Professional Documents
Culture Documents
#5
INDICE
Regresiones lineales
1.
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.
e es el error
2.
La variable Y es aleatoria
3.
4.
5.
6.
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
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.
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.
10
11
12
13
14