S16 - S1 - Regresión Lineal Gráfico de Dispersión
S16 - S1 - Regresión Lineal Gráfico de Dispersión
S16 - S1 - Regresión Lineal Gráfico de Dispersión
ESTUDIOS
RELACIONALES
Y EXPLICATIVOS
R DE PEARSON CHI
REGRESIÓN LINEAL
RHO DE SPEARMAN CUADRADO
GRAFICO DE DISPERSIÓN
SABERES PREVIOS
ANALISIS DE REGRESION
Presión Compresión 4 y
(N) (Cm)
X Y 3 Gráfica de
dispersión
1 1
2
2 1
3 2 1
4 2
5 4 0 1 2 3 4 X
y 0 1 x
Condición:
E() = 0
Valor medio de y Error
para una x dada aleatorio
El coeficiente de regresión: es el cambio (aumento o disminución) en promedio en Y cuando X varía en una unidad.
Supuesto de Linealidad
Existe linealidad si se presenta una relación significativa entre la variable que se quiere predecir y las otras variables.
Puede usarse el coeficiente "R cuadrado ajustado", para saber si existe linealidad (mayor o igual a 0.7 suele ser "indicio"
de linealidad). El ANOVA es una prueba para saber la linealidad
Los residuos tienen media 0.
La varianza de los residuos no depende de xi (homocedasticidad)
Los residuos son normales.
Los residuos son aleatorios.
https://www.youtube.com/watch?v=QWLK9thmDI8 https://www.youtube.com/watch?v=r8lM3Zl0P54
REGRESIÓN LINEAL SIMPLE
Regresión Lineal simple:
Modelo de regresión lineal simple estimado
y
4 )
Y ˆ0 ˆ1 x 𝑦ො = 𝛽መ0 + 𝛽መ1 𝑋
3 y = variable dependiente
Donde: X = variable independiente
2
ˆ1 pendiente
Cálculo de coeficientes práctico
1
𝒏σ𝑿𝒀 − σ𝑿σ𝒀
0 Paso1: 𝟏 =
𝜷
1 2 3 4 X 𝒏 σ 𝑿2 − σ 𝑿 2
ˆ0 ordenada al origen
σ 𝒀 − 𝟏 σ 𝑿
𝜷
Paso2: 𝜷
𝟎 =
Para estimar la recta de regresión utilizaremos el método de mínimos cuadrados.
𝒏
Este método consiste en minimizar la suma de los cuadrados de los errores:
REGRESIÓN LINEAL SIMPLE
Ejercicio:
La Propina que se le otorga a un mozo en un restaurante depende de muchos factores, por ejemplo la
cordialidad del personal, Tipo de ambiente, Satisfacción por el servicio, etc.
En el siguiente cuadro se tiene la cantidad de propina (s/.) que los clientes de un restaurant dan a los
mozos en función al tiempo en que se demora en servir una orden(minutos).
Propina(S/) 1 3 3 2 6 1 2 3 4
Tiempo de Atención
(minutos)
3 2 2 4 1 4 3 2 2
a) Identifique las variables de Interés y clasifique cada uno de ellos ¿Cómo se relacionan ambas variables?
b) Estime el modelo de Regresión lineal estimada
c) Pronosticar: ¿Cuánto en Promedio recibirá de propina un mozo que se ha demorado en atender 3.5 minutos?
REGRESIÓN LINEAL SIMPLE
Solución a.
Las variables de Interés
Variable Independiente: Tiempo de Atención( minutos )(X)
Variable dependiente: Propina (s/) (Y)
7
6
La propina que se otorga a un
5
mozo depende del tiempo de
Gráfica de 4 atención en servir el orden.
