Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 98 vistas

    Regresion Lineal Simple + Coeficiente de Correlacion

    Cargado por

    Liw Zdh
    Este documento describe el modelo de regresión lineal simple y cómo se puede usar para analizar la relación entre dos variables. Explica cómo calcular la ecuación de regresión, la suma de cuadrados debidos al error (SSE), la suma total de cuadrados (SST), la suma de cuadrados debidos a la regresión (SSR), y el coeficiente de correlación y determinación para medir qué tan bien la regresión lineal describe los datos. Usa un ejemplo de la relación entre el tamaño de la población estudiantil y las ventas de una cadena de pizzer

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd

    Regresion Lineal Simple + Coeficiente de Correlacion

    Cargado por

    Liw Zdh
    98 vistas14 páginas
    Este documento describe el modelo de regresión lineal simple y cómo se puede usar para analizar la relación entre dos variables. Explica cómo calcular la ecuación de regresión, la suma de cuadrados debidos al error (SSE), la suma total de cuadrados (SST), la suma de cuadrados debidos a la regresión (SSR), y el coeficiente de correlación y determinación para medir qué tan bien la regresión lineal describe los datos. Usa un ejemplo de la relación entre el tamaño de la población estudiantil y las ventas de una cadena de pizzer

    Descripción original:

    Regresión Lineal Simple

    Título original

    Regresion Lineal Simple + Coeficiente de correlacion (1)

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PPTX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe el modelo de regresión lineal simple y cómo se puede usar para analizar la relación entre dos variables. Explica cómo calcular la ecuación de regresión, la suma de cuadrados debidos al error (SSE), la suma total de cuadrados (SST), la suma de cuadrados debidos a la regresión (SSR), y el coeficiente de correlación y determinación para medir qué tan bien la regresión lineal describe los datos. Usa un ejemplo de la relación entre el tamaño de la población estudiantil y las ventas de una cadena de pizzer

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    98 vistas14 páginas

    Regresion Lineal Simple + Coeficiente de Correlacion

    Cargado por

    Liw Zdh
    Este documento describe el modelo de regresión lineal simple y cómo se puede usar para analizar la relación entre dos variables. Explica cómo calcular la ecuación de regresión, la suma de cuadrados debidos al error (SSE), la suma total de cuadrados (SST), la suma de cuadrados debidos a la regresión (SSR), y el coeficiente de correlación y determinación para medir qué tan bien la regresión lineal describe los datos. Usa un ejemplo de la relación entre el tamaño de la población estudiantil y las ventas de una cadena de pizzer

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    de 14

    Tema :

    REGRESION LINEAL SIMPLE

    OBJETIVO :
    - Aprender como se puede aplicar el analisis de regresion para plantear
    una ecueacion que relaciona dos variables.
    Muchas veces las decisiones gerenciales se basan en la relacion entre dos o mas
    variables.. Por ejemplo, despues de revisar la relacion entre los gastos de publicidad y
    las ventas , un gerente de mercadotecnia podria tratar de predecir las ventas para
    determinado nivel de gasto de publicidad. En otro caso , una empresa de electricidad
    podria usar la relacion entre la temperatura maxima diaria y la demanda de
    electricidad para predecir el consumo de energia en base a temperaturas maximas
    pronosticadas ……podemos emplear un procedimiento estadistico llamado analisis de
    regresion para plantear una ecuacion que muestre como dependen las variables entre
    si.

    El modelo de regresion Lineal Simple.

    Describiremos el caso de Pizzerias Armand, cadena de restaurantes de comida italiana


    que abarca 5 estados. Los lugares donde sus establecimientos han tenido mas exito
    estan mas cercanos a establecimientos de educacion superior. Los administradores
    creen que las ventas trimestrales en esps restaurantes (representadas por y) , se
    relacionan en forma positiva con la poblacion estudiantil (representada por x) .

    Aplicando el analisis de regresion podremos plantear una ecuacion que muestre como
    se relaciona la variable dependiente y con la variable independiente x.
    Modelo y ecuacion de regresion :

    En el ejemplo de la pizzeria , cada restaurante esta asociado con una valor de x


    (poblacion estudiantil) y un valor correspondiente de y. (Ventas).
    La ecuacion que describe como se relaciona y con x y con un termino de error se
    llama modelo de regresion.

    En este modelo , y es una funcion lineal de x (la parte ) mas ε. Los


    primeros se les llama parametros del modelo y ε es una variable aleatoria. Este
    termino de error explica la variabilidad en y que no se puede explicar con la relacion
    lineal entre y y x.

    Ecuacion estimada de regresion


    Si se conociaran los valores de los parametros βo y β1 , podriamos usar la ecuacion
    arriba para calcular el valor medio de y para determinado valor de x.
    desafortunadamente , los valores de estos parametros no se conocen en la practica, y
    se deben estimar usando datos de la muestra. Se calculan estadisticos de la muestra
    (denotados por bo y b1) como estimaciones de los parametros βo y β1.
    Al sustituir estos valores obtenemos la ecuacion de regresion lineal simple.

