Академический Документы
Профессиональный Документы
Культура Документы
Elaboró
Quím. Francisco Partida Hernández
Profesor del Área de Probabilidad y Estadística
Instituto Tecnológico de Puebla
Análisis de regresión lineal simple Modelos estadísticos
y x x x y
2 a y b = estadísticos estimadores de los
CÁLCULO DEL ESTADÍSTICO a . parámetros o coeficientes 0 , 1
a
i i i i i
n x x
(intersección de la recta de regresión
y = suma de todos los valores de y
2 2
i
de mejor ajuste). i i
x = suma de todos los valores de x
i
a i i
su valor par de y , y después de obtener
n todos esos productos, se calcula su suma.
x y n
xi yi xi2 = cada valor de x se eleva al cuadrado
CÁLCULO DEL ESTADÍSTICO b i i y después se suman esos cuadrados.
b
(pendiente de la recta de regresión de
x xi = la suma de todos los valores de x
2
2
x n
mejor ajuste). 2 i
i
se eleva al cuadrado.
n = número de pares de datos presentes.
Elaboró: QUÍM. FRANCISCO PARTIDA HERNÁNDEZ Profesor del Área de Probabilidad y estadística del I.T.P.
Análisis de regresión lineal simple Modelos estadísticos
SCxx xi x
2
2
SUMA DE CUADRADOS, n SCxx = suma de cuadrados de diferencias
SCxx . xi entre cada observación xi respecto de x .
SCxx xi i 1
n
2
SCxy = suma de diferencias xi respecto a x ,
i 1 n
por las diferencias de yi respecto a y .
SCyy SCT = suma de cuadrados de
SCxy xi x yi y
diferencias entre cada observación yi
SUMA DE CUADRADOS, respecto de y .
n n
xi yi
SCxy . SCT SC yy = Suma de cuadrados totales.
SCxy xi yi i 1 i 1
n
y = media aritmética de los valores en y .
i 1 n x = media aritmética de los valores en x .
n = número de pares de datos presentes
SCT SC yy yi y
SUMA DE CUADRADOS 2
TOTALES, SCT .
Elaboró: QUÍM. FRANCISCO PARTIDA HERNÁNDEZ Profesor del Área de Probabilidad y estadística del I.T.P.
Análisis de regresión lineal simple Modelos estadísticos
y y yˆ y y yˆ
(ANOVA en la regresión) 2 2 2
i i i i
y = media de los valores yi .
yˆ i = valor predicho de yi en función de un
SUMAS DE CUADRADOS EN EL
ANÁLISIS DE REGRESIÓN SCT SCR SCE valor x específico.
SCxy = suma de diferencias xi respecto a x ,
Grados de libertad (gl) n 1 = 1 + n 2 por las diferencias de yi respecto a y .
SCyy SCT = suma de cuadrados de
n diferencias entre cada observación yi
SCT SC yy yi y
2
respecto de y .
i 1
SCT SC yy = Suma de cuadrados totales.
SUMA DE CUADRADOS
TOTALES, SCT . SCT y ny 2 2 SCR = suma de cuadrados debida a la
regresión (variación explicada).
Variación total.
SCE = suma de cuadrados debida al error
y
2
(variación no explicada).
SCT yi2
i
n = número de pares de datos presentes
n
xi = suma de todos los valores de x
n y = suma de todos los valores de y
SCR yˆi y
2 i
xi yi
regresión. = la suma de todos los valores de x
n se eleva al cuadrado.
SCR b1 = pendiente de la ecuación
xi
2
i x 2
n
Elaboró: QUÍM. FRANCISCO PARTIDA HERNÁNDEZ Profesor del Área de Probabilidad y estadística del I.T.P.
Análisis de regresión lineal simple Modelos estadísticos
y yˆ
2
DESVIACIÓN ESTÁNDAR DE SCE
REGRESIÓN. s i i
n2 n2
Elaboró: QUÍM. FRANCISCO PARTIDA HERNÁNDEZ Profesor del Área de Probabilidad y estadística del I.T.P.
Análisis de regresión lineal simple Modelos estadísticos
TOTAL n 1 SCT
ˆ1 t 2, n2 sb 1
ˆ1 b = estimador del parámetro
INTERVALO DE CONFIANZA t 2; = valor correspondiente de la
100 1 % , PARA 1 (pendiente Grados de libertad, n 2 distribución t con grados de libertad
de la recta de regresión). sb1 = desviación estándar estimada de b1 .
s
sb1 s = desviación estándar de regresión.
SCxx a = estadístico estimador del parámetro 0
SCxx = suma de cuadrados de diferencias
0 t 2; n2 sb 0
entre cada observación xi respecto de x .
s0 sa = desviación std. estimada de a
INTERVALO DE CONFIANZA Grados de libertad, n 2 x =media aritmética de los valores en x.
100 1 % , PARA 0 2 = s =error estándar de la estimación.
x x 2
(intersección de la recta de regresión). 2 i = cada valor de x se eleva al cuadrado
sb0 s i
y después se suman esos cuadrados
n SCxx n = número de pares de datos presentes
Elaboró: QUÍM. FRANCISCO PARTIDA HERNÁNDEZ Profesor del Área de Probabilidad y estadística del I.T.P.
Análisis de regresión lineal simple Modelos estadísticos
1. Contraste de hipótesis H 0 : 0 0
H1 : 0 0
SCxx x
2 i
i
n
Elaboró: QUÍM. FRANCISCO PARTIDA HERNÁNDEZ Profesor del Área de Probabilidad y estadística del I.T.P.
