Bocos U5 Conceptos

INSTITUTO TECNOLGICO DE CAMPECHE
La regresin lineal simple

Antecedentes
El primero en desarrollar el anlisis de regresin fue el cientfico ingls Sir. Francis
Galton (1822-1911). Sus primeros experimentos con regresin comenzaron con un
intento de analizar los patrones de crecimientos hereditarios de los guisantes.
Animado por los resultados. Sir Francis extendi su estudio para incluir los
patrones hereditarios en la estatura de las personas adultas. Descubrio que os
nios que tienen padres padres altos o bajos tendian a regresar a la estatura
promedio de la poblacin adulta. Con ese modesto inicio el uso del anlisis de
regresin se dio a conocer convirtindose en una de las herramientas estadsticas
ms poderosas que se encuentran disponibles actualmente.
Mediciones univaribles, bivariables y multivariables en

estadstica
Se debe diferenciar entre la regresin simple y la regresin mltiple. En la
regresin simple, se establece que Y es una funcin de solo una variable
independiente. Con frecuencia se le denomina regresin bivariada porque solo
hay dos variables, una dependiente y una independiente, y la regresin simple se
representa con la formula. En un modelo de regresin mltiple. Y es una funcin
de dos o ms variables independientes. Un modelo de regresin con k variables
independientes se puede expresar as:
Tambin es necesario hacer una distincin entre la regresin lineal y la regresin

curvilineal (no lineal). En modelo de regresin lineal, la relacin entre X y Y
puede representarse por medio de una lnea recta. Sostiene que a medida que X
cambia. Y cambia en cantidad constante. La regresin curvilineal utiliza una curva
para expresar la relacin entre X y Y. Es habitual colocar la variable independiente
en el eje horizontal. La siguiente figura11.1 (a) sugiere una relacin positiva y
SILVIA VICTORIA SALES DOMNGUEZPgina 1

lineal entre X y Y. Es positiva porque X y Y parecen moverse en la misma
direccin. A medida que X aumenta (disminuye).Y aumenta (disminuye).
Es lineal por que la relacin puede identificarse mediante una lnea recta que se
dibuje entre los puntos. La
figura 11.1 (b) muestra una
relacin lineal y negativa
entre X y Y porque las dos
variables
moverse
parecen
en
direcciones
opuestas. Las figuras 11.1

(c)
11.1
(d)
indican
relaciones curvilineales. El
patrn de los puntos de
dispersin no se describe
bien con la lnea recta,
pero se define de manera ms exacta con la curva que proporciona un mejor
ajuste. Finalmente, es difcil observar toda relacin entre X y Y en la figura 11.1 (c).
La ausencia de todo patrn detectable sugiere que no existe ninguna relacin
entre X y Y.
Relaciones lineales y curvilneas. Si X y Y se relacionan en forma lineal, entonces
a medida que X cambia, Y cambia en una cantidad constante. Si existe una
relacin curvilnea, Y cambiar en una cantidad diferente a medida que X cambia.
Mediciones univariables
Como se ha visto, los mtodos de anlisis univariable se utilizan para estudiar el
comportamiento de las variables de forma individual.
Mediciones bivariables
Los mtodos de anlisis bivariable se utilizan para estudiar las relaciones que hay
entre variables tomadas de dos en dos.

Mediciones multivariables
El anlisis multivariante no es fcil de definir. En un sentido amplio, se refiere a
todos los mtodos estadsticos que analizan simultneamente medidas mltiples
de cada individuo u objeto sometido a investigacin. Cualquier anlisis simultneo
de ms de dos variables puede ser considerado aproximadamente como un
anlisis multivariante.
Una definicin formal de la Regresin Lineal Simple

La regresin lineal tcnica que usa variables aleatorias, continuas se diferencia del
otro mtodo analtica que es la correlacin, porque esta ltima no distingue entre
las variables respuesta y la variable explicativa por que las trata en forma
simtrica.
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. La regresin lineal, que usa
una variable nmerica independiente X para predecir la variable numrica
dependiente Y.
Se dice que es regresin lineal: Cuando la funcin f (x) es lineal,
f(x) = 0 + 1x
Si 1 > 0 hay relacin lineal positiva.

Si 1 < 0 hay relacin lineal negativa.
Los datos tienen un aspecto recto.
El diagrama de dispersin
La forma simple de un diagrama de dispersin consiste de un grfico en el plano
cartesiano para mostrar la relacin entre
dos
variables.
Cuando
se
analizan
procesos, la relacin entre una variable

controlable y una caracterstica de calidad
es de frecuente importancia. Conociendo
esta relacin se puede llegar a decidir
cmo controlar un conjunto de variables
para llegar a obtener una caracterstica de
calidad deseada.
Tipos de modelos de Regresin

Solo son necesarios dos puntos para dibujar la linea recta que representa esta
relacion lineal. La ecuacion de la recta puede expresarse como:

