Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 25 vistas

    Regresiã - N Lineal

    Cargado por

    Tainá Sampaio
    Este documento presenta una introducción a la regresión lineal. Explica que la regresión lineal estudia la relación entre dos variables estadísticas bidimensionales y puede haber dependencia funcional, correlativa o independencia entre ellas. Describe cómo la nube de puntos muestra la relación entre los datos y cómo la línea de regresión aproxima esta relación. Define conceptos como la recta de regresión, los parámetros de la recta, el coeficiente de correlación y las propiedades de este coeficiente.

    Copyright:

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

    Regresiã - N Lineal

    Cargado por

    Tainá Sampaio
    25 vistas45 páginas
    Este documento presenta una introducción a la regresión lineal. Explica que la regresión lineal estudia la relación entre dos variables estadísticas bidimensionales y puede haber dependencia funcional, correlativa o independencia entre ellas. Describe cómo la nube de puntos muestra la relación entre los datos y cómo la línea de regresión aproxima esta relación. Define conceptos como la recta de regresión, los parámetros de la recta, el coeficiente de correlación y las propiedades de este coeficiente.

    Título original

    REGRESIÃ_N 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?

    Este documento presenta una introducción a la regresión lineal. Explica que la regresión lineal estudia la relación entre dos variables estadísticas bidimensionales y puede haber dependencia funcional, correlativa o independencia entre ellas. Describe cómo la nube de puntos muestra la relación entre los datos y cómo la línea de regresión aproxima esta relación. Define conceptos como la recta de regresión, los parámetros de la recta, el coeficiente de correlación y las propiedades de este coeficiente.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    25 vistas45 páginas

    Regresiã - N Lineal

    Cargado por

    Tainá Sampaio
    Este documento presenta una introducción a la regresión lineal. Explica que la regresión lineal estudia la relación entre dos variables estadísticas bidimensionales y puede haber dependencia funcional, correlativa o independencia entre ellas. Describe cómo la nube de puntos muestra la relación entre los datos y cómo la línea de regresión aproxima esta relación. Define conceptos como la recta de regresión, los parámetros de la recta, el coeficiente de correlación y las propiedades de este coeficiente.

    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 45

    REGRESIÒN

    LINEAL
    CR. JORGE DE SOUZA MARTINEZ
    CRJDESOUZAMARTINEZ@GMAIL.COM
    097351538
    AL CONSIDERAR LOS DOS CARACTERES DE
    UNA VARIABLE BIDIMENSIONAL PUEDE
    OCURRIR.

    • QUE HAYA UNA DEPENDENCIA FUNCIONAL ENTRE ELLOS, DE TAL MANERA QUE
    A CADA VALOR LE CORRESPONDA UN ÚNICO VALOR DEL OTRO. EJEMPLO: LA
    TEMPERATURA A LA QUE CALENTAMOS UNA BARRA DE HIERRO Y LA LONGITUD
    ALCANZADA.
    • -QUE HALLA UNA DEPENDENCIA ESTADÍSTICA O CORRELATIVA, DE TAL
    MANERA QUE LOS VALORES SIGAN UNAS PAUTAS SIMILARES. POR EJEMPLO EL
    NÚMERO DE HORAS DE ESTUDIO Y LAS NOTAS OBTENIDAS.
    • - QUE SE DE UNA INDEPENDENCIA ENTRE LOS CARACTERES. POR EJEMPLO LA
    ESTATURA Y LAS CALIFICACIONES EN MATEMÁTICAS.
    OBJETO DE LA REGRESIÓN LINEAL

    • EL ESTUDIO DE LA RELACIÓN ENTRE DOS


    CARACTERES DE UNA VARIABLE
    ESTADÍSTICA BIDIMENSIONAL
    NUBE DE PUNTOS DE UNA DISTRIBUCIÓN
    BIDIMENSIONAL

    • NOS DA UNA PRIMERA IDEA DE LA RELACIÓN EXISTENTE


    ENTRE LOS DATOS DE LA MISMA
    LINEA DE REGRESIÒN

    • CUANDO LA NUBE DE PUNTOS DEL DIAGRAMA DE


    DISPERSIÓN PERMITA DEDUCIR ALGÚN TIPO DE
    DEPENDENCIA ENTRE LAS DOS VARIABLES X, Y,
    CONCENTRÁNDOSE LOS PUNTOS ALREDEDOR DE UNA CIERTA
    LÍNEA
    • A) DEFINIR LA LÍNEA.
    • B) MEDIR EL NIVEL DE APROXIMACIÓN DE DICHA LÍNEA.
    SÍ LA LÍNEA ES UNA RECTA

