Semana 06 1

TEMA 1: ANÁLISIS DE
REGRESIÓN LINEAL SIMPLE
Estadística Aplicada
DIRECCIÓN DE FORMACIÓN BÁSICA

Dirección de Formación Básica
MOTIVACIÓN
Existe relación entre la cantidad que gasta una

compañía en publicidad y sus ventas
DIRECCIÓN DE FORMACIÓN BÁSICA 2
COMPETENCIAS
ACTIVIDADES
Calcula e interpreta el coeficiente de

correlación de pearson, así como sus
respectivas hipótesis.
Interpreta los resultados
de regresión lineal simple
a partir del análisis de Interpreta los coeficientes de una
ecuación lineal, error estándar y
situaciones coeficiente de determinación.
contextualizadas para la
toma de decisiones.
Resuelve problemas usando el

software e interpreta sus resultados.

CONOCIMIENTOS PREVIOS
Conocimiento básico de matemática básica

Identifica variable dependiente e independiente
Uso de la tabla T-Student
Uso de la tabla Normal
Uso de la tabla F de Fisher

COEFICIENTE DE CORRELACIÓN LINEAL
SIMPLE
R
 x y  nxy
i i

SP ( x,y)
 x  nx  y SC( x )  SC( y)
2 2 2 2
i i  ny Interpretación:
-1 ≤ R ≤ -0.5  Existe
G una relación indirecta
R
AF entre las variables.
IC
-0.5 < R < 0.5  No
A
M existe relación entre las
E
N variables.
TE
0.5 ≤ R ≤ 1  Existe una
relación directa entre las
variables.

PRUEBA DE IMPORTANCIA DEL COEFICIENTE
DE CORRELACIÓN DE PEARSON: CASO GENERAL
UNILATERAL UNILATERAL
PASOS BILATERAL
IZQUIERDA DERECHA
H 0 :   0 H 0 :   0 H 0 :   0
1. Hipótesis
H1 :    0 H1 :    0 H1 :    0
2. Nivel de
significación  puede ser 0.01, 0.05, 0.10, etc 
3. Estadístico n 3  (1  R )(1   0 ) 
de Prueba Zc   ln   ~ N (0,1)
2  (1  R )(1   0 ) 
4. Decisión
Rechazar H0, si Rechazar H0, si | Rechazar H0, si
Zc < Z Zc| > Z1-/2 Zc > Z1-

PRUEBA DE IMPORTANCIA DEL COEFICIENTE
PASOS
DE CORRELACIÓN DE PEARSON: CASO
PARTICULAR
H0:  = 0 (No existe correlación lineal entre las variables)
1. Hipótesis
H1:  ≠ 0 (Existe correlación lineal entre las variables)
2. Nivel de significación  puede ser 0.01, 0.05, 0.10, etc

R
tc 
3. Estadístico de Prueba 1 R 2
n2
4. Decisión Rechazar H0, si |Zc| > Z1-/2

EJEMPLO 1:
El gerente de una agencia de alquiler de limusinas que opera en Lima
Metropolitana le gustaría determinar la cantidad de tiempo que llevaría
transportar pasajeros desde varios lugares al Aeropuerto del Callao
durante las horas no pico. Se selecciono una muestra aleatoria de 12
viajes durante un día en particular en las horas no pico, con los
siguientes resultados:
a. Interprete el gráfico de dispersión.

b. Pruebe con un nivel de significación del 5%, si existe una correlación
lineal entre el tiempo y la distancia.
c. Con un nivel de significación del 5%, se puede afirmar que el tiempo y la
distancia están correlacionados en más del 94%.
SOLUCIÓN 1B:
1.- Hipótesis:
H0:  = 0 (No existe correlación lineal entre el tiempo y la distancia)
H1:  ≠ 0 (Existe correlación lineal entre el tiempo y la distancia)
2.-  = 0.05
3.- Estadístico de prueba

R 0.958
tc    10.5641
1 R 2
1  0.958 2
n2 12  2
4.- Decisión
Valor Crítico: tn-2, 1-/2 = t10, .0.975 = 2.2281
Como Tc= 10.5641 > tn-1, = 2.2281, t n  2,1 / 2  2.2281

1--/2
se rechaza H0.

