Beamer Regresión Lineal

REGRESION LINEAL SIMPLE, MULTIPLE Y
CORRELACION
17/06/2014
M. Carme Ruiz de Villa, lex Snchez
Departamento Estadstica, Facultad de Biologa
REGRESION LINEAL SIMPLE
17/06/2014
Introduccin
La regresin y los anlisis de correlacin nos muestran como
determinar tanto la naturaleza como la fuerza de una relacin
entre dos variables
En el anlisis de regresin desarrollaremos una ecuacin de
estimacin, esto es, una formula matemtica que relaciona las
variables conocidas con la variable desconocida. Tambin
podemos aplicar el anlisis de correlacin para determinar el
grado de en el que estn relacionadas las variables. Por lo
tanto, nos dice que tan bien la ecuacin obtenidarealmente
describe la relacin.
Anlisis de Modelos Estadsticos y su aplicacin a Estudios Experimentales y Observacionales
17/06/2014
Modelo
En el estudio de la relacin funcional entre dos

variables poblacionales, una variable X, llamada
independiente, explicativa o de prediccin y una
variable Y, llamada dependiente o variable
respuesta, presenta la siguiente notacin:
yY=aa +bbXx+
Donde:
17/06/2014
a es el valor de la ordenada donde la lnea de regresin

se intercepta con el eje Y.
b es el coeficiente de regresin poblacional (pendiente
de la lnea recta)
es el error
Suposiciones
Los valores de la variable independiente X son fijos,

medidos sin error.
La variable Y es aleatoria
Para cada valor de X, existe una distribucin normal de
valores de Y (subpoblaciones Y)
Las variancias de las subpoblaciones Y son todas iguales.
Todas las medias de las subpoblaciones de Y estn sobre la
recta.
Los valores de Y estn normalmente distribuidos y son
estadsticamente independientes
17/06/2014
Estimacin
Consiste en determinar los valores de a y b a partir de la muestra,
es decir, encontrar los valores de a y b con los datos observados de
la muestra. El mtodo de estimacin es el de Mnimos Cuadrados,
mediante el cual se obtiene:
y a bx
( y y )( x x )
cov
n
Donde sx se calcula
con denominador n
17/06/2014
a a y bx
Cov
b b
s2
x
Coeficiente de correlacin
Mide la intensidad de la asociacin lineal entre dos variables aleatorias
xy / x y
covarianza poblacional
coeficiente de
determinacin:
proporcin de
varianza de la
Y explicada
por la X
17/06/2014
Estimacin del coeficiente de correlacin
Cov
s s
x y
Ejemplos correlacin
10 = 0.134
20 X + 2.122
30
Y
40
50
60
70
80
90
Y =4 X
8X
10
12
14
16
4
6
8
6
8
10
-1 r 0
12
10
r=-1
12
14
14
16
16
0 r +1
14
12
14
r=+1
12
10
10
Y=X
16
Y = 0.134 X + 2.122
16
0
0
10
20
30
40
50
60
70
80
90
17/06/2014
10
12
14
16
Ausencia correlacin
Y = 0.093 X + 4.335
16
Y=4
14
7
12
6
5
10
160
20
#DIV/0!
25
30
35
40
45
50
55
20
60
25
30
35
45
50
55
60
14
40
12
10
r=0
8
6
4
2
0
0
17/06/2014
Precauciones en la interpretacin de r
r significativo NO implica relacin de causalidad entre las variables
t
x
y
r = 0 NO implica ausencia de asociacin entre las variables
17/06/2014
10
Descomposicin de la variabilidad y tabla ANOVA
yi Y yi y i y i Y
n
i 1
i 1
i 1
Variabilidad no
Explicada
(error)=SSE
Variabilidad
total= SST
Variabilidad
Explicada=SSReg
Fuentes
Variacin
Regresin
Sumas
Cuadrados
SCReg.
g.l
1
Cuadrados
Medios
SCReg/ g.l (I)
Error
SCE
n-2
SCE/ g.l (II)
Total
SCT
n1
17/06/2014
F
Fo=I/II
11
Ejemplo
Los datos de la siguiente tabla representan las
estaturas (X, cm) y los pesos (Y, kg) de una muestra
de 12 hombres adultos. Para cada estatura fijada
previamente se observ el peso de una persona
seleccionada de entre el grupo con dicha estatura,
resultando:
17/06/2014
152
155
152
155
157
152
157
165
162
178
183
178
50
61.5
54.5
57.5
63.5
59
61
72
66
72
84
82
12
Anlisis con Rcmdr

