Escolar Documentos
Profissional Documentos
Cultura Documentos
300
250
200
150
0
100
50
f(x)=ax+b
R2=0.99
REGRESIN
5
10
15
20
25
1
2
4
6
8
0
REGRESIN
Es una forma de estudiar la asociacin o relacin, entre
una variable dependiente (Y) y la variable que es la base de
la prediccin a la que se le denomina variable
independiente (X)
Y
y=f(x)
X2
X1
Donde:
Qu vamos a estudiar
En esta unidad estudiaremos la Regresin Lineal simple, es
decir, vamos a tratar diferentes formas de describir la relacin
entre dos variables cuando estas son numricas.
Ejemplo:
Estudiar si hay relacin
entre la altura (X ) y el peso (Y ).
y=f(x)
2
0
De
pe
nd
i
en
te
s
0 (ordenada en el origen,
constante)
1 (pendiente de la recta)
X
Esta
determinado
por 2
variables:
ientes
Independ
s
Explicativa
s
Predictora
X
Y = 0 + 1 X
0 (ordenada en el origen,
constante)
1 (pendiente de la recta)
DIAGRAMA DE DISPERSION
Es la representacin de los puntos o datos de cada una
de las variables en el plano cartesiano.
100
90
80
70
60
50
40
30
140
150
160
170
180
190
200
Altura Peso
en cm. en Kg.
161
50
187
76
197
85
179
65
171
66
169
60
166
54
176
84
163
68
...
...
Pesa 85 kg.
Pesa 76 kg.
60
50
Pesa 50 kg.
Mide
161 cm.
40
30
140
150
160
Mide 197cm
70
170
180
190
200
um
a
u ra
t
l
A
a
en t
au
o
es
nt
e
m
50
40
30
140
150
160
170
180
190
200
Altura (cm)
SC xy
( Xi )( Yi )
X iYi
n
SC x
X i2
( Xi ) 2
n
B1
SC xy
SC x
B0 y B 1 x
Xi
Yi
x
,y
_
donde:
Y = 0+ 1(X)
EJEMPLO:
En un estudio de la relacin entre la publicidad de una nueva
Clnica de Salud por radio y el nmero de consultas realizadas
durante 10 semanas, se han recopilado los tiempos de duracin
en minutos de la publicidad por semana (X), y el nmero de
consultas realizadas(Y).
Semana
10
Publicidad X
20
30
30
40
50
60
60
60
70
80
Consultas
Realizadas Y
50
73
69
87
108
128
135
132
148
170
Solucin
X
XY
X2
Y2
20
30
30
40
50
60
60
60
70
80
50
73
69
87
108
128
135
132
148
170
1000
2190
2070
3480
5400
7680
8100
7920
10360
13600
400
900
900
1600
2500
3600
3600
3600
4900
6400
2500
5329
4761
7569
11664
16384
18225
17424
21904
28900
500
1100
61800
28400
134660
X Xi / n ,
Y Yi / n
Solucin
Reemplazando en las formula de los coeficientes de regresin, se tiene lo
siguiente:
( Xi)( Yi )
500 x 1100
X
Y
61800
ii
n
10
1
2
2
2
(500)
2 ( Xi )
28400
Xi n
10
_
0 y b x 110 2 (50) 10
Por lo tanto la recta de regresin Y = 0+ 1(X), estar determinada de la
siguiente manera Y = 10+ 2x.
Interpretacin
B0: El Nmero real de consultas realizadas es de 10.
B1: Por cada minuto de publicidad que se realice en la semana, el nmero de
consultas realizadas aumenta en 2.
Error de
prediccin
Sy.x
2
y
B0 y B1 xy
n2
COEFICIENTE DE CORRELACIN
: se lee ro
TIPOS DE CORRELACIN
Correlacin de Pearson:
SC xy
SC x SC y
INTERPRETACIN
De 0.01 a 0.19
De 0.20 a 0.39
Correlacin Baja
De 0.40 a 0.69
Correlacin Moderada
De 0.70 a 0.89
Correlacin Alta
De 0.90 a 0.99
+1
Perfecta Positiva
-1
Perfecta Negativa
Correlacin Nula
Y=48+0.0514x
R2=0.3768
R=0.61384037