ESTADISTICA INFERENCIAL
Inicio
INICIO (10min)
SABERES PREVIOS
ANALISIS DE REGRESION LINEAL
Conoces para que sirve el Análisis de la Varianza en un Modelo de Regresión ?
Utilidad
UTILIDAD (5min)
Principio pedagógico: Aprendizaje Autónomo
LOGRO DE SESION
Al finalizar la sesión los estudiantes aplican los conceptos de análisis de varianza para poder analizar el modelo de regresión estimado con el fin de poder aplicarlo en situaciones del campo de la ingeniería y las ciencias.
Transformación
TRANSFORMACIÓN (60 min)
Principio pedagógico: Aprendizaje autónomo y Aprendizaje colaborativo.
REGRESIÓN LINEAL SIMPLE
Análisis de varianza
Consiste en descomponer la variabilidad de la variable dependiente (Y) en variabilidad explicada por el modelo (Regresión) más variabilidad no explicada (error). Bajo la hipótesis de que existe una relación lineal entre la variable respuesta y la regresora, se quiere realizar el siguiente contraste de hipótesis.
(El modelo no es significativo)
(El modelo si es significativo)
REGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL SIMPLE
Residuos
En un modelo de regresión, los residuos o errores son las diferencias entre los verdaderos valores que toma la variable dependiente y los valores estimados. Se calculan por tanto mediante:
Suma de cuadrados explicado Regresión (SCR)
acumula la parte de la variabilidad de la variable dependiente que consigue explicar el modelo.
Suma de cuadrados de los residuos o errores (SCE)
acumula la variabilidad de la variable dependiente que no conseguimos explicar con el modelo
Suma cuadrados Total (SCT)
permite medir la variabilidad total de la variable dependiente (Y)
REGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL SIMPLE
Fuente de Variación | GL | SC | CM | Fc | Ftab |
Regresión | 1 | | | | |
Residual (Error) | n-2 | | | | |
Total | n-1 | |
|
|
|
Estadístico de prueba
Cuadro ANOVA
Decisión
Paso1:
Paso2:
Paso3:
REGRESIÓN LINEAL SIMPLE
Activo Total (millones $) | 22 | 18 | 14 | 8 | 26 | 10 | 16 | 19 | 20 | 7 |
Rentabilidad (%) | 29.3 | 17.6 | 16 | 9.5 | 22.6 | 12.4 | 18.5 | 21.4 | 18.2 | 12.5 |
Se cuenta con información de una muestra de 10 fondos de inversión, respecto a su rentabilidad porcentual para un periodo de doce meses y el activo total (en millones $). Los datos se presentan en la siguiente tabla.
Pruebe con un nivel de significancia de 5%, si existe la relación lineal entre el activo total y la rentabilidad (Anva).
Calcula los coeficiente de manera rápida!
Solución:
Trabajemos con 2 decimales!!
Ejercicio
REGRESIÓN LINEAL SIMPLE
x | | | | |
22 | 29.3 | 22.64 | 23.43 | 44.36 |
18 | 17.6 | 19.44 | 2.69 | 3.39 |
14 | 16 | 16.24 | 2.43 | 0.06 |
8 | 9.5 | 11.44 | 40.45 | 3.76 |
26 | 22.6 | 25.84 | 64.64 | 10.5 |
10 | 12.4 | 13.04 | 22.66 | 0.41 |
16 | 18.5 | 17.84 | 0 | 0.44 |
19 | 21.4 | 20.24 | 5.95 | 1.35 |
20 | 18.2 | 21.04 | 10.5 | 8.07 |
7 | 12.5 | 10.64 | 51.27 | 3.46 |
| |
| | |
Promedio
Solución
REGRESIÓN LINEAL SIMPLE
Fuente de Variación | GL | SC | CM | Fc | Ftab |
Regresión | 1 | | 224.02 | 23.63 | 5.318 |
Residual (Error) | 8 | | 9.48 |
|
|
Total | 9 | |
|
|
|
Estadístico
de prueba
Valor
tabla F
Paso1:
Paso2:
Cuadro ANOVA
REGRESIÓN LINEAL SIMPLE
Región Crítica
Conclusión: Con un nivel de significancia del 5% se rechaza la Hipótesis nula. Por lo tanto se concluye que si existe relación lineal entre activo total y las rentabilidad.
Paso3:
Paso4:
REGRESIÓN LINEAL SIMPLE
Compruebe sus resultados con el Microsoft Excel!!
Gráfica de dispersión y modelo de regresión
Modelo de regresión y Anova
Nota: El valor crítico de F es el P-valor
INFORMACIÓN ADICIONAL
Software Estadístico y el P-value
Un valor p oscila entre 0 y 1. El valor p es una probabilidad que mide la evidencia en contra de la hipótesis nula. Las probabilidades más bajas proporcionan una evidencia más fuerte en contra de la hipótesis nula.
“En años recientes, debido a la disponibilidad de los programas de cómputo (software), se proporciona con frecuencia información adicional relativa a la fuerza del rechazo”
INFORMACIÓN ADICIONAL
Ejemplo
Se rechaza Hipótesis nula
ESTIMACION DE LA VARIANZA
Para estimar la varianza de los errores, σ^2 , podemos utilizar:
que es el estimador máximo verosímil de σ^2, pero es un estimador sesgado.
Un estimador insesgado de σ^2 es la varianza residual,
ESTIMACION DE LA VARIANZA
Activo Total (millones $) | 22 | 18 | 14 | 8 | 26 | 10 | 16 | 19 | 20 | 7 |
Rentabilidad (%) | 29.3 | 17.6 | 16 | 9.5 | 22.6 | 12.4 | 18.5 | 21.4 | 18.2 | 12.5 |
Calcular la varianza residual con los datos del ejercicio anterior.
Ejercicio
ESTIMACION DE LA VARIANZA
Solución:
Xi | 22 | 18 | 14 | 8 | 26 | 10 | 16 | 19 | 20 | 7 |
Yi | 29.3 | 17.6 | 16 | 9.5 | 22.6 | 12.4 | 18.5 | 21.4 | 18.2 | 12.5 |
| 22.64 | 19.44 | 16.24 | 11.44 | 25.84 | 13.04 | 17.84 | 20.24 | 21.04 | 10.64 |
| 6.66 | -1.84 | -0.24 | -1.94 | -3.24 | -0.64 | 0.66 | 1.16 | -2.84 | 1.86 |
La varianza residual es:
Actividad:
CIERRE (15 min)
Principio pedagógico: Aprendizaje autónomo.
Cierre
CIERRE
¿QUÉ HEMOS APRENDIDO?