Este documento trata sobre la regresión y correlación. Explica que estos métodos estadísticos estudian la relación entre dos variables cuantitativas sin implicar causalidad. Describe los tipos de relaciones que pueden existir entre las variables, como lineal, no lineal, directa e inversa. También explica cómo calcular la ecuación de la recta de regresión usando el método de mínimos cuadrados.
0 calificaciones0% encontró este documento útil (0 votos)
18 vistas22 páginas
Este documento trata sobre la regresión y correlación. Explica que estos métodos estadísticos estudian la relación entre dos variables cuantitativas sin implicar causalidad. Describe los tipos de relaciones que pueden existir entre las variables, como lineal, no lineal, directa e inversa. También explica cómo calcular la ecuación de la recta de regresión usando el método de mínimos cuadrados.
Este documento trata sobre la regresión y correlación. Explica que estos métodos estadísticos estudian la relación entre dos variables cuantitativas sin implicar causalidad. Describe los tipos de relaciones que pueden existir entre las variables, como lineal, no lineal, directa e inversa. También explica cómo calcular la ecuación de la recta de regresión usando el método de mínimos cuadrados.
Este documento trata sobre la regresión y correlación. Explica que estos métodos estadísticos estudian la relación entre dos variables cuantitativas sin implicar causalidad. Describe los tipos de relaciones que pueden existir entre las variables, como lineal, no lineal, directa e inversa. También explica cómo calcular la ecuación de la recta de regresión usando el método de mínimos cuadrados.
Descargue como PDF, TXT o lea en línea desde Scribd
Descargar como pdf o txt
Está en la página 1/ 22
16/10/2014
Regresión y Correlación
Bibliografía
1 16/10/2014
Qué es? El modelo de regresión y correlación estudia la relación estadística entre dos variables cuantitativas. No implica causa y efecto sino solo el “tipo de relación estadística”. Ejemplos: edad y peso Horas de estudio y notas obtenidas Gramos de proteínas consumidas y notas Cociente intelectual de la madre y del hijo.
Dependencia de una variable
REGRESIÓN Dependencia con respecto adeunauna u otras variable variables explicativas con respecto a una u otras variables explicativas ≠ Fuerza, intensidad o grado de CORRELACIÓN asociación entre dos variables
2 16/10/2014
Objetivo
Descubrir relaciones generales entre las
variables estudiadas
Enunciar la naturaleza de tales relaciones
en términos matemáticos.
Predecir el valor de una variable en
términos estadísticos
Propongan ejemplos de esta
carrera o de sus trabajos actuales !!!!
3 16/10/2014
Se recurre a la estadística para:
Determinar si existe la relación
medir el grado de relación. Medir la relación útil. Determinar y medir los errores. Medir grado de bondad de la predicción. predecir valores de variable 7
La relación entre las variables puede
ser:
Simple 2 variables
Múltiple Más de 2 variables
lineal
no lineal
4 16/10/2014
Tipos de relación entre las variables
y = 0,8x + 2 Relación funcional directa R² = 1 Y 9 Variable 8 7 explicada 6 5 4 3 DIAGRAMA 2 1 DE 0
Coeficiente de determinación= R2 = 1 Coeficiente de correlación = 1 Ecuación de la recta de estimación= Y’ = 0,8 X + 2 Variable independiente X Variable dependiente Y
Tipo de relación entre las variables:
y = -0,9x + 9 Variable Relación funcional inversa R² = 1 y 10 explicada 8
Coeficiente de determinación= R2 1 Coeficiente de correlación = -1 Ecuación de la recta de estimación= Y’ = -0,09 X +9 Variable independiente X Variable dependiente Y
5 16/10/2014
Tipo de relación entre las variables:
Variable Y Relación No funcional directa
