5REGRE SIMPLE20141.ppt Modo de Compatibilidad PDF

Rosmery Mayta 29/04/2014
1
)1)11O) 1^T1
Mg. Hosnc Mutu H
2Ul4
29/04/2014 Rosmeri Mayta H. 1
/)/11 I1 (O))1/(1O) )1)11O)
1)1/
Objetivo:
Hacer un diagrama de dispersin
Calcular el coeficiente de Pearson
Calcular e interpretar el Coeficiente de Correlacin,
coeficiente de Determinacin y no determinacin.
Calcular el coeficiente de correlacin de rango.
En este capitulo se ver la relacin que existe entre dos
variables, se usaran medidas para medir el grado de
relacin como el coeficiente de determinacin y el
coeficiente de correlacin
Prueba de hiptesis de los coeficientes
Calcular los intervalos de confianza y de
prediccin.
Estudiar las tcnicas de anlisis de
influencia
/)/11 I1 (O))1/(1O)
Anlisis de correlacin.- Es el conjunto de tcnicas
estadsticas empleado para medir la intensidad de la
relacin que existe entre dos variables. Para esto,
normalmente, el primer paso es mostrar los datos en un
0lA6RAHA 0F 0lSPFRSl0t.
Permitir predecir la variable dependiente Y con base
en la variable independiente X. Grfica que representa
la relacin entre dos variables.
La variable dependiente se representa en la escala del
eje Y, y es la variable que se estima, predice o calcula.
Diagrama de dispersin
(a) Lineal directa (b) Lineal inversa (c) Curvilnea directa

(d) Curvilinea inversa (e) Lineal inversa
con ms dispersin
(d) Ningunarelacin
Y
X
Y
X
Y
X
Y
X
Y
X
Y
X
Relaciones posibles
entre X y Y vistos
en diagramas de
dispersin
LA variable independiente se representa en al escala
del eje X, y es la variable que proporciona las bases
para el calculo. Es la variable de prediccin.
2
(oc{i.icnc vc .ocv.in
1nccv.in vc .oc{i.icnc vc .ocv.in vc
Tcv.on
-1 0 0,5 0,9 1 -0,9 -0,5
Perfecta
Negativa
Perfecta
Positiva
Fuerte
Negativa
Dbil
Negativa
Dbil
Positiva
Moderada
Positiva
Fuerte
Positiva
Moderada
Negativa
No existe
correlacin
C0FFlClFtTF 0F 0FTFRHltACl0t (r
2
).
Una pregunta importante que se plantea en el anlisis
de regresin es la siguiente: Qu porcentaje de la
variacin total en Y se debe a la variacin en X? En
otras palabras, cul es la proporcin de la variacin
total en Y que puede ser explicada por la variacin en
X? El estadstico que mide esta proporcin o porcentaje
se denomina coeficiente de determinacin:
Fl C0FFlClFtTF 0F lA t0 0FTFRHltACl0t :
Esta dado por 1- r
2
Es proporcin de la variacin de y que no es
explicada por X
)1)11O) 1)1/
Es una tcnica estadstica que permite
determinar la mejor ecuacin que represente la
relacin entre dos variables relacionadas.
Para poder establecer la relacin cuantitativa
entre X e Y es necesario disponer de pares de
observaciones. Cada par ha sido registrado a la
misma unidad elemental.
SuP0SlCl0tFS 0F RF6RFSl0t Y
C0RRFlACl0t
a) Normalidad: los valores de Y estarn distribuidos
normalmente para cada valor de X.
b) Homoscedasticidad: la variacin alrededor de la
lnea de regresin sea constante para todos los
valores de X.
c) Independencia de error: el error (diferencia residual
entre un valor observado y uno estimado de
Y) sea independientemente de cada valor de X.
d) Linealidad: la relacin entre las variables es lineal.
I1()1(/I1 ^1)1^O (+/I)/IO
Empleada para obtener la ecuacin de
regresin, minimizando la suma de los
cuadrados de las distancias verticales
entre los valores verdaderos de Yi y los
valores pronosticados de Y.
Y
i
- Y = error
, ,
Min Y - Y
i
El mtodo consiste en determinar una

ecuacin que la suma de los errores al
cuadrado sea mnima.
X
Y
Error= 2
2 4 6 8 10 12 14
10
8
6
4
2
Error= -6