    •EL PROBLEMA ES UN CASO TÍPICO


    DE REGRESIÓN LINEAL
    A) RECTAS DE REGRESIÓN

    • SE LLAMA RECTA DE REGRESIÓN A AQUELLA QUE MEJOR


    SE AJUSTA A LA NUBE DE PUNTOS
    EL PROCEDIMIENTO MÁS USADO, PARA
    HALLAR DICHA RECTA, ES EL LOS MÍNIMOS
    CUADRADOS

    • SE CALCULA LA RECTA :
    • Y = AX + B,

    • DE TAL MANERA QUE :

    • S= [YI - (A XI + B )2


    PARÀMETROS

    • A= SXY B= Y - SXY X
    • SX2 SX2

    • OBTENEMOS ENTONCES:
    •  RECTA DE REGRESIÓN DE Y SOBRE X
    FOR
    LA RECTA DE REGRESIÓN DE Y SOBRE X

    Y – Y = SXY (X – X )
    • S X2
    LA RECTA DE REGRESIÓN DE X SOBRE Y

    X – X = SXY (Y – Y )
    • S Y2
    FOR
    COEFICIENTES DE REGRESIÓN

    • MYX = SXY Y M XY = SXY


    SX2 SY2
    : RECTA DE REGRESIÓN DE Y SOBRE X

    • Y – 3,8 = 1,18 (X- 1,9)


    RECTA DE REGRESIÓN DE X SOBRE Y

    • X – 1,9 = 0,5 ( Y – 3,8 )


    B) CORRELACIÓN LINEAL

    • SE ENTIENDE POR CORRELACIÓN LA DEPENDENCIA QUE EXISTE ENTRE LAS VARIABLES


    DE UNA DISTRIBUCIÓN.,

    • CUANDO ÉSTA ES, EN CIERTA FORMA, LINEAL SE HABLA DE CORRELACIÓN LINEAL.

    • CUANDO NO EXISTE TAL DEPENDENCIA SE DICE QUE LAS VARIABLES ESTÁN


    INCORRELACIONADAS.
    COEFICIENTE DE CORRELACIÓN LINEAL, O
    DE PEARSON

    S xy
    R=   myx. mxy
    Sx. Sy
    DESVIACIÓN ESTANDAR

    • LA DESVIACIÓN ESTÁNDAR DE UNA VARIABLE ES IGUAL A LA RAÍZ CUADRADA


    DE LA VARIANZA DE LA VARIABLE

    • SX = RAÍZ CUADRADA DE SX2


    PROPIEDADES DE R
    A)

    • EL VALOR DE R ESTA ENTRE -1 Y +1


    B)

    • SI R ES POSITIVO LA CORRELACIÓN ES DIRECTA, ES DECIR, AL AUMENTAR UNA


    VARIABLE TAMBIÉN AUMENTA LA OTRA (COEFICIENTE DE REGRESIÓN POSITIVO).
    EN ESTE CASO LAS PENDIENTES DE LAS RECTAS DE REGRESIÓN SON POSITIVAS

    • SI R ES NEGATIVO LA CORRELACIÓN ES INVERSA, ES DECIR,AL AUMENTAR UNA


    VARIABLE DISMINUYE LA OTRA. EN ESTE CASO LAS PENDIENTES DE LA RECTAS
    DE REGRESIÓN SON NEGATIVAS
    C)

    • SI R2 = 1, ES DECIR, R IGUAL A 1 O A -1,

    • LAS DOS RECTAS DE REGRESIÓN COINCIDEN Y LA NUBE DE PUNTOS ESTÁ


    CONTENIDA EN LA RECTA(CORRELACIÓN PERFECTA).

