Beruflich Dokumente
Kultur Dokumente
FACULTAD DE INGENIERA
ESTADSTICA INFERENCIAL ESTADSTICA APLICADA
------------------------------------------------------------------------------------------------------------------------------------------------------------
___________________________________________________________________________
Elaborado por
: Mg. Carmen Barreto R.
Fecha
: Febrero 2010
Versin
:2
FACULTAD DE INGENIERA
ESTADSTICA INFERENCIAL ESTADSTICA APLICADA
------------------------------------------------------------------------------------------------------------------------------------------------------------
2. DEFINICIN
Una funcin de regresin es lineal simple cuando las variaciones en la variable
independiente provocan variaciones proporcionales en la variable dependiente.
Y = f (X)
Donde:
Y : Variable dependiente
X : Variable independiente
Por ejemplo: Podemos estar interesados en predecir el consumo promedio de un
conjunto de familias en base al ingreso de las mismas.
Entonces: Y: Consumo ; X : Ingreso
Hacer anlisis de regresin lineal simple consiste en estimar la funcin de regresin
poblacional (F.R.P.) que responde a la siguiente expresin:
F.R.P. :
Yi = 0 + 1 Xi + Ei ..................... (1)
Donde:
Y : Variable dependiente
X : Variable independiente
0: Intercepto
1: Coeficiente pendiente
Ei : Error aleatorio.
Con base en la funcin de regresin muestral (F.R.M.)
F.R.M.
yi = 0 + 1x i + e i
.............................. (2)
___________________________________________________________________________
Elaborado por
: Mg. Carmen Barreto R.
Fecha
: Febrero 2010
Versin
:2
FACULTAD DE INGENIERA
ESTADSTICA INFERENCIAL ESTADSTICA APLICADA
------------------------------------------------------------------------------------------------------------------------------------------------------------
curvilnea, esto puede permitir ahorrar tiempo y dinero, evitando trabajos estriles.
Ver fig. 20.
Diagrama de dispersin
fig. 20
4.
0 = y 1 x
n( x i yi ) ( x i )( yi )
1 =
2
n x i2 ( x i )
...........................(8)
............................(9)
___________________________________________________________________________
Elaborado por
: Mg. Carmen Barreto R.
Fecha
: Febrero 2010
Versin
:2
FACULTAD DE INGENIERA
ESTADSTICA INFERENCIAL ESTADSTICA APLICADA
------------------------------------------------------------------------------------------------------------------------------------------------------------
1 :
fig. 21
4.3. Coeficiente de determinacin: r2
Consideremos ahora la bondad de ajuste de la lnea de regresin ajustada al
conjunto de datos.
fig. 22
De la fig. 22 se desprende claramente que si todas las observaciones coinciden con
la lnea de regresin, obtendramos el ajuste perfecto lo que raras veces ocurre.
Generalmente tiende a haber algunas ei positivos (encima de la lnea de regresin)
y ei negativos (debajo de la lnea de regresin) con la esperanza de que los erros
___________________________________________________________________________
Elaborado por
: Mg. Carmen Barreto R.
Fecha
: Febrero 2010
Versin
:2
FACULTAD DE INGENIERA
ESTADSTICA INFERENCIAL ESTADSTICA APLICADA
------------------------------------------------------------------------------------------------------------------------------------------------------------
2
2
2
2
x ( x ) ][n y ( y ) ]
2
r =
2
[n
___________________________________________________________________________
Elaborado por
: Mg. Carmen Barreto R.
Fecha
: Febrero 2010
Versin
:2
FACULTAD DE INGENIERA
ESTADSTICA INFERENCIAL ESTADSTICA APLICADA
------------------------------------------------------------------------------------------------------------------------------------------------------------
N de computadoras
vendidas
(Y)
9
12
16
19
23
27
34
37
40
45
N de aos de
experiencia
(X)
3
4
6
7
8
12
15
20
22
26
Se pide:
a) Graficar el diagrama de dispersin de las variables dadas y comentar.
b) Estimar la lnea de regresin de los gastos en material informtico sobre los
ingresos globales.
c) Graficar la lnea de regresin estimada sobre el diagrama de dispersin.
d)
e)
f)
Solucin:
a)
___________________________________________________________________________
Elaborado por
: Mg. Carmen Barreto R.
Fecha
: Febrero 2010
Versin
:2
FACULTAD DE INGENIERA
ESTADSTICA INFERENCIAL ESTADSTICA APLICADA
------------------------------------------------------------------------------------------------------------------------------------------------------------
Diagrama de dispersin
N de computadoras vendidas
45
40
35
30
25
20
15
10
5
0
0
10
15
20
25
30
N de aos de experiencia
e = y y
x2
y2
xy
81
27
12.18
-43426
12
16
144
48
13.69
12
16
36
256
96
16.17
16
19
49
361
133
18.21
19
23
64
529
184
19.72
23
12
27
144
729
324
25.75
27
15
34
225
1156
510
30.27
34
20
37
400
1369
740
37.81
37
22
40
484
1600
880
40.82
40
26
45
676
2025
1170
46.85
45
x=
123
y=
262
x2 =
2103
y =
8250
xy =
2942
___________________________________________________________________________
Elaborado por
: Mg. Carmen Barreto R.
Fecha
: Febrero 2010
Versin
:2
FACULTAD DE INGENIERA
ESTADSTICA INFERENCIAL ESTADSTICA APLICADA
------------------------------------------------------------------------------------------------------------------------------------------------------------
Calculando 1 :
1 =
n xy ( x)( y)
n x 2 ( x) 2
Calculando:
10(4112) (123)(262)
1 =
10(8250) (123) 2
= 1.507
1
Calculando 0
Se sabe que :
0 = y 1 x
0 = 26.2 1.507(12.3)
0 = 7.661
y = 0 + 1x
y = 7.661 + 1.507x
c)
___________________________________________________________________________
Elaborado por
: Mg. Carmen Barreto R.
