Inferencia

Estadística
Estadística - Sesión 22

Universidad Privada de Tacna

Facultad de Arquitectura y Urbanismo
Carrera Profesional de Arquitectura

Estadística

Ing. Jaime F. Polar Fuentes

 UPT - Facultad de Arquitectura y Urbanismo

Contenido

1. Modelo Probabilístico Simple

2. Ecuación de la Recta

3. Regresión Lineal

4. Mínimos Cuadrados y Correlación

 UPT - Facultad de Arquitectura y Urbanismo

Modelo Probabilístico Simple

 El Modelo Probabilístico Simple, representa una

tendencia en una serie de datos obtenidos en un
periodo; ejemplo: cálculo del PBI, precios de
bienes, valor de acciones, etc.

 La línea de tendencia se puede dibujar a simple

vista a partir de un grupo de puntos pero su
posición y pendiente se calcule mediante técnicas
estadísticas como las regresiones lineales.
 UPT - Facultad de Arquitectura y Urbanismo

Modelo Probabilístico Simple

Ejemplo de estimación utilizando el método de mínimos cuadrados.

1 2 3

Cálculo de la Cálculo de la
ordenada en Gráfica de la
pendiente.
el origen. recta.

b1 = m b0 = b ෝ = b 1 x + b0
𝒚
valor de y cuando x = 0
pendiente
 UPT - Facultad de Arquitectura y Urbanismo

Del Modelo a la Ecuación de la Recta

 Las líneas de tendencia son generalmente líneas

rectas, aunque algunas variaciones utilizan
polinomios de mayor grado dependiendo de la
curva deseada en la línea.

 La Ecuación de la recta de regresión

muestral se puede determinar a partir de los
valores de m (o a) y b de la recta con los datos
observados de la muestra. y = mx + b
 UPT - Facultad de Arquitectura y Urbanismo

Ecuación de la Recta  y = mx + b

 El análisis de regresión lineal es la técnica que se

emplea para desarrollar un modelo estadístico de
la recta y hacer predicciones de la variable en el
futuro.

 El Modelo de Regresión Lineal se puede

representar en función y=ƒ(x) a:

 Población:
 Muestra: Y = b0 + b1X + e
 Estimación: Ῡ = b0 + b1X
 UPT - Facultad de Arquitectura y Urbanismo

Ecuación de la Recta

 Conocemos por recta a la línea formada por una

serie continua de puntos en una misma dirección
que no tiene curvas ni ángulos y cubre la menor
distancia posible entre dos puntos.

 La ecuación general de primer grado Ax+By+C=0,

donde A, B, C pertenecen a los números reales y
en que A y B no son simultáneamente nulos,
representa una línea recta.

 Cada punto se compone de:

(x, y) = (Abscisa , Ordenada)
 UPT - Facultad de Arquitectura y Urbanismo

Ecuación de la Recta

 Recordado lo anterior, veamos ahora la ecuación

de la recta que pasa solo por un punto conocido y
cuya pendiente (de la recta) también se conoce,
que se obtiene con la fórmula: y = mx + n

 Forma simplificada:
 UPT - Facultad de Arquitectura y Urbanismo

Regresión Lineal

 La regresión lineal observa la relación

existente entre dos variables con fines
predictivos.
El análisis de regresión lineal es la técnica que se
emplea para desarrollar un modelo estadístico de la
recta y hacer predicciones de la variable en el futuro.

La regresión estadística o
regresión a la media es la
tendencia de una medición
extrema a presentarse más
cercana a la media en una
segunda medición.
 UPT - Facultad de Arquitectura y Urbanismo

Regresión y Correlación

 La correlación (ρ o r) mide la intensidad de la

relación existente entre dos variables.
El análisis de correlación es el conjunto de técnicas
estadísticas para medir el coeficiente de correlación,
cuyos valores pueden
variar entre -1 y 1, si
la relación entre las
dos variables es
inversa o directamente
proporcional a la
variación de la
variable
independiente.
 UPT - Facultad de Arquitectura y Urbanismo

Correlación

Ejemplos de correlación (r)

altura y peso: los alumnos más altos suelen pesar más.
Si "r" > 0, la correlación lineal es positiva (si sube el valor de
una variable sube el de la otra). La correlación es tanto más
fuerte cuanto más se aproxime a 1.

peso y velocidad: los alumnos más gordos suelen correr

menos.
Si "r" < 0, la correlación lineal es negativa (si sube el valor
de una variable disminuye el de la otra). La correlación
negativa es tanto más fuerte cuanto más se aproxime a -1.
 UPT - Facultad de Arquitectura y Urbanismo

Modelo de Regresión Lineal Simple

 Muchas decisiones suelen basarse en la

relación entre dos o más variables.
 En regresión, a la variable que se va a predecir se le llama
variable dependiente.
 La variable o variables que se usan para predecir el valor de la
variable dependiente se llaman variables independientes.