Análisis de regresión lineal simple Modelos estadísticos
n2
Elaboró: QUÍM. FRANCISCO PARTIDA HERNÁNDEZ Profesor del Área de Probabilidad y estadística del I.T.P.
Análisis de regresión lineal simple Modelos estadísticos
1. Contraste de hipótesis H 0 : 1 0
“No hay una relación lineal entre X y Y ”
H1 : 1 0
“Existe relación lineal significativa entre X y Y ”
1 = coeficiente o parámetro de regresión de
la pendiente.
F ; D , D = valor correspondiente de la
2. Criterio de decisión “ Rechazar H 0 si Fcal F ; D1 , D2 ” 1 2
distribución F con D1 1 y D2 n 2
En donde F se basa en una distribución F con D1 1
grados de libertad en el numerador y
en el numerador y D2 n 2 grados de libertad en el denominador, respectivamente.
denominador. Fcal = Estadístico de prueba para la prueba
de hipótesis sobre la pendiente de la recta de
regresión.
3. Cálculo del estadístico de prueba CMR CMR = cuadrado medio debido a la
Fcal regresión
CME CME = cuadrado medio debido al error
Elaboró: QUÍM. FRANCISCO PARTIDA HERNÁNDEZ Profesor del Área de Probabilidad y estadística del I.T.P.
Análisis de regresión lineal simple Modelos estadísticos
Elaboró: QUÍM. FRANCISCO PARTIDA HERNÁNDEZ Profesor del Área de Probabilidad y estadística del I.T.P.
Análisis de regresión lineal simple Modelos estadísticos
s 2 CME
s 2 = estimador muestral de la varianza 2 .
y yˆ
2
CÁLCULO DE LA VARIANZA CME = cuadrado medio debido al error.
s2 i i
DE REGRESIÓN, 2 . n2
yi = valor muestral observado
yˆ i = valor predicho de yi
Mediante el estadístico, s 2 .
y a yi b xi yi
2 b = valor de la pendiente muestral
s 2
i = ordenada al origen de la línea de
n2 regresión estimada.
n = número de pares de datos presentes
yi = suma de todos los valores de y
y 2
i
=cada valor de y se eleva al cuadrado
s CME y después se suman esos cuadrados
xi yi = cada valor de x se multiplica por
su valor de y correspondiente y después de
yi yˆi
2
SCE obtener todos esos productos, se calcula su
s suma
CÁLCULO DE LA DESVIACIÓN n2 n2
ESTÁNDAR DE REGRESIÓN, . s = estimador muestral de la desviación
estándar de regresión, .
Mediante el estadístico, s .
(Magnitud del error de estimación del SC yy b1 SCxy SCE = suma de cuadrados debida al error
s (variación no explicada).
modelo). n2 SCyy SCT = variación total observada
(suma de cuadrados de diferencias entre
s
y 2
i a yi b1 xi yi cada observación yi respecto de y ).
n2
ei = residual
RESIDUAL, ei . ei yi yˆi yi = valor muestral observado
yˆ i = valor predicho de yi
Elaboró: QUÍM. FRANCISCO PARTIDA HERNÁNDEZ Profesor del Área de Probabilidad y estadística del I.T.P.
Análisis de regresión lineal simple Modelos estadísticos
n n ei = residual
ei2 yi yˆi
2
n
Elaboró: QUÍM. FRANCISCO PARTIDA HERNÁNDEZ Profesor del Área de Probabilidad y estadística del I.T.P.
Análisis de regresión lineal simple Modelos estadísticos
1 x x
2
INTERVALO DE CONFIANZA yˆi t 2, n2 s ŷ0 = valor puntual ajustado con la ecuación
n SCxx
100 1 % DE LA de regresión para la observación futura
cuando x x0 .
RESPUESTA MEDIA ESTIMADA
DE UN VALOR DE y PARA UN ŷ0 = desviación estándar estimada de ŷ0
1 x x 2
VALOR DADO DE x . yˆi t 2, n2 CME
n sxx
MODELO GENERAL DE
PREDICCIÓN POR INTERVALOS yˆ0 t 2, yˆ0
DE CONFIANZA
ŷ = Desviación estándar de la distribución
0
x0 x
2
muestral de la recta de regresión para hacer
1
yˆ s 1 estimaciones
ERROR DE LA DISTRIBUCIÓN
0
n SCxx s = estimador muestral de la desviación
MUESTRAL DE LA RECTA DE estándar de regresión, .
REGRESIÓN PARA REALIZAR n = número de pares de datos presentes.
PREDICCIONES. 1 x0 x 2 x0 = valor dado en x para estimar yˆ i
yˆ CME 1 x = media aritmética de los valores en x .
n SC
0
xx SCxx = variabilidad observada dentro
de los valores x .
1 x x 2
ŷ0 = valor puntual ajustado con la ecuación
yˆ 0 t 2, n2 s 1 0 de regresión cuando x x0 .
INTERVALO DE CONFIANZA n SCxx t 2; = valor de t que se basa en
100 1 % PARA LA n 2 grados de libertad.
PREDICCIÓN DE UN VALOR y CME =cuadrados medios del error
EN FUNCIÓN DE UN VALOR 1 x x 2
(desviación estándar estimada de ).
DADO DE x . yˆ 0 t 2, n2 CME 1 0
n sxx
Elaboró: QUÍM. FRANCISCO PARTIDA HERNÁNDEZ Profesor del Área de Probabilidad y estadística del I.T.P.