admon

UNIVERSIDAD DE PANAMÁ
EXTENSIÓN UNIVERSITARIA DE AGUADULCE
FACULTAD DE ADMINISTRACIÓN DE EMPRESAS Y CONTABILIDAD
ESCUELA DE ADMINISTRACIÓN DE EMPRESAS

TEMA
REGRESIÓN

ESTUDIANTES
GONZÁLEZ, LUISA 2-733-1694
HIDALGO, JESUS 2-734-685
ARACIBIA, KATHERINE 2-735-840

PROFESORA
DORALVIS ALFARO


FECHA DE ENTREGA
19DE NOV. 2014



CONTENIDO

¿Qué es el análisis de regresión?
En estadística, el análisis de regresión es un proceso estadístico para la estimación de relaciones entre variables. Incluye muchas técnicas para el modelado y análisis de diversas variables, cuando la atención se centra en la relación entre una variable dependiente y una o más variables independientes. Más específicamente, elanálisis de regresión ayuda a entender cómo el valor típico de la variable dependiente cambia cuando cualