Aspectos Teóricos

1.
Aspectos Tericos
2. Antecedentes del Problema
3. Desarrollo
4. Hiptesis
5. Interpretacin
6. Conclusin
1. INTRODUCCIN
Si sabemos que existe una relacin entre una variable denominada dependiente y otras
denominadas independientes (como por ejemplo las existentes entre: la experiencia profesional
de los trabajadores y sus respectivos sueldos, las estaturas y pesos de personas,
la produccin agraria y la cantidad de fertilizantes utilizados, etc.), puede darse el problema de
que la dependiente asuma mltiples valores para una combinacin de valores de las
independientes.
La dependencia a la que hacemos referencia es relacional matemtica y no necesariamente de

causalidad. As, para un mismo nmero de unidades producidas, pueden existir niveles de costo,
que varan empresa a empresa.
Si se da ese tipo de relaciones, se suele recurrir a los estudios de regresin en los cuales se obtiene
una nueva relacin pero de un tipo especial denominado funcin, en la cual la variable
independiente se asocia con un indicador de tendencia central de la variable dependiente. Cabe
recordar que en trminos generales, una funcin es un tipo de relacin en la cual para
cada valor de la variable independiente le corresponde uno y slo un valor de la variable
dependiente.
2. ASPECTOS TERICOS
REGRESIN SIMPLE Y CORRELACIN
La Regresin y la correlacin son dos tcnicas estadsticas que se pueden utilizar para
solucionar problemas comunes en los negocios.
Muchos estudios se basan en la creencia de que es posible identificar y cuantificar alguna Relacin
Funcional entre dos o ms variables, donde una variable depende de la otra variable.
Se puede decir que Y depende de X, en donde Y y X son dos variables cualquiera en un modelo de
Regresin Simple.
"Y es una funcin de X"
Y = f(X)
Como Y depende de X,
Y es la variable dependiente, y
X es la variable independiente.
En el Modelo de Regresin es muy importante identificar cul es la variable dependiente y cul es

la variable independiente.
En el Modelo de Regresin Simple se establece que Y es una funcin de slo una variable
independiente, razn por la cual se le denomina tambin Regresin Divariada porque slo hay dos
variables, una dependiente y otra independiente y se representa as:
Y = f (X)
"Y est regresando por X"
La variable dependiente es la variable que se desea explicar, predecir. Tambin se le llama

REGRESANDO VARIABLE DE RESPUESTA.
La variable Independiente X se le denomina VARIABLE EXPLICATIVA REGRESOR y se le utiliza para

EXPLICAR Y.
ANLISIS ESTADSTICO: REGRESIN LINEAL SIMPLE
En el estudio de la relacin funcional entre dos variables poblacionales, una variable X, llamada
independiente, explicativa o de prediccin y una variable Y, llamada dependiente o variable
respuesta, presenta la siguiente notacin:
Y=a+bX+e
Donde:
a es el valor de la ordenada donde la lnea de regresin se intercepta con el eje Y.
b es el coeficiente de regresin poblacional (pendiente de la lnea recta)
e es el error
SUPOSICIONES DE LA REGRESIN LINEAL
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.
ESTIMACIN DE LA ECUACIN DE REGRESIN MUESTRAL
Consiste en determinar los valores de "a" y "b " a partir de la muestra, es decir, encontrar los
valores de a y b con los datos observados de la muestra. El mtodo de estimacin es el
de Mnimos Cuadrados, mediante el cual se obtiene:
Luego, la ecuacin de regresin muestral estimada es
Que se interpreta como:
a es el estimador de a
Es el valor estimado de la variable Y cuando la variable X = 0
b es el estimador de b , es el coeficiente de regresin
Est expresado en las mismas unidades de Y por cada unidad de X. Indica el nmero de unidades
en que vara Y cuando se produce un cambio, en una unidad, en X (pendiente de la recta de
regresin).
Un valor negativo de b sera interpretado como la magnitud del decremento en Y por cada unidad
de aumento en X.
3. ANTECEDENTES DEL PROBLEMA
Los datos de la siguiente tabla representan las estaturas (X, cm) y los pesos (Y, kg) de una muestra
de 12 hombres adultos. Para cada estatura fijada previamente se observ el peso de
una persona seleccionada de entre el grupo con dicha estatura, resultando:
X 152 155 152 155 157 152 157 165 162 178 183 178
Y 50 61.5 54.5 57.5 63.5 59 61 72 66 72 84 82
Con estos datos vamos a plantear una ecuacin de regresin simple que nos permita pronosticar
los pesos conociendo las tallas. Utilizaremos a = 0.05, y contrastaremos nuestra hiptesis con la
prueba F.
4. DESARROLLO
Representacin matemtica y grfica de los datos:
Representacin Matemtica
I.C. para la I. C. individual

estatura pesos Regresin Lineal media
datos x y x ^2 y ^2 xy y est. Residual L. I. L. S. L. I. L. S.