SOLUCIÓN 1C:
1.- Hipótesis:
H0:  ≤ 0.94
H1:  > 0.94
2.-  = 0.05
3.- Estadístico de prueba
12  3  (1  0.958)(1  0.94) 
Zc   ln    0.5489
2  (1  0.958)(1  0.94) 
4.- Decisión
Valor Crítico: Z 1- = Z.0.95 = 1.65
Como Zc= 0.5489 < Z 1-- = 1.65,

No se rechaza H0.
Z1  1.65

REGRESIÓN LINEAL SIMPLE
Y = 0 + 1X+ i
X i  Yi  n  X  Y
b1  i 1
n
X
2
i
2
 n X
i 1
b 0  y  b1 x

PRUEBA DE SIGNIFICANCIA DE LA
REGRESIÓN
PRUEBA ANOVA
H0: 1 = 0 (El modelo no es significativo)

1. Hipótesis
H1: 1 ≠ 0 (El modelo es significativo)
2. Nivel de  puede ser 0.01, 0.05, 0.10, etc 
significación
CM Re gresión
3. Estadístico Fc 
de Prueba CME
Rechazar H0, si
4. Decisión
Fc> F1,n-2,

MEDIDAS DE BONDAD DE AJUSTE
1.- Error Estándar de la Estimación

n n n
 i  b0  yi  b1  yi .xi
y 2
Se  i 1 i 1 i 1
 CME
n2
2.- Coeficiente de determinación
SC Re gresión
R 
2
SCTotal

INTERVALOS DE CONFIANZA
1.- Para el valor medio de Y dado X=xo
1 (x 0  x)2
IC( y / x 0 )  (b 0  b1x 0 )  t n  2  Se  
n SC( x )
2.- Para la predicción de Y

1 (x 0  x)2
IC( y / x 0 )  (b 0  b1x 0 )  t n  2  Se  1  
n SC( x )

PRUEBA DURBIN - WATSON
H0: e = 0 (No existe autocorrelación entre los errores)
1. Hipótesis
H1: e ≠ 0 (Existe autocorrelación entre los errores)
2. Nivel de  puede ser 0.01, 0.05, 0.10, etc 
significación
n

 i i1
e  e 2
3.
d i2
n
e i  y i  ŷ i
Estadístico
de Prueba  i
e 2
i 1
Si:
4. Decisión d L  d  dU , No se rechaza H0

EJEMPLO 2
Para determinar la relación entre la velocidad y el rendimiento de
la gasolina en automóviles de determinada marca, se tomo una
muestra de 6 automóviles, obteniendo los siguientes resultados:
Regression Analysis: Rendimiento versus Velocidad

La ecuación de regresión es: Y = 72.7 - 0.314 X
Predictor Coef SE Coef T P Análisis de varianza
Constante 72.714 8.878 8.19 0.001 Fuente GL SC CM F P
X -0.3143 0.1107 -2.84 0.047 Regresión 1 100.83 100.83 8.07 0.047
R-cuad. = 66.9% R-cuad.(ajust) = 58.6% Error 4 50.00 12.50
Prueba Durbin Watson = 2.55 Total 5 150.83
Se pide:
a. Interprete el coeficiente de regresión, y el de determinación.

b. Predecir el rendimiento para una velocidad de 120 Km/h.
c. Evaluar si el modelo obtenido es significativo a un nivel de
significancia del 10%.
d. Verificar uno de los supuestos de regresión lineal.
Use =0.05 DIRECCIÓN DE FORMACIÓN BÁSICA
SOLUCIÓN 2B:
Y = 72.7 - 0.314 (120)= 35.02
C.
1.- Hipótesis
H0: 1 = 0 (El modelo no es significativo)
H1: 1 ≠ 0 (El modelo es significativo)