10 explicada 9 8 7 6 5 DIAGRAMA 4 3 2 DE 1 0 DISPERSIÓN 0 2 4 6 8 10 Variable y = 0,7669x + 2,6189 R² = 0,7629 X explicativa
Coeficiente de determinación= R2= 0,7629
Coeficiente de correlación = R = 0,87 Ecuación de la recta de estimación= Y’ = 0,7669 X + 2,6189 Variable independiente X Variable dependiente Y
Tipo de relación entre las variables:
Relación NO funcional inversa Variable 12 Y explicada 10 8 6 DIAGRAMA 4
DE 2 0 DISPERSIÓN Variable 0 2 4 6 8 10 y = -1,1738x + 10,857 X explicativa R² = 0,7758
Coeficiente de determinación= R2 = 0,77
Coeficiente de correlación = - 0,8774 Ecuación de la recta de estimación= Y’ = -1,1738 X + 10,857 Variable independiente X Variable dependiente Y
6 16/10/2014
Tipo de relación entre las variables:
Variable Tipo de relacion inexistente
explicada Y (no hay relación entre las variables) 14 12 10 8 6 4 2 0 Variable 0 2 4 6 8 10 12 y = 0,0474x + 6,4557 X explicativa R² = 0,0017
Coeficiente de determinación= R2 = 0,0017
Coeficiente de correlación = 0,04123 Ecuación de la recta de estimación= Y’ = 0,047 X + 6,4557 Variable independiente X Variable dependiente Y
MODELO DE REGRESIÓN
7 16/10/2014
MODELO DE REGRESION
Variable explicativa Recta: Variable explicada
Ŷ = a + b X + ei RECTA CONCEPTO FIJO + SISTEMATICA + ALEATORIA
Donde: a = ordenada al origen o factor fijo de la variable b = pendiente de la recta de regresión. e = factor aleatorio X= variable explicativa Y = variable explicada
8 16/10/2014
Cálculo de la Recta:
• Las “Y” Y valor real Y valor estimado Y media de Y
9 16/10/2014
Cálculo de la Recta: Método de mínimos cuadrados Características: 2 La suma de los desvíos de Y es nula. Y Y Es mínima la suma del cuadrado de Y observado los desvíos. Y valor calculado de Y
Se parte de las ecuaciones normales:
Y n.a b. X b n. X .Y X .Y . 2 X .Y a. X b. X 2 n. X 2 X
Resolviendo se llega a : a Y b X n
Cálculo de la Recta: Método simplificado: la pendiente Pasos: 1º) Se calculan las medias de las dos variables. 2º) se calculan los coeficientes de regresión, que determinan el incremento de una variable en función del incremento unitario de la otra: x.y ( x m( x) ).( y m( y ) ) b1 ( x m( x ) ) 2 x 2
b2 x.y ( x m( x ) ).( y m( y ) ) ( y m( y ) ) 2 y 2
10 16/10/2014
Cálculo de la Recta: Método simplificado 3º Cálculo de a: a1 b1.mx m y a2 b2 .m y mx 4º Quedan determinadas 1º Re cta de regresión las rectas: Y a1 b1 X 2º Re cta de regresión X a bY2 2
Ejemplo: Determine la relación entre el número de accidentes y las horas de capacitación anuales en una empresa. Hs de Nº de Capacitación Accidentes y = -0,0059x + 8,4431 9,0 8,0 R² = 0,9084 X Y 7,0 200 7,0 6,0 500 6,4 5,0 4,0 450 5,2 3,0 800 4,0 2,0 900 3,1 1,0 150 8,0 0,0 0 200 400 600 800 1000 300 6,5 600 4,4 3900 44,6 DIAGRAMA DE DISPERSIÓN
11 16/10/2014
Ejemplo: Hs de Nº de Desvío Desvío desvio de X. Capacitación Accidentes de X de Y desvio de Y
1 º R e c ta d e r e g r e s ió n Y 8 , 4 5 0 , 0 0 5 9 . X 2 º R e c ta d e r e g r e s ió n X 1 3 3 6 , 7 6 1 5 4 , 4 1 .Y
12 16/10/2014
9,0 y = -0,0059x + 8,4431
R² = 0,9084 8,0
Ejemplo: 7,0
6,0
5,0
4,0
3,0
2,0
1,0 Hs de Nº de Capacitaci Accidente desvío de desvío de desvio de 0,0 0 200 400 600 800 1000 ón s X Y X.Y (x-mx).(y- X Y (x-mx) (y-my) my) (x-mx)2 (y-my)2 Ŷ X 200 7,0 -287,5 1,4 -409,69 82656,25 2,03 7,27 255,91 500 6,4 12,5 0,8 10,31 156,25 0,68 5,51 348,56 450 5,2 -37,5 -0,4 14,06 1406,25 0,14 5,80 533,84 800 4,0 312,5 -1,6 -492,19 97656,25 2,48 3,74 719,13 900 3,1 412,5 -2,5 -1020,94 170156,25 6,13 3,16 858,10 150 8,0 -337,5 2,4 -818,44 113906,25 5,88 7,57 101,51 300 6,5 -187,5 0,9 -173,44 35156,25 0,86 6,69 333,12 600 4,4 112,5 -1,2 -132,19 12656,25 1,38 4,92 657,37 3900 44,6 -3022,50 513750,00 19,58 44,67 3807,53
Tiene valor predictivo?
