Académique Documents
Professionnel Documents
Culture Documents
Presentado al profesor:
MARTIN DIAZ
CONTENIDO
INTRODUCCION
OBJETIVOS
APLICACIONES DEL MODELO
1. MODELO DE REGRESION LINEAL
1.2.
1.3.
1.4.
2. PRUEBA DE HIPOTESIS.
2.1.
Estimacin
1.2.
1.3.
Coeficiente de variacin
CONCLUSIONES
BIBLIOGRAFIA
INTRODUCCION
OBJETIVOS
En la vida real muchas veces se busca establecer la relacin entre dos variables.
Por ejemplo
Una empresa desea saber qu relacin existe entre los precios de un
determinado producto y su demanda en ventas
Un establecimiento educativo puede estar interesado en determinar de qu
manera se puede conocer el rendimiento en una determinada materia en un
grupo de estudiantes en base en promedios obtenidos durante un semestre
determinado.
Un especialista desea conocer qu relacin existe entre la tasa de
delincuencia que existe en una determinada rea y el grado de pobreza de
las familias que se encuentren hay.
As como estas y un sinfn de aplicaciones podemos observar la aplicacin del
modelo de Regresin Lineal Simple
MODELO DE REGRESION
LINEAL SIMPLE
1.4.
1.5.
Sxx= x-(x)/n
Syy= y-(y)/n
Sxy= xy-(x)(y)/n
1.6.
ESTIMACION DELOS
CUADRADOS.
PARAMETROS
POR
MINIMOS
1.6.1. PENDIENTE
b= Sxy/Sxx
1.6.2. INTERSECTO
a= y/n + b*(x/n)
2. PRUEBA DE HIPOTESIS.
Otro aspecto importante al momento de evaluar la adecuacin de un modelo de
regresin lineal es la prueba de hiptesis estadstica acerca de los parmetros del
modelo. Para poder llevarlo a cabo, se debe asumir que las distribuciones estn
normalmente distribuidas.
2.1. ESTIMACION
S= (Sxy - bSxy)/n-2
2.2.
t= b/ (S/(Sxx))
2.3.
COEFICIENTE DE VARIACION
Uninorte
Los datos a continuacin representan el incremento porcentual del salario (y,
variable dependiente) y el numero de meses extras trabajados en la ejecucin de
un proyecto ( x, variable independiente)
X 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 1,0
Y 9,8 9,5 8,9 8,6 10,2 9,3 9,2 10,5 8,1
1,1 1,2
7,8 8,5
Sxx= x-(x)/n
=
Syy= y-(y)/n
=
Sxy= xy-(x)(y)/n =
Y
96,04
90,25
79,21
73,96
104,04
86,49
84,64
110,25
65,61
60,84
72,25
923,58
XY
12,74
13,3
13,35
13,76
17,34
16,74
17,48
21
8,1
8,58
10,2
152,59
25,85 - (16,5)/11
1,1
923,58 - (100,4)/11
7,2018
152,59 - (16,5)(100,4)/11 =
b= Sxy/ Sxx
=
a= y - b(x)/n =
= a - bX
1,99
1,99/1,1
1,81
100,4 - 1,81(16,5/11)
97,685
97,685 - 1,81X =
= a - bX
97,685 - 1,81(1,75) =
=
94,5175
95
Y
410
440
370
450
400
420
380
350
3220
Sxx= x-(x)/n =
Syy= y-(y)/n =
Sxy= xy-(x)(y)/n =
440
50
370
75
X
70
50
75
45
55
55
60
65
475
Y
168100
193600
136900
202500
160000
176400
144400
122500
1304400
X
4900
2500
5625
2025
3025
3025
3600
4225
28925
XY
28700
22000
27750
20250
22000
23100
22800
22750
189350
28925 - (475)/8
1304400 - (3220)/8
189350 - (475 * 3220 )/8
721,875
8350
-1837,5
183,5/475
3220 -(-0,387)(475)/8
b= Sxy/ Sx
=
a= y - b(x)/n =
= a + bX=
3242,98 - 0,386 X
-0,386315789
3242,98
ecuacin de la recta de
regresin lineal
3238,35
721,875 - (-0,386(-,837,5))/8-2 =
840,1
S= 28,9845
t=
b/ (S/(Sxx) =
0,386/(28,9845/(721,875) =
0,386/1,079
0,358
t 0,05;6= 1,943
4. EMJEMPLOS PROPUESTOS
Ejercicio 6 pagina 325. Llinas Humberto. Estadstica inferencial. Ediciones
Uninorte
En un determinado estudio se comenta acerca de un experimento para investigar
como varia el comportamiento de cierto tipo de vidrio en funcin de la temperatura.
Examine los datos siguientes ( x grados centgrados) y alargamiento ( y en
porcentajes) la ruptura del metal
X
Y
72
208
74
197
78
135
83
132
59 63 68
118 182 247
CONCLUSIONES
Luego de llevar a cabo diferentes investigaciones y mediante la aplicacin de este
modelo en ejemplos aplicables, se puede concluir que el modelo de regresin
lineal simple es un modelo el cual es aplicable en la vida real desde aplicaciones
a determinadas investigaciones hasta una gran empresa, la cual nos sirve como
una gran herramienta para determinar el pronstico en valores de una variable
dependiente que depende de otra variable.
BIBLIOGRAFIA
Llinas Humberto.estaditica inferencial. Pginas 313-333. Ediciones Uninorte