Antes de empezar por regresin lineal simple empezaremos por datos bivariados Datos bivariados son aquellos que

se pueden explorar la relacin entre las dos variables, estos se pueden graficar ya sea de modo cualitativo, cuantitativo. Ejemplo para graficar datos bivariados por graficas cualitativas A los profesores de universidades privadas se les paga ms que a las universidades pblicas? Considera la siguiente tabla donde el salario promedio es en (miles de dlares), para todos los profesores
publica privada de tiempo completo profesor adjunto profesor auxiliar 94.8 65.9 56.4 118.1 76 65.1

Salarios de profesores
Salario promedio (miles de dolares)
140 120 100 80 60 40 20 0 de tiempo completo profesor adjunto profesor auxiliar

Escuela O Rango
publica privada

Graficas de dispersin para dos variables cuantitativas Cuando son cuantitativas una de ellas se grafica a lo largo del eje x, y la otra a lo largo del eje vertical, a esto se le llama grafica de dispersin se puede describir la relacin entre dos variables usando los patrones que se muestran en la grfica de dispersin. Definiciones coeficiente de correlacin: es como afecta la variable x ha y se define

En donde covarianza,

es

En la siguiente tabla se muestra la superficie del rea de descanso en pies cuadrados, x, y el precio de venta como se muestra en la siguiente tabla de datos

residencia

x(pies cuadrados) y(en miles) 1 1360 278.5 2 1940 375.7 3 1750 339.5 4 1550 329.8 5 1790 295.6 6 1750 310.3 7 2230 460.5 8 1600 305.2 9 1450 288.6 10 1870 365.7 11 2210 425.3 12 1480 268.8 media 1748.333333 336.9583333 deviacion estandar 281.4841618 59.75915994 covarianza 15545.19697 Coreelacion 0.924140029

valor de lasresidencias
500 450 400 350 300 250 200 150 100 50 0 0 500 1000 1500 2000 2500

y en miles

x pies cuadraos

Clasificacin de las grficas de dispersin a) Si casi todos los puntos se encuentran entre el cuadrante I y III forman un modelo positivo, la covarianza y el coeficiente de correlacin ser positivo b) Si casi todos los puntos se encuentran entre el cuadrante II y IV forman un modelo negativo, la covarianza y el coeficiente de correlacin ser negativo c) Si todos los puntos estn dispersos en las cuatro reas sin formar un modelo, la covarianza y el coeficiente de correlacin estn cercanos a cero

Nota si el valor de correlacin esta en 1 o en -1 los puntos estn exactamente en la recta, si r=0 no hay relacin lineal entre las variables. A veces las variables, x y y, estn relacionadas de una forma particular puede ser que el valor de y dependa del valor de x, en donde es la variable independiente, y sea y la variable dependiente Esto se le puede relacionar a la siguiente ecuacin

Si los puntos de las rectas(x, y) no caen en la recta la tendremos que ajustar y a esta recta se le denomina recta de regresin o de mnimos cuadrados:

Regresin lineal simple

Para determinar la relacin lineal se puede usar un modelo determinista

Para calcular el punto de cruce y la pendiente de la recta se llevara a cabo por el mtodo de recta de mnimos cuadrados o recta de regresin.

Mtodo de mnimos cuadrados

Este mtodo consiste en llevar una recta y que reduzca al mnimo las distancias verticales o desviaciones de la regla la frmula de la recta de mejor ajuste seria Donde a y b son parmetros de y de punto de cruce y pendiente respectivamente

Principio de mnimos cuadrados

La recta que reduce al mnimo la suma de cuadrados de las desviaciones de los valores observados de y desde los pronosticados es la recta de mejor ajuste. La suma de cuadrados de las desviaciones por lo general se le denomina sumas de cuadrados de error (SSE) y se define como

Estimadores de mnimos cuadrados

Y Donde Donde

Ejemplo encontrar la recta de prediccin de mnimos cuadrados para las calificaciones de clculo de la siguiente tabla:

estudiante 1 2 3 4 5 6 7 8 9 10 suma

calificacionde examen puntos finales en calculo 39 65 43 78 21 52 64 82 57 92 47 89 28 73 75 98 34 56 52 75 460 760

1521 1849 441 4096 3249 2209 784 5625 1156 2704 23634

2535 3354 1092 5248 5244 4183 2044 7350 1904 3900 36854

4225 6084 2704 6724 8464 7921 5329 9604 3136 5625 59816

Con esta ecuacin se puede predecir un valor determinado de x

calificaciones de examen de matematicas y puntos finales de calculo de primer ao de universidad

120 100

califcaciones

80
60 40 20

0
0 10 20 30 40 50 60 70 80

puntos