Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 40 vistas

    Regresión Lineal

    Cargado por

    Tereza Matos
    La regresión lineal y la correlación son técnicas estadísticas que analizan la relación entre variables. La regresión lineal predice valores de una variable dependiendo de otra variable independiente mediante una ecuación lineal. La correlación mide el grado de relación entre variables. El documento explica cómo calcular la ecuación de regresión lineal, el coeficiente de correlación y realizar predicciones usando estos métodos, ilustrando con un ejemplo sobre el monto de seguros de trabajadores.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd

    Regresión Lineal

    Cargado por

    Tereza Matos
    40 vistas18 páginas
    La regresión lineal y la correlación son técnicas estadísticas que analizan la relación entre variables. La regresión lineal predice valores de una variable dependiendo de otra variable independiente mediante una ecuación lineal. La correlación mide el grado de relación entre variables. El documento explica cómo calcular la ecuación de regresión lineal, el coeficiente de correlación y realizar predicciones usando estos métodos, ilustrando con un ejemplo sobre el monto de seguros de trabajadores.

    Título original

    PPT Regresión Lineal

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PPTX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    La regresión lineal y la correlación son técnicas estadísticas que analizan la relación entre variables. La regresión lineal predice valores de una variable dependiendo de otra variable independiente mediante una ecuación lineal. La correlación mide el grado de relación entre variables. El documento explica cómo calcular la ecuación de regresión lineal, el coeficiente de correlación y realizar predicciones usando estos métodos, ilustrando con un ejemplo sobre el monto de seguros de trabajadores.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    40 vistas18 páginas

    Regresión Lineal

    Cargado por

    Tereza Matos
    La regresión lineal y la correlación son técnicas estadísticas que analizan la relación entre variables. La regresión lineal predice valores de una variable dependiendo de otra variable independiente mediante una ecuación lineal. La correlación mide el grado de relación entre variables. El documento explica cómo calcular la ecuación de regresión lineal, el coeficiente de correlación y realizar predicciones usando estos métodos, ilustrando con un ejemplo sobre el monto de seguros de trabajadores.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    Está en la página 1de 18

    UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO

    REGRESIÓN LINEAL Y
    CORRELACIÓN
    REGRESIÓN LINEAL
    La regresión lineal es una técnica que comprende una forma
    de estimación y análisis de los datos muestrales para saber sí
    y cómo se relacionan entre sí 2 o más variables en una
    población.

    Sirve para hacer posible predicciones


    aproximaciones; puede que no mediante sea exacta y
    visualizar mediante gráficas. se pueden

    Ejemplos:
    • Predecir el desempeño de un alumno en la universidad con
    base en los resultados obtenidos en la preparatoria.

    • Distancia de un automóvil precisa para detenerse a


    partir de su velocidad.
    CORRELACIÓN
    El objetivo de estudio de correlación es determinar la
    consistencia de una relación entre observaciones por pares.

    El término Correlación significa relación mutua, ya que indica


    el grado en el que los valores de una variable se relacionan
    con los valores de la otra.

    Ejemplos:
    • Relación entre la edad y la resistencia física.
    • Tienden a tener mayor escolaridad las personas con
    altos ingresos en comparación con los de bajos ingresos.
    • Puede el éxito en el trabajo predecirse a partir de calificaciones
    obtenidas en las pruebas de selección.
    CORRELACIÓN
    La correlación entre dos variables de obtiene mediante
    la siguiente fórmula:

    r nxy x
      
    2     
    n  x x n  y   y
    2
    2 
    2

    y
    Donde:
     
    x=Variable independiente
    y=Variable dependiente

    Correlación Positiva:
    Las 2 variables crecen
    Correlación negativa:
    Una variable crece y la
    otra decrece.
    TIPOS DE CORRELACIÓN
    La siguiente tabla indica el tipo de correlación entre
    dos variables de acuerdo al resultado obtenido en la
    fórmula.
    Tipo de Correlación Rango
    Perfecta Relación ±0.85 a ±1
    Fuerte Relación ±0.70 a ±0.85
    Mediana Relación ±0.40 a ±0.70
    Poca Relación ±0.20 a ±0.40
    Nula Relación ±0 a ±0.20
    TIPOS DE CORRELACIÓN
    El tipo de correlación entre dos variables también puede
    observarse al graficar el valor de cada una de las bles
    varia observadas.
    Correlación Negativa

    r=-1
    -1≤ r ≤ 0
    Imagen 1
    TIPOS DE CORRELACIÓN
    Correlación Positiva

    r=+1
    0≤ r ≤ +1

    Imagen 1
    ECUACION LINEAL
    Dos características importantes de una ecuación lineal son:
    a) La pendiente de la recta.
    b) La localización de la recta en algún punto.

