01 regresion
-
Upload
emmanuel-chulin -
Category
Documents
-
view
679 -
download
4
Transcript of 01 regresion
REGRESIÓN Y CORRELACIÓNIntroducción:Muchos estudios se basan en la creencia de que pueden identificar y cuantificar alguna relación funcional entre dos o más variables. La correlación mide la fuerza de una relación entre variables; la regresión da lugar a una ecuación que describe dicha relación en términos matemáticos.
Y es una función de XY=f(X)
Variable dependiente: Es la variable que se desea explicar o predecir; también se le denomina regresando o variable de respuesta.
Variable independiente: Es la variable que es independiente y que también se le denomina variable explicativa o regresor.
Regresión simple: Es la que establece que Y es una función de sólo una variable independiente y que con frecuencia se le denomina regresión divariada porque sólo hay dos variables.
Regresión múltiple: Aquí se toma a Y como una función de dos o más variables independientes por ejemplo Y= f (X1, X2, X3, …, Xk)
Tipos de regresión: Lineal (su representación gráfica es una línea recta) y curvilínea.
Diagramas de dispersión: Son las que representan las observaciones para X y Y.
Modelo de regresión lineal simple: Y= b0 + b1X
donde b0 es el intercepto con el eje vertical y b1 es la pendiente de la recta
Relación entre variables: Determinísticas o estocásticas (aleatorias)
Un modelo lineal con base en datos muestrales: donde b0 y b1 son estimaciones del coeficiente real y e es el término aleatorio residual
El modelo de regresión estimada:
En donde es el valor estimado de Y y b0 y b1 son el intercepto con el eje vertical y la pendiente de la recta de regresión estimada.
eXbbY 10
XbbY 10ˆ
Y
Mínimos cuadrados ordinarios (MCO): Es el procedimiento matemático utilizado para estimar los valores de b0 y b1
Para determinar la recta de mejor ajuste, MCO requiere que se calcule la suma de cuadrados y productos cruzados.
Suma de los cuadrados de X
Suma de los cuadrados de Y
n
XXXXSCx i
2
22
n
YYYYSCY i
2
22
Suma de los productos cruzados de X y Y
La pendiente de la recta de regresión
El intercepto de la recta de regresión
n
YXXYYYXXSCxy ii
SCx
SCxyb 1
XbYb 10
El error estándar de estimación (Se): Es una medida del grado de dispersión de los valores Yi alrededor de la recta de regresión.
Error estándar:
Cuadrado medio del error:
La suma de cuadrados del error:
2
ˆ 2
n
YYSe ii
CMESe
2n
SCECME
SCx
SCxySCySCE
2