REGRESIÓN Y CORRELACIÓN  REGRESIÓN Es un Proceso estadístico que consiste en predecir una variable a partir de otra utilizando datos anteriores. INGA.

Slides:



Advertisements
Presentaciones similares
REGRESION LINEAL SIMPLE
Advertisements

MÉTODOS DE MEDICIÓN DE COSTOS.
Regresión lineal Es un modelo matemático para predecir el efecto de una variable sobre otra, ambas cuantitativas. Una variable es la dependiente y otra.
Análisis de Correlación y de Regresión lineal simple
Pronósticos, Series de Tiempo y Regresión
CORRELACIÓN Y REGRESIÓN EMPLEANDO EXCEL
Regresión lineal simple Nazira Calleja
REGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL SIMPLE
M.E. ADA PAULINA MORA GONZALEZ. Esta parte describe las técnicas para ajustar curvas en base a datos para estimaciones intermedias. Una manera de hacerlo.
LEONARDO LÓPEZ C. ECONOMIA ESTADISTICA COMPUTARIZADA PARALELO: 261.
PRINCIPIOS DE ESTADÍSTICAS INFERENCIALES PRUEBA DE HIPÓTESIS: MUESTRAS PEQUEÑAS.
TEMA 3: ESTADÍSTICA BIDIMENSIONAL. ÍNDICE: 1.- Relación estadística: correlación. 2.- Diagramas de dispersión o nube de puntos. 3.- Tablas de frecuencia.
TEMA 3: Estadística Bidimensional. ● Álvaro Fernández Romero y Luis Carlos Fernández herrezuelo.
ESTADÍSTICA II Ing. Danmelys Perozo MSc. Blog:
Free and Quick Translation of Anderson's slides1 Modelo de Regresión Lineal Simple y =  0 +  1 x + u.
1 Pronósticos, Series de Tiempo y Regresión Capítulo 3: Regresión Lineal Simple.
Ing. VITELIO ASENCIOS TARAZONA. Dentro de los modelos causales o asociativos encontramos el análisis de regresión o regresión lineal, que es un método.
ESCUELA PROFESIONAL CIENCIA POLITICA Y GOBIERNO
Curso de Elaboración de Pruebas Prof. Gerardo A. Valderrama M
Correlación y regresión
PRUEBA DE HIPÓTESIS: MUESTRAS PEQUEÑAS
Facultad de Ciencias Sociales
El modelo simple de regresión
ESTADÍSTICA II Ing. Danmelys Perozo MSc.
Clase 8: Contraste de Hipótesis
Capítulo 6 Regresión no lineal
ANALISIS DE LA VARIANZA PROF. GERARDO A. VALDERRAMA M.
Tema 4: Análisis de datos bivariantes numéricos (continuación)
Correlación Lineal de Pearson y Regresión Lineal Simple
CALCULO DE COSTOS POR MÉTODOS ESTADÍSTICOS:
LAS PREDICCIONES Uno de los principales objetivos de la construcción de un modelo econométrico es la realización de predicciones. Es decir el pronóstico.
DISTRIBUCIÓN GAMMA. La distribución gamma se deriva de la función gamma. La distribución gamma tiene un caso especial que es la distribución exponencial.
Análisis descriptivo y presentación de datos bivariables
PREDICCIÓN Y ESTIMACIÓN
Estadística Básica Curso de Estadística Básica MCC. Manuel Uribe Saldaña MCC. José Gonzalo Lugo Pérez SESION 3 MEDIDAS DE TENDENCIA CENTRAL Y MEDIDAS DE.
ANALISIS DE DATOS CUANTITATIVOS
REGRESÍON LINEAL SIMPLE
Pendiente de la recta que pasa por dos puntos
ECONOMETRIA I 3. MODELO LINEAL DE TRES VARIABLES
REGRESIÓN LINEAL SIMPLE
Solución de ecuaciones cuadráticas
“Formulación de Hipótesis Estadística”
Kriging Consideremos información de determinada propiedad en el yacimiento y puntos en los cuales se tiene la estimación dea partir de los puntos.
ANÁLISIS DE REGRESIÓN SIMPLE
ESTIMACIÓN (Inferencia Estadística) Intervalos de Confianza
Análisis de Regresión Lineal Curso de Verano ENCUP: Introducción al análisis cuantitativo en ciencias sociales Javier Aparicio División de Estudios Políticos,
ANALISIS DE VARIANZA
Estadística Administrativa II
Correlación Relación no lineal Relación lineal positiva Relación
Ecuación Explícita de la Recta
ICPM050 – ECONOMETRÍA tema 03: ESTIMACIÓN MODELO LINEAL SIMPLE
Correlación Relación no lineal Relación lineal positiva Relación
Tema 6: Regresión lineal. 1. Introducción. 2. La ecuación de la recta. 3. El criterio de mínimos cuadrados. 4. Representación gráfica. 5. Coeficientes.
Regresión Lineal Simple
SERIES DE TIEMPO. Concepto Una serie de tiempo es un conjunto de observaciones de un fenómeno tomadas en tiempos específicos, generalmente a intervalos.
PROBABILIDAD Y ESTADISTICA
Modelo de Regresión Lineal Simple
MODELOS DE PRONOSTICOS
REGRESIONINTERPOLACION Los Métodos Numéricos Métodos mas utilizados Ajuste de Curvas.
Interpolación. Dados n + 1 puntos, hay uno y sólo un polinomio de grado* n que pasa a través de todos los puntos. Por ejemplo, hay sólo una línea recta.
ANÁLISIS DE REGRESIÓN LINEAL Y CORRELACIÓN SIMPLE ANÁLISIS DE REGRESIÓN LINEAL Y CORRELACIÓN SIMPLE 1 1.
Regresión lineal Electivo Estadística IV°Medio 2019.
ESTADÍSTICA DESCRIPTIVA Mg. JHON FREDY SABI ROJAS.
ESTADÍSTICA ADMINISTRATIVA 2 PERIODO: AGOSTO – DICEIMBRE DE 2019 MTRA. ANGÉLICA GARCÍA DELGADO.
ANALISIS DE REGRESION SIMPLE
TRATAMIENTO Y EVALUACION DE RESULTADOS ANALITICOS 1.Conceptos generales sobre la medida. Tipos de errores, concepto, componentes, corrección. Distribución.
1 Afectados de cierto grado de INCERTIDUMBRE SIEMPRE HAY UN ERROR EN SU MEDIDA ESTABLECER LA FIABILIDAD DE LOS DATOS ¿Podemos evaluar la magnitud del error.
ESTADÍSTICA APLICADA  ZEUS DE JESÚS RODRÍGUEZ BUDA  GABRIELA MÁRQUEZ TORRES  MARÍA ENRIQUETA GIL CÓRDOVA  ELIÁN ANTONIO GONZALEZ GARCÍA  CRISTELL.
REGRESION LINEAL SIMPLE
Transcripción de la presentación:

