Regresión Lineal Simple 2011-0

Modelo de Regresión Lineal Simple La ecuación de regresión lineal poblacional es: Variable respuesta o dependiente: Yi Coeficiente de intersección poblacional: β0 Coeficiente de regresión poblacional: β1 Variable predictora, regresora o independiente: Xi Error aleatorio no observable: εi

Método de Mínimos Cuadrados El método de mínimos cuadrados permite encontrar las estimaciones de β0 y β1 tal que se minimice la suma de cuadrados de los errores: Las ecuaciones normales son:

Método de Mínimos Cuadrados Los estimados son: Por lo tanto, la línea o ecuación de regresión estimada es:

Error estándar de estimación El residual describe el error de estimación en el ajuste del modelo en la i-ésima observación. Una medida general de la diferencia entre cada valor observado y el valor estimado es el error estándar de estimación.

Análisis de variancia El análisis de variancia es una técnica estadística que consiste en dividir la suma de cuadrados de la variable dependiente en sus fuentes de variación. Cuadro de análisis de variancia: Fuentes de variación Grados de libertad Suma de cuadrados Cuadrado medio F calculado Regresión 1 SCReg SCReg (1) F0 = (1)/(2) Error n – 2 SCError Se2 (2) Total n – 1 SCTotal

Análisis de variancia donde: Supuesto: Hipótesis: Estadístico de prueba: Criterio de rechazo:

Coeficiente de determinación El coeficiente de determinación R2 se define por: es decir, mide la proporción de la variación total de la variable dependiente que es explicada por el modelo de regresión (o por la variable independiente). Si R2 > 0.8 el modelo de regresión es satisfactorio.

Coeficiente de correlación lineal El coeficiente de correlación lineal mide el grado de asociación lineal entre dos variables. El coeficiente de correlación muestral, r , puede variar de –1 a 1. Si r se acerca a –1 existe relación lineal fuerte e inversa entre las variables. Si r se acerca a 1 existe relación lineal fuerte y directa entre las variables. Si r se acerca a 0 no existe relación lineal entre las variables en estudio, pudiendo existir algún otro tipo de relación no lineal. También se cumple que R2 = ± r2 (el signo depende del tipo de relación).

Ejemplo El gerente de una compañía se está preparando para una reunión, y le gustaría mostrar al grupo de vendedores la relación entre el número de visitas a clientes y el monto de los pedidos que se reciben. De sus registros se recolectó la siguiente información muestral para el último año. Los datos fueron los siguientes: X = Número de visitas Y = Monto de los pedidos (miles de dólares) X 5 4 6 7 8 1 3 Y 8.7 7.1 13.7 15.1 16.7 2.2 4.6 7.5 2.3 6.1

Ejemplo Encuentre el modelo de regresión lineal estimado e interprete sus coeficientes. Calcule e interprete el coeficiente de determinación y de correlación. ¿Se puede afirmar que existe relación lineal significativa entre las variables en estudio? Use un nivel de significación del 5%.