En donde b0 es el intercepto y b1 es la pendiente de la recta. Por ejemplo se tiene
que:
Y=2+5x
Entonces, como se observa en la figura 11.2, la recta intersecta el eje vertical en 5.
Adems, la pendiente de la recta se halla
variacin vertica
2
= =2
B1= variacin horizontal 1
Por cada cambio de una unidad en X, Y cambia en dos unidades.
Vale la pena destacar que a medida que X incrementa de 2 a 3 (un incremento de

una unidad), Y incrementa de 9 a 11 (un incremento de dos unidades). La figura
11.3 a) muestra una grfica en la cual b1 0 , por ejemplo,
Y=10-3X
Revela que existe ua relacin negativa tal que entre Xy Y que por cada incremento
(reduccin) de una unidad en X, Y reducir (aumentar) en tres unidades. Si la
pendiente de la recta es b1=0 como en la figura 11.3 b), entonces un cambio en X

no tiene relacin con un cambio en Y. Por tanto, X no puede utilizarse como
variable explicativa de Y.
Las relaciones entre las variables son o deterministicas o estocasticas

(aleatorias). Una relacion deterministica puede expresarse mediante la formula
que convierte la velocidad expresada en millas por hora ( mph) a kilometros por
hora (kph). Ya que 1 milla es aproximadamente igual a 1.6 kilometros, este modelo
es 1 mph=1.6 kph. Por tanto, una velocidad de 5 mph=5 (1.6)kph=8.0 kph. Este es
un modelo deterministico porque la relacion es exacta y no hay error ( salvo la
aproximacion).
Infortunamente, muy pocas relaciones en el mundo de los negocios son asi de
exactas. Con frecuencia se encuentra que al utilizar una variable para explicar
otra, existe algluna variacion en la relacion. Por ejemplo, se supone que la
vigencia de Vita+Plus,inc., distribuidores de productos para la salud, desea
desarrollar un modelo de regresion en el cual se utiliza la publicidad para explicar
los ingresos por concepto de venta. Probablemente encontraran que cuando
hacen publicidad y esta se fija en cierta cantidad de X , las ventas tendran algun
valor Y. Sin embargo , la proxima vez que se fije la publicidad en la misma
cantidad, las ventas pueden producir otro valor. La variable dependiente(ventes,
en este caso) presenta algun grado de aleatoriedad. Por tanto, habra algun error
en el intento por explicar o predecir las ventas. Se dice que un modelo de esta

naturaleza es estocastico, por la presencia de la variacion aleatoria y puede
expresarse como:
La frmula (11.4) es la relacin poblacional (o verdadera) segn la cual se hace

0 + 1
regresin de Y sobre X. Adems,
, lo mismo que la mayora de los
parmetros, permanecern desconocidos y se pueden estimar slo con los datos
mustrales. Eso se expresa as:

En donde los valores b0 y b1 son estimadores de
0 y 1
, respectivamente, y e
es el termino aleatorio. Habitualmente se denomina residual cuando se utilizan

datos muestrales, e se reconoce que no todas las observaciones caen
exactamente en una lnea recta. Si se supiera el valor exacto de e, se podra
calcular de manera precisa Y. Sin embargo, debido a que e es aleatoria, y solo
puede estimarse. El modelo de regresin por ende toma la forma de:
en donde
Y^ (que se lee como Y sombrero) es el valor estimado de Y y b 0 y b1
son el intercepto y la pendiente de la recta de regresin estimada. Es decir,
Y^
simplemente es el valor estimado para las ventas con base en el modelo de

regresin.
Determinacin de la ecuacin de Regresin Lineal Simple

A la ecuacin que describe la relacin entre el valor esperado de y, que se denota
E(x), y x se le llama ecuacin de regresin. La siguiente es la ecuacin de regresin para la regresin lineal simple.
La grfica de la ecuacin de regresin lineal simple es una lnea recta:

interseccin de la recta de regresin con el eje y,
es la
es la pendiente E(y) es la
media o valor esperado de y para un valor dado de x.

En l figura 14.1 se presentan ejemplos de posibles rectas de regresin. La recta de
regresin de la grfica A indica que el valor medio de y est relacionado
positivamente con x. La recta de regresin de la grfica B indica que el valor
medio de y est relacionado negativamente con x, valores menores de E(y)
corresponden a valores mayores de x. la recta de regresin de la grfica C
muestra el caso que el valor medio de y no est relacionado con ; es decir, el valor
medio de y es el mismo para todos los valores de x.
El mtodo de mnimos cuadrados