REGRESIÓN Y CORRELACIÓN  REGRESIÓN Es un Proceso estadístico que consiste en predecir una variable a partir de otra utilizando datos anteriores. INGA. ASTRID MÉRIDA

DIAGRAMA DE DISPERSIÓN Es una gráfica en la que se traza cada uno de los puntos que representan un par de valores observados para las variables independiente y dependiente. INGA. ASTRID MÉRIDA

DIAGRAMAS DE DISPERSIÓN INGA. ASTRID MÉRIDA

REGRESIÓN LINEAL Se refiere a la relación entre dos variables para la predicción de una en base a la otra. Sostiene que a medida que x cambia, y cambia en una cantidad constante. INGA. ASTRID MÉRIDA

El método que comúnmente se utiliza para realizar este ajuste es el llamado método de mínimos cuadrados. Se llama así porque reduce al mínimo el cuadrado de las distancias verticales entre cada uno de los puntos y la recta ajustada. Cuando de manera manual se ajusta la recta al diagrama de dispersión, normalmente se intenta ubicarla lo mas centrada posible en la nube de puntos. Esta forma intuitiva de colocar la recta pretende minimizar la distancia vertical entre cada uno de los puntos y la recta. Es precisamente esto lo que se hace cuando se utiliza el método de mínimos cuadrados, sin embargo con este método, por ser un procedimiento numérico, se garantiza que la suma de los cuadrados de esas desviaciones es mínima. INGA. ASTRID MÉRIDA