Sirve para estimar? BONDAD DEL AJUSTE
COEFICIENTE DE DETERMINACION = R2
VARIACION EXPLICADA
El coeficiente de determinación mide la
proporción de variabilidad total de la variable dependiente respecto a su media que es explicada por el modelo de regresión
13 16/10/2014
MODELO DE REGRESION: Variaciones
MODELO DE REGRESION: Variaciones Variación Total
Variación Variación no explicada Explicada
Y Y Y Y
14 16/10/2014
Coeficiente de determinación:R2 Es la proporción de las variaciones que son explicadas por el modelo.
R 2 b1. b2 Si R2 es menor al 70% . El modelo lineal no es apropiado para realizar estimaciones.
NO ESTIMAR SI R2 ES < 70%
Coeficiente de determinación:R2
R 2 b1 . b2 R 2 0, 0059. 154, 41 R 2 0, 91
15 16/10/2014
Coeficiente de indeterminación: (1-R2) • El coeficiente de indeterminación es la proporción de la variación total que NO es explicada por el modelo.
(1 R 2 ) 1 0,91 (1 R 2 ) 0, 09
Ahora podemos estimar
10Y 8 6 4
De PUNTO 2 0 0 y = 0,7669x 5 + 2,6189 10 R² = 0,7629 X
Estimación De INTERVALO
16 16/10/2014
Varianza total Es la varianza de los datos originales (Y). 2
2 (x m ) x 19,58 2, 44 n 8
VARIANZA EXPLICADA VARIANZA NO EXPLICADA
2, 44 . 0, 91 2, 22 2, 44 . 0,09 0, 22
COEFICIENTE DE CORRELACION
17 16/10/2014
Cálculo del coeficiente de correlación
R b1 . b2
( X X ).(Y Y ) cov( X , Y ) n R X . y X . y
Tipos de correlación Funcional -1 Inversa
No Funcional -1<R<0 Inversa
No hay R 0 relación
No Funcional 0<R<1 Directa
Funcional 1 Directa
18 16/10/2014
El signo de R El coeficiente de correlación tiene el signo de la pendiente!!! Se debe elegir el valor de la raíz cuyo signo coincide con el de la pendiente (b)
Relación Relación inversa inversa
POSITIVA NEGATIVA
19 16/10/2014
ATRIBUTOS CUALITATIVOS
Coeficiente de asociación de YULE
A α B AB αB β Aβ αβ
( AB )( ) ( A ).( B ) Q ( AB )( ) ( A ).( B )
1 Q 1
20 16/10/2014
Disociación -1 Total
-1<Q<0 Disociación
Q 0 Independencia
0<Q<1 Asociación
Asociación 1 Total
Ejemplo Se desea saber si es posible que la implementación de cierta publicidad en algunos comercios han tenido algún efecto en las ventas. Se analiza si hay alguna asociación entre dichos hechos (variables).
nº de comercios que han
A= implementado propaganda Nº de comercios que han aumentado ( AB )( ) ( A ).( B ) Q B= las ventas ( AB )( ) ( A ).( B ) A α 180.250 20.50 Q 0,95 B 180 50 230 180.250 20.50 β 20 250 270 200 300 500