Lnea de
estimacin
.
.
Y
X
Y
Error= 2
2 4 6 8 10 12 14
10
8
6
4
2
Error= -6

Lnea de
estimacin
.
.
Y

3
El mtodo utiliza un sistema de ecuacin llamado
ecuaciones normales, que tienen la siguiente
forma:
Para aplicar las frmulas,
tenemos que confeccionar
un cuadro como el
siguiente:

+ =
=
2
1 0
1 0
X b X b XY
X b + nb Y
Y X
XY
2
X
X Y X
2
XY
1.0 8.0 1.0 8.0
1.5 10.0 2.3 15.0
2.0 9.0 4.0 18.0
2.5 12.0 6.3 30.0
3.0 14.0 9.0 42.0
3.5 13.0 12.3 45.5
4.0 15.0 16.0 60.0
4.5 17.0 20.3 76.5
5.0 14.0 25.0 70.0
5.5 14.0 30.3 77.0
32.
5 126.0 126.3 442.0
Sustituyendo los valores , n = 5,
y ,en las ecuaciones
normales, obtenemos el siguiente sistema de
ecuaciones.
126 = 10b
0
+ 32,5b
1
442 = 32,5b0 + 126,3b1
Resolviendo el sistema tenemos: b
0
= 7,479
b
1
= 1,576 ,por lo tanto,
0 , 26 1 Y=
5 , 2 3 X =
42 4 XY=
3 , 126
2
X =
1,576X 7,479 Y
+ =
De las ecuaciones normales se obtiene las
siguientes relaciones
Pendiente de la regresin lineal (b
1
): Indica la
magnitud del cambio en Y por cada unidad de cambio
de X
Constante de la regresin lineal (b
o
).- Punto donde se
intercepta con el eje Y, se calcula asi:
, ,

=
2
2
X X n
Y X XY n
b
n
X b
n
Y
a

=
Error estndar de estimacin.- Mide la dispersin de
los valores observados, con respecto a la lnea de
regresin. Tiene las siguientes caractersticas:
Est en las mismas unidades que la variable
dependiente.
Se basa en las desviaciones al cuadrado respecto de la
recta de regresin.
. Se calcula as:
2
2 n
Y
- Y ) (
=
yx
S

El intervalo garantiza una confianza del 68%. Es decir
que el valor de se encontrar dentro de ese intervalo
con un nivel de confianza del 68%.
El intervalo garantiza una confianza del 95%. Es decir
con un nivel de confianza del 95%
El intervalo garantiza una confianza del 99.9%. Es decir
con un nivel de confianza del 99.9%
29/04/2014 Rosmeri Mayta H. 17 29/04/2014 Rosmeri Mayta H. 18
4
Problema
La EMPRESA COPIER SALES OF AMERICAN ENC.. Vende
copias a negociaciones grandes , medianas y pequeas en
Estados Unidos y Canad . La seora Marcy fue promovida
recientemente al puesto de gerente nacional de ventas. A la
prxima junta de ventas asistirn los representantes de todo el pas.
A ella le gustara hacerles notar la importancia de hacer llamadas
extra cada da. Decide reunir alguna informacin acerca de la
relacin entre el nmero de llamadas y el nmero de productos
vendidos . Seleccion al azar una muestra de 10 representantes
y determin el nmero de llamadas que hicieron el ultimo mes , y el
de copiadoras que vendieron La informacin mensual se tiene en la
siguiente tabla.
Problema
Repres de Ventas
Numero_Llamadas(
X)
Nmero de
Copiadoras (Y)
TOM 20 30
JEFT 40 60
BRIAN 20 40
JUAN 30 60
SUSAN 10 30
CARLOS 10 40
RICH 20 40
LUIS 20 50
MARK 20 30
SONI 30 70
Preguntas (solucionado en clase)
a) Calcular el coeficiente de correlacin de
correlacin
b) Calcular el coeficiente de determinacin y no
determinacin e interprete
c) Hallar la ecuacin de regresin
d) Interpretar los coeficientes de regresin
e) Hallar el error estndar.
f) Si hago 45 llamadas cuantas copiadoras
vender
Se utiliza el estadstico F para probar la
significacin de la ecuacin de regresin
muestral o la existencia de regresin en la
poblacin.
Las hiptesis nula y alternativa para esta
prueba son respectivamente:

