Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 75 vistas

    Regresion Lineal-Dugas

    Cargado por

    Lisbeth MQ
    Este documento trata sobre regresión lineal y correlación. Explica que la regresión lineal es una técnica para estimar la relación entre dos o más variables y hacer predicciones aproximadas. La correlación mide el grado en que los valores de una variable se relacionan con los valores de otra variable. Luego, describe cómo calcular la correlación y ecuación de regresión lineal, y cómo hacer predicciones usando este modelo. Finalmente, presenta un ejemplo numérico para ilustrar los conceptos.

    Copyright:

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

    Regresion Lineal-Dugas

    Cargado por

    Lisbeth MQ
    75 vistas19 páginas
    Este documento trata sobre regresión lineal y correlación. Explica que la regresión lineal es una técnica para estimar la relación entre dos o más variables y hacer predicciones aproximadas. La correlación mide el grado en que los valores de una variable se relacionan con los valores de otra variable. Luego, describe cómo calcular la correlación y ecuación de regresión lineal, y cómo hacer predicciones usando este modelo. Finalmente, presenta un ejemplo numérico para ilustrar los conceptos.

    Título original

    Regresion_lineal-dugas-convertido

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento trata sobre regresión lineal y correlación. Explica que la regresión lineal es una técnica para estimar la relación entre dos o más variables y hacer predicciones aproximadas. La correlación mide el grado en que los valores de una variable se relacionan con los valores de otra variable. Luego, describe cómo calcular la correlación y ecuación de regresión lineal, y cómo hacer predicciones usando este modelo. Finalmente, presenta un ejemplo numérico para ilustrar los conceptos.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    75 vistas19 páginas

    Regresion Lineal-Dugas

    Cargado por

    Lisbeth MQ
    Este documento trata sobre regresión lineal y correlación. Explica que la regresión lineal es una técnica para estimar la relación entre dos o más variables y hacer predicciones aproximadas. La correlación mide el grado en que los valores de una variable se relacionan con los valores de otra variable. Luego, describe cómo calcular la correlación y ecuación de regresión lineal, y cómo hacer predicciones usando este modelo. Finalmente, presenta un ejemplo numérico para ilustrar los conceptos.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 19

    UNIVERSIDAD NACIONAL SAN AGUSTIN

    FACULTAD DE ECONOMIA

    REGRESIÓN LINEAL Y CORRELACIÓN


    Dr. Luis Dugasvili Cuadros Linares

    2020
    LINEAR REGRESSION AND CORRELATION
    Abstract
    Linear regression is a technique that includes a form of
    estimation and analysis of the sample data to know if and
    how 2 or more variables in a population are related to each
    other. It serves to make possible predictions by
    approximations.

    The term Correlation means mutual relationship, since it


    indicates the degree to which the values of one variable
    are related to the values of the other.

    Key words: regression, predictions, approximations,


    correlation, variable.
    REGRESIÓN LINEAL
    La regresión lineal es una técnica que comprende una forma
    de estimación y análisis de los datos muestrales para saber sí
    y cómo se relacionan entre sí 2 o más variables en una
    población.

    Sirve para hacer posible predicciones mediante


    aproximaciones; puede que no sea exacta y se pueden
    visualizar mediante gráficas.

    Ejemplos:
    • Predecir el desempeño de un alumno en la universidad con
    base en los resultados obtenidos en la preparatoria.

    • Distancia de un automóvil precisa para detenerse a partir


    de su velocidad.
    CORRELACIÓN
    El objetivo de estudio de correlación es determinar la
    consistencia de una relación entre observaciones por pares.

    El término Correlación significa relación mutua, ya que indica


    el grado en el que los valores de una variable se relacionan
    con los valores de la otra.

    Ejemplos:
    • Relación entre la edad y la resistencia física.
    • Tienden a tener mayor escolaridad las personas con altos
    ingresos en comparación con los de bajos ingresos.
    • Puede el éxito en el trabajo predecirse a partir de calificaciones
    obtenidas en las pruebas de selección.
    CORRELACIÓN
    La correlación entre dos variables de obtiene mediante la
    siguiente fórmula:

    n(xy)− (x)(y)
    r=
    n( x )− ( x) n( y )− ( y ) 
    2 2
    2
    2

    Donde:
    x=Variable independiente
    y=Variable dependiente

    Correlación Positiva: Las 2 variables crecen


    Correlación negativa: Una variable crece y la otra decrece.
    TIPOS DE CORRELACIÓN
    La siguiente tabla indica el tipo de correlación entre dos
    variables de acuerdo al resultado obtenido en la fórmula.

