REGRESIÓN LINEAL SIMPLE



Documentos relacionados
Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

Métodos indirectos de estimación: razón, regresión y diferencia

La inferencia estadística es primordialmente de naturaleza

Regresión - Correlación

Análisis de Regresión

1. Introducción 1.1. Análisis de la Relación

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Regresión lineal simple

-Métodos Estadísticos en Ciencias de la Vida

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

Análisis de Regresión y Correlación Lineal

Aplicación de Boostrapping en Regresión I

Signif. codes: 0 *** ** 0.01 *

V II Muestreo por Conglomerados

ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez

Análisis de la Varianza

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados

INGENIERÍA INDUSTRIAL DISEÑO EXPERIMENTAL LEOPOLDO VIVEROS ROSAS

(Véase el Ejercicio 13 Beneficio de los bancos )

Inferencia Estadística

Aproximación a la distribución normal: el Teorema del Límite Central

ANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

CÁLCULO NUMÉRICO (0258)

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

ERRORES EN LAS MEDIDAS (Conceptos elementales)

7. Muestreo con probabilidades desiguales.

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 2: El modelo básico de regresión lineal múltiple (I)

Regresión Simple. Resumen. Ejemplo de StatFolio: simple reg.sgp

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Tema 6: Introducción al muestreo. Estimadores

MEDIDAS DE CENTRALIZACIÓN

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada:

Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV

Los Histogramas. Histograma simple

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

2.4 Pruebas estadísticas para los números pseudoaleatorios

PARÁMETROS ESTADÍSTICOS ... N

1 Estadística. Profesora María Durbán

Modelo Lineal Simple. Clase 02. Profesor: Carlos R. Pitta. ICPM050, Econometría. Universidad Austral de Chile Escuela de Ingeniería Comercial

ESTADÍSTICA poblaciones

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE

MEDIDAS DE TENDENCIA CENTRAL

Consideraciones Previas

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa

SERIE TEMA 7 ANÁLISIS DE DATOS BIVARIADOS PROBLEMAS CON RESOLUCIÓN

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

V Muestreo Estratificado

Tema 2: Distribuciones bidimensionales

PARTE SEGUNDA: INFERENCIA ESTADÍSTICA

Tema 1: Introducción: Generalización y Extensión del Modelo de Regresión

FEM-OF: EDP Elíptica de 2 Orden

Del correcto uso de las fracciones parciales.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

Transcripción:

RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó el caso más secllo es el modelo de líea recta. upógase que se tee u cojuto de pares de observacoes (, ), se busca ecotrar ua recta que descrba de la mejor maera cada uo de esos pares observados. CP I.95 8.5 3. 3.4. 3.6.4 3...85 5 3. 8.85 8.8 3.5 5.7.7 4.4.75 5.5 3. 7. 3.5 9.95 7..75 6.8 45.6 7.8 Varable respuest 4 8.85-6.669 R.785 8 6 4.6.7.8.9 3 3. 3. 3.3 3.4 3.5 3.6 X (varable depedete o regresva) Preparado por: Iree P. Valdez Alfaro

e cosdera que la varable X es la varable depedete o regresva se mde s error, metras que Y es la varable respuesta para cada valor específco de X; además Y es ua varable aleatora co algua fucó de desdad para cada vel de X. f ( Y ) ( Y ) Y Preparado por: Iree P. Valdez Alfaro

Regresó Leal mple f ( Y ) + + ε ( Y ) + Preparado por: Iree P. Valdez Alfaro Y + la recta de regresó es: Cada valor observado para u puede cosderarse como el valor esperado de Y dado más u error: Modelo leal smple : + + ε Los ε se supoe errores aleatoros co dstrbucó ormal, meda cero varaza σ ; so costates descoocdas (parámetros del modelo de regresó) X

Método de Mímos Cuadrados para obteer estmadores de Cosste e determar aquellos estmadores de que mmza la suma de cuadrados de los errores ε ; es decr, los estmadores de respectvamete debe ser tales que: ε Del modelo leal smple: de dode: elevado al cuadrado: sea míma. ε ε + + ε ( ) Preparado por: Iree P. Valdez Alfaro

Preparado por: Iree P. Valdez Alfaro Al dervar se obtee u sstema de dos ecuacoes deomadas ecuacoes ormales : ) ( ) ( egú el método de mímos cuadrados, los estmadores de debe satsfacer las ecuacoes: + + Cua solucó es: Ahora, el modelo de regresó leal smple ajustado (o recta estmada) es: +

Preparado por: Iree P. Valdez Alfaro Co respecto al umerador deomador de B suele epresarse como respectvamete: Puede demostrarse que: ( ) ) (

Por otro lado puede demostrarse que los estmadores de so sesgados co varazas: V ( ) σ + Preparado por: Iree P. Valdez Alfaro V ( ) respectvamete. Como σ (la varaza de los errores ε ) es e geeral descoocda, para estmarla defmos el resduo como: e la suma de cuadrados del error como: e ŷ σ ( ) que al susttur també puede epresarse como: ea M ( ) dode: M toces: ( ) ( ) σ σ M

Co lo ateror, las varazas estmadas de so respectvamete: ( ) M + V ( ) V M Además, s se cumple los supuestos de que los ε se dstrbue ormalemte co meda cero varaza σ, etoces, los estadístcos T M + M T tee cada uo dstrbucó t de tudet co - grados de lbertad. Lo que permte efectuar pruebas de hpótes calcular tervalos de cofaza sobre los parámetros de regresó. Preparado por: Iree P. Valdez Alfaro

U caso de partcular terés es probar la hpótess: H H : : Ya que s la pedete es gual cero, etoces puede sgfcar o que la varacó de X o flue e la varacó de Y, o que o ha regresó leal etre X Y. Por otro lado, s la pedete es dferete de cero, etoces estrá algú grado de asocacó leal etre las dos varables, es decr, la varabldad de X eplca e certa forma la varablad de Y (auque o mplca que o pueda obteerse u mejor ajuste co algú polomo de maor grado e X). Nota: s se utlzara e lugar de ua recta, ua curva co grado maor a e X pero grado e los coefcetes de X, la regresó sgue sedo leal, a que es leal e los parámetros de regresó p.ej. Y o + + Preparado por: Iree P. Valdez Alfaro

stmacó de tervalos de cofaza e toro a la líea de regresó: BANDA D CONFIANZA Recta estmada de regresó Para u puto específco Y ( ) + Preparado por: Iree P. Valdez Alfaro

stmacó de la respuesta meda para u ( ) µ Y + V ( ) ŷ ( ) o σ + V ( ) tee dstrbucó ormal, por lo que: específco: µ V( o M ) + tee dstrbucó T de tudet co - grados de lbertad, por lo que los límtes de cofaza superor e feror para la respuesta meda dado está dados por: t V( ) ± α /, o ( ) o Grafcado los lmtes de cofaza superor e feror de para cada puto de X puede dbujarse las badas de cofaza para la recta de regresó. µ ŷ Puede observarse que la ampltud del tervalo de cofaza es míma cuado metras que es maor e los etremos de los valores observados de X. Preparado por: Iree P. Valdez Alfaro

Predccó de uevas observacoes Nótese que ŷ es la respuesta meda para los valores de seleccoados para ecotrar la recta de regresó; s embargo, frecuetemete es de terés predecr la respuesta futura para u a dado seleccoado posterormete. ea Y a la observacó futura e a., ; Y a es ua varable aleatora co varaza σ por otro lado, la varaza de + es ( ) ( ) a V M + + a a a Preparado por: Iree P. Valdez Alfaro