    Importante*
    Lineas Posibles de regresion en la regresion lineal simple.
    Metodos de los cuadrados minimos para calcular los parametros de la ecuacion de
    regresion lineal.

    Para ilustrar este metodo, supongamos que se reunieron datos de una muestra de 10
    restaurantes :

    a) Encotramos el diagrama de dispersion (graficarla), el cual nos permite ver


    graficamente los datos y sacar conclusiones preliminares acerca de la posible
    relacion entre las variables.
    b) Empleamos el metodo de los cuadrados minimos para encontrar los parametros de
    la ecuacion de regresion
    Donde es el valor observado de la variable dependiente y es el valor estimado de
    la variable dependiente
    Despues de calculos difernciales , obtenemos las siguientes ecuaciones :
    Calculos para la ecuacion estimada de regresion :
    Tema :
    Coeficiente de Correlacion

    OBJETIVO :
    - Entender el concepto del coeficiente de correlacion como medida
    Descriptiva de la intensidad de la asociacion lineal entre dos variables x y y.
    Entender el concepto de coeficiente de determinacion :

    En el ejemplo de pizzeria, se dedujo la ecuacion de regresion


    Para aproximar la relacion lineal entre el tamaño de la poblacion de estudiantes y la
    ventas. Ahora la pregunta es : que tan bien se ajusta a los datos esta ecuacion de
    regresion ?
    Para responder esta pregunta debemos calcular el error que se comete al usar esta
    ecuacion de regresion. A esta cantidad se le conococe con el nombre de suma de
    cuadrados debido al error. Se represente por medio de SSE (Sum of squares due to errror)

    SSE :

    El valor de SSE es una medida del error que se comete al usar la ecuacion de regresion
    para calcular los valores de la variable dependiente en la muestra.
    Calculo de SSE para pizzeria Armands :

    SSE : 1,530
    Ahora supongamos que queremos determinar un estimado de las ventas sin conocer el
    tamano de la poblacion de estudiantes. Sin conocer alguna de las variables
    relacionadas usariamos la media de las muestras como estimado de las ventas en
    cualquier restaurante.
    En este ejemplo, este valor medio de las ventas es 1,300/10= 130.
    En la siguiente tabla mostramos la suma de las desviaciones elevadas al cuadrado,
    obtenida usando la media de la muestra. A la suma correspondiente de cuadrados, se
    le llama suma total de cuadrados. STT (Sum of squares total)

    STT :

    SST = 15,730
    En la siguiente figura se muestra la linea de regresion estimada y la que corresponde a
    la media. Observe que los puntos se agrupan mas estrechamente alrededor de la linea
    estimada de regresion que la linea y=130. por ejemplo para el decimo restaurante se ve
    claro que el error es mucho mas grande cuando y = 130 se usa como estimado de y10
    que cuando se usa la ecuacion de regresion. Podemos imaginar que SST es una
    medida de lo bien que las observaciones se agrupan en torno a la recta y = x , y que
    SSE mide lo bien que las observaciones se agrupan en torno a la ecuacion de regresion.
    Para medir cuanto se desvian los valores de y medidos en la linea de regresion , de los
    valores de la media , se calcula otra suma de cuadrados. A esta suma se le llama
    suma de cuadrados debido a la regresion y se representa por SSR (Sum of squares due to
    regression)

    SSR = SST – SSE

    En el ejemplo de la pizzeria, SSR = 14,200.

    Calculando el coeficiente de determinacion :


    Es la relacion entre SSR y SST . (Valores entre 0 y 1)

    El coeficiente de determinacion para el caso de la pizzeria es de 14,200/15,730=0.9027

    Coeficiente de correlacion
    Es una medida descriptiva de la intensidad de la asociacion lineal entre dos variables, x
    y y. Estos valores siempre estan en -1 y 1. un valor de +1 indican que las dos variables
    tienen una relacion linal positiva perfecta. Esto es , todos los puntos de datos estan
    sobre una linea recta con pendiente positiva. Un valor de -1 indica que x y y tinene una
    relacion lineal negativa perfecta y que todos los puntos de datos estan sobre una recta
    con pendiente negativa.
    Los Valores de coeficiente de relacion cercanos a cero indican que x y y no tienen
    relacion.

    Coeficiente de correlacion rxy =(signo de b1)√coef. determinacion.


    En el ejemplo de la pizzeria el coeficiente de correlacion es √0.9027 = +0.9501. hay una
    FUERTE asociacion lineal positiva entre x y y.

    Trabajo Pareja Clase 31-Agosto


    Las estaturas y pesos de 10 jugadores de baloncesto de un equipo son:

    Calcule la ec. De regresion de Y y su grafica , SSE , SST , SSR y coeficiente de correlacion

    También podría gustarte