Se deben encontrar los valores de a y b, estimadores de y , de manera que la
suma de los cuadrados de los residuos sea mnima. La suma residual de los
cuadrados con frecuencia se denomina suma de cuadrados de los errores

respecto de la recta de regresin, y se denota como SSE. Este procedimiento de
minimizacin para estimar los parmetros se llama mtodo de los mnimos
cuadrados. As, deben encontrarse a y b de modo que se minimice
Al diferenciar sse con respecto a a y b, se obtiene
Al igualar a cero las derivadas parciales y reacomodar los trminos, obtenemos las
ecuaciones siguientes (llamadas ecuaciones normales).
que se resuelven simultneamente para obtener frmulas de clculo para a y b.
Determinacin de los coeficientes b0 y b1.
Se puede usar clculos diferenciales para demostrar (vase apndice 14.1) que
los valores de b0 y b1 que minimiza la expresin (14.5) se pueden encontrar
usando las ecuaciones (14.6) y (14.7).
Donde

X=valor de la variable independiente en la observacin
Y= valor de la variable dependiente en la observacin
x = media de la variable independiente
y = media de la variable dependiente

n=nmero total de observaciones
Ajuste e interpretacin de la recta
La recta de regresin, tiene carcter de lnea media, como ya se ha sealado con

anterioridad, tratando por lo tanto de resumir o sintetizar la informacin
suministrada por los datos.
Si tiene carcter de lnea media (de promedio, en definitiva), deber ir
acompaada siempre de una medida que nos hable de su representatividad, es
decir, de lo buena que es la recta, ya que el haber obtenido la mejor de todas no
da garantas de que sea buena.
Necesitamos, por tanto, una medida de dispersin, que tenga en cuenta la
dispersin de cada observacin con respecto a la recta, es decir, lo alejado que se
encuentra cada punto de la recta.
Es decir, deberemos evaluar esas distancias verticales a la recta, es decir, los
errores o residuales.
Si las dispersiones son pequeas, la recta ser un buen representante de la nube
de puntos, o lo que es lo mismo, la bondad de ajuste del modelo ser alta. Si la
dispersin es grande, la bondad de ajuste ser baja.
Una forma de medir dicha bondad de ajuste es precisamente evaluando la suma
de los cuadrados de los errores. Por tanto, llamaremos Varianza residual a la
expresin:
Si la varianza residual es grande, el modelo ser malo, es decir, la recta no

explicar el comportamiento general de la nube.
La frmula prctica para el clculo de la varianza residual, si el procedimiento de

ajuste es el de los mnimos cuadrados es la siguiente:
La cota mxima de la varianza residual es la varianza que tratamos de explicar

mediante el modelo de regresin, es decir, la varianza de la variable dependiente.
Por tanto, sin ms que hacer relativa la varianza residual respecto de su mximo
valor, y multiplicando por 100, obtendremos el porcentaje de variaciones no
explicado por el modelo:
Ahora, ya es fcil obtener una media que nos indique el porcentaje de variaciones
controladas o explicadas mediante el modelo, que se conoce como Coeficiente de
Determinacin, que denotaremos con R2. Su expresin en tantos por 1, ser:
Como puede observarse, a partir de la expresin anterior: 0< R <1. Por tanto:
Si R=1, entonces no hay residuos, habr una dependencia funcional. Cuanto ms
se acerque dicho valor a la unidad, mayor poder explicativo tendr el modelo de
regresin.

Si R=0, X no explica en absoluto ninguna de las variaciones de la variable Y, de
modo que o bien el modelo es inadecuado, o bien las variables son
independientes. Cuanto ms cercano a 0 est dicho valor, menor poder
explicativo.
Interpretacin de la pendiente del modelo.
Suposiciones en la R. L. S.
1. Los valores de la variable independiente X son fijos, medidos sin error.
2. La variable Y es aleatoria
3. Para cada valor de X, existe una distribucin normal de valores de Y
(subpoblaciones Y)
4. Las variancias de las subpoblaciones Y son todas iguales.
5. Todas las medias de las subpoblaciones de Y estn sobre la recta.
6. Los valores de Y estn normalmente distribuidos y son estadsticamente
independientes.
Inferencias en la R. L. S.
Adems de tan solo estimar la relacin lineal entre x y Y para fines de prediccin,
el experimentador podra estar interesado en hacer ciertas inferencias acerca de la
pendiente y la interseccin. Debe estarse dispuesto a hacer la suposicin adicional
de que cada i, i = 1, 2, . . . , n, tiene distribucin normal, con la finalidad de
permitir la prueba de hiptesis y la construccin de intervalos de confianza sobre
y . Esta suposicin implica que Y1, Y2, . . . , Yn tambin estn distribuidas en
forma normal, cada una con una distribucin de probabilidad n(yi; + xi, ).
Como A y B son funciones lineales de variables normales independientes, del

teorema 7.11 se deduce que A y B tienen distribucin normal con distribuciones de
probabilidad n(a; , A) y n(b; , A), respectivamente.
Se ve que la suposicin de normalidad, un resultado mucho ms anlogo al dado
en el teorema 8.4, permite concluir que (n 2) S2/2 es una variable chi-cuadrada
con n 2 grados de libertad, independiente de la variable aleatoria B.
Entonces, el teorema 8.5 garantiza que el estadstico
tenga una distribucin t con n 2 grados de libertad . El estadstico T se usa para

construir un intervalo de confianza de (1 ) 100% para el coeficiente .
Error estndar de la Estimacin

