Upload
fitzgerald-oconnor
View
29
Download
0
Embed Size (px)
DESCRIPTION
LA RECTA DE REGRESIÓN. CONTENIDOS: Dependencia funcional y dependencia estadística Concepto de regresión ¿Es buena la aproximación? Error cuadrático medio, varianza residual coeficiente de determinación lineal. Independencia - Dependencia. - PowerPoint PPT Presentation
Citation preview
LA RECTA DE REGRESIÓN
CONTENIDOS:
Dependencia funcional y dependencia estadística Concepto de regresión ¿Es buena la aproximación?
Error cuadrático medio, varianza residual coeficiente de determinación lineal
Independencia - DependenciaIndependencia - DependenciaAl estudiar dos características simultáneamente de una muestra:
– ¿están relacionadas? ¿interdependencia? ¿cómo lo hacen?– altura vs peso. horas de estudio vs calificación en un examen.
El objetivo principal es determinar el modo en que se relacionan. Dos variables pueden considerarse:• Independientes ninguna explica el comportamiento de la otra• Dependencia funcional (exacta) Y=f(x)• Dependencia estadística está entre las dos anteriores
r=0,1
30
80
130
180
230
280
330
140 150 160 170 180 190 200
Independencia estadística Dependencia funcionalDependencia estadística
Grado de asociación entre dos variables- +
0,00
5,00
10,00
15,00
20,00
25,00
0,00 20,00 40,00 60,00 80,00
Estudio conjunto de dos variables
Altura en cm.
Peso en Kg.
162 61
154 60
180 78
158 62
171 66
169 60
166 54
176 84
163 68
... ...
• A la derecha tenemos los datos obtenido observando dos variables estadísticas en varios individuos de una muestra.
– En cada fila tenemos los datos de un individuo
– Cada columna contiene los valores que toma una variable sobre los individuos.
– Las individuos no se muestran en ningún orden particular.
• Podemos representar las observaciones en un diagrama de dispersión (‘scatterplot’). En él, cada individuo es un punto cuyas coordenadas son los valores de las variables.
• En primera instancia, pretendemos reconocer a partir del diagrama si hay relación entre las variables, de qué tipo y, si es posible predecir el valor de una de ellas en función de la otra.
30
40
50
60
70
80
90
100
140 150 160 170 180 190 200
Diagramas de dispersión o nube de puntos
Mid
e 18
7 cm
.
Mide 161 cm.
Pesa 76 kg.
Pesa 50 kg.
Altura y peso de 30 individuos.
30
40
50
60
70
80
90
100
140 150 160 170 180 190 200
Relación entre variables.Altura y peso de 30 individuos.
Parece que el peso aumenta con la altura
30
40
50
60
70
80
90
100
140 150 160 170 180 190 200
Relación entre variables.Altura y peso de 30 individuos.
Parece que el peso aumenta con la altura
30
40
50
60
70
80
90
100
140 150 160 170 180 190 200
Relación entre variables.Altura y peso de 30 individuos.
Parece que el peso aumenta con la altura
• ¿Qué recta explica mejor la relación peso-altura? • mejor...¿en qué sentido?
1x 2x 3x ix 1nx nx
1y
2y
3y
iy
1ny
ny
Ordenada en el origen
PendienteRECTA DE REGRESIÓN
ˆiy
ˆi i iu y y
yi
iii ubxay
3u iu
Error: residuo
Llamemos a “u” residuo, perturbación o error: es la diferencia que hay entre el valor observado de la variable “y” y el valor que tendría (valor estimado) si la relación fuera lineal, es decir, través de la recta de regresión
IDEA: hacer MÍNIMA la suma de los CUADRADOS de los residuos.