1)I1)1)(1/ O)1 O (O1I1(11)I1
I1 )1)11O) I1 / TO/(1O)
1.- Planteando Ho y Ha
Ho:
1
=0 ( No hay relacin)
Ha: 1 0 ( Hay una relacin)
2.- Nivel de significancia de 0.05
3.- T STUDENT
4.- Definir la regin de aceptacin y la regin critica
Hallar el T
(n-2,alfa)
= tablas
5.- El T
cal
.
T
cal
= (b
1
B
1
)/Sb1 y
Si T
t
< T
cal
, se rechaza la Ho y se acepta la Ha.
Si T
t
< T
cal
, se rechaza la Ho y se acepta
la Ha.
Sb
1 :
Error estndar de b
1
Sb
1
= Syx / { X
i
2
( Xi )
2
/ n }
5
T)+1/ I1 11TOI11 T/)/ 1
(O1I1(11)I1 I1 (O))1/(1O)
Se aplica el estadstico t.
Planteando la hiptesis nula y la alternativa
1.- Ho: = 0 La correlacin en la poblacin es
nula
2.- Ha: 0 La correlacin en la poblacin no
es nula
3.-T student
4.- Definir la R.A y la R.C
Para T
t
(
( n-2),alfa)
) = Tabla
5.- Si T
t
< T
cal
entonces rechaza la
hiptesis nula de lo contrario se acepta
1I1^/IO I1 1)I1)(/O I1
(O)I1/)Z/ I1
1
El valor de b1 puede variar entre un limite
superior e inferior
b
1
T
(
,
n-2)
Sb
1
<
1
<b
1
+ T
(
,
n-2)
Sb
1
Calcular el estimado del intervalo de
confianza del 95%
Problema
En un departamento de produccin de una
empresa se desea examinar la relacin entre el
nmero de trabajadores que arman un
subemsamble y el nmero de subemsambles
producidos. Como experimento se asignaron
dos empleados para armar el dispositivo
electrnico. Produjeron 15 durante el lapso de
una hora. Despus se asignaron cuatro obreros
al mismo trabajo, y produjeron 25 durante dicho
perodo. A continuacin se presenta el conjunto
completo de pares de observaciones.
Considerar un nivel de significancia de 0.05.
6
a.- Calcule la ecuacin de regresin e intrprete los
resultados
Se ha obtenido un coeficiente de correlacin de 0.927. Este
coeficiente indica que las variables estn muy relacionadas
La ecuacin de regresin y graficar el
diagrama de dispersin
b.- Calcule e interprete el coeficiente
de determinacin
Se obtuvo un coeficiente de determinacin
de r
2
= 0.8596; esto quiere decir, que el
85.96% de la produccin de
subemsambles se debe al nmero de
trabajadores que los arman.
El coeficiente de no determinacin indica
que el 14.04% de la produccin no ser
explicada por el nmero de empleados.
c.- Calcular e interpretar el error standard
d. Calcular el intervalo de confianza y
prediccin para X=4
7
Una empresa que disponga de 4 trabajadores
para la fabricacin de subemsambles estar en
el intervalo entre 12.265 y 49.735 de piezas
producidas.
e. Intervalo de prediccin para x=4
f.- Realizar la prueba de hiptesis para
B1
CALCULO CON MINITAB
The regression equation is
PROD_HORA = 3.00 + 7.00 CANT_EMPLEA
Predictor Coef SE Coef T P
Constant 3.000 5.416 0.55 0.618
CANT_EMPLEA 7.000 1.633 4.29 0.023
S = 5.16398 R-Sq = 86.0% R-Sq(adj) = 81.3%
Analysis of Variance
Source DF SS MS F P
Regression 1 490.00 490.00 18.37 0.023
Residual Error 3 80.00 26.67
Total 4 570.00
Predicted Values for New Observations
New
Obs Fit SE Fit 95% CI 95% PI
1 31.00 2.83 (22.00, 40.00) (12.26, 49.74)
Values of Predictors for New Observations
New
Obs CANT_EMPLEA
1 4.00
ANLISIS DE VARIANZA EN LA REGRESIN
El anlisis de varianza es una tcnica que
permite localizar las fuentes de variabilidad
que ayuden a explicar el comportamiento de
la variable dependiente.
SC
total
= SC
error
+ SC
regresin
(SC
residual
)
MEDIDAS DE VARIACIN EN
REGRESIN Y CORRELACIN
SUMA DL CUADRADO
NO LXPLICADA
SUMA DL CUADRADO
LXPLICADA
SUMA DL
CUADRADO
1O1AL
Xi
Y
8
SUMA DE CUADRADO TOTAL
Es una medida de variacin de los valores Yi
alrededor de su media Y
.
SST = SSR + SSE
SST : suma cuadrado totales
SSR : Suma de los cuadrados debido a la
regresin
(variacin explicada)
SSE : Suma de los cuadrados del Error
(variacin No explicada)
SST = Suma total de cuadrados (Variacin Total
SSR = Suma de cuadrados explicada(Variacin
de Regresin)
SSE = Suma de cuadrados no
explicada.(Variacin de Error)