El error estndar se calcula de la misma forma que la regresin simple.
En donde n-k-1 es el nmero de grados de libertad y k es el nmero de variables a

la derecha. El numerador bajo el radical de la formula (12.4) es la suma de los
errores elevada al cuadrado y se minimizar de acuerdo con el concepto de
mnimo cuadrados ordinarios. La pantalla 12.2 muestra una impresin en Minitab
de los valores reales para los pasajeros (Y 1), el valor proyectado para los
^
^
^
pasajeros ( Y ), y el error (Y- Y ), y el error al cuadrado (Y- Y )2. La suma
de esta ltima columna es la suma de los errores al cuadrado y se tiene que es
8.1016. El error estndar entonces ser:
Prueba t de independencia entre las variables (significacin de

la regresin).
El modelo de regresin lineal simple es y =

relacionadas linealmente, Entonces
determinar si se puede concluir que

acerca del parmetro
H0:
Ha
x + . Si x y y estn
0. El objetivo de la prueba t es
0. Para probar la hiptesis siguiente
se emplearn los datos muestrales.
1 =0
Si se rechaza H0, se concluir que b1 0 y que entre las dos variables existe una
relacin estadsticamente significante. La base para esta prueba de hiptesis la
proporcionan las propiedades de la distribucin muestral de b1, el estimador de
1, obtenido mediante el mtodo de mnimos cuadrados.
Primero, considrese que es lo que ocurrira si para el mismo estudio de regresin
se usara otra muestra aleatoria simple. Supngase, por ejemplo, que Armands
Pizza Parlors usa una muestra de las ventas de otros 10 restaurantes. El anlisis
de regresin de esta otra muestra dar como resultado una ecuacin de regresin
parecida a la ecuacin de regresin anterior
Y^ =
60 + 5x. Sin embargo, no
puede esperarse que se obtenga exactamente la misma ecuacin (una ecuacin

en la que la interseccin con el eje y sea exactamente 60 y la pendiente sea
exactamente 5). Los estimadores b0 y b1, obtenidos por el mtodo de mnimos
cuadrados, son estadsticos muestrales que tienen su propia distribucin muestral.
A continuacin se presentan las propiedades de la distribucin muestral de b1.
Obsrvese que el valor esperado de b1 es 1, por lo que b1 es un estimador

insesgado de
1.
Como no se conoce el valor de , se obtiene una estimacin de

denota S
b1
b1
, que se
, estimando mediante s en la ecuacin (14.17). De esta manera se
obtiene el estimador siguiente de
b1
Enfoque del ANDEVA p/la prueba de significacin de la regresin

Intervalo de Confianza para 1 y 0 (pendiente y ordenada del
modelo).
Para el intervalo de confianza de la pendiente 1 se utiliza la distribucin t de
student con n-2 grados de libertad ya que se desconoce la varianza de la
poblacin
; el estimador de esta varianza se define por:
Por lo tanto el estadstico de prueba se define como:
En el intervalo de confianza de nivel 1- estab dado por :
Una prueba muy sensilla y util es la prueba de independencia entre variables. Si la

hipotesis nula H0: B1=0 es aceptada, Y no depende linealmente de X, en caso
contrario, se dice que Y depende de X.
Intervalo de confianza para la ordenada al origen 1.
Para probar H0, se utiliza la distribucion t de student con n-2 grados de libertad y
ccuya expresion esta dada por :
El intervalo de confianza del 95% est definido por

Intervalo de Confianza para la media y,x .

A veces es conveniente estimar el valor medio o separado de Y para el un valor
dado de X, tal estimacin se hace con el intervalo de confianza:
Al calcular los lmites de confianza para los valores de medios, estos se obtiene
para cada valor de Xo; tales limites sern ms estrechos a medida que se
aproximan a la medida de la variable independiente y ms amplios a medida que
se alejan de ella, por esta razn se obtienen limites llamados bandas de confianza
dentro de las cuales queda comprendida la recta verdadera para un nivel de
significacin a.
Para trazar las bandas de confianza se elegirn cuando menos 3 valores de X0
dos valores extremos y uno intermedio, y se harn las estimaciones por intervalo.
Estos intervalos se dibujan sobre los diagramas de dispersin uniendo todos los
puntos generados por los lmites inferiores y por otro lado, todos los
correspondientes a los lmites superiores.
Intervalo de Confianza de prediccin para una observacin futura

Yi
Como las bandas de confianza se abren a medida que Xo se aleja de la media X,
resulta aventurado hacer predicciones sobre Y para valores fuera de la escala de

valores de X empleada para establecer la ecuacin de regresin de la muestra. A
menos de que este razonablemente seguro que existe la misma funcin de
regresin sobre un amplio rango de valores de X, por haberse experimentado en
una muestra, se podr usar valores de Xo alejados de la media X para predecir
valores de Y.
Cuando se hacen predicciones, estas, ms que ser sobre valores medios de Y,
son para valores individuales, por lo tanto el error debido al azar (error
de estimacin
) es una fuente adicional de variacin, por ello la varianza se
ve aumentada y el intervalo de confianza para un valor de prediccin
es ms
amplio que el de
Evaluacin de la adecuacin del modelo de regresin