Fórmulas Para obtener los valores de a y b ∑y = n a + b ∑x ∑ x y = a ∑x + b ∑ x 2 INGA. ASTRID MÉRIDA

MODELO DE REGRESIÓN Y SUS SUPUESTOS El modelo utilizado es: Se basa en la forma pendiente-ordenada al origen de una recta. Representa un modelo determinístico, ya que dado un valor de x se obtiene uno para y. Tiene la siguiente forma general: El modelo probabilístico que incluye el componente de error es: INGA. ASTRID MÉRIDA

En donde es el termino del error, la diferencia entre cada uno de los valores observados de la variable y; y los estimados para cada valor de x, de acuerdo con la ecuación de regresión de mínimos cuadrados La suma de todos los errores, cuando se construye una ecuación de regresión lineal, debe ser igual a cero. INGA. ASTRID MÉRIDA

ERROR ESTÁNDAR DE LA ESTIMACIÓN Es la desviación estándar de la dispersión vertical con respecto a la línea. Sirve para medir la confiabilidad de la ecuación de estimación. Formula Se = √ [ ∑ y2 - a ∑y - b ∑ xy ] / ( n – 2 ) INGA. ASTRID MÉRIDA

Ejemplo:  Para el siguiente conjunto de datos: a) graficar b) desarrollar la ecuación de estimación que mejor describa los datos, c) Calcular el error estándar de estimación d) Pronosticar Y para X = 15, 8, 20 x y INGA. ASTRID MÉRIDA

a) Gráficar INGA. ASTRID MÉRIDA

ESTIMACIÓN DE INTERVALOS DE CONFIANZA Y PRUEBA DE HIPÓTESIS EN LA REGRESIÓN LINEAL INTERVALO DE CONFIANZA PARA LA PENDIENTE donde: t se trabaja con n-2 grados de libertad INGA. ASTRID MÉRIDA

PRUEBA DE HIPÓTESIS SOBRE LA PENDIENTE β1 Existen 2 maneras de probar la hipótesis nula, a través de la t de Student y utilizando la F de Fisher. El estadístico de prueba para la t de Student es: Donde: = valor de la pendiente en la ecuación estimada INGA. ASTRID MÉRIDA

INTERVALO DE CONFIANZA PARA (βo), LA INTERSECCIÓN DE LA LÍNEA DE REGRESIÓN Donde: t con n-2 grados de libertad. INGA. ASTRID MÉRIDA

DONDE: = = Pronóstico basado en el punto de análisis X= x INGA. ASTRID MÉRIDA

Ejemplo:  Para el siguiente conjunto de datos: a) calcular ecuación b) probar que no existe relación entre las 2 variables, es decir, que la pendiente de la recta de regresión es cero, con α = 0.01 c) Hacer una estimación por intervalo para β1 con un nivel de confianza de 99 por ciento. d) haga una estimación por intervalo para el valor de y, dado x=15, con un nivel de confianza de 95 por ciento. x y INGA. ASTRID MÉRIDA

Solución: a) calcular ecuación Y est = 6/11 + 7/11 x b) probar que no existe relación entre las 2 variables, es decir, que la pendiente de la recta de regresión es cero, con α = 0.01 = / √ 132 S β1 = = [(7/11) - 0 ] / t = t con α=0.01 y gl= n -2 t = Se rechaza la hipótesis nula para concluir que si existe una relación entre las 2 variables, en otras palabras, β1 es diferente de cero. c) Hacer una estimación por intervalo para β1 con un nivel de confianza de 99 por ciento. S β1 = ( ) / √132 = = 7/11 ± * ≤ β1 ≤ Con una confianza de 99% de estar en lo correcto, se estima que la pendiente de la recta de regresión que relaciona x con y, se encuentra entre y INGA. ASTRID MÉRIDA

d) haga una estimación por intervalo para el valor de y, dado x=15, con un nivel de confianza de 95 por ciento. Primero realizar el pronóstico para x = 15 Y est = 6/11 + 7/11 (15) = = = ± (2.447* ) * √ [ (1/8) + ( 15 – 7)² / 132 ] = ± ( * * ) = ± ≤ ≤ Se estima, con una confianza de 95% de estar en lo correcto, que y para un x = 15 esta entre y INGA. ASTRID MÉRIDA