2.-  = 0.05 Análisis de varianza
Fuente GL SC CM F P
3.- Estadístico de prueba Regresión 1 100.83 100.83 8.07 0.047
Error 4 50.00 12.50
Total 5 150.83
4.- Decisión
Valor Crítico: F1,4, 0.05 =7.71
Como Fc=8.07 > 7.71,

se rechaza H0. 7.71
SOLUCIÓN 2 D:
1.- Hipótesis
H0: e = 0 (No existe autocorrelación entre los errores)
H1: e ≠ 0 (Existe autocorrelación entre los errores)
2.-  = 0.05
3.- Estadístico de prueba R-cuad. = 66.9% R-cuad.(ajust) = 58.6%

d = Prueba Durbin Watson = 2.55
4.- Decisión
En el caso de regresión lineal simple Como d=2.55  < 0.61; 1.40 >,
k=1, entonces los puntos críticos se rechaza H0.
cuando el tamaño de muestra es 6,
son: dL = 0.61 dU = 1.40

BIBLIOGRAFIA
1. Alvarado, J., Obagi, J. (2008) Fundamentos de la

Inferencia Estadística. Ed. Pontificia Universidad
Javeriana 1ra. Edición. Colombia.
2. Anderson, S. (2008) Estadística para Administración y

Economía. Cengage Learning 8va. Edición. México
3. Mendehall, W. (2008) Introducción a la Probabilidad y

Estadística. Thomson 12° Edición. México

Semana 06 1

Cargado por

Copyright:

Formatos disponibles

Semana 06 1

Cargado por

Información del documento

Título 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

Semana 06 1

Cargado por

Copyright:

Formatos disponibles

TEMA 1: ANÁLISIS DE

REGRESIÓN LINEAL SIMPLE

DIRECCIÓN DE FORMACIÓN BÁSICA

Existe relación entre la cantidad que gasta una

Calcula e interpreta el coeficiente de

Resuelve problemas usando el

DIRECCIÓN DE FORMACIÓN BÁSICA 3

Conocimiento básico de matemática básica

DIRECCIÓN DE FORMACIÓN BÁSICA

DIRECCIÓN DE FORMACIÓN BÁSICA

DIRECCIÓN DE FORMACIÓN BÁSICA

2. Nivel de significación  puede ser 0.01, 0.05, 0.10, etc

4. Decisión Rechazar H0, si |Zc| > Z1-/2

DIRECCIÓN DE FORMACIÓN BÁSICA

a. Interprete el gráfico de dispersión.

3.- Estadístico de prueba

Como Tc= 10.5641 > tn-1, = 2.2281, t n  2,1 / 2  2.2281

DIRECCIÓN DE FORMACIÓN BÁSICA

3.- Estadístico de prueba

Como Zc= 0.5489 < Z 1-- = 1.65,

DIRECCIÓN DE FORMACIÓN BÁSICA

DIRECCIÓN DE FORMACIÓN BÁSICA

H0: 1 = 0 (El modelo no es significativo)

DIRECCIÓN DE FORMACIÓN BÁSICA

1.- Error Estándar de la Estimación

2.- Coeficiente de determinación

DIRECCIÓN DE FORMACIÓN BÁSICA

1.- Para el valor medio de Y dado X=xo

2.- Para la predicción de Y

DIRECCIÓN DE FORMACIÓN BÁSICA

DIRECCIÓN DE FORMACIÓN BÁSICA

Regression Analysis: Rendimiento versus Velocidad

a. Interprete el coeficiente de regresión, y el de determinación.

H0: 1 = 0 (El modelo no es significativo)

H1: 1 ≠ 0 (El modelo es significativo)

Como Fc=8.07 > 7.71,

3.- Estadístico de prueba R-cuad. = 66.9% R-cuad.(ajust) = 58.6%

DIRECCIÓN DE FORMACIÓN BÁSICA

1. Alvarado, J., Obagi, J. (2008) Fundamentos de la

2. Anderson, S. (2008) Estadística para Administración y

3. Mendehall, W. (2008) Introducción a la Probabilidad y

DIRECCIÓN DE FORMACIÓN BÁSICA 19

También podría gustarte