1 152 50 23104 2500 7600 56.43 -6.43 53.07 59.79 47.30 65.56
2 155 61.5 24025 3782.3 9532.5 59.03 2.47 56.09 61.97 50.05 68.02
3 152 54.5 23104 2970.3 8284 56.43 -1.93 53.07 59.79 47.30 65.56
4 155 57.5 24025 3306.3 8912.5 59.03 -1.53 56.09 61.97 50.05 68.02
5 157 63.5 24649 4032.3 9969.5 60.77 2.73 58.05 63.48 51.85 69.68
6 152 59 23104 3481 8968 56.43 2.57 53.07 59.79 47.30 65.56
7 157 61 24649 3721 9577 60.77 0.23 58.05 63.48 51.85 69.68
8 165 72 27225 5184 11880 67.71 4.29 65.17 70.24 58.85 76.57
9 162 66 26244 4356 10692 65.11 0.89 62.65 67.56 56.27 73.94
10 178 72 31684 5184 12816 78.99 -6.99 74.65 83.33 69.45 88.52
11 183 84 33489 7056 15372 83.32 0.68 78.01 88.64 73.31 93.34
12 178 82 31684 6724 14596 78.99 3.01 74.65 83.33 69.45 88.52
Representacin Grfica
5. HIPTESIS
HO: No hay relacin entre la variable peso y la variable estatura.
HA: Hay relacin entre la variable peso y la variable estatura.
Tabla de anlisis de varianza
Fuente de Grados de Suma de Cuadrados
estadstico
Variacin libertad cuadrados medios F
Debido a
la
regresin 1 1061.1 1061.1 73.08
error 10 145.2 14.5
total 11 1206.3
Se obtiene un valor F = 73.08 > 4.96, con lo cual se rechaza la hiptesis nula y aceptamos que la
variable estatura est relacionada con la variable peso con un 95% de confianza.
De acuerdo al desarrollo matemtico hemos obtenido los siguientes clculos:
Lo que nos permite obtener los coeficientes a y b.
Luego,
b = 1223 / 1409.667 = 0.8676
a = 65.25 (0.8676) (162.167) = -75.446
6. INTERPRETACIN
La ecuacin de regresin estimada es:
Coeficiente de correlacin: R= 0.9379
Coeficiente de determinacin: R=0.8796
El valor de b = 0.8676 indica el incremento del peso en kilogramos, en promedio, por cada
centmetro de aumento en la estatura de los hombres adultos.
El valor de a, no tiene interpretacin prctica en el ejemplo, se interpretara como el valor

obtenido, en promedio, para el peso Y, cuando la estatura es 0.
Utilizando la ecuacin de regresin para estimar o predecir valores de la variable Y: Para una talla
de 180 se obtiene un peso de 80.7 kg.
Cunto se espera que pese (en promedio) una persona que mide 1.60 m?
Sustituyendo el valor de inters en la ecuacin:
Se obtiene:
7. CONCLUSIN
La ecuacin de Regresin Lineal estimada para las variables estatura y peso muestran, de acuerdo
a la prueba F, relacin.
Esta relacin se ha estimado en un R = 93.7, que indica una fuerte relacin positiva.
Adems si consideramos el coeficiente de determinacin R = 87.9 podemos indicar que el 87.9%

de las variaciones que ocurren en el peso se explicaran por las variaciones en la variable estatura.
Leer ms: http://www.monografias.com/trabajos27/regresion-simple/regresion-

simple.shtml#ixzz4nhmhJ9jy

Aspectos Teóricos

Cargado por

Copyright:

Formatos disponibles

Aspectos Teóricos

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Aspectos Teóricos

Cargado por

Copyright:

Formatos disponibles

1.

2. Antecedentes del Problema

La dependencia a la que hacemos referencia es relacional matemtica y no necesariamente de

REGRESIN SIMPLE Y CORRELACIN

"Y es una funcin de X"

En el Modelo de Regresin es muy importante identificar cul es la variable dependiente y cul es

"Y est regresando por X"

La variable dependiente es la variable que se desea explicar, predecir. Tambin se le llama

La variable Independiente X se le denomina VARIABLE EXPLICATIVA REGRESOR y se le utiliza para

ANLISIS ESTADSTICO: REGRESIN LINEAL SIMPLE

a es el valor de la ordenada donde la lnea de regresin se intercepta con el eje Y.

b es el coeficiente de regresin poblacional (pendiente de la lnea recta)

SUPOSICIONES DE LA REGRESIN LINEAL

1. Los valores de la variable independiente X son fijos, medidos sin error.

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.

ESTIMACIN DE LA ECUACIN DE REGRESIN MUESTRAL

Que se interpreta como:

Es el valor estimado de la variable Y cuando la variable X = 0

b es el estimador de b , es el coeficiente de regresin

3. ANTECEDENTES DEL PROBLEMA

Y 50 61.5 54.5 57.5 63.5 59 61 72 66 72 84 82

Representacin matemtica y grfica de los datos:

I.C. para la I. C. individual

datos x y x ^2 y ^2 xy y est. Residual L. I. L. S. L. I. L. S.

HO: No hay relacin entre la variable peso y la variable estatura.

HA: Hay relacin entre la variable peso y la variable estatura.

Tabla de anlisis de varianza

Fuente de Grados de Suma de Cuadrados

error 10 145.2 14.5

De acuerdo al desarrollo matemtico hemos obtenido los siguientes clculos:

Lo que nos permite obtener los coeficientes a y b.

a = 65.25 (0.8676) (162.167) = -75.446

La ecuacin de regresin estimada es:

Coeficiente de correlacin: R= 0.9379

Coeficiente de determinacin: R=0.8796

El valor de a, no tiene interpretacin prctica en el ejemplo, se interpretara como el valor

Sustituyendo el valor de inters en la ecuacin:

Adems si consideramos el coeficiente de determinacin R = 87.9 podemos indicar que el 87.9%

Leer ms: http://www.monografias.com/trabajos27/regresion-simple/regresion-

También podría gustarte