Por ejemplo, observar la relación entre el gasto en

publicidad y las ventas, nos pueden permitir predecir las
ventas correspondientes a un determinado gasto en
publicidad.
 UPT - Facultad de Arquitectura y Urbanismo

Ejemplo

 Una empresa de venta de productos por catálogo

observa que las ventas y (en miles de soles) en
cada sector de la ciudad están en función al
número de vendedoras x (aliadas estratégicas)
de la empresa. Un estudio muestral de dicha
relación se muestra en la siguiente tabla:
RESPONDA:

 ¿Cuáles son los valores de ŷ para x=45 y x=20?

Fórmulas:

𝑛 σ 𝑥𝑦 − σ 𝑥 σ 𝑦
𝑏1 =
𝑛 σ 𝑥 2 − (σ 𝑥)2

σ𝑦 σ𝑥
b0 = 𝑛
–
𝑛
b1
 UPT - Facultad de Arquitectura y Urbanismo

Modelo de Regresión Lineal Simple

 El análisis de regresión en el que interviene una

variable independiente y una variable dependiente y
en el que la relación entre estas variables es
aproximada mediante una línea recta, se le conoce
como regresión lineal simple.
 Al análisis de regresión en el que intervienen dos o
más variables independientes se le llama análisis de
regresión múltiple.

 El modelo de los mínimos cuadrados es un modelo

de regresión simple y a su gráfica se le llama recta
de regresión estimada; b0 es la intersección con
el eje y y b1 es la pendiente.
 UPT - Facultad de Arquitectura y Urbanismo

Modelo de Regresión Lineal Simple

 El análisis de regresión no puede entenderse como

un procedimiento para establecer una relación de
causa y efecto entre las variables. Este
procedimiento sólo indica cómo o en qué medida
las variables están relacionadas una con otra.
 En la regresión lineal simple,
cada observación consta de
dos valores: uno de la
variable independiente y
otro de la variable
dependiente.
 UPT - Facultad de Arquitectura y Urbanismo

Coeficiente de Determinación

 ¿Qué tan bien se ajusta a los datos

la ecuación de regresión estimada?

Coeficiente de determinación:
A la diferencia que existe, en la observación i, entre el
valor observado de la variable dependiente 𝑦𝑖 , y el valor
estimado de la variable dependiente, se le llama residual i
que representa el error que existe al usar para estimar 𝑦ො𝑖 .

La suma de los cuadrados de estos residuales o errores

es la cantidad que se minimiza empleando el método de
los mínimos cuadrados. Esta cantidad, también conocida
como suma de cuadrados debida al error, se denota por
SCE.
 UPT - Facultad de Arquitectura y Urbanismo

Calcular
 UPT - Facultad de Arquitectura y Urbanismo

Para el Coeficiente de Determinación

 UPT - Facultad de Arquitectura y Urbanismo

Determinación y Correlación

El coeficiente de Correlación permite medir la

intensidad de relación lineal entre dos variables.
 UPT - Facultad de Arquitectura y Urbanismo

Ejercicios

Calcule el coeficiente de CORRELACIÓN

existente entre las variables.
Vendedoras 15 12 13 18 16

Ingresos 19 8 10 26 22

 Complete el siguiente cuadro y calcule el coeficiente de

CORRELACIÓN existente entre las variables.
x y xy x2 y y-y (y-y)2 y-ymed (y-ymed)2
32 13
36 15
28 14
27 15
31 9
32 16
34 19
 Aprenderás Lecciones. Estás inscrito en
una escuela informal de tiempo completo
llamada vida.
Benjamin Franklin

Universidad Privada de Tacna

Facultad de Arquitectura y Urbanismo
Carrera Profesional de Arquitectura

Estadística

Ing. Jaime F. Polar Fuentes