ESTADISTICA INFERENCIAL

Inicio (10min)

• Actividad: Los estudiantes comparten con el docente las dudas que

hubieran existido en la sesión anterior.
• El estudiante responde con atención sobre los conocimientos que tiene
sobre Análisis de Regresión Lineal Múltiple
1. Que es un Modelo de Análisis de Regresión Lineal Múltiple?
2. Para que sirve un Modelo de Análisis de Regresión Lineal Múltiple?

Inicio
SABERES PREVIOS
ANALISIS DE REGRESION MULTIPLE

1. Que es un Modelo de Análisis de Regresión Lineal

Múltiple?
2. Para que sirve un Modelo de Análisis de Regresión Lineal
Múltiple?
 LOGRO DE SESION

Al finalizar la clase los alumnos aplican los conceptos de regresión lineal

múltiple e interpretan adecuamente los coeficientes de regresión que le
permiten poder construir el modelo de regresión y aplicarlo en el campo de las
ciencias y la ingeniería
TRANSFORMACIÓN (60 min)
Principio pedagógico: Aprendizaje autónomo y Aprendizaje colaborativo.

• Actividad: A continuación el estudiante va revisar los conceptos básicos

correspondientes a Análisis de Regresión Lineal Múltiple y se van a
resolver ejercicios para poder desarrollar los conceptos revisados en
clase.

Transformación
 REGRESIÓN LINEAL MÚLTIPLE
El objetivo básico del Análisis de Regresión Lineal Múltiple es el de construir un
modelo que permita predecir o estimar el valor de una variable Y, en base a un
conjunto de variables X1, X2,....,Xk

A la variable Y se le llama variable dependiente, y es la que se quiere estimar o predecir.

Las variables X1, X2,....,Xk son las variables independientes o variables predictoras.

𝑌𝑖 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 +𝜀𝑖
Supuestos:
 Los residuos tienen media 0.
 La varianza de los residuos no depende de xi (homocedasticidad)
 Los residuos son normales.
 Los residuos son aleatorios.
 Las variables x1, x2, etc. no están linealmente correlacionadas entre sí
 REGRESIÓN LINEAL MÚLTIPLE
Aficion_lectura Num_hijos Aficion_cine Aficion_musica renta_mens Nivel_estudios Aficion_TV Satisfaccion
4 0 3 5 1200 4 4 4
3 0 3 4 1500 5 4 3
5 1 4 1 1800 3 5 5
2 2 1 3 1000 2 2 3
4 1 5 3 1300 3 4 4 Satisfacción
3 1 3 4 1900 1 4 3
5
3
3
0
4
2
5
3
1300
1200
4
4
5
4
5
3
de usuarios
3 1 4 1 1600 2 5 4
1 3 2 1 1400 2 1 2
4 0 5 4 1700 3 4 4
5 0 5 5 2500 4 5 5
5 2 4 4 1100 5 3 5
5 2 5 3 1400 3 4 5
2 1 1 4 1800 4 3 3
4 2 5 4 2000 4 5 5
3 3 2 4 1500 4 3 3
1 1 2 3 1000 2 2 2
2 1 2 2 1300 3 3 3
1 0 2 5 1600 4 4 2
5 1 4 4 1800 3 4 4
2 2 3 3 1200 4 4 4
4 1 5 5 1700 2 5 4
4 1 4 3 1500 5 4 4
5 2 4 5 1100 5 5 5
 REGRESIÓN LINEAL MÚLTIPLE
El modelo poblacional de regresión lineal múltiple, con k variables
independientes, es el siguiente:
𝑌𝑖 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 +𝜀𝑖
Donde:
Son Parámetros desconocidos, llamados coeficientes de regresión. (i =0,1,2,3,...,k)
Son los errores del modelo, y se suponen independientes y normalmente
distribuidos con media 0 y varianza 𝜎 2

Estos coeficientes son calculados a

partir del método de los mínimos
𝑌෠ = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 +…+𝛽k 𝑋k cuadrados.
 REGRESIÓN LINEAL MÚLTIPLE
Resolución de Regresión Lineal Múltiple: Notación Matricial
Para determinar la ecuación de regresión lineal múltiple muestral, debemos primero identificar la
variable dependiente y luego las variables independientes, una vez identificados, formaremos
nuestro sistema de matrices para cada uno de ellos, formando el siguiente sistema de ecuación
de regresión múltiple, y ubicándolos de esta forma:

𝒀𝒊 = 𝜷𝐤 𝑿𝐢𝐤 +𝒆𝒊
Quedando el sistema de Matrices definida de la siguiente manera:

Donde: Yi: es la Matriz de la Variable Dependiente

Xi: es la Matriz de la Variable Independiente
Bi: es la Matriz de los coeficientes predictores
ei : es la matriz del error de estimación
 REGRESIÓN LINEAL MÚLTIPLE
Notación Matricial

𝒀𝒊 = 𝜷𝐤 𝑿𝐢𝐤 +𝜺𝒊
NOTA:
En la primera columna de la matriz de la variable independiente se pone 1, que corresponde al valor de la constante
 REGRESIÓN LINEAL MÚLTIPLE
Para hallar el valor de cada uno de los coeficientes regresores B, resolveremos las
siguientes operaciones matriciales:

β = 𝑋𝑇 𝑋 −1
𝑋𝑇 𝑌
Donde: 𝑋𝑇: : es la matriz transpuesta de la variable independiente
−1 : es la matriz inversa
𝑋𝑇𝑋
β : es la matriz de los coeficientes regresores.