Statistics
Genera un modelo
con un nombre
por defecto
RegModel.1
Fit models
Linear Model
Name Y
Name X
Models
Fit models
Hypothesis tests
Anova table: Genera la tabla ANOVA
Graphics: grficos de diagnstico
17/06/2014
13
Resultados
RegModel.1 <- lm(Y~X, data=EjRegresion)
> summary(RegModel.1)
Call:
lm(formula = Y ~ X, data = EjRegresion)
Residuals:
Min 1Q Median 3Q Max
-6.987 -1.632 0.785 2.611 4.292
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -75.4427 16.4950 -4.574 0.00102 **
X
0.8676 0.1015 8.548 6.56e-06 ***
--Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 3.81 on 10 degrees of freedom
Multiple R-squared: 0.8796,
Adjusted R-squared: 0.8676
F-statistic: 73.08 on 1 and 10 DF, p-value: 6.557e-06
17/06/2014
14
Resultados tabla ANOVA

> anova(RegModel.1)
Analysis of Variance Table
Response: Y
Df Sum Sq Mean Sq F value Pr(>F)
X
1 1061.0 1061.05 73.076 6.557e-06 ***
Residuals 10 145.2 14.52
--Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
17/06/2014
15
Resultados: grficos de diagnstico

lm(Y ~ X)
Residuals vs Fitted
Normal Q-Q
10
60
65
70
75
0.0
1.0
-1.0
-2.0
Standardized residuals
0
-8 -6 -4 -2
Residuals
80
1
10
-1.5
Fitted values
1.5
1.0
1.5
Residuals vs Leverage
10
1
0
-1
0.5
1.0
0.5
12
0.5
1
-2
Cook's distance 10
0.0
0.5
Theoretical Quantiles
Scale-Location
60
65
70
75
80
Fitted values
17/06/2014
-0.5 0.0
0.0
0.1
0.2
0.3
0.4
Leverage
16
REGRESION LINEAL MULTIPLE
17/06/2014
17
Modelo
yi = b0 + b1x1i + b2x2i + . . . bkxki + i
b0 es el intercepto
b1 a bk son k parmetros de pendiente
es el trmino de error o residual
17/06/2014
18
Bondad de ajuste
2
R
Para saber qu tan bueno es el ajuste entre la

regresin y los datos de la muestra:
Podemos calcular la proporcin de la Suma de
cuadrados totales (SST) que es explicada por el
modelo.
Esto es la llamada R-cuadrada de una regresin:
R2 = SSReg/SST = 1 SSE/SST
17/06/2014
19

Beamer Regresión Lineal

Cargado por

Copyright:

Formatos disponibles

Beamer Regresión Lineal

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Beamer Regresión Lineal

Cargado por

Copyright:

Formatos disponibles

REGRESION LINEAL SIMPLE, MULTIPLE Y

M. Carme Ruiz de Villa, lex Snchez

Departamento Estadstica, Facultad de Biologa

REGRESION LINEAL SIMPLE

M. Carme Ruiz de Villa, lex Snchez

Departamento Estadstica, Facultad de Biologa

Anlisis de Modelos Estadsticos y su aplicacin a Estudios Experimentales y Observacionales

M. Carme Ruiz de Villa, lex Snchez

Departamento Estadstica, Facultad de Biologa

En el estudio de la relacin funcional entre dos

a es el valor de la ordenada donde la lnea de regresin

Departamento Estadstica, Facultad de Biologa

Los valores de la variable independiente X son fijos,

M. Carme Ruiz de Villa, lex Snchez

Departamento Estadstica, Facultad de Biologa

M. Carme Ruiz de Villa, lex Snchez

Estimacin del coeficiente de correlacin

M. Carme Ruiz de Villa, lex Snchez

Departamento Estadstica, Facultad de Biologa

M. Carme Ruiz de Villa, lex Snchez

Departamento Estadstica, Facultad de Biologa

M. Carme Ruiz de Villa, lex Snchez

Departamento Estadstica, Facultad de Biologa

r = 0 NO implica ausencia de asociacin entre las variables

M. Carme Ruiz de Villa, lex Snchez

Departamento Estadstica, Facultad de Biologa

Descomposicin de la variabilidad y tabla ANOVA

SCE/ g.l (II)

M. Carme Ruiz de Villa, lex Snchez

Departamento Estadstica, Facultad de Biologa

M. Carme Ruiz de Villa, lex Snchez

Departamento Estadstica, Facultad de Biologa

Anlisis con Rcmdr

M. Carme Ruiz de Villa, lex Snchez

Departamento Estadstica, Facultad de Biologa

M. Carme Ruiz de Villa, lex Snchez

Departamento Estadstica, Facultad de Biologa

Resultados tabla ANOVA

M. Carme Ruiz de Villa, lex Snchez

Departamento Estadstica, Facultad de Biologa

Resultados: grficos de diagnstico

M. Carme Ruiz de Villa, lex Snchez

Departamento Estadstica, Facultad de Biologa

REGRESION LINEAL MULTIPLE

M. Carme Ruiz de Villa, lex Snchez

Departamento Estadstica, Facultad de Biologa

M. Carme Ruiz de Villa, lex Snchez

Departamento Estadstica, Facultad de Biologa

Para saber qu tan bueno es el ajuste entre la

M. Carme Ruiz de Villa, lex Snchez

Departamento Estadstica, Facultad de Biologa

También podría gustarte