COEFICIENTE DE DETERMINACIN
r
2
= SSR o r
2
= 1 - SSE
SST SSTotal
r ajustado = 1 [(1-r
2
) [(n-1)/(n-2)]
SSR = bo Yi + b1 Xi Yi - ( Yi )
2
/n
SSE = Yi
2
+ b
o
Xi Yi - b
1
Xi Yi
SSR=. Suma de cuadrado de regression
SSE = Suma de cuadrado de error
SST= Suma de cuadrado totales
Suma de cuadrado total = Suma de cuadrado explicada+Suma de
cuadrado no explicada
n n
2 2
2
2
ANOVA REGRESIN SIMPLE
FUENTE DE GL SS MS F
REGRESION 1 SSR MSR= SSR/1 MSR
MSE
ERROR n-2 SSE MSE = SSE /n-2
TOTAL n-1 SST
AJUSTE DE UNA TENDENCIA CUADRATICA
POR EL MTODO DE MNIMOS CUADRADOS
i = bo + bi Xi + bii Xi
1) Yi = nbo + bi Xi + bii Xi
2) Xi Yi = bo Xi + bi Xi + bii Xi
3) Xi Yi = bo Xi + bi Xi + bii Xi
n
i=J
n
i=J
n
i=J
n
i=J
n
i=J
n
i=J
n
i=J
n
i=J
n
i=J
n
i=J
n
i=J
2
2
2 3
3
4
9
AJUSTE DE UNA TENDENCIA
EXPONENCIAL MEDIANTE EL MTODO DE
MNIMOS CUADRADOS
|
1
2
1
1
2
1 1 1
|
|
l og
l og
l og
l og l og
l og
l og l og l og
.
b X
n
Y
b
n
X
i X
Y X Y X
b
b X b Y
b b Y
n
i
i
o
n
i
i
n
i
n
i
n
i
i
n
i
i i i
i i o i
Xi
o
i
=
=
+ =
=

=
=
=
= = =
ANLISIS DE INFLUENCIAS EN
REGRESIN SIMPLE
Se estudiara 3 mtodos que miden la
influencia de ciertos datos:
1)Los mtodos de la matriz sombrero hi.
2)Los residuales eliminados de student t*i
3)El estadstico de distancia de cook Di.
DIAGNSTICO DE LA REGRESIN :
ANLISIS DE LA INFLUENCIA
PROBLEMA
Se supone que el decano de un colegio de administracin de empresas quera
predecir el aprovechamiento de los estudiantes ( de acuerdo a sus ndices de
calificacin) en un programa de maestra de administracin de empresas (MBA). se
selecciono una muestra aleatoria de 20 estudiantes que haban tomado por lo menos
30 crditos en el programa , con el fin de desarrollar un modelo estadstico para
predecir su ndice de calificaciones. Al desarrollar el modelo as se podran tomar en
cuenta muchas variables explicatorios. Estas incluyen variables cuantitativas como el
resultado de la prueba de aptitud para graduados en administracin (GMAT) y el
ndice de calificaciones de no graduados, as como las variables cualitativas como la
especializacin del graduado y si la persona esta o no registrada como estudiante
graduado de tiempo completo
Para fines pedaggicos se iniciar el estudio con un modelo de regresin simple en el
cual se usa una sola variable explicatorio cuantitativa para predecir los valores de
una variable dependiente. Por lo tanto se desarrollara un modelo para predecir el
ndice de calificaciones ( la variable dependiente Y) basado en el resultado GMAT (
la variable explicatorio) o independiente X). En las siguiente tabla se encuentra los
datos. Hacer un diagnostico de regresin: Anlisis de residuales
Tabla 1
Clculos con minitab
I1/)OI1(O I1 / )1)11O) /)/11
I1 1)I+1)(1/
Se aplica tres tcnicas
Segn HOAGLIN WELCH
1) Los elementos matriz sombrero, hi
Cada hi refleja la influencia de cada Xi sobre el modelo de
regresin ajustado. Si existen esos puntos de influencia quizs sea
necesario evaluar de nuevo la necesidad de mantenerlo en el
modelo. Se sugiere la siguiente regla de decisin
Si hi > 4/n , entonces Xi es un punto de influencia y se puede
considerar candidato a ser retirado del modelo.
, ,
, ,

