Sei sulla pagina 1di 13

Instituto Tecnológico Superior del Occidente del Estado de Hidalgo

Estadística Inferencial II

Practicas Regresión Lineal Simple y Múltiple

Semestre: Quinto Grupo: “A”

Docente: Lic. Yolanda Pérez Zúñiga

Alumna:

Apolonio Trejo Wendy Adilene

Mixquiahuala de Juárez, a 10 de septiembre, 2019


Introducción:

En estadística la regresión lineal o ajuste lineal es un modelo matemático usado para aproximar la relación de dependencia entre una
variable dependiente Y, las variables independientes Xi y un término aleatorio ε.

Este modelo puede ser expresado como:

Existen diferentes tipos de regresión lineal que se clasifican de acuerdo a sus parámetros:

Regresión lineal simple

La regresión lineal simple se basa en estudiar los cambios en una variable, no aleatoria, afectan a una variable aleatoria, en el caso de
existir una relación funcional entre ambas variables que puede ser establecida por una expresión lineal, es decir, su representación
gráfica es una línea recta. Es decir, se está en presencia de una regresión lineal simple cuando una variable independiente ejerce
influencia sobre otra variable dependiente.

Ejemplo: Y = f(x)

Regresión lineal múltiple

La regresión lineal permite trabajar con una variable a nivel de intervalo o razón, así también se puede comprender la relación de dos o
más variables y permitirá relacionar mediante ecuaciones, una variable en relación a otras variables llamándose Regresión múltiple. O
sea, la regresión lineal múltiple es cuando dos o más variables independientes influyen sobre una variable dependiente.

Ejemplo: Y = f(x, w, z).


Regresión Lineal Simple
En un modelo de regresión lineal simple tratamos de explicar la relación que existe entre la variable respuesta Y, y una única variable
explicativa X.

El modelo de regresión lineal simple tiene la siguiente expresión:


Tensión Normal Resistencia al ^Y ei Suma de x*y Xi^2
corte
26.8 26.5 24.19493573 2.305064271 7687.76 8134.26
25.4 27.3 25.1554437 2.144556295
28.9 24.2 22.75417376 1.445826235 βi βo
23.6 27.1 26.39038253 0.709617469 -0.686077126 42.58180269
27.7 23.6 23.57746632 0.022533684
23.9 25.9 26.18455939 -0.284559393 n
24.7 26.3 25.63569769 0.664302308 12
28.1 22.5 23.30303547 -0.803035465
26.9 21.7 24.12632802 -2.426328016
27.4 21.4 23.78328945 -2.383289453
22.6 25.8 27.07645966 -1.276459656
25.6 24.9 25.01822828 -0.118228279
SUMA SUMA
311.6 297.2

Análisis

1. El primer paso para hacer el ejercicio de regresión lineal simple es realizar la tabla en el caso del ejemplo anterior que tenemos,
los datos para generar nuestra tabla fueron, la tensión normal y resistencia al corte.

2. El segundo paso es hacer la sumatoria de todos los datos que se tienen en la tabla.
3. Después de hacer las sumatorias tenemos que calcular a βo y a β1
4. Primero se calcula a β1 para esto la fórmula es:
5. Para calcular a βo la fórmula es: (𝑌̅ − 𝛽̂1 𝑥̅)
6. Después hay que calcular a 𝑌̂ . Para esto hay que multiplicar el primer dato de la re la tensión normal, para esto se fijan las celdas
de β1 y de βo al ya tenerlas fijas se hace la operación que es cada una de las celdas de la tensión normal se multiplican por la
celda de β1 más la βo para que nos dé el resultado de 𝑌̂ .
7. El siguiente paso es hacer el error para esto la operación que se realizo fue la de restarle a cada celda de la columna de resistencia
al corte, cada una de las celdas de la 𝑌̂ , para que nos dé como resultado el error
8. También hay que sacar La Xi^2 para esto se usa una de las fórmulas de Excel que es la de suma de cuadrados y seleccionamos
toda la columna de tensión normal.
9. Y el ultimo es sacar la multiplicación de X*Y, donde ya conocemos que X es Resistencia al Corte y Y es Tensión Normal.
10. Y para finalizar se hace la Gráfica de Dispersión con los datos de La columna “Tensión normal y Resistencia al corte”

