REACCIN DE UN ALRGENO EN FUNCIN DE DISTINTAS DOSIS DE UN
PRODUCTO
1 2 3
Los datos de nuestra muestra seran los siguientes:
1 2 3
1er Paso: Diagrama de Dispersin
1 2 3
1er Paso: Diagrama de Dispersin
1 2 3
Obtenemos el siguiente resultado
39
Qu est pasando?
Cul es el problema?
36
CTs-BCRABL
33
30
27
24
21
20000
40000
60000
80000
100000
Concent
Guadalupe Ruiz Merino - Curso de Estadstica Avanzada
1 2 3
Obtenemos el siguiente resultado
Qu est pasando?
Cul es el problema?
1 2 3
Los datos para la regresin seran por tanto:
1 2 3
El Diagrama de Dispersin obtenido ahora es:
Ahora s se intuye
una relacin
39
36
CTs-BCRABL
33
30
27
24
21
2,00
4,00
log_Conct
Guadalupe Ruiz Merino - Curso de Estadstica Avanzada
1 2 3
2 Paso: Estudio de Correlacin
1 2 3
2 Paso: Estudio de Correlacin
Correlaciones
CTs-BCRABL
Rho de Spearman
CTs-BCRABL
Concent
Concent
Coeficiente de
correlacin
1,000
-1,000(**)
Sig. (bilateral)
,000
Coeficiente de
correlacin
-1,000(**)
1,000
Sig. (bilateral)
,000
1 2 3
3er Paso: Clculo de la Recta de Regresin
1 2 3
3er Paso: Clculo de la Recta de Regresin
1 2 3
RESULTADOS (I)
Res um e n de l m ode lo
Modelo
1
R c uadrado
corregida
,989
R
R c uadrado
,996 a
,993
Error tp. de la
es timacin
,697
Regresin
Residual
Total
Suma de
cuadrados
136,029
,971
137,000
gl
1
2
3
Media
cuadrtica
136,029
,486
F
280,059
Sig.
,004 a
1 2 3
RESULTADOS (II)
Coe ficiente sa
Modelo
1
(Cons tante)
log_Conct
Coef icientes no
es tandariz ados
B
Error tp.
41,343
,736
-3,943
,236
Coef icientes
es tandariz ad
os
Beta
-,996
t
56,197
-16,735
Sig.
,000
,004
CTs-BCRABL=41,343-3,943*logx
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
EJEMPLO
El ejemplo ms intuitivo es cmo se relacionan la talla y la edad
Por cada incremento de edad (por lo menos hasta los 25 aos) se
produce un incremento de altura. Es decir
y = a + b*x
constante llamada ordenada en el origen
(en nuestro caso: cunto
medira un recin nacido)
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
EJEMPLO
Sin embargo, a pesar de ser este un modelo de fcil comprensin,
tiene errores
Nunca ser posible hacer predicciones perfectas de la estatura que
tendr un nio una vez que se conoce su edad
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
EJEMPLO
Las observaciones de dos variables no suelen trazar una lnea recta
perfecta sino que existe un cierto grado de dispersin entorno
a una imaginaria lnea recta que los atravesara por el centro
y = a + b*x + e
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
COEFICIENTE DE DETERMINACIN R2
R2
INTERPRETACIN
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
COEFICIENTE DE DETERMINACIN R2
VALORES
+1
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
COEFICIENTE DE DETERMINACIN R2
VALORES
+1
0
Guadalupe Ruiz Merino - Curso de Estadstica Avanzada
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
COEFICIENTE DE DETERMINACIN R2
La raz cuadrada de R2 se llama r
R2 = r
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
COEFICIENTE DE DETERMINACIN R2
Salvo en los casos extremos de que R2 valga 0 o 1, la magnitud
de r es siempre superior a la de R2
REPERCURSIONES
PRCTICAS
R2 = 0,49
Guadalupe Ruiz Merino - Curso de Estadstica Avanzada
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
ECUACIN DE REGRESIN
El objetivo ms importante de un anlisis de regresin lineal
suele ser el clculo del valor de la pendiente de la recta
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
Linealidad
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
Linealidad
3
4
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
Linealidad
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
Linealidad
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
Linealidad
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
Si existiesen pacientes en
los que se han estudiado
ambos brazos
POR
TANTO
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
OBJETIVO
Cundo ajustaremos
una regresin?