Los valores del error residual o estimado (ei) se definen como la diferencia entre
^
los valores observados (Yi) y los predichos ( Y 1 ) de la variable dependiente para
valores dados que Xi. por tanto
e i=Y iY^ i
Podemos evaluar lo adecuado del modelo de regresin ajustado mediante la
graficacion de los residuos del eje vertical con respecto a los correspondientes

valores de Xi de la variable independiente del eje horizontal. Si el modelo ajustado
es adecuado para los datos, no deber aparecer ingun patrn evidente en esta
grafica de los residuos contra X i. sin embargo, si el modelo ajustado no es
adecuado, habr una relacin entre los valores de X i y los residuos ei.
tal patrn puede observarse en la figura 17.8.
en la figura 17.8(a) se presenta una situacin en la que existe una significativa

relacin lineal simple entre X y Y. sin embargo, parece mas apropiado tener un
modelo curvilneo entre las dos variables. Este efecto se resalta en la figura 17.8
(b), que es la grafica residual de ei contra Xi. aqu se tiene un efecto curvilneo
obvio entre Xi y ei. al graficar los residuos hemos dejado fuera o eliminado la
tendencia lineal de X con Y, exponiendo, en consecuencia, la falta de ajuste en el
modelo lineal simple. As pues, de (a) y (b) podemos llegar a concluir que el
modelo curvilneo puede ser un mejor ajuste y deberia evaluarse en lugar del
modelo lineal simple.
los residuos estandarizados representan a cada residuo dividido entre su error
estndar. El residuo estandarizado se expresa de la siguiente manera:
SR i=
ei
S YX 1hi
En la que
1
hi = +
n
( X i X )
X 21n X 2
i=1

Los valores estandarizados nos permiten tomar en cuenta la magnitud de los
residuos en unidades que reflejen la variacin estandarizada alreedor de la lnea
de regresin. En la figura 17.9, los residuos estandarizados fueron graficados en
funcin de la variable independiente (nmero de clientes). De esta podemos
observar que, a pesar de que existe una dispersin amplia en la grafica de
residuos, no existe un patrn evidente o a una relacin entre los residuos
estandarizados y Xi. los residuos parecen estar equitativamente distribuidos por
arriba y por debajo de 0, para diferenciar valores de X . as pues, podemos llegar a
la conclusin, con respecto a los datos de la tienda departamental, que el modelo
ajustado parece ser adecuado.
Anlisis residual (grfico y numrico).

El anlisis residual es la herramienta principal para determinar si el modelo de
regresin empleado es apropiado.
Como ya se indic, el residual de la observacin i es la diferencia entre el valor
observado de la variable dependiente (yi) y el valor estimado de la variable
dependiente (y )
donde
y es el valor observado de la variable dependiente
^y
es el valor estimado de la variable dependiente
En otras palabras, el residual i es el error que resulta de usar la ecuacin de regresin

estimada
para predecir el valor de la variable dependiente. En la tabla 14.7 se calculan estos
residuales correspondientes a los datos del ejemplo de Armands Pizza Parlors. En la
segunda columna de la
tabla se presentan los valores observados de la variable dependiente y en la tercera
columna, los
valores estimados de la variable dependiente obtenidos usando la ecuacin de
regresin estimada
^y
= 60 + 5x. Un anlisis de los residuales correspondientes, que se encuentran en
la cuarta columna de la tabla, ayuda a determinar si las suposiciones hechas acerca del
modelo de regresin son adecuadas.
A continuacin se revisan las suposiciones de regresin en el ejemplo de Armands
Pizza Parlors. Se supuso un modelo de regresin lineal simple
y=
x+
(14.29)
Este modelo indica que se supone que las ventas trimestrales (y) son funcin lineal del
tamao
de la poblacin de estudiantes (x), ms un trmino del error . En la seccin 14.4, para
el trmino
del error se hicieron las siguientes suposiciones
1. E() = 0.
2. La varianza de , que se denota 2, es la misma para todos los valores de x.
3. Los valores de son independientes.
4. El trmino del error tiene distribucin normal.
Estas suposiciones son la base terica para las pruebas t y F que se usan para
determinar si la relacin
entre x y y es significativa y para las estimaciones, mediante intervalos de confianza y
de
prediccin, presentadas en la seccin 14.6. Si las suposiciones acerca del trmino del
error son
dudosas, puede ser que las pruebas de hiptesis acerca de la significancia de la
relacin de regresin y los resultados de la estimacin por intervalo no sean correctos.
Los residuales proporcionan la mejor informacin acerca de ; por lo tanto, el anlisis
de los
residuales es muy importante para determinar si las suposiciones hechas acerca de
son apropiadas.
Gran parte del anlisis residual se basa en examinar grficas. En esta seccin se
estudiarn
las siguientes grficas de residuales.

