INSTITUTO TECNOLOGICO SUPERIOR DE CALKINI

Nombre de la asignatura: Estadstica. Carrera: Ingeniera Bioqumica. Clave: BQM - 0511 Hrs. teora - Hrs. prctica - Crditos: 3 - 2 - 8
EN EL ESTADO DE CAMPECHE

TEMARIO
U N I D A D

RAMIRO JOSE GONZALEZ HORTA A r q u i t e c t o

TEMARIO
U N I D A D

Anlisis de la regresin.
4.1 Terminologa de la regresin. 4.2 Estimacin de parmetros. 4.3 Prueba de hiptesis en la regresin lineal simple. 4.4 Medicin de la adecuacin del modelo de regresin lineal simple. 4.4.1 Anlisis residual. 4.4.2 Prueba de falta de ajuste. 4.4.3 Coeficiente de determinacin. 4.4.4 Correlacin. 4.5 Modelo de regresin mltiple. 4.5.1 Estimacin de parmetros. 4.5.2 Prueba de hiptesis de regresin lineal mltiple. 4.5.2.1 Prueba de significacin de regresin. 4.5.2.2 Prueba sobre coeficientes individuales de regresin. 4.5.3 Coeficiente de determinacin mltiple. 4.5.4 Anlisis residual.

Anlisis de la regresin.
4.1 Terminologa de la regresin. 4.2 Estimacin de parmetros.
Regresion Lineal Simple El analisis de regresion consiste en emplear metodos que permitan determinar la mejor relacion funcional entre dos o mas variables concomitantes (o relacionadas). El analisis de correlacion estudia el grado de asociacion de dos o mas variables. Analisis de Regresion Una relacin funcional matemticamente hablando, esta dada por: Y = f(x1,...,xn; 1,...,m) donde: Y : Variable respuesta (o dependiente) xi : La i-esima variable independiente (i=1,..,n) j : El j-esimo parametro en la funcion (j=1,..,m) f : La funcion Para elegir una relacion funcional particular como la representativa de la poblacion bajo investigacion, usualmente se procede: 1) Una consideracion analitica del fenomeno que nos ocupa, y 2) Un examen de diagramas de dispersion. Una vez decidido el tipo de funcion matematica que mejor se ajusta (o representa nuestro concepto de la relacion exacta que existe entre las variables) se presenta el problema de elegir una expresion particular de esta familia de funciones; es decir, se ha postulado una cierta funcion como termino del verdadero estado en la poblacion y ahora es necesario estimar los parametros de esta funcion (ajuste de curvas). Como los valores de los parametros no se pueden determinar sin errores por que los valores observados de la variable dependiente no concuerdan con los valores esperados, entonces la ecuacion general replanteada, estadisticamente, seria: Y = f(x1,...xn;1,...,m) +

Donde respresenta el error cometido en el intento de observar la caracteristica en estudio, en la cual muchos factores contribuyen al valor que asume . Regresion Lineal Simple Cuando la relacion funcional entre las variables dependiente (Y) e independiente (X) es una linea recta, se tiene una regresion lineal simple, dada por la ecuacion Y = o + 1X + donde: o : El valor de la ordenada donde la linea de regresion se intersecta al eje Y. 1 : El coeficiente de regresion poblacional (pendiente de la linea recta) : El error. Suposiciones de la regresion lineal 1. Los valores de la variable independiente X son "fijos". 2. La variable X se mide sin error (se desprecia el error de medicion en X) 3. Existe una subpoblacion de valores Y normalmente distribuido para cada valor de X. 4. Las variancias de las subpoblaciones de Y son todas iguales. 5. Todas las medias de las subpoblaciones de Y estan sobre la misma recta. 6. Los valores de Y estan nomalmente distribuidos y son estadsticamente independientes. Los supuestos del 3 al 6 equivalen a decir que los errores son aleatorios, que se distribuyen normalmente con media cero y variancia 2. Terminologia: Promedios

Sumas de cuadrados y productos de X e Y.

SCY tambien corresponde a la suma de cuadrados total = SC total

Estimacion de parmetros La funcion de regresion lineal simple es expresado como: Y = o + 1X + la estimacion de parametros consiste en determinar los parametros o y 1 a partir de los datos muestrales observados; es decir, deben hallarse valores como bo y b1 de la muestra, que represente a o y 1, respectivamente. Empleando el metodo de los minimos cuadrados, es decir minimizando la suma de cuadrados de los errores, se determinan los valores de bo y b1, asi:

b0 : es el valor que representa (estimador) a o constituye el intercepto cuando X=0; b1 : es el valor que representa (estimador) a 1. Sus desviaciones estandares respectivas son:

Luego, la ecuacion de regresion es: y = bo + b1X El coeficiente de regresion (b1) .- pendiente de la recta de regresion, representa la tasa de cambio de la respuesta Y al cambio de una unidad en X. Si b1=0, se dice que no existe relacion lineal entre las dos variables.

Fuentes de variacion en la regresion lineal Los calculos de regresion pueden ser vistos como un proceso de particion de la suma total de cuadrados; asi, graficamente se tiene: Produccin de madera aserrada (miles de m3)

Se observa que la desviacion total para un Yi en particular es igual a la suma de las desviaciones explicada e inexplicada, simbolicamente. Luego:

SC total = SC regresion + SC residual Suma de Cuadrados del Total (SCT), mide la dispersion (variacion total) en los valores observados de Y. Este termino se utiliza para el calculo de la variancia de la muestra. Suma de Cuadrados explicada (Suma de Cuadrados debido a la Regresion, SCR) mide la variabilidad total en los valores observados de Y en consideracion a la relacion lineal entre X e Y. Suma de Cuadrados residual (inexplicada, Suma de Cuadrados del Error, SCE) mide la dispersion de los valores Y observados respecto a la recta de regresion Y (es la cantidad que se minimiza cuando se obtiene la recta de regresion).

Analisis de Variancia para la regresion lineal simple Cuando cada particion se asocia a una porcion correspondiente del total de grados de libertad, la tecnica es conocida cono analisis de variancia (ANVA), que generalmente se presenta en un cuadro de la siguiente forma:

La prueba estadistica F evalua las hipotesis: Hp: 1 = 0. No existe una regresion lineal entre X e Y. Ha: 1 0. Existe regresion lineal de Y en funcion de X. Para el ejemplo del grafico (ano base 1990 = 0)

Modelo de regresion estimado: Total de Madera aserrada (miles de m3 ) = 467,42 + 24,42 X X = El periodo. R2 = (49223 / 105526) *100% = 46% Intercepto = 467,42 Tasa = 24,42 Significa que el crecimiento anual es de 24 mil metros cubicos.