Estadstica Inferencial

Ing. Myriam Loayza

Contenido

1. Modelo Probabilstico Simple

2. Ecuacin de la Recta

3. Regresin Lineal

4. Mnimos Cuadrados y
Correlacin
Modelo Probabilstico Simple

El Modelo Probabilstico Simple, representa una tendencia en

una serie de datos obtenidos en un periodo; ejemplo: clculo
del PBI, precios de bienes, valor de acciones, etc.

La lnea de tendencia se puede dibujar a simple vista a partir

de un grupo de puntos pero su posicin y pendiente se
calcule mediante tcnicas estadsticas como las regresiones
lineales.
 Modelo Probabilstico Simple
Ejemplo de estimacin utilizando el mtodo de mnimos
cuadrados.
1 2 3

Clculo de la Clculo de la
ordenada en Grfica de la
pendiente.
el origen. recta.

b1 = m b0 = b = b1 x + b0

valor de y cuando x =
pendiente
0
 Del Modelo a la Ecuacin de la
Recta
Las lneas de tendencia son generalmente lneas
rectas, aunque algunas variaciones utilizan
polinomios de mayor grado dependiendo de la
curva deseada en la lnea.

La Ecuacin de la recta de regresin muestral se

puede determinar a partir de los valores de m (o a)
y b de la recta con los datos observados de la
muestra. y = mx + b
 Ecuacin de la Recta y=mx+b
El anlisis de regresin lineal es la tcnica que se
emplea para desarrollar un modelo estadstico de
la recta y hacer predicciones de la variable en el
futuro.

El Modelo de Regresin Lineal se puede representar

en funcin y=(x) a:

Poblacin:
Muestra: Y = b0 + b1X + e
Estimacin: = b0 + b1X
 Ecuacin de la Recta
Conocemos por recta a la lnea formada por una
serie continua de puntos en una misma direccin
que no tiene curvas ni ngulos y cubre la menor
distancia posible entre dos puntos.

La ecuacin general de primer grado Ax+By+C=0,

donde A, B, C pertenecen a los nmeros reales y en
que A y B no son simultneamente nulos, representa
una lnea recta.

Cada punto se compone de:

(x, y) = (Abscisa , Ordenada)
Ecuacin de la Recta

Recordado lo anterior, veamos ahora la ecuacin de la

recta que pasa solo por un punto conocido y cuya
pendiente (de la recta) tambin se conoce, que se
obtiene con la frmula: y = mx + n

Forma simplificada:
 Regresin Lineal
La regresin lineal observa la relacin existente
entre dos variables con fines predictivos.
El anlisis de regresin lineal es la tcnica que se
emplea para desarrollar un modelo estadstico
de la recta y hacer predicciones de la variable
en el futuro.

La regresin estadstica o
regresin a la media es la
tendencia de una
medicin extrema a
presentarse ms cercana
a la media en una
segunda medicin.
 Regresin y Correlacin
La correlacin ( o r) mide la intensidad de la
relacin existente entre dos variables.
El anlisis de correlacin es el conjunto de tcnicas
estadsticas para medir el coeficiente de
correlacin,
cuyos valores pueden
variar entre -1 y 1, si
la relacin entre las
dos variables es
inversa o directamente
proporcional a la
variacin de la
variable
independiente.
 Correlacin
Ejemplos de correlacin (r)
altura y peso: los alumnos ms altos suelen pesar ms.
Si "r" > 0, la correlacin lineal es positiva (si sube el valor
de una variable sube el de la otra). La correlacin es
tanto ms fuerte cuanto ms se aproxime a 1.

peso y velocidad: los alumnos ms gordos suelen

correr menos.
Si "r" < 0, la correlacin lineal es negativa (si sube el
valor de una variable disminuye el de la otra). La
correlacin negativa es tanto ms fuerte cuanto ms
se aproxime a -1.
 Modelo de Regresin Lineal Simple

Muchas decisiones suelen basarse en la relacin entre

dos o ms variables.

En regresin, a la variable que se va a predecir se le llama

variable dependiente.

La variable o variables que se usan para predecir el valor de

la variable dependiente se llaman variables independientes.

Por ejemplo, observar la relacin entre el gasto en publicidad y las ventas, nos
pueden permitir predecir las ventas correspondientes a un determinado gasto
en publicidad.
 Ejemplo
Una empresa de venta de productos por catlogo
observa que las ventas y (en miles de soles) en
cada sector de la ciudad estn en funcin al
nmero de vendedoras x (aliadas estratgicas) de
la empresa. Un estudio muestral de dicha relacin
se muestra en la siguiente tabla:
RESPONDA:

Cules son los valores de para x=45 y x=20?

Frmulas:

1 =
2 ( )2

b0 =


b1
 Modelo de Regresin Lineal Simple
El anlisis de regresin en el que interviene una
variable independiente y una variable dependiente y
en el que la relacin entre estas variables es
aproximada mediante una lnea recta, se le conoce
como regresin lineal simple.

Al anlisis de regresin en el que intervienen dos o ms

variables independientes se le llama anlisis de
regresin mltiple.

El modelo de los mnimos cuadrados es un modelo de

regresin simple y a su grfica se le llama recta de
regresin estimada; b0 es la interseccin con el eje y y
b1 es la pendiente.
 Modelo de Regresin Lineal Simple
El anlisis de regresin no puede entenderse como
un procedimiento para establecer una relacin de
causa y efecto entre las variables. Este
procedimiento slo indica cmo o en qu medida
las variables estn relacionadas una con otra.
En la regresin lineal simple,
cada observacin consta de
dos valores: uno de la
variable independiente y otro
de la variable dependiente.
 Coeficiente de Determinacin
Qu tan bien se ajusta a los datos
la ecuacin de regresin estimada?

Coeficiente de determinacin:
A la diferencia que existe, en la observacin i, entre el valor
observado de la variable dependiente , y el valor estimado
de la variable dependiente, se le llama residual i que
representa el error que existe al usar para estimar .

La suma de los cuadrados de estos residuales o errores es la

cantidad que se minimiza empleando el mtodo de los
mnimos cuadrados. Esta cantidad, tambin conocida como
suma de cuadrados debida al error, se denota por SCE.
Calcular
Para el Coeficiente de Determinacin
 Determinacin y Correlacin

El coeficiente de Correlacin permite medir la intensidad

de relacin lineal entre dos variables.
 Ejercicios
Calcule el coeficiente de CORRELACIN existente entre las
variables.

Vendedoras 15 12 13 18 16

Ingresos 19 8 10 26 22
Complete el siguiente cuadro y calcule el coeficiente de
CORRELACIN existente entre las variables.

x y xy x2 y y-y (y-y)2 y-ymed (y-ymed)2

32 13
36 15
28 14
27 15
31 9
32 16
34 19