Resistencia al corte
30
Esta podemos definirla como una recta
25

“decreciente” 20

15

10

0
0 5 10 15 20 25 30 35
Regresión Lineal Múltiple
Una extensión natural del modelo de regresión lineal simple consiste en considerar más de una variable explicativa.

Los modelos de regresión múltiple estudian la relación entre una variable de interés Y (variable respuesta o dependiente) y un conjunto
de variables explicativas o regresoras X1, X2,..., Xp.

En el modelo de regresión lineal múltiple se supone que la función de regresión que relaciona la variable dependiente con las variables
independientes es lineal, es decir:

Producción
X1 X2 y^ E Suma de E y^-Yp Yi-Yp
(Yi)
- -
5804 8.17 21 -0.001264 -134
5804.00056 0.000558 133.999442
6700 13.8 21 6700.00042 -0.00042 E (e ) 762.00042 762
- - -
5310 11 15.34 -628
5310.00029 0.000286 0.00042133 627.999714
Promedio
5938

B0 999.8554
B1 159.1474
B2 166.8529
ANOVA ANALSIS DE VARIANZA

FUENTE SUMA DE GRADOS DE CUADRADOS F


CUADRADOS LIBERTAD MEDIOS
REGRESION 992984,1313 2 496492,0657 8,71712E+11
ERROR 5,6956E-07 1 5,6956E-07
TOTAL 992984,1313 3 330994,7104

En el modelo de regresión lineal múltiple se supone que la función de regresión que relaciona la variable dependiente con las variables
independientes es lineal, es decir:

Y=β0+β1X1+···+βpXp+ε
Como se calculan los β

• β0es el término independiente. Es el valor esperado deYcuandoX1,..., Xp son cero.


• β1, β2,...βp son los coeficientes parciales de la regresión:
• β1mide el cambio en Y por cada cambio unitario enX1, manteniendoX2, X3,..., Xp constantes. β2mide el cambio en Y por cada
cambio unitario enX2, manteniendoX1, X3,..., Xp constantes.
• ...
• Iβp mide el cambio en Y por cada cambio unitario en Xp, manteniendoX1,..., Xp−1constantes.
• Ε es el error de observación debido a variables no controladas.
EJERCICIOS DE LA LIBRETA
Producción Carbono Temperatura ^Y E = Y-
^Y
5707 9 17 6149,95 -442,95

5940 13 17 6420,25 -480,25

3015 9 25 3629,6 -614,6

Y=β0+β1X1+β2X2+ε ^β= (X’X)-1 X’ Y=


38.47 −1.91 −0.94 1 1 1 5707
(−1.91 0.13 0.03 ) ( 9 13 9 ) (5940) −0.94 0.03 0.03 17 17 25 3015
5.38 −2.25
(−0.25 0.25
−0.12 0.0015

10897.54 =( 67.57 ) −315.04


^Y= 10897.54+67.57X1-315.04X2 ^Y1= 6149.95 ^Y2=6420.25 ^Y3=3629.60
Y=β0+β1X1+β2X2+ε

^β= (X’X)-1 X’ Y=
17.09 0.04 −0.90 1 1 1 5804 ( 0.04 −0.00 −0.00) (8.17 13.8 11 ) (6700) −0.90 −0.00 0.01 21
21 15.34 5310
−1.48 −1.26 3.72 5804
( 0.04 0.04 0.04 ) (6700)
−0.69 −0.69 −0.75 5310 2721.28 =( 712.56 ) −12610.26
^Y= 2721.28+712.56X1-12610.26X2