+ =
n
x
x
x x
n
h
i
i 2
2
2
1
Para los datos de desempeo del
estudiante , puesto que n = 20, los
criterios deben ser destacar cualquier i
superior a 4/20= 0.2.
En la tabla se encuentra que h20 = 0.3049
Es un candidato potencial a ser removido,
pero tomaremos en cuenta otros criterios
10
2) Para los residuales de Student eliminados, ti*
Si se cumple que
S( i ) : Es el error estndar de la estimacin para un modelo que

incluye todas las observaciones excepto la observacin i.
.e i = Es la diferencia entre los valores observados (Yi) y los
predichos Yi
| t i*| > t .010,n-3
Significa que los valores Y observados y predichos son tan
diferentes que Xi es un punto de influencia que afecta de modo
adverso el modelo y se puede considerar como n candidato para
ser eliminado.
Para el problema, para cualquier valor ti*
superior a 1.7396 se eliminarat3* = -
1..879,
t5* =2.216, t14*=-2.228 y t20*= -1.961,
Estos cuatro pueden tener efectos
adversos sobre el modelo.
3) Estadstico de distancia de Cook, Di
El uso de h i* y t i* en la bsqueda de puntos de
datos potencialmente problemticos es
complementario. Ninguno de los criterios es
suficiente por si mismo. Para decidir si un punto
que ha sido destacado mediante el criterio hi o
el ti* esta afectando indebidamente al modelo
Cook y Weisberg sugieren el uso del estadstico
Di.
Di = Sr
i
2
hi / 2(1-hi )
SRi : es el residual estandarizado
Di > F(.50,2 n -2) = 0.720
D20 = 0.729 > 0.720
D5 = 0.21 es < 0.720
Se debe eliminar la observacin 20
El nuevo modelo ajustado, eliminado la
observacin 20 es:
SOLUCIN
Presentando el diagrama de dispersin.
11
12
Problema
Los siguientes datos representa las calificaciones de qumica para
una muestra aleatoria de 12 alumnos de primer grado en cierta
universidad junto con sus calificaciones de una prueba de
inteligencia que se les aplic cuando aun eran alumnos de ltimo
ao de preparatoria
a.- Calcule e interprete el coeficiente de correlacin de la muestra
b.- Calcule la ecuacin de regresin y realizar la Prueba de
hiptesis para 1 y con un nivel de significancia de 0.01.
Calcule in intervalo de confianza para un intervalo de prediccin
del 95%, para la calificacin promedio en qumica , ,para la
calificacin promedio de 60
Estudiant
e
Calif_Prueba_
X
Califi_Prue
ba_y
1 65 83
2 50 74
3 55 76
4 65 90
5 55 85
6 70 87
7 65 94
8 70 98
9 55 81
10 70 91
11 50 76
12 55 74
PROBLEMA
Un reciente artculo en Business Week
present una lista de las mejores
compaas pequeas. Hay inters en los
resultados actuales de las ventas y
ganancias de las empresas. Se seleccion
una muestra aleatoria de 12 compaas. A
continuacin se indican las ventas y
ganancias, en millones de dlares.
13
DATOS
a.- Calcular el coeficiente de correlacin e
interpretar.
b.-Calcular la ecuacin de regresin lineal
c. realizar una inferencia para los
coeficientes de regresin y el coeficiente
de correlacin
d.- Realizar un anlisis residual

5REGRE SIMPLE20141.ppt Modo de Compatibilidad PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

5REGRE SIMPLE20141.ppt Modo de Compatibilidad PDF

Hochgeladen von

Copyright:

Verfügbare Formate

Rosmery Mayta 29/04/2014

(a) Lineal directa (b) Lineal inversa (c) Curvilnea directa

El mtodo consiste en determinar una

29/04/2014 Rosmeri Mayta H. 12

29/04/2014 Rosmeri Mayta H. 16

29/04/2014 Rosmeri Mayta H. 22

29/04/2014 Rosmeri Mayta H. 45

S( i ) : Es el error estndar de la estimacin para un modelo que

Das könnte Ihnen auch gefallen