Propina
dispersión
3
Relación inversa
2
1
0
0 1 2 3 4 5
Tiempo
REGRESIÓN LINEAL SIMPLE
Solución b. Modelo de Regresión Estimada 𝑦ො = 𝛽መ0 + 𝛽መ1 𝑥
⌢
Pr𝑜𝑝 𝑖𝑛𝑎 = 𝛽መ0 + 𝛽መ1 𝑇𝑖𝑒𝑚𝑝𝑜
Y (propina) X (tiempo) 𝑋2 𝑌2 𝑋𝑌
1 3 9 1 3
Paso1
3 2 4 9 6
3 2 4 9 6 𝒏σ𝑿𝒀 − σ𝑿σ𝒀
2 4 16 4 8 𝟏 =
𝜷
𝒏 σ 𝑿2 − σ 𝑿 2
6 1 1 36 6
1 4 16 1 4
9 ∗ 53 − 23 ∗ 25
2 3 9 4 6 𝟏 =
𝜷 = −1.32
9 ∗ 67 − 23 2
3 2 4 9 6
4 2 4 16 8
σ 𝑌 = 25 σ 𝑋 =23 σ 𝑋 2 =67 σ 𝑌 2 =89 σ 𝑋𝑌 =53
REGRESIÓN LINEAL SIMPLE
σ 𝑌 = 25 σ 𝑋 =23 σ 𝑋 2 =67 σ 𝑌 2 =89 σ 𝑋𝑌 =53
Paso2: 𝟏 σ 𝑿 𝟐𝟓 − −𝟏, 𝟑𝟐 ∗ 𝟐𝟑
σ𝒀 − 𝜷
𝟎 =
𝜷 = 𝟎 = 𝟔. 𝟏𝟓
𝜷
𝒏 𝟗
Modelo de Regresión Estimada
⌢
Pr𝑜𝑝 𝑖𝑛𝑎 = 6.15 − 1.32𝑇𝑖𝑒𝑚𝑝𝑜
Propina
3 2
2 4 3
6 1
2
1 4
2 3 1
3 2 0
4 2 0 1 2 3 4 5
Tiempo
REGRESIÓN LINEAL SIMPLE
Resumen
Y (propina) X (tiempo) Comprueba tus resultados usando la calculadora!
1 3
3 2 https://www.youtube.com/watch?v=0qkh8NJroos
3 2
https://www.youtube.com/watch?v=4_WO31Dapv0
2 4
6 1
1 4 Recuerda interpretar el
2 3 coeficiente de regresión,
3 2
4 2
REGRESIÓN LINEAL SIMPLE
Ejercicio 2:
Se hace un estudio para determinar la relación entre el tiempo de uso (en años) de un grupo de
máquinas de una fábrica y las eficiencias de las mismas (%). Los datos se dan a continuación:
Tiempo de uso 2 4 11 9 4 6 7 8
Eficiencia 90 65 25 40 80 60 35 50
a) Identifique las variables de Interés y clasifique cada uno de ellos ¿Cómo se relacionan ambas variables?
b) Estime el modelo de Regresión lineal estimada
c) Pronosticar: ¿Cuánto en Promedio será la Eficiencia de una máquina que tiene un tiempo de uso de 5 años?
REGRESIÓN LINEAL SIMPLE
Solución a.
Las variables de Interés
Variable Independiente: Tiempo de uso (en años)(X)
Variable dependiente: Eficiencia (%) (Y)
Paso2: 𝟏 σ 𝑿 𝟒𝟒 − −𝟕. 𝟎𝟔 ∗ 𝟓𝟏
σ𝒀 − 𝜷
𝟎 =
𝜷 = 𝟎 = 𝟏𝟎𝟎. 𝟔𝟑
𝜷
𝒏 𝟖
Modelo de Regresión Estimada
⌢
𝐸𝑓𝑖𝑐𝑖𝑒𝑛𝑐𝑖𝑎 = 100.63 − 7.06𝑇𝑖𝑒𝑚𝑝𝑜
Actividad:
El estudiante responde en el chat sobre 2 principales preguntas del
docente sobre su aprendizaje en la clase de hoy.
Cierre
CIERRE
¿QUÉ HEMOS APRENDIDO?
38