    Tipo de Correlación Rango


    Perfecta Relación ±0.85 a ±1
    Fuerte Relación ±0.70 a ±0.85
    Mediana Relación ±0.40 a ±0.70
    Poca Relación ±0.20 a ±0.40
    Nula Relación ±0 a ±0.20
    TIPOS DE CORRELACIÓN
    El tipo de correlación entre dos variables también puede
    observarse al graficar el valor de cada una de las variables
    observadas.
    Correlación Negativa

    r=-1
    -1≤ r ≤ 0
    Imagen 1
    TIPOS DE CORRELACIÓN
    Correlación Positiva

    r=+1
    0≤ r ≤ +1

    Imagen 1
    ECUACION LINEAL
    Dos características importantes de una ecuación lineal son:
    a) La pendiente de la recta.
    b) La localización de la recta en algún punto.

    Fórmula:

    y = (a + bx)  Se
    Donde:
    y= Variable dependiente
    x= Variable independiente
    a y b= Mínimos cuadrados
    Se= Margen de error
    MÉTODO DE MÍNIMOS CUADRADOS
    Es el procedimiento que más se utiliza para adaptar
    una recta a un conjunto de puntos, mediante las
    siguientes fórmulas:

    n( xy)− ( x)( y)  y − b( x)


    b= a=
    n ( x )− ( x )
    2 2
    n
    MARGEN DE ERROR
    La determinante primaria de la exactitud es el grado de
    dispersión de la población; cuánto más disperso esté, menor
    será la exactitud de las estimaciones.

    El grado de dispersión en la población se puede estimar a


    partir del grado de dispersión en las observaciones de las
    muestras con respecto a la línea de regresión calculada,
    utilizando la siguiente fórmula:

    y 2
    − a( y)− b( xy)
    Se =
    n −2
    EJEMPLO
    Los siguientes datos indican el Monto del seguro en función del Ingreso anual de
    cada trabajador; Determine la ecuación de la recta y las predicciones.
    Trabajador Monto del seguro Ingreso Anual xy x2 y2
    (miles de pesos) (miles de pesos)
    “Y” “X”
    1 10 20 200 400 100
    2 12 25 300 625 144
    3 15 26 390 676 225
    4 10 18 180 324 100
    5 15 16 240 256 225
    6 20 17 340 289 400
    7 30 31 930 961 900
    8 5 13 65 169 25
    9 40 38 1520 1444 1600
    10 50 41 2050 1681 2500
    11 40 42 1680 1764 1600
    12 55 45 2475 2025 3025
    N=12 ∑Y =302 ∑X =332 ∑XY ∑x2 ∑ y2
    =10370 = 10614 =10844
    CORRELACIÓN
    n(xy)− (x)(y)
    r=
    n( x )− ( x) n( y )−( y) 
    2 2
    2
    2

    12(10370) − 332 (302)


    𝑟= = 0.9356
    12 10614 − 332 2 12 10844 − 302 2

    𝑟= 93.56% 𝑃𝑒𝑟𝑓𝑐𝑡𝑎𝑐𝑜𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛𝑝
    𝑠𝑖𝑡𝑣
    𝑜
    𝑎
    GRÁFICA

    𝑟= 93.56% 𝑃𝑒𝑟𝑓𝑐𝑡𝑎𝑐𝑜𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛𝑝
    𝑠𝑖𝑡𝑣
    𝑜
    𝑎
    MINIMOS CUADRADOS
    n( xy)− ( x)( y)
    b=
    n ( x )− ( x )
    2 2

    𝑏= 12(10370) − 332 (302)


    = 1.41
    12 10614 − 332 2

     y − b( x)
    a=
    n
    302 − 1.41(332)
    𝑎= = −13.84
    12
    MARGEN DE ERROR

    y 2
    − a( y)− b( xy)
    Se =
    n −2

    10844 − −13.84 302 − (1.41)(10370)


    𝑆𝑒=
    12 − 2

    𝑆𝑒=6.34
    ECUACION LINEAL

    y = (a + bx)  Se
    𝑦= (−13.84 + 1.41𝑥) ± 6.34

    El monto del seguro es igual a -13.84 miles de pesos más 1.41 miles
    de pesos por el ingreso anual del trabajador, con un margen de error
    de 38.15 miles de pesos
    PREDICCIONES
    Determinar el monto del seguro de un trabajador, si su ingreso anual
    es de 240 mil pesos

    𝑦= (−13.84 + 1.41𝑥) ± 6.34


    𝑦= (−13.84 + 1.41(29)) ± 6.34
    𝑦= 27.05 ± 6.34
    𝑦= 20.71 𝑎33.39 𝑀𝑖𝑙𝑒𝑠𝑑𝑒𝑝𝑒𝑠𝑜
    BIBLIOGRAFIA

    Diaz A. (2013). Estadística aplicada a la administración y a la


    economía. México D.F.: Mcgraw-Hill.

    Lind D. (2012).Estadística Aplicada a los negocios y a la


    economía. Mcgraw-Hill.

    También podría gustarte