1. La grfica de residuales contra los valores de la variable independiente x
2. La grfica de residuales contra los valores pronosticados para la variable
dependiente
^y
3. La grfica de residuales estandarizados

4. La grfica de probabilidad normal.
Grfica de residuales contra x

La grfica de residuales contra la variable independiente x es una grfica en la que
los valores
de la variable independiente se representan en el eje horizontal y los valores de los
residuales correspondientes
se representan en el eje vertical. Para cada residual se grafica un punto. La primera
coordenada de cada punto est dada por el valor xi y la segunda coordenada est dada
por el
correspondiente valor del residual yi _ i. En la grfica de residuales contra x obtenida
con los
datos de Armands Pizza Parlors de la tabla 14.7, las coordenadas del primer punto son
(2, _12),
que corresponden a x1 = 2 y y1 _ 1__12; las coordenadas del segundo punto son (6, 15),
que
corresponden a x2 = 6 y y2 _ 2 _15; etc. En la figura 14.11 se muestra la grfica de
residuales
obtenida.
Antes de interpretar los resultados de esta grfica de residuales, se considerarn
algunas de
las formas generales que pueden tener las grficas de residuales. En la figura 14.12 se
muestran
tres ejemplos. Si la suposicin de que la varianza de _ es la misma para todos los
valores de x y
si el modelo de regresin empleado representa adecuadamente la relacin entre las
variables, el
aspecto general de la grfica de residuales ser el de una banda horizontal de puntos
como en
la grfica A de la figura 14.12. Pero si la varianza de _ no es la misma para todos los
valores x
por ejemplo, si la variabilidad respecto a la lnea de regresin es mayor para valores
de x mayores
el aspecto de la grfica puede ser como el de la grfica B de la figura 14.12. En este
caso,
se viola la suposicin de que _ tiene una varianza constante. En la grfica C se muestra
otra
forma que puede tomar la grfica de residuales. En este caso, se puede concluir que el
modelo
de regresin empleado no representa adecuadamente la relacin entre las variables, y
deber considerarse
un modelo de regresin curvilneo o mltiple.
Volviendo, ahora, a la grfica de los residuales del ejemplo de Armands Pizza Parlors,
figura
14.11. Estos residuales parecen tener una forma que se aproxima a la forma de banda
horizontal
de la grfica A de la figura 14.12. Por lo tanto, se concluye que esta grfica de
residuales no
muestra evidencias de que las suposiciones hechas para el modelo de regresin de
Armands puedan

ser dudosas. Se concluye que el modelo de regresin lineal simple empleado para el
ejemplo
de Armands, es vlido.
Para la adecuada interpretacin de las grficas de residuales experiencia y criterio son

muy
importantes. Es raro que una grfica de residuales tenga exactamente la forma de una
de las grficas
presentadas en la figura 14.12. Sin embargo, los analistas que realizan frecuentemente
estudios
de regresin y grficas de residuales se vuelven expertos en reconocer las diferencias
entre
las formas razonables y las que indican que se pude dudar de las suposiciones del
modelo. Una
grfica de residuales proporciona una tcnica para evaluar la validez de las
suposiciones en un
modelo de regresin.
Grfica de residuales contra y^

En otra grfica de residuales los valores pronosticados para la variable dependiente se
representan
en el eje horizontal y los valores de los residuales en el eje vertical. A cada residual
corresponde
un punto en la grfica. La primera coordenada de cada uno de los puntos es i y la
segunda coordenada es el valor correspondiente del residual i,yi _ i. Empleando los
datos de Armands,
tabla 14.7, las coordenadas del primer punto son (70, _12), que corresponden a 1 _ 70
y y1 _ 1__12; las coordenadas del segundo punto son (90, 15), etc. En la figura 14.13 se
presenta
esta grfica de residuales. Obsrvese que la forma de esta grfica de residuales es
igual a
la forma de la grfica de residuales contra la variable independiente x. Esta no es una
forma que
pudiera llevar a dudar de las suposiciones del modelo. En la regresin lineal simple,
tanto la grfica
de residuales contra x como la grfica de residuales contra tienen la misma forma. En
el
anlisis de regresin mltiple, la grfica de residuales contra se usa ms debido a que
se tiene

ms de una variable independiente.
El coeficiente de Determinacin
La intensidad de una relacin entre dos variables de una poblacin por lo general
se mide mediante el coeficiente de correlacin p, cuyos valores van desde -1,
correspondiente
una
correlacin
perfectamente
negativa,
hasta
+1,
correspondiente a una correlacin perfectamente positiva. En la figura 17.6 se

ilustran estas tres diferentes clases de asociacin entre variables. En el panel A de
esta figura presentamos una relacin lineal negativa prefecta entre X y Y, de modo
que Y disminuir de una manera perfectamente predecible en la medida que X
aumenta. En el panel B se tiene un ejemplo en el que no hay relacin entre X y Y.
a medida que X no se da ningn cambio en Y, de modo que no hay ninguna
asociacin entre los valores de X y los de Y. por el contrario, en el panel C se
presenta una correlacin perfectamente positiva entre las dos variables. En este
caso, Y aumenta de una manera perfectamente predecible conforme se
incrementa X.
Para problemas orientados a la regresin, el coeficiente de correlacin de muestra
(r) puede obtenerse de la siguiente manera:
r 2=
suma de cuadrados debido a la regresin SSR