    • HAY DEPENDENCIA FUNCIONAL ENTRE LAS VARIABLES


    D)

    • SI R = 0 LAS RECTAS DE REGRESIÓN SON PERPENDICULARES ENTRE


    SÍ Y PARALELAS A LOS EJES. LAS VARIABLES SON
    INCORRELACIONADAS
    DEMÁS VALORES DE R

    • DEPENDENCIA ES TANTO MÁS FUERTE CUANTO MÁS PRÓXIMO ESTÉ A 1 O A -1

    • DEPENDENCIA MÁS DÉBIL CUANDO SE APROXIME A 0


    PARA LA CORRELACIÓN DIRECTA

    • SI 0,75 R  1 CORRELACIÓN MUY ALTA.

    • SI 0,40  R  0,75 CORRELACIÓN BAJA


    •
    • SI R < 0,40 LA CORRELACIÓN ES CASI DESPRECIABLE .
    COEFICIENTE DE CORRELACIÓN LINEAL

    r =+ (118
    , ).(0,5) = 0,76. Se trata de una correlación directa alta.
    CASO ESPECIAL

    • PUEDE QUE LOS PARES DE VALORES SEAN ÚNICOS Y NO SE REPITAN

    • ENTONCES:

    NO NECESITAREMOS UNA TABLA DE DOBLE ENTRADA PARA VER


    FRECUENCIAS
    CUANDO NO HAY TABLA DE FRECUENCIAS Y
    SON OBSERVACIONES ÚNICAS UTILIZO LA
    SIGUIENTE TABLA

    Xi Yi Xi2 Yi2 Xi.Yi

    Sumatoria
    RECTA DE TENDENCIA
    FORMULAS
    COEFICIENTE DE CORRELACIÓN LINEAL, O
    DE PEARSON

    S xy
    R=   myx. mxy
    Sx. Sy
    COEFICIENTES DE REGRESIÓN

    • MYX = SXY Y M XY = SXY


    SX2 SY2
    EJ 1 UNA ASOCIACIÓN DEDICADA A LA PROTECCIÓN DE LA INFANCIA DECIDE ESTUDIAR LA
    RELACIÓN ENTRE LA MORTALIDAD INFANTIL EN CADA PAÍS Y EL NÚMERO DE CAMAS DE
    HOSPITALES POR CADA MIL HABITANTES.

    DONDE X ES EL Nº DE CAMAS POR MIL HABITANTES E Y EL TANTO POR CIENTO DE MORTALIDAD.

    x 50 100 70 60 120 180 200 250 30 90

    y 5 2 2,5 3,75 4 1 1,25 0,75 7 3


    FOR
    FORMULAS
    CUANDO NO HAY TABLA DE FRECUENCIAS Y
    SON OBSERVACIONES ÚNICAS UTILIZO LA
    SIGUIENTE TABLA

    Xi Yi Xi2 Yi2 Xi.Yi

    Sumatoria
    EJ 2 LAS TALLAS Y LOS PESOS DE 10 PERSONAS VIENEN RECOGIDOS EN LA SIGUIENTE
    TABLA
    ESTIME EL PESO MEDIO DE UNA PERSONA QUE MIDA 1.68 MTS

    talla (cm) 160 165 170 180 185 190 192 175 182 172

    pesos (kg) 58 61 65 73 80 85 83 68 74 67
    EJ 3 EL NÚMERO DE LICENCIAS DE CAZA, EN MILES, Y EL NÚMERO DE VOTANTES A UN
    DETERMINADO PARTIDO EN 6 COMUNIDADES AUTÓNOMAS, EN DECENAS DE MILES, ESTÁ
    EXPRESADO EN LA SIGUIENTE TABLA
    DETERMINAR:
    1) MEDIA Y VARIANZA DE LAS VARIABLES X E Y
    2) COEFICIENTE DE CORRELACIÓN INTERPRETANDO SU VALOR
    3) EN EL CASO QUE EXISTA CORRELACIÓN: SI EN UNA DETERMINADA COMUNIDAD EXISTEN 5
    DECENAS DE MILLAR DE VOTANTES, ¿CUÁNTAS LICENCIAS DE CAZA, EN MILES, SE PUEDE ESTIMAR
    QUE EXISTEN?

