Scribd
Cargar
16 vistas10 páginas

Regresión Lineal

La regresión lineal simple se utiliza para analizar la relación entre dos variables, donde se busca determinar cómo una variable independiente (X) afecta a una variable dependiente (Y). Se estima una ecuación de regresión utilizando el método de mínimos cuadrados, que minimiza la suma de los cuadrados de los errores, y se evalúa el ajuste mediante el coeficiente de determinación (r²) y el coeficiente de correlación. Estos coeficientes permiten medir la intensidad y la calidad del ajuste de la relación lineal entre las variables analizadas.

Cargado por

eliseo livingston
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
16 vistas10 páginas

Regresión Lineal

La regresión lineal simple se utiliza para analizar la relación entre dos variables, donde se busca determinar cómo una variable independiente (X) afecta a una variable dependiente (Y). Se estima una ecuación de regresión utilizando el método de mínimos cuadrados, que minimiza la suma de los cuadrados de los errores, y se evalúa el ajuste mediante el coeficiente de determinación (r²) y el coeficiente de correlación. Estos coeficientes permiten medir la intensidad y la calidad del ajuste de la relación lineal entre las variables analizadas.

Cargado por

eliseo livingston
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

Regresión Lineal

simple
• Si aumento $ publicidad aumentarán mis ventas?
• Si aumenta la temperatura aumenta el consumo de
Toma de Decisiones
energía?
cuando queremos
• Existe alguna relación entre las horas de estudio y el
relacionar dos
resultado en el examen.
variables?
• Que otros ejemplo?

procedimiento estadístico llamado análisis de regresión para obtener una


ecuación que indique cuál es la relación entre las variables.

VARIABLE INDEPENDIENTE VARIABLE DEPENDIENTE


(X) (Y)
Modelo de regresión y ecuación de
regresión

b0 y b1 se conocen como los parámetros del modelo, e (la letra griega épsilón) es una
variable aleatoria que se conoce como término del error. El término del error da cuenta
de la variabilidad de y que no puede ser explicada por la relación lineal entre x y y.
Ecuación de regresión estimada
En muchas ocaciones no se conocieran los valores de los parámetros poblacionales b0 y
b1 , por lo cual es necesario estimarlos usando datos muestrales. Se calculan estadísticos
muestrales (que se denotan b0 y b1 ) como estimaciones de los parámetros poblacionales
b0 y b1 , quedando la ecuación de la siguiente manera:

b0 es la intersección con el eje y ; b1 es la pendiente. yˆ En general, es el estimador


puntual de E(y), el valor medio de las y para un valor dado de x.
Proceso de estimación en la regresión
lineal simple
Método de mínimos cuadrados
El método de mínimos cuadrados se usa para determinar los valores de b0 y b1 que minimicen la
suma de los cuadrados de los residuales. La suma de los cuadrados de los residuales está dada por.
Ejemplo regresión lineal estimada
Coeficiente de Determinación
¿qué tan bien se ajusta a los datos la ecuación de regresión estimada?

una medida de la bondad de ajuste de la ecuación de regresión estimada (lo bien


que se ajusta la ecuación a los datos) es el coeficiente de determinación.

El cociente SCR/STC, que toma valores entre cero y uno,

r2 se puede interpretar como el porcentaje de la suma total de cuadrados que se explica mediante el uso de la ecuación de
regresión estimada
Coeficiente de correlación
el coeficiente de correlación como una medida descriptiva de la intensidad de
la relación lineal entre dos variables x y y

El coeficiente de correlación lineal está restringido a la relación lineal entre dos variables, pero el coeficiente de determinación
puede emplearse para relaciones no lineales y para relaciones en las que hay dos o más variables independientes. Por tanto, el
coeficiente de determinación tiene un rango más amplio de aplicaciones.

También podría gustarte