UNIDAD

#5
INDICE

Regresiones lineales

1.

REGRESIN LINEAL SIMPLE

1.1 PRUEBA DE HIPOTESIS

1.2 CALIDAD DE AJUSTE
1.3 ESTIMACIN Y PREDICCIN POR INTERVALO

2. REGRESIN LINEAL MULTIPLE

2.1 PRUEBA DE HIPOTESIS
2.2 INTERVALO DE CONFIANZA

1. Regresin Lineal simple

Para empezar Un modelo de regresin es un modelo que permite describir como inuye una
variable X sobre otra variable Y.
X: Variable independiente o explicativa o exgena.
Y: Variable dependiente o respuesta o endgena.
El objetivo es obtener estimaciones razonables de Y para distintos valores de X a partir de una
muestra de n pares de valores (x1,y1), . . . ,(xn,yn)
El anlisis de regresin se usa con el propsito de prediccin. La meta del anlisis de regresin es
desarrollar un modelo estadstico que se pueda usar para predecir los valores de una variable
dependiente o de respuesta basados en los valores de al menos una variable independiente o
explicativa.
Principales tcnicas utilizadas en el anlisis de regresin lineal simple
1) Ordenamiento y anlisis de la informacin original
3) Diagrama de dispersin e interpretacin
El primer paso para determinar si existe o no una relacin entre dos variables es observar la grafica
de datos observados. Esta grafica se llama diagrama de dispersin.
Un diagrama nos puede dar dos tipos de informacin, visualmente podemos buscar patrones que
nos indiquen que las variables estn relacionadas. Entonces si esto sucede, podemos ver qu tipo
de lnea, o ecuacin de estimacin, describe esta relacin.
Primero tomamos los datos de la tabla que deseamos analizar y dependiendo de que se desea
averiguar se construye la grafica colocando la variable dependiente en el eje Y y la independiente
en el eje X, Cuando vemos todos estos puntos juntos, podemos visualizar la relacin que existe
entre estas dos variables. Como resultado, tambin podemos trazar, o ajustar una lnea recta a
travs de nuestro diagrama de dispersin para representar la relacin. Es comn intentar trazar
estas lneas de forma tal que un nmero igual de puntos caiga a cada lado de la lnea.

1.1 Prueba de hipotesis

En el Modelo de Regresin Simple se establece que Y es una funcin de slo una variable
independiente, razn por la cual se le denomina tambin Regresin Divariada porque slo hay dos
variables, una dependiente y otra independiente y se representa as:
Y = f (X)
"Y est regresando por X"

La variable dependiente es la variable que se desea explicar, predecir. Tambin se le llama

REGRESANDO VARIABLE DE RESPUESTA.
La variable Independiente X se le denomina VARIABLE EXPLICATIVA REGRESOR y se le utiliza
para EXPLICAR Y.
ANLISIS ESTADSTICO: REGRESIN LINEAL SIMPLE
En el estudio de la relacin funcional entre dos variables poblacionales, una variable X, llamada
independiente, explicativa o de prediccin y una variable Y, llamada dependiente o variable
respuesta, presenta la siguiente notacin:
Y=a+bX+e
Donde:
-

a es el valor de la ordenada donde la lnea de regresin se intercepta con el eje Y.

b es el coeficiente de regresin poblacional (pendiente de la lnea recta)

e es el error

SUPOSICIONES DE LA REGRESIN LINEAL

1.

Los valores de la variable independiente X son fijos, medidos sin error.

2.

La variable Y es aleatoria

3.

Para cada valor de X, existe una distribucin normal de valores de Y (subpoblaciones Y)

4.

Las variancias de las subpoblaciones Y son todas iguales.

5.

Todas las medias de las subpoblaciones de Y estn sobre la recta.

6.

Los valores de Y estn normalmente distribuidos y son estadsticamente independientes.

ESTIMACIN DE LA ECUACIN DE REGRESIN MUESTRAL

Consiste en determinar los valores de "a" y "b " a partir de la muestra, es decir, encontrar los
valores de a y b con los datos observados de la muestra. El mtodo de estimacin es el
de Mnimos Cuadrados, mediante el cual se obtiene:

Luego, la ecuacin de regresin muestral estimada es

Que se interpreta como:

a es el estimador de a
Es el valor estimado de la variable Y cuando la variable X = 0
b es el estimador de b , es el coeficiente de regresin
Est expresado en las mismas unidades de Y por cada unidad de X. Indica el nmero de unidades
en que vara Y cuando se produce un cambio, en una unidad, en X (pendiente de la recta de
regresin).
Un valor negativo de b sera interpretado como la magnitud del decremento en Y por cada unidad
de aumento en X.
3. ANTECEDENTES DEL PROBLEMA
Los datos de la siguiente tabla representan las estaturas (X, cm) y los pesos (Y, kg) de una muestra
de 12 hombres adultos. Para cada estatura fijada previamente se observ el peso de
una persona seleccionada de entre el grupo con dicha estatura, resultando:
X

152

155

50

61.5

Con estos datos vamos a plantear una ecuacin de regresin simple que nos permita pronosticar
los pesos conociendo las tallas. Utilizaremos a = 0.05, y contrastaremos nuestra hiptesis con la
prueba F.
4. DESARROLLO

Representacin matemtica y grfica de los datos:

Representacin Matemtica
estatura
datos

152

155

152

155

157

152

157

165

162

10

178

11

183

12

178

Representacin Grfica

HIPTESIS
HO: No hay relacin entre la variable peso y la variable estatura.
HA: Hay relacin entre la variable peso y la variable estatura.
Tabla de anlisis de varianza
Fuente de

Grados de

Variacin

libertad

Debido a
la regresin

error

10

total

11

Se obtiene un valor F = 73.08 > 4.96, con lo cual se rechaza la hiptesis nula y aceptamos que la
variable estatura est relacionada con la variable peso con un 95% de confianza.

De acuerdo al desarrollo matemtico hemos obtenido los siguientes clculos:

Lo que nos permite obtener los coeficientes a y b.

Luego,
b = 1223 / 1409.667 = 0.8676
a = 65.25 (0.8676) (162.167) = -75.446
6. INTERPRETACIN

La ecuacin de regresin estimada es:

Coeficiente de correlacin: R= 0.9379
Coeficiente de determinacin: R=0.8796
El valor de b = 0.8676 indica el incremento del peso en kilogramos, en promedio, por cada
centmetro de aumento en la estatura de los hombres adultos.
El valor de a, no tiene interpretacin prctica en el ejemplo, se interpretara como el valor obtenido,
en promedio, para el peso Y, cuando la estatura es 0.
Utilizando la ecuacin de regresin para estimar o predecir valores de la variable Y: Para una talla
de 180 se obtiene un peso de 80.7 kg.
Cunto se espera que pese (en promedio) una persona que mide 1.60 m?
Sustituyendo el valor de inters en la ecuacin:

Se obtiene:

7. CONCLUSIN

La ecuacin de Regresin Lineal estimada para las variables estatura y peso muestran, de acuerdo
a la prueba F, relacin.
Esta relacin se ha estimado en un R = 93.7, que indica una fuerte relacin positiva.
Adems si consideramos el coeficiente de determinacin R = 87.9 podemos indicar que el 87.9%
de las variaciones que ocurren en el peso se explicaran por las variaciones en la variable estatura.

2. Regresin Lineal Mltiple

2.2 PRUEBA DE HIPOTESIS

10

11

2.2 INTERVALO DE CONFIANZA

12

13

14