=
sumatotal de cuadrados
SST
De modo que
r= r 2
En casos de regresin lineal simple, r toma el signo de b 1; si este es positivo, r es

positivo; si b1 es negativo, r es negativo; y si b1 es cero, r es cero.
La regresin y la correlacin son dos tcnicas separadas: la regresin tiene que
ver con la prediccin y la correlacin con la asociacin. En muchas aplicaciones
solamente nos interesa la medicin de la asociacin entre variables, y no con el
uso de una variable para predecir otra.

Si nicamente se lleva a cabo un anlisis de correlacin de un conjunto de datos,
el coeficiente de correlacin de muestra r, puede calcularse directamente
utilizando la siguiente frmula:
n
(X 1 X )(Y 1Y )
r=
i=1
2
( X 1 X )
i=1
(Y 1Y )
i=1
Alternativamente, con la frmula del calculador:

n
X 1 Y 1n X Y
r=
i=1
n
i=1
X n X 2
2
1
i=1
Y 21 n Y 2
+ Introduccin
+ Medidas de variacin en la Regresin y Correlacin
* SCT (SST), SCR (SSR), SCE (SSE)

Existen tres Fuentes de variacin en un modelo de regresin.
SCT (SST): variacin total, la cual es la suma de las dos primeras.
SCR (SSR):la variacin explicada por la regresin.
SCE (SSE): la variacin que permanece sin explicar debido al error.
La razon CMR/CME proporciona una medida de exactitud del modelo porque es la

razon de la desviacion promedio al cuadrado que se explica con el modelo, y la
desviacion promedio al cuadrado se queda sin explicar. Entre mayor sea esta
razon, el modelo tendra mayor poder explicativo. Es decir, una prueba F alta
seala que el modelo posee un poder explicativo significativo. Para determinar que
es alto, el valor F debe compararse con un valor critico.
Suma de cuadrados de la regresion
2
(SCxy )
SCR =
SCx
SCT se halla como la suma de SCR y SCT
Clculo del coeficiente e interpretacin
Prueba de falta de ajuste

La suma de errores cuadrticos consiste en dos partes: la cantidad debida a la
variacin entre los valores de Y dentro de valores dados de x, y un componente
que normalmente se denomina contribucin a la falta de ajuste. El primer
componente refleja tan slo la variacin aleatoria, o error experimental puro;
mientras que el segundo es una medida de la variacin sistemtica introducida por
los trminos de orden superior. En nuestro caso, stos son trminos de x distintos
de la contribucin lineal o de primer orden. Observe que al elegir un modelo lineal
en esencia se supone que este segundo componente no existe y, por lo tanto, la
suma cuadrtica de errores se debe por completo a errores aleatorios. Si ste
fuera el caso, entonces S2 = SSE/(n 2) es un estimador insesgado de 2. Sin

embargo, si el modelo no se ajusta a los datos en forma apropiada, entonces la
suma cuadrtica de errores estar inflada y producir un estimador sesgado de
2.
Sea que el modelo se ajuste o no a los datos, siempre que se tienen
observaciones repetidas es posible obtener un estimador insesgado de 2
calculando
para cada uno de los k valores distintos de x y, despus, al agrupar estas

varianzas, tenemos
El numerador de s2 es una medida del error experimental puro. A continuacin se

presenta un procedimiento computacional para separar la suma cuadrtica de
errores en los dos componentes que representan el error puro y la falta de ajuste.
Clculo de la suma de cuadrados debida a la falta de ajuste.
1. Calcule la suma de los cuadrados del error puro
Esta suma de cuadrados tiene n k grados de libertad asociados con ella, y la

media cuadrtica resultante es el estimador insesgado s2 de 2.
2.
Reste la suma de cuadrados del error puro de la suma de cuadrados del