2 2ˆ( )i i iu y y 2 2
1 1
ˆ( )n n
i i ii i
u y y
22 2
, 1 1 1
ˆ( )minn n n
i i i i ia b i i i
u y y y a bx
iiy a bx
RECTA DE REGRESIÓN
1 1
1 1( )( )
n n
xy k k k kk k
S x x y y x y x yn n
2
xy
x
Sa y x
S
2
xy
x
Sb
S
La recta de regresión de y sobre x es
Es decir, los valores de los coeficientes son
Covarianza
EQUIVALE a buscar los coeficientes de la recta hace MÍNIMA la suma de los CUADRADOS de los residuos.
2 2ˆ xy xy
x x
S Sy y x x
S S
¿Es la recta de regresión una buena aproximación de la nube de puntos?
2 2ˆ XY XYi i
X X
S Sy y x x
S S
Yi
X
Sy x x
Sr XY
X Y
SrS S
22ˆi i
u
y yS
N
Varianza residual ó error cuadrático medio: Ayuda a medir la dependencia.
VR =
Coeficiente de correlación lineal de Pearson r:
2
1 XYY
X Y
SS
S S
Coeficiente de determinación:
2
2 1
2
1
ˆn
kkn
kk
y yR
y y
Diferencia entre el valor estimado y la media observada
Diferencia entre lo observado y la media observada
• La pendiente de la recta de regresión es Sxy/ S2X
• El signo de la covarianza indica si la posible relación entre dos variables es directa o inversa.– Directa: Sxy >0
– Inversa: Sxy <0
– Incorreladas: Sxy =0
• La covarianza no dice nada sobre el grado de relación entre las variables.
Covarianza de dos variables X e Y
Coef. de correlación lineal de Pearson
• La coeficiente de correlación lineal de Pearson de dos variables, r, nos indica si los puntos tienen una tendencia a disponerse alineadamente (excluyendo rectas horizontales y verticales).
• tiene el mismo signo que Sxy por tanto de su signo obtenemos el que la posible relación sea directa o inversa.
• r es útil para determinar si hay relación lineal entre dos variables
yx
xy
SS
Sr
• Es adimensional• Sólo toma valores en [-1,1]• Las variables son incorreladas r=0• Relación lineal perfecta entre dos variables r=+1 o r=-1
– Excluimos los casos de puntos alineados horiz. o verticalmente.
• Cuanto más cerca esté r de +1 o -1 mejor será el grado de relación lineal.– Siempre que no existan observaciones anómalas.
Propiedades de r
-1 +10
Relación inversa perfecta
Relación directa
casi perfecta
Variables incorreladas
Coeficiente de determinación
• No mide la validez del modelo de regresión propuesto.
• Sí mide cuanto de la variabilidad se explica por la ecuación de regresión estimada.
Hemos usado materiales de:– Julián de la Horra Navarro.
Estadística aplicada, 3ª edición. Díaz de Santos.
– G.C. Canavós. Estadística y probabilidad. Métodos y aplicaciones. McGrawHill
– Francisco Javier Barónhttp://www.bioestadistica.uma.es/baron/apuntes
– Sara Mateohttp://www.dea.uib.es/webpersonal/williamnilsson/archivos/Capitulo7.ppt
Estadística Económica 2007-2008. Sara Mateo.
¿Qué “a” y “b” minimizan la suma de los cuadrados de los errores cometidos?
22
1 1
( , )n n
i i i ii i
a b y a bx y a bx
El valor que hemos
aproximado para “y” con la recta de regresión
Errores cometidos al aproximar por una recta
MINIMIZARMINIMIZAR
02
02
i
i
ii
i
ii
xbxayb
bxaya
i ii i
na y b a y bx x
i i
ii
i
ii
i i i
ii
xbxayx
xbay
2
2
2
2 2
22
i i i ii i i
ii i i i
i i i
i i ii i
xyxy
xx
x y y bx x b x
yx y x bxnx b x
n
x y ynx b x nx
Sbb
SS S
y
¿DE DÓNDE SALEN LOS COEFICIENTES DE LA RECTA DE REGRESIÓN?