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
PERO
b=0
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
TIPO DE
RELACIN
ECUACIN
UoJ
CUADRTICA
y = a + b*x2
REPRESENTACIN GRFICA
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
TIPO DE
RELACIN
ECUACIN
HIPRBOLA
HIPERBLICA
y = a + b*(1/x)
REPRESENTACIN GRFICA
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
ES
DECIR
cul es la media de y a
medida que x va cambiando
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
POR
EJEMPLO
Tamao de la muestra
N = 10
RESULTADO
Variables
PESO
MEDIDA DE
LOS PLIEGUES
CUTNEOS
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
peso
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
peso
1 2 3
2.1 INTRODUCCIN A
LA REGRESIN
2.2 MODELO DE
REGRESIN
estatura
Mujeres
Hombres
peso
1 2 3
EJERCICIO
BLOQUEO DEL NERVIO FEMORAL EN EL PACIENTE PEDITRICO: ES
POSIBLE DETERMINAR EL PUNTO MS ADECUADO PARA LA PUNCIN?
1 2 3
Los datos de nuestra muestra seran los siguientes:
1 2 3
EJERCICIO
BLOQUEO DEL NERVIO FEMORAL EN EL PACIENTE PEDITRICO: ES
POSIBLE DETERMINAR EL PUNTO MS ADECUADO PARA LA PUNCIN?
OBJETIVO
Si conocemos la
medida del CUN
1 2 3
1er Paso: Grfico de Dispersin
1 2 3
1er Paso: Grfico de Dispersin
1 2 3
1er Paso: Grfico de Dispersin
1,8
A/N-D
1,5
1,2
0,9
0,6
0,5
0,75
1,0
1,25
1,5
1,75
IFD-D
Guadalupe Ruiz Merino - Curso de Estadstica Avanzada
1 2 3
2 Paso: Estudio de Correlacin
1 2 3
2 Paso: Estudio de Correlacin
1 2 3
2 Paso: Estudio de Correlacin
Correlaciones
A/N-D
A/N-D
Correlacin de Pearson
IFD-D
1
Sig. (bilateral)
N
IFD-D
Correlacin de Pearson
Sig. (bilateral)
N
,887(**)
,000
74
74
,887(**)
,000
74
74
1 2 3
3er Paso: Clculo de la Recta de Regresin
1 2 3
3er Paso: Clculo de la Recta de Regresin
1 2 3
REGRESIN (I)
b
Variables introducidas/e lim inadas
Modelo
1
Variables
introducidas
A/N-Da
Variables
eliminadas
.
Mtodo
Introducir
Res um e n de l m ode lo
Modelo
1
R
R c uadrado
,887 a
,787
R c uadrado
corregida
,784
Error tp. de la
es timacin
,1579
1 2 3
REGRESIN (II)
ANOV Ab
Modelo
1
Regresin
Residual
Total
Suma de
cuadrados
6,635
1,796
8,431
Media
cuadrtica
6,635
,025
gl
1
72
73
F
266,026
Sig.
,000 a
Modelo
1
(Cons tante)
A/N-D
Coef icientes no
es tandariz ados
B
Error tp.
,118
,064
,901
,055
Coef icientes
es tandariz ad
os
Beta
,887
t
1,830
16,310
Sig.
,071
,000
1 2 3
SESIN 3
REGRESIN LINEAL
MLTIPLE
3.1 Introduccin
3.2 Mtodos de Regresin Lineal Mltiple
1 2 3
3.1 INTRODUCCIN
1 2 3
3.1 INTRODUCCIN
1 2 3
3.1 INTRODUCCIN
Si en lugar de
utilizramos tres
dos
variables
independientes
POR
TANTO
1 2 3
3.1 INTRODUCCIN
1 2 3
3.1 INTRODUCCIN
analista
ecuacin de
regresin
1 2 3
3.1 INTRODUCCIN
1 2 3
3.1 INTRODUCCIN
1 2 3
3.1 INTRODUCCIN
1 2 3
3.1 INTRODUCCIN
Pasos sucesivos
1 2 3
3.1 INTRODUCCIN
PRIMER
PASO:
se
selecciona
la
variable
independiente que, adems de superar los criterios
Pasos sucesivos
de entrada, ms alto correlaciona (positiva o
negativamente) con la dependiente
1 2 3
3.1 INTRODUCCIN
1 2 3
3.1 INTRODUCCIN
1 2 3
3.1 INTRODUCCIN
Pasos sucesivos
1 2 3
3.1 INTRODUCCIN
Pasos sucesivos
1 2 3
3.1 INTRODUCCIN
Pasos sucesivos
Comienza al igual que el mtodo hacia delante,
seleccionando en el primer paso la variable independiente
que adems de superar los criterios de entrada ms altos
correlaciona con la variable dependiente
Guadalupe Ruiz Merino - Curso de Estadstica Avanzada
1 2 3
3.1 INTRODUCCIN
Pasos sucesivos