    Fórmula:

    y  a  bx  Se
    Donde:
    y= Variable dependiente
    x= Variable independiente
    a y b= Mínimos
    cuadrados Se= Margen
    de error
    MÉTODO DE MÍNIMOS CUADRADOS
    Es el procedimiento que más se utiliza para adaptar
    una recta a un conjunto de puntos, mediante las
    siguientes fórmulas:

    b
    n xy  x  y  b 
    a n
    n   x   
    2

    y x
    x
    2
    MARGEN DE ERROR
    La determinante primaria de la exactitud es el grado de
    dispersión de la población; cuánto más disperso esté, menor
    será la exactitud de las estimaciones.

    El grado de dispersión en la población se puede estimar a


    partir del grado de dispersión en las observaciones de las
    muestras con respecto a la línea de regresión calculada,
    utilizando la siguiente fórmula:

    Se  y 2
     a y b
    n
    xy 2
    EJEMPLO
    Los siguientes datos indican el Monto del seguro en función del Ingreso anual
    de cada trabajador; Determine la ecuación de la recta y las predicciones.
    Trabajador Monto del seguro Ingreso Anual xy x2 y2
    (miles de (miles de pesos)
    pesos) “Y” “X”
    1 10 20 200 400 100
    2 12 25 300 625 144
    3 15 26 390 676 225
    4 10 18 180 324 100
    5 15 16 240 256 225
    6 20 17 340 289 400
    7 30 31 930 961 900
    8 5 13 65 169 25
    9 40 38 1520 1444 1600
    10 50 41 2050 1681 2500
    11 40 42 1680 1764 1600
    12 55 45 2475 2025 3025
    N=12 ∑Y =302 ∑X =332 ∑XY ∑x2 ∑ y2
    =10370 = 10614 =10844
    CORRELACIÓN

    r nxy x y
     n  x 
    2
    x 2
    n y 2
    
       y
    2

      
    12(10370) − 332
    𝑟= (302) = 0.9356
    12 10614 − 332 2 12 10844 − 302 2

    𝑎𝑣 𝑖 𝑡 𝑖 𝑠𝑜
    𝑛𝑟𝑝=
    𝑖 𝑐𝑎93.56%
    𝑙 𝑒𝑟𝑟𝑜
    𝑎𝑐ó𝑡𝑐𝑒 𝑓 𝑟𝑒𝑃
    GRÁFICA

    𝑠ó
    𝑜
    𝑛
    𝑖𝑝𝑐𝑟𝑎
    =𝑙 93.56%
    𝑒𝑟𝑟𝑜
    𝑎𝑐𝑡 𝑐𝑒 𝑓 𝑟𝑒𝑃
    MINIMOS CUADRADOS
    n xy  x
    b
    y n  x  
    2

    x  2
    12(10370) − 332 (302)
    𝑏= = 1.41
    12 10614 −
    332 2

     y  b 
    a n

    𝑎x=
    302 − 1.41(332)
    12
    = −13.84
    MARGEN DE ERROR

    Se  y 2
     a y b
    n2
    xy
    10844 − −13.84 302 −
    𝑒𝑆
    =
    (1.41)(10370)
    12 − 2

    𝑒𝑆
    =6.34
    ECUACION LINEAL

    y  a  bx  Se
    𝑦= (−13.84 + 1.41𝑥) ± 6.34

    El monto del seguro es igual a -13.84 miles de pesos más 1.41 miles
    de pesos por el ingreso anual del trabajador, con un margen de error
    de 38.15 miles de pesos
    PREDICCIONES
    Determinar el monto del seguro de un trabajador, si su ingreso anual
    es de 240 mil pesos

    𝑦= (−13.84 + 1.41𝑥) ± 6.34


    𝑦= (−13.84 + 1.41(29)) ± 6.34
    𝑦= 27.05 ± 6.34
    𝑦= 20.71 𝑠𝑎𝑜33.39
    𝑠𝑒
    𝑠𝑑
    𝑝
    𝑒 𝑙 𝑖𝑀
    BIBLIOGRAFIA

    Diaz A. (2013). Estadística aplicada a la administración y a la


    economía. México D.F.: Mcgraw-Hill.

    Lind D. (2012).Estadística Aplicada a los negocios y a


    la economía. Mcgraw-Hill.

    También podría gustarte