SESIÓN 3
SESIÓN 25
ESTADÍSTICA INFERENCIAL
SUMARIO
TEMARIO
Regresión Lineal simple
LOGRO
Al finalizar la clase los alumnos aplican los conceptos de regresión
lineal simple , en diferentes contextos de la vida real
REGRESIÓN LINEAL
Frecuentemente resulta de interés conocer el efecto que una o varias variables pueden causar
sobre otra, es decir nos encontramos en la vida real y científica con modelos en los que el
comportamiento de una variable, Y, se puede explicar a través de una variable X;
La regresión lineal es un modelo estadístico usado para aproximar la relación de una variable
dependiente llamada Y, y una o mas variables independientes llamadas Xi y un término aleatorio
muchas veces llamado error ε
Representación 𝑌 = 𝑓(𝑥) +ε
Por lo tanto, el análisis de regresión involucra el estudio la relación entre variables
REGRESIÓN LINEAL SIMPLE
Regresión Lineal simple: Ejemplo Demostrativo
Se prueban cinco trozos experimentales del material bajo diferentes presiones. Los valores de x ( en
Newton ) y las magnitudes de compresión y resultantes (en unidades de cm)
Presión Compresión
(N) (Cm) Gráfica de
X Y dispersión
1 1
2 1
3 2
4 2
5 4
Y tiende a aumentar de forma lineal conforme X aumenta
REGRESIÓN LINEAL SIMPLE
Regresión Lineal simple:
La solución es construir un modelo probabilístico que relacione y con x; uno que
contemple la variación aleatoria de los puntos de datos a los lados de una línea recta.
Un tipo de modelo probabilístico, el modelo de regresión lineal simple, supone que el valor
medio de Y para un valor dado de X se grafica como una línea recta y que los puntos se
desvían de esta línea de medias en una cantidad aleatoria (positiva o negativa) igual a , es
decir:
y = β0 + βx1 + ε
Condición:
E(ε) = 0
Valor medio de y Error aleatorio
para una x dada
Donde 0y 1 son los coeficientes desconocidos del modelo.
REGRESIÓN LINEAL SIMPLE
Regresión Lineal simple: Interpretación de coeficientes Si b >0 , esto nos indica que al aumentar el valor
de X, también aumenta el valor de Y (promedio).
𝑦 = 𝛽0+ 𝛽1𝑋 Si b <0 , esto nos indica que al aumentar el valor
de X, el valor de Y disminuye (promedio).
El coeficiente de regresión: es el cambio (aumento o disminución) en promedio en Y cuando X varía en una unidad.
Supuestos Regresión Lineal:
Supuesto de Linealidad
Existe linealidad si se presenta una relación significativa entre la variable que se quiere predecir y las otras variables.
Puede usarse el coeficiente "R cuadrado ajustado", para saber si existe linealidad (mayor o igual a 0.7 suele ser
"indicio" de linealidad). El ANOVA es una prueba para saber la linealidad
Los residuos tienen media 0.
La varianza de los residuos no depende de xi (homocedasticidad)
Los residuos son normales.
Los residuos son aleatorios.
[Link] [Link]
REGRESIÓN LINEAL SIMPLE
Regresión Lineal simple:
Modelo de regresión lineal simple estimado
𝑦 = 𝛽0+ 𝛽1𝑋
y = variable dependiente
Donde: X = variable independiente
Cálculo de coeficientes práctico
Paso1: 𝒏σ 𝑿𝒀 − σ 𝑿σ 𝒀
𝜷𝟏 =
𝒏 σ 𝑿2 − σ 𝑿 2
Para estimar la recta de regresión utilizaremos el método de mínimos cuadrados. σ 𝒀 − 𝜷𝟏σ 𝑿
Este método consiste en minimizarla suma de los cuadrados de los errores: Paso2: 𝜷
𝟎 =
𝒏
REGRESIÓN LINEAL SIMPLE
Ejercicio:
La Propina que se le otorga a un mozo en un restaurante depende de muchos factores, por ejemplo la
cordialidad del personal, Tipo de ambiente, Satisfacción por el servicio, etc.
En el siguiente cuadro se tiene la cantidad de propina (s/.) que los clientes de un restaurant dan a los
mozos en función al tiempo en que se demora en servir una orden(minutos).
Propina(S/) 1 3 3 2 6 1 2 3 4
Tiempo de Atención
(minutos)
3 2 2 4 1 4 3 2 2
a) Identifique las variables de Interés y clasifique cada uno de ellos ¿Cómo se relacionan ambas variables?
b) Estime el modelo de Regresión lineal estimada
c) Pronosticar: ¿Cuánto en Promedio recibirá de propina un mozo que se ha demorado en atender 3.5 minutos?
REGRESIÓN LINEAL SIMPLE
Solución a. Las variables de Interés
Variable Independiente: Tiempo de Atención( minutos )(X)
Variable dependiente: Propina (s/) (Y)
6
La propina que se otorga a un
5 mozo depende del tiempo de
Gráfica de 4 atención en servir el orden.
Propina
dispersión
3
Relación inversa
2
0
0 1 2 3 4 5
Tiempo
REGRESIÓN LINEAL SIMPLE
Solución b. Modelo de Regresión Estimada
Y (propina) X (tiempo) 𝑋2 𝑌2 𝑋𝑌
1 3 9 1 3
3 2 4 9 6
3 2 4 9 6
2 4 16 4 8
6 1 1 36 6
1 4 16 1 4
2 3 9 4 6
3 2 4 9 6
4 2 4 16 8
REGRESIÓN LINEAL SIMPLE
𝑌 = 25 𝑋=23 𝑋 2 =67 𝑌 2 =89 𝑋𝑌=53
Paso2:
Modelo de Regresión Estimada
Solución C: Pronóstico de la propina cuando el tiempo de atención es 3.5 minutos
¿Cómo se interpreta 𝜷𝟏?
Cuando el tiempo de atención se
incrementa en un minuto la propina
disminuye en 1.32 soles
REGRESIÓN LINEAL SIMPLE
Resumen
Y (propina) X (tiempo)
Gráfica de
1 3 dispersión
3 2
3 2
2 4
6 1
1 4
2 3
3 2
4 2
EJERCICIO INDIVIDUAL
Resolveremos el
siguiente ejercicio de
manera individual
5 minutos!!
EJERCICIO INDIVIDUAL
La compresión de un resorte depende de la fuerza con que se aplique a aquel según los
valores del siguiente cuadro.
Fuerza (Newton) 1 0 2 3 4 2 3 4
Compresión (cm) 2 1 2 2 3 2 1 1
a) Identifique las variables de Interés y clasifique cada uno de ellos ¿Cómo se
relacionan ambas variables?
b) Estime el modelo de Regresión lineal simple estimado
c) Pronosticar: ¿Cuánto en Promedio se comprimirá un resorte al cual se le aplicó una
fuerza de 3.5 Newton?
TALLER GRUPAL
Vamos a los
ejercicios propuestos
de la separata!!
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?
