Beruflich Dokumente
Kultur Dokumente
UNIVERSIDAD DE CORDOBA
ESTADISTICA INFERENCIAL
IV SEMESTRE
SAHAGUN/CORDOBA
2019
INDICE
INTRODUCCIÓN
En cuanto a la física también utilizan este tipo de herramienta para la relación entre
variables o para calibrar las medidas. Si bien hablamos del caso de dos variables
(Regresión lineal simple), el análisis de regresión puede utilizarse para explorar y
cuantificar la relación para una variable llamada dependiente o criterio (Y) y una o más
variables llamadas independiente o predictorias (X1,X2,X3...........X6….), así como para
desarrollar una ecuación lineal con fines predictos. Además, el análisis de regresión lleva
asociada una serie de procedimientos de diagnósticos (análisis de los residuos, puntos de
influencia) los cuales informan sobre la estabilidad e idoneidad de los análisis y que
proporcionan una serie de pistas para así quizás perfeccionarlo. Una manera de decirlo
mas simple es que la regresión estudia la construcción de modelos para explicar o
representar la dependencia entre una variable respuesta o dependiente (Y) y la(s)
variable(s) explicativa(s) o dependiente(s), X. En este Tema abordaremos el modelo de
regresión lineal simple , que tiene lugar cuando la dependencia es de tipo lineal.
1
OBJETIVOS
OBJETIVO GENERAL
Analizar el modelo de regresión lineal simple a través de diversas
investigaciones y describir las propiedades del modelo de regresión
lineal simple.
OBJETIVOS ESPECÍFICOS
2
Taller De Regresión Lineal Simple.
1. Definición.
Es aquel modelo que nos permite describir cómo influyen una variable X sobre
otra variable Y.
Para ser un poco más precisos en un modelo de regresión lineal simple tratamos
de explicar la relación que existe entre la variable respuesta Y y una única variable
explicativa X.
3
2. Modelo de Regresión
4
El modelo de regresión lineal simple tiene la siguiente expresión
𝒀 = 𝜶 + 𝜷𝑿 + 𝜺
En esta expresión estamos admitiendo que todos los factores o causas que
influyen en la variable respuesta Y pueden dividirse en dos grupos: el primero
contiene a una variable explicativa X y el segundo incluye un conjunto amplio de
factores no controlados que englobaremos bajo el nombre de perturbación o error
aleatorio,ε, que provoca que la dependencia entre las variables dependiente e iii
independiente no sea perfecta, sino que esté sujeta a incertidumbre.
EJEMPLO
5
y por lo tanto:
6
Gráfico de regresión lineal simple
Consideremos el modelo
Y = aX + b
7
Un MODELO DETERMINÍSTICO supone que bajo condiciones ideales, el
comportamiento de la variable dependiente puede ser totalmente descripto por
una función matemática de las variables independientes (o por un conjunto de
ecuaciones que relacionen las variables). Es decir, en condiciones ideales el
modelo permite predecir SIN ERROR el valor de la variable dependiente.
En este curso trataremos sobre Regresión Lineal. Haremos énfasis en este tipo de
modelos porque
8
Ejemplo Regresión lineal Simple
9
La relación respuesta-dosis es aparentemente lineal. Parece razonable proponer
𝒀𝒊 = 𝜷𝟎 + 𝜷𝟏 ∗ 𝑿𝒊 + 𝑬𝒊
𝒀𝒊 = 𝟓. 𝟓 + 𝟑. 𝟓 ∗ 𝑿𝒊
𝒀𝒊 = 𝟎. 𝟓 + 𝟕. 𝟎 ∗ 𝑿𝒊
10
Para decidir cuál de las dos rectas ajusta mejor estos datos consideraremos una
medida de cuán lejos está cada dato de la recta propuesta ⇒ RESIDUO.
La mejor recta sería aquella que minimice la suma de las distancias al cuadrado
de los puntos a la recta, es decir deberíamos encontrar. ̂0 Y 𝛽
𝛽 ̂1 tales que
̂ −𝛽
∑ = (𝑌𝑖 − 𝛽 ̂ 𝑋 )2 ≤ ∑ = (𝑌 − 𝑏 − 𝑏 𝑋 )2
0 1 𝑖 𝑖 0 1 𝑖
11
TABLA DE ANALISIS DE LA VARIANZA (ANOVA)
Coeficiente de correlación
Coeficiente de determinación
CONCLUCION
12
13
BIBLIOGRAFIA
http://www4.ujaen.es/~dmontoro/Metodos/Tema%209.pdf
http://halweb.uc3m.es/esp/Personal/personas/aarribas/esp/docs/estII/tema4esp(2).pdf
https://ljk.imag.fr/membres/Bernard.Ycart/emel/cours/sd/node14.html
http://www.dm.uba.ar/materias/estadistica_Q/2011/1/clase%20regresion%20simple.pdf
https://www.google.com/search?q=.+Tabla+de+An%C3%A1lisis+de+varianza+para+la+regresi
%C3%B3n+lineal+simple&rlz=1C1SQJL_esCO836CO836&source=lnms&tbm=isch&sa=X&ved=0
ahUKEwjyzrnl2szjAhUFx1kKHffACMAQ_AUIESgB&biw=1242&bih=597#imgrc=BNTOTFvLxfxVr
M:
14