    Nºde licencias (X) 103 26 3 7 26 5

    Nº de votantes (Y) 206 26 27 14 24 12


    EJ 4 CON LOS SIGUIENTES DATOS ACERCA DE LAS EXPORTACIONES EN MILLONES DE DÓLARES DE
    LA EMPRESA M&M QUE FIGURAN EN LA TABLA
    1) HALLAR LA ECUACIÓN DE TENDENCIA
    2) PRONOSTICAR LA TENDENCIA DE EXPORTACIÓN PARA 2011
    3) ELABORAR LA GRÁFICA PARA LOS DATOS Y LA RECTA DE TENDENCIA

    AÑO (X) EXPORTACIONES (Y)


    1995 3.4
    1996 3.1
    1997 3.9
    1998 3.3
    1999 3.2
    2000 4.3
    2001 3.9
    2002 3.5
    2003 3.6
    2004 3.7
    2005 4
    2006 3.6
    2007 4.1
    2008 4.7
    2009 4.2
    2010 4.5
    EJ 5 LAS DISTANCIAS MEDIAS DE LOS 19 PLANETAS AL SOL SON

    1.Merc 2. Ven. 3. Tie. 4. Ma. 5. Ast. 6. Jup. 7. Sat. 8. Ur. 9. Nep. 10. Plu

    0,39 0,72 1 1,52 2,65 5,2 9,54 19,19 30,07 39,52


    5 SE PIDE

    • 1) REPRESENTA LA NUBE DE PUNTOS CORRESPONDIENTE, TRAZA LA RECTA DE REGRESIÓN Y CALCULA EL


    COEFICIENTE DE CORRELACIÓN.
    • 2) SI HUBIERA UN NUEVO PLANETA MÁS ALLÁ DE PLUTÓN, ¿A QUÉ DISTANCIA EN U.A. ESTARÍA DEL SOL?.
    ¿SERÍA “FIABLE” ESTA MEDIDA?

    • NOTA (Se ha tomado como unidad la distancia entre la Tierra y el Sol, a lo que se llama unidad astronómica (u.a.). El quinto lugar
    está ocupado por los asteroides que, para estos efectos, son considerados como un planeta más).
    EJ 6 SE HAN OBSERVADO, DURANTE UN MES DETERMINADO, EL GASTO EN TELÉFONO MÓVIL Y EL INGRESO TOTAL EN 6 FAMILIAS.
    LOS RESULTADOS OBTENIDOS, EXPRESADOS EN UNIDADES MONETARIAS CORRIENTES, HAN SIDO LOS DE LA TABLA

    SE PIDE: CALCULAR COVARIANZA ENTRE EL GASTO Y EL INGRESO


    A LA VISTA DE ESTE RESULTADO, ¿PUEDE AFIRMAR QUE LAS VARIABLES SEAN DEPENDIENTES O INDEPENDIENTES?
    SI ESTÁN CORRELACIONADAS, CONCLUIR COMO ES DE FUERTE ESA CORRELACIÓN (A PARTIR DEL CÁLCULO DEL COEF DE CORRELACIÓN R

    FAMILIAS GASTO EN TEL MÓVIL INGRESO TOTAL


    Familia 1 2 4
    Familia 2 3 6
    Familia 3 6 8
    Familia 4 9 10
    Familia 5 10 12
    Familia 6 11 20
         
    EJ 7 . OBSERVACIONES REALIZADAS CON ESTUDIANTES DE MATEMÁTICAS, SOBRE EL EFECTO DEL PASO
    DEL TIEMPO EN LOS CONOCIMIENTOS ADQUIRIDOS, ARROJAN LOS SIGUIENTES RESULTADOS:

    •1 DÍA ..................... 90 % DE PERMANENCIA DE CONOCIMIENTOS.


    •2 DÍAS .................... 75 % “ “
    •3 DÍAS .................... 42 % “ “
    •4 DÍAS .................... 30 % “ “
    •5 DÍAS .................... 21 % “ “
    TOMANDO LOS DÍAS TRANSCURRIDOS (X) Y EL TANTO POR CIENTO (Y) COMO VARIABLES DE UNA
    DISTRIBUCIÓN DIMENSIONAL,

    •HALLA LA RECTA DE REGRESIÓN DE Y SOBRE X Y ESTIMA, SI EXISTE UNA CORRELACIÓN FUERTE,

    •EL TANTO POR CIENTO DE CONOCIMIENTOS QUE PERMANECERÁN A LOS OCHO DÍAS.

    •ORGANIZA LOS CÁLCULOS Y EXPLICA EL RESULTADO.

    También podría gustarte