error, SSE, con lo que se obtiene la suma de cuadrados debida a la falta de
ajuste. Los grados de libertad de la falta de ajuste tambin se obtienen con
la sola resta de
(n 2) (n k) = k 2.
> El anlisis de Correlacin
- Introduccin
Clculo del coeficiente
Al cociente de la variacin explicada entre la variacin total se le llama coeficiente
de determinacin. Si hay cero variacin explicada (es decir, si la variacin total es
slo variacin no explicada), este cociente es 0. Si hay 0 variacin no explicada
(es decir, si la variacin total es slo variacin explicada), este cociente es 1. En
los dems casos, este cociente se encuentra entre 0 y 1; como siempre es no
negativo, se denota r2. A la cantidad r se le llama coeficiente de correlacin; est
dado por
y vara entre 1 y +1. Los signos + y se usan para correlacin lineal positiva y
correlacin lineal negativa, respectivamente.
Obsrvese que r es una cantidad adimensional; es decir, no depende de las
unidades que se empleen.
Utilizando las ecuaciones (8) y (11) y el hecho de que la desviacin estndar de Y
es
se encuentra que la ecuacin (12) puede expresarse, sin hacer caso del signo,
como
Si se intercambian X y Y se obtienen ecuaciones similares.

En el caso de la correlacin lineal, la cantidad r es la misma, ya sea que se
considere a X o a Y como la variable independiente. Por lo tanto r es una muy
buena medida de la correlacin lineal entre dos variables.
- P. de H. e Interpretacin

Bocos U5 Conceptos

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Bocos U5 Conceptos

Enviado por

Direitos autorais:

Formatos disponíveis

INSTITUTO TECNOLGICO DE CAMPECHE

La regresin lineal simple

Mediciones univaribles, bivariables y multivariables en

Tambin es necesario hacer una distincin entre la regresin lineal y la regresin

INSTITUTO TECNOLGICO DE CAMPECHE

opuestas. Las figuras 11.1

INSTITUTO TECNOLGICO DE CAMPECHE

Una definicin formal de la Regresin Lineal Simple

Si 1 > 0 hay relacin lineal positiva.

SILVIA VICTORIA SALES DOMNGUEZPgina 3

INSTITUTO TECNOLGICO DE CAMPECHE

Los datos tienen un aspecto recto.

procesos, la relacin entre una variable

Tipos de modelos de Regresin

SILVIA VICTORIA SALES DOMNGUEZPgina 4

INSTITUTO TECNOLGICO DE CAMPECHE

Vale la pena destacar que a medida que X incrementa de 2 a 3 (un incremento de

SILVIA VICTORIA SALES DOMNGUEZPgina 5

INSTITUTO TECNOLGICO DE CAMPECHE

Las relaciones entre las variables son o deterministicas o estocasticas

SILVIA VICTORIA SALES DOMNGUEZPgina 6

INSTITUTO TECNOLGICO DE CAMPECHE

La frmula (11.4) es la relacin poblacional (o verdadera) segn la cual se hace

mustrales. Eso se expresa as:

es el termino aleatorio. Habitualmente se denomina residual cuando se utilizan

Y^ (que se lee como Y sombrero) es el valor estimado de Y y b 0 y b1

son el intercepto y la pendiente de la recta de regresin estimada. Es decir,

simplemente es el valor estimado para las ventas con base en el modelo de

SILVIA VICTORIA SALES DOMNGUEZPgina 7

INSTITUTO TECNOLGICO DE CAMPECHE

Determinacin de la ecuacin de Regresin Lineal Simple

La grfica de la ecuacin de regresin lineal simple es una lnea recta:

media o valor esperado de y para un valor dado de x.

El mtodo de mnimos cuadrados

INSTITUTO TECNOLGICO DE CAMPECHE

Al diferenciar sse con respecto a a y b, se obtiene

que se resuelven simultneamente para obtener frmulas de clculo para a y b.

Determinacin de los coeficientes b0 y b1.

SILVIA VICTORIA SALES DOMNGUEZPgina 9

INSTITUTO TECNOLGICO DE CAMPECHE

y = media de la variable dependiente

Ajuste e interpretacin de la recta

La recta de regresin, tiene carcter de lnea media, como ya se ha sealado con

SILVIA VICTORIA SALES DOMNGUEZPgina 10

INSTITUTO TECNOLGICO DE CAMPECHE

Si la varianza residual es grande, el modelo ser malo, es decir, la recta no

La frmula prctica para el clculo de la varianza residual, si el procedimiento de

La cota mxima de la varianza residual es la varianza que tratamos de explicar

INSTITUTO TECNOLGICO DE CAMPECHE

Interpretacin de la pendiente del modelo.

SILVIA VICTORIA SALES DOMNGUEZPgina 12

INSTITUTO TECNOLGICO DE CAMPECHE

tenga una distribucin t con n 2 grados de libertad . El estadstico T se usa para

Error estndar de la Estimacin

En donde n-k-1 es el nmero de grados de libertad y k es el nmero de variables a

Prueba t de independencia entre las variables (significacin de

SILVIA VICTORIA SALES DOMNGUEZPgina 13

INSTITUTO TECNOLGICO DE CAMPECHE

El modelo de regresin lineal simple es y =

determinar si se puede concluir que

se emplearn los datos muestrales.

60 + 5x. Sin embargo, no

puede esperarse que se obtenga exactamente la misma ecuacin (una ecuacin