Fecha
: Febrero 2010
Versin
:2
FACULTAD DE INGENIERA
ESTADSTICA INFERENCIAL ESTADSTICA APLICADA
------------------------------------------------------------------------------------------------------------------------------------------------------------
Los interceptos son los puntos que pasan por los ejes x e y.
y = 7.661 + 1.507x
y = 7.661+ 1.507(0)
y = 7.661
P1 = ( 0, 7.661)
x=
7.661
1.507
x = -5.0836
P2 = (-5.0836, 0)
N de computadoras vendidas
45
40
35
30
25
20
15
10
5
0
0
10
15
20
25
30
N de aos de experiencia
___________________________________________________________________________
Elaborado por
: Mg. Carmen Barreto R.
Fecha
: Febrero 2010
Versin
:2
FACULTAD DE INGENIERA
ESTADSTICA INFERENCIAL ESTADSTICA APLICADA
------------------------------------------------------------------------------------------------------------------------------------------------------------
d)
1 = 1.1715
Por cada aumento que hay en el nmero de aos de experiencia el nmero de
computadoras vendidas aumenta en 1 unidad.
e)
2
2
x 2 ( x ) ][n y 2 ( y ) ]
2
r2 =
r2 =
[n
[10(4112) (123)(262) ]
r2 =
(115800000) 2
98850000 140000000
r2 =
1.340964 1016
1.3839 1016
r 2 = 0.967
Interpretacin: quiere decir que el 96.70% de las variaciones del nmero promedio
del nmero de computadoras vendidas est explicada por el nmero de aos de
experiencia.
d) Cuando el nmero de aos de experiencia es de X = 30, entonces el nmero de
computadoras vendidas es de:
y = 7.661 + 1.507(30)
y = 52.871 53computadoras
4.4. Prueba de Hiptesis para el Coeficiente de Regresion Poblacional.
___________________________________________________________________________
Elaborado por
: Mg. Carmen Barreto R.
Fecha
: Febrero 2010
Versin
:2
10
FACULTAD DE INGENIERA
ESTADSTICA INFERENCIAL ESTADSTICA APLICADA
------------------------------------------------------------------------------------------------------------------------------------------------------------
Nivel de significancia:
3.
Estadstica de prueba:
t=
1 1
t n 2
s
1
4.
1-
/2
/2
-to
R.A
.
R.A.: Si tk [-to , to], se acepta Ho.
R.R.
to
R.R.
___________________________________________________________________________
Elaborado por
: Mg. Carmen Barreto R.
Fecha
: Febrero 2010
Versin
:2
11
FACULTAD DE INGENIERA
ESTADSTICA INFERENCIAL ESTADSTICA APLICADA
------------------------------------------------------------------------------------------------------------------------------------------------------------
5.
Clculos :
tk =
1 1
s
1
Donde:
s 1 =
se
sc x
se =
CME
CME =
SCE
n 2
SCE = SC y
SC X =
SC y =
SC Xy =
(SC XY ) 2
SC x
x2
( x) 2
y2
( y) 2
xy
( x)( y)
n
6. Decisin:
Se acepta o rechaza la hiptesis
Ejemplo 2:
___________________________________________________________________________
Elaborado por
: Mg. Carmen Barreto R.
Fecha
: Febrero 2010
Versin
:2
12
FACULTAD DE INGENIERA
ESTADSTICA INFERENCIAL ESTADSTICA APLICADA
------------------------------------------------------------------------------------------------------------------------------------------------------------
Formulacin de hiptesis:
H0 : 1 = 0
H1 : 1 0
2.
3.
Estadstica de prueba:
t=
1 1
t n 2
s
1
Como n = 10
t t 8
4.
1- =0.95
/2=0.025
/2=0.025
-2.306
2.306
R.A
.
R.R.
R.R.
5. Clculos :
Donde:
SC y =
y2
( y) 2
SC xy =
xy
( x)( y)
n
n
___________________________________________________________________________
(262)2
(123)(262)
=
8250
Elaborado por
: Mg. CarmenSC
Barreto
R.
y
SC xy = 4112
10
10
Fecha
: Febrero 2010
Versin
:2
SC y = 1385.6
SC xy = 889.4
13
FACULTAD DE INGENIERA
ESTADSTICA INFERENCIAL ESTADSTICA APLICADA
------------------------------------------------------------------------------------------------------------------------------------------------------------
SC X =
( x) 2
x2
SC X = 2103
(123) 2
10
SC X = 590
SCE = SC y
(SC xy ) 2
SCE = 1385.6
SC x
(889.4) 2
590
SCE = 44.8672
CME =
SCE
n 2
CME =
44.8672
8
CME = 5.6084
Entonces :
se =
CME
se =
5.6084
s e = 2.3682
s 1 =
se
sc x
___________________________________________________________________________
Elaborado por
: Mg. Carmen Barreto R.
2.3682
s 1 =
Fecha
: Febrero 2010
590 : 2
Versin
s 1 = 0.0975
14
FACULTAD DE INGENIERA
ESTADSTICA INFERENCIAL ESTADSTICA APLICADA
------------------------------------------------------------------------------------------------------------------------------------------------------------
tk =
1 1
s
1
tk =
1.507
0.0975
t k = 15.4564
6.
Decisin:
___________________________________________________________________________
Elaborado por
: Mg. Carmen Barreto R.
Fecha
: Febrero 2010
Versin
:2
15