Beruflich Dokumente
Kultur Dokumente
SECCION: B
AULA: 204
05 - 12 - 2017
Regresin y Correlacin
Anlisis de Regresin
Y = f(x1,...,xn; 1,...,m)
donde:
Para elegir una relacin funcional particular como la representativa de la poblacin bajo
investigacin, usualmente se procede:
Una vez decidido el tipo de funcin matemtica que mejor se ajusta (o representa nuestro
concepto de la relacin exacta que existe entre las variables) se presenta el problema de
elegir una expresin particular de esta familia de funciones; es decir, se ha postulado una
cierta funcin como trmino del verdadero estado en la poblacin y ahora es necesario
estimar los parmetros de esta funcin (ajuste de curvas).
Como los valores de los parmetros no se pueden determinar sin errores por que los
valores observados de la variable dependiente no concuerdan con los valores esperados,
entonces la ecuacin general replanteada, estadsticamente, sera:
Y = f(x1,...xn;1,...,m) +
Cuando la relacin funcional entre las variables dependiente (Y) e independiente (X) es
una lnea recta, se tiene una regresin lineal simple, dada por la ecuacin
Y = o + 1X +
donde:
Terminologia:
Promedios
y=
yi ; x = xi
n n
SCY = yi y 2 ; SCX = xi x 2
yi y
; SPXY = xi x
Estimacin de parmetros
Y = o + 1X +
2
CMresidual. X i
Sb0 = Sb1 = CMresidual
n.SCX SCX
Si b1=0, se dice que no existe relacin lineal entre las dos variables.
Fuentes de variacin en la regresin lineal
Los clculos de regresin pueden ser vistos como un proceso de particin de la suma total
de cuadrados; as, grficamente se tiene:
) )
y y = y y + y y
i i i i
Se observa que la desviacin total para un Yi en particular es igual a la suma de las
desviaciones explicada e inexplicada, simbolicamente.
Luego:
2 ) 2 )2
yi y yi y yi yi
SC total = SC regresion + SC residual
Suma de Cuadrados del Total (SCT), mide la dispersin (variacin total) en los valores
observados de Y. Este trmino se utiliza para el clculo de la variancia de la muestra.
Cuando cada particin se asocia a una porcin correspondiente del total de grados de
libertad, la tcnica es conocida cono analisis de variancia (ANVA), que generalmente se
presenta en un cuadro de la siguiente forma:
Aos (X) 0 1 2 3 4 5 6 7 8 9
Madera Aserrada (Y) 489.25 475.24 495.72 585.2 565.78 630.22 624.92 482.27 590.27 834.67
Gl SC CM F F0.05 Pr>F
Regression 1 49223 49223 6,9941 5,31 0,0295
Residual 8 56303 7037.8
Total 9 105526
X = El periodo.
Intercepto = 467,42
Tasa = 24,42
Intervalos de Confianza
b1 - t0 Sb1 1 b1 + to Sb1
Con estos resultados se puede afirmar al 95% de confianza que la tasa de crecimiento en
madera aserrada es positiva y por lo menos se tendra un crecimiento de 3 mil metros
cubicos por ao.
En funcin del modelo se puede hacer estimaciones para los siguientes aos:
2000 711.7
2001 736.12
2002 760.55
Estas proyecciones son puntuales, en base al modelo; para ao 2000, X=10, resulta una
produccin de 711 mil m3 de madera aserrada.
Para obtener limites de confianza para estos valores predecidos, se debe determinar sus
desviaciones estandar correspondiente; utilice la siguiente formula:
2
S _ Pr edicho CMresidual 1 1 x0 x
n SCX
Prueba de Hipotesis
Analisis de Correlacion
-1 r 1.
Si r = -1, la asociacin es perfecta pero inversa; es decir, a valores altos de una variable le
corresponde valores bajos a la otra variable, y viceversa.
SPXY
r
SCX.SCY
Para los datos de la produccin de madera aserrada total entre los aos 1990 a 1999,
existe una asociacin de 0.68.
2015,17
r 0.68
105525,8682,5
Coeficiente de Determinacion (R)
Mide el porcentaje de variacin en la variable respuesta, explicada por la variable
independiente.
1 = SCR/SCT + SCE/SCT
R = 1 - SCE/SCT = SCR/SCT
R = SC regresion / SC total
Interpretacin de R:
Tambien, se puede obtener el R ajustado que es la relacion entre cuadrados medios, asi:
Lo que se espera que ambos R, resulten similares, para dar una confianza al coeficiente
de determinacin.
FUENTE:
http://tarwi.lamolina.edu.pe/~fmendiburu/index-
filer/academic/metodos1/Regresion.pdf
EJERCICIOS:
xi yi xi2 yi2 xi yi
2 14 4 196 28
3 20 9 400 60
5 32 25 1 024 160
7 42 49 1 764 294
8 44 64 1 936 352