Académique Documents
Professionnel Documents
Culture Documents
APLICADA
PRONOSTICOS
ANTECEDENTES
Ventas semanales
7 874 9.45
8 510 6.73 10
9 529 7.24
10 420 6.12
11 679 7.63 5
12 872 9.43
13 924 9.46 0
14 607 7.64
500 700 900 1100
15 452 6.92
16 729 8.95 Núm ero de clientes
17 794 9.33
18 844 10.23
19 1010 11.77
20 621 7.41
METODO DE MINIMOS CUADRADOS
n xy ( x)( y )
b
n x2 ( x)2
a
y b x
n n
Donde:
x = suma de valores de x.
y = suma de valores y
x^2 = suma de los cuadrados de los valores de x
(x)^2= cuadrado de la suma de los valores de x
xy = suma de productos de x e y para cada observación pareada
n = número de observaciones x-y
EJEMPLO
x y xy x^2 y^2 20(134127 .9) (14623)(176.1)
1 907 11.2 10158.4 822649 125.44 b
20(11306209 ) (14623) 2
2 926 11.05 10232.3 857476 122.1025
3 506 6.84 3461.04 256036 46.7856
4 741 9.21 6824.61 549081 84.8241 b = 0.00873
5 789 9.42 7432.38 622521 88.7364
6 889 10.08 8961.12 790321 101.6064
7 874 9.45 8259.3 763876 89.3025
8 510 6.73 3432.3 260100 45.2929 a 176 .11 0.00873 (14623 ) 2.423
9 529 7.24 3829.96 279841 52.4176 20 20
10 420 6.12 2570.4 176400 37.4544
11 679 7.63 5180.77 461041 58.2169
12 872 9.43 8222.96 760384 88.9249
13 924 9.46 8741.04 853776 89.4916
La ecuación para la mejor
14 607 7.64 4637.48 368449 58.3696
15 452 6.92 3127.84 204304 47.8864 línea recta que se ajusta a
16 729 8.95 6524.55 531441 80.1025 estos datos es:
17 794 9.33 7408.02 630436 87.0489
18 844 10.23 8634.12 712336 104.6529 Y = 2.423 + .00873 x
19 1010 11.77 11887.7 1020100 138.5329
20 621 7.41 4601.61 385641 54.9081
14623 176.11 134127.9 11306209 1602.0971
COEFICIENTE DE CORRELACION
n xy ( x)( y )
r
n x 2 ( x)2 n y 2 ( y )2
SSE (Y Y )2 Y 2 aY b XY
SSR a y b xy n y 2
En el ejemplo:
SSE=1602.0971-(2.423)(176.11)-
(0.00873)(134127.90)=4.446
SST = 1602.0971-20(8.8055)^2 = 51.3605
SSR=(2.423)(176.11)+(0.00873)(134127.90)-
20(8.8055)^2=46.9145
SST = SSR + SSE
51.3605 = 46.9145 + 4.446
COEFICIENTE DE DETERMINACIÓN
n2
En el ejemplo:
1602 .0971 (2.423)(176.11) (0.00873)(134127 .90)
S yx 0.497
20 2
INFERENCIAS RESPECTO A LOS
PARAMETROS DE POBLACION
Cuando se realizan análisis de regresión y
correlación es necesario contar con cierto grado
de confiabilidad de que las predicciones y las
relaciones entre “X y Y” sean estadísticamente
aceptables y para ello se usa la inferencia
estadística para llegar a conclusiones acerca de la
pendiente “b” y del coeficiente de correlación de
la población, “r”. Analizaremos tres tipos de
pruebas para este fín.
PENDIENTE VERDADERA IGUA A CERO
Ho : 1 = 0 ( No hay relación )
Ha : 1 0 ( Hay relación )
PENDIENTE VERDADERA IGUA A CERO
En donde:
S yx
Sb1
x 2
nx2
PENDIENTE VERDADERA IGUAL A CERO
Del ejemplo:
0.497 0.497
Sb1 0.000634
11,306 ,209 20(731 .15) 2
614 ,603
b1 0.00873
t 13.77
S1 0.000634
PENDIENTE VERDADERA IGUAL A CERO
Es igual a cero:
Ho : p = 0 (no hay correlación)
H1 : p 0 ( hay correlación )
El estadístico de prueba para determinar la
existencia de una correlación significativa esta
dada por:
r p
t
1 r 2
n2
Determinar si existe alguna correlación significativa entre las variables
haciendo la Hipótesis que el coeficiente de correlación de la población “p”
a = 2.4230
b1= 0.008729
REGRESION
Syx = 0.501495
REGRESION
SS total = 51.3605
SS error = 4.2570
SS regresión = 46.8335
REGRESION
R2 = 0.91185
REGRESION
R = 0.9549
REGRESION
Tc = 2.109 LI = 0.0074
95 % confianza LS = 0.10007
Se rechaza Ho
En la que:
En el ejemplo:
1089 = 8 bo + b1 33 + b2 432
4608 = bo 33 + b1 145 + b2 1928
61088 = bo 432+ b1 1928 + b2 27036
MODELO DE REGRESIÓN MULTIPLE
Forma general:
Donde:
a = 427
b1= - 4.58
b2= -14.83
b3= 6.10
ECUACIÓN DE REGRESIÓN MÚLTIPLE
S y.12...K
(Y Y´) 2
n ( K 1)
Donde:
Y = Valor observado
Sy.123 = 51.05
MEDICION DE VARIACIÓN
SS total = 212916
SS error = 41695
SS regresión = 171220
COEFICIENTE DE DETERMINACIÓN
R2 = 0.8047
COEFICIENTE DE CORRELACIÓN
R = 0.89
MATRIZ DE CORRELACIÓN
MATRIZ DE CORRELACIÓN
MATRIZ DE CORRELACIÓN
MATRIZ DE CORRELACIÓN
Marcar títulos
en primera fila
MATRIZ DE CORRELACIÓN
MATRIZ DE CORRELACIÓN
PRUEBA
Se rechaza la
hipótesis nula
Se rechaza la
hipótesis nula
No se rechaza la
hipótesis nula