UNIVERSIDAD JUAREZ AUTÓNOMA DE

TABASCO
“DIVISIÓN ACADÉMICA DE CIENCIAS
ECONÓMICO ADMINISTRASTIVAS”

ALUMNO: MAGAÑA ESTRADA SAMANTHA DEL CARMEN

MATRICULA: 162B23116
LIC. CONTADURÍA PÚBLICA
CORREO ELECTRÓNICO: carlos-matrixz@hotmail.com
MATERIA: ESTADÍSTICA INFERENCIAL
PROFESOR: MANZUR BOCANEGRA ALFREDO

TEMA: Regresión y Correlación lineal

UNIDAD 4 ACTIVIDAD 7: Investigación y ejercicio
  REGRESIÓN LINEAL

Es una técnica estadística que establece una ecuación para estimar el valor
desconocido de una variable, a partir del valor conocido de otra variable. Las
relaciones entre variables pueden ser directas o también
inversas.

 La regresión es directa cuando la pendiente de

esta línea es positiva, porque la variable “Y” crece a
medida que la variable “X” también lo hace.

 La regresión es inversa cuando la pendiente de

esta línea es negativa, porque a medida que aumenta el
valor de la variable “Y” el valor de la variable “X”
disminuye.

 CORRELACIÓN LINEAL

Es una técnica estadística que establece un índice que proporciona, en un solo

número, una medida de la fuerza de asociación entre dos variables de interés.
Dependiendo del tamaño de esta medida cuantitativa se puede decir que tan
cercanamente se mueven dos variables y, por lo tanto, con cuanta confiabilidad, se
puede estimar una variable con ayuda de la otra.

 MÉTODOS DE MÍNIMOS CUADRADOS

Método que se utiliza para ajusta una línea a los datos muestrales indicados en el
diagrama de dispersión. La línea se deriva en forma tal que la suma de los
cuadrados de las desviaciones verticales entre la línea y los puntos individuales de
datos se reduce al mínimo.
El método de mínimos cuadrados sirve para determinar la recta que mejor se ajuste
a los datos muestrales, y los supuestos de este método son:

 El error es cero.
 Los datos obtenidos de las muestras son estadísticamente independientes.
 La varianza del error es igual para todos los valores de x.
 PROCEDIMIENTO PARA UNA PRUEBA DE HIPÓTESIS RELATIVA A UN
VALOR ESPERADO” Y”

1.- Obtención y tabulación de los datos muestrales

2.- La información se grafica en un diagrama de dispersión

3.- Calcular la pendiente y ordenada al origen

4.- Se obtiene la ecuación que mejor se ajusta a la información obtenida

5.- Se traza la línea estimada en el diagrama de dispersión

6.- Calcular el error estándar de estimación

7.- Calcular el coeficiente de determinación

8.- Determinar el coeficiente de correlación

9.- Determinar el intervalo de confianza

10.- Determinar el intervalo de predicción

 ESTIMACIÓN POR INTERVALO PARA β0 Y β1

Consiste en establecer el intervalo de valores donde es más probable se encuentre

el parámetro. La obtención del intervalo se basa en las siguientes consideraciones:

a) Si conocemos la distribución muestral del estimador podemos obtener las

probabilidades de ocurrencia de los estadísticos muestrales.

b) Si conociéramos el valor del parámetro poblacional, podríamos establecer la

probabilidad de que el estimador se halle dentro de los intervalos de la distribución
muestral.
c) El problema es que el parámetro poblacional es desconocido, y por ello el
intervalo se establece alrededor del estimador. Si repetimos el muestreo un gran
número de veces y definimos un intervalo alrededor de cada valor del estadístico
muestral, el parámetro se sitúa dentro de cada intervalo en un porcentaje conocido
de ocasiones. Este intervalo es denominado "intervalo de confianza".

 COEFICIENTE DE DETERMINACIÓN

Es igual a la proporción de la variación total de los valores de la variable

dependiente, “Y”, que puede explicarse por medio de la asociación de Y con X
medida por la línea de regresión estimada. El coeficiente de determinación es la
manera primaria de medir el grado, o fuerza, de la relación que existe entre dos
variables, “x” y “y”. El coeficiente de determinación muestral se representa como r2,
y mide exclusivamente la fuerza de una relación lineal entre dos variables.

 COEFICIENTE DE CORRELACIÓN

La raíz cuadrada del coeficiente de determinación muestral, es un índice alternativo

común del grado de asociación entre dos variables cuantitativas. Esta mediad se
llama coeficiente de correlación muestral (r) y es un estimador puntual del
coeficiente de correlación poblacional (ρ). El coeficiente de correlación muestral es
la segunda medida con que puede describirse la eficacia con que una variable es
explicada por otra, así pues, el signo de r indica la dirección de la relación entre las
dos variables “x” y “y”.

BIBLIOGRAFIA
http://asesorias.cuautitlan2.unam.mx/Laboratoriovirtualdeestadistica/CARPETA%2
03%20INFERENCIA_ESTADISTICA/DOC_%20INFERENCIA/TEMA%204/09%20
REGRESION%20Y%20CORRELACION%20LINEAL%20SIMPLE.pdf