𝛽0
𝛽1
.
β = 𝑋𝑇𝑋 −1 𝑋 𝑇 𝑌  β=
.
.
𝛽𝑘
 REGRESIÓN LINEAL MÚLTIPLE
Coeficiente de regresión en el caso de dos variables independientes: Matrices
𝑛 𝑛

𝑛 ෍ 𝑋1𝑖 ෍ 𝑋2𝑖 𝑛

𝑖=1 𝑖=1 ෍ 𝑌𝑖
𝑛 𝑛 𝑛
𝑖=1
2
𝐴 = 𝑋 𝑇 𝑋 = ෍ 𝑋1𝑖 ෍ 𝑋1𝑖 ෍ 𝑋1𝑖 𝑋2𝑖 𝑛

𝑖=1 𝑖=1 𝑖=1 𝐺 = 𝑋 𝑇 𝑌 = ෍ 𝑋1𝑖 𝑌𝑖

𝑛 𝑛 𝑛
𝑖=1
2
෍ 𝑋2𝑖 ෍ 𝑋1𝑖 𝑋2𝑖 ෍ 𝑋2𝑖 𝑛

𝑖=1 𝑖=1 𝑖=1 ෍ 𝑋2𝑖 𝑌𝑖

𝑖=1
𝛽0
𝜷 = 𝑨−𝟏 𝑮 = 𝛽1
𝛽2
 REGRESIÓN LINEAL MÚLTIPLE
Coeficiente de regresión en el caso de dos variables independientes: Sistema de ecuaciones

෎ 𝑌 = 𝑛𝛽0 + 𝛽1 ෍ 𝑋1 + 𝛽2 ෍ 𝑋2

෎ 𝑋1 𝑌 = 𝛽0 ෍ 𝑋1 + 𝛽1 ෍ 𝑋1 2 + 𝛽2 ෍ 𝑋1 𝑋2

෎ 𝑋2 𝑌 = 𝛽0 ෍ 𝑋2 + 𝛽1 ෍ 𝑋1 𝑋2 + 𝛽2 ෍ 𝑋2 2
 REGRESIÓN LINEAL MÚLTIPLE
Ejercicios
Se ha reunido la siguiente información de una muestra aleatoria de arrendadores de
departamentos en una ciudad. Se intenta predecir la renta (en dólares por mes) con
base en el tamaño del departamento (número de habitaciones) y la distancia al centro
de la ciudad (en millas).
y Tamaño Distancia
360 2 1
1000 6 1
450 3 2
525 4 3
350 2 10
300 1 4
a) Determinar la ecuación de regresión estimada
b) Interpretar cada uno de los coeficientes
 REGRESIÓN LINEAL MÚLTIPLE
Solución a.
La ecuación de Regresión a encontrar será: 𝑌෠ = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2
2 2
𝑌 𝑋1 𝑋2 𝑋1 𝑌 𝑋2 𝑌 𝑋1 𝑋2 𝑋1 𝑋2
360 2 1 720 360 2 4 1
1000 6 1 6000 1000 6 36 1
450 3 2 1350 900 6 9 4
525 4 3 2100 1575 12 16 9
350 2 10 700 3500 20 4 100
300 1 4 300 1200 4 1 16
2985 18 21 11170 8535 50 70 131

Σ𝑌 = 2985 Σ𝑋1 = 18 Σ𝑋2 = 21 Σ𝑋1𝑌 = 11170 Σ𝑋2𝑌 = 8535 Σ 𝑋1𝑋2 = 50 Σ 𝑋12 = 70 Σ 𝑋22 = 131
 REGRESIÓN LINEAL MÚLTIPLE
Reemplazando en las ecuaciones normales
෎ 𝑌 = 𝑛𝛽0 + 𝛽1 ෍ 𝑋1 + 𝛽2 ෍ 𝑋2

෎ 𝑋1 𝑌 = 𝛽0 ෍ 𝑋1 + 𝛽1 ෍ 𝑋1 2 + 𝛽2 ෍ 𝑋1 𝑋2

෎ 𝑋2 𝑌 = 𝛽0 ෍ 𝑋2 + 𝛽1 ෍ 𝑋1 𝑋2 + 𝛽2 ෍ 𝑋2 2

Resolviendo el sistema de Ecuaciones

2985  6b0  b1 (18)  b2 (21) 𝛽0 96.481

11170  b0 (18)  b1 (70)  b2 (50) 𝜷 = 𝛽1 = 136.485
8535  b0 (21)  b1 (50)  b2 (131) 𝛽2 −2.401
 REGRESIÓN LINEAL MÚLTIPLE

𝑌෠ = 96.481 + 136.485𝑁º ℎ𝑎𝑏𝑖𝑡 − 2.401𝐷𝑖𝑠𝑡𝑎𝑛𝑐

Solución.
𝜷𝟎 : La renta esperada(promedio), cuando el tamaño del departamento y la distancia al centro de la
ciudad toman el valor de cero será de 96.481$

𝜷𝟏 : Por cada incremento de una habitación, la renta esperada(promedio) se incrementará en

136.485$ manteniendo constante la distancia al centro de la ciudad.

𝜷𝟐 : Por cada incremento de una unidad de distancia al centro de la ciudad, la renta esperada
(promedio) disminuirá en -2,401$ manteniendo constante el número de habitación
 EJERCICIO ADICIONAL

Σ𝑌 = Σ𝑋2 = Σ𝑋2𝑌 = Σ 𝑋12 =

Σ𝑋1 = Σ𝑋1𝑌 = Σ 𝑋1𝑋2 = Σ 𝑋22 =
a) Determinar la ecuación de regresión estimada
b) Interpretar cada uno de los coeficientes
CIERRE (15 min)
Principio pedagógico: Aprendizaje autónomo.

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?
1.¿Cuándo se usa la regresión lineal y que
supuestos debe cumplir?

2.¿Cómo se interpreta el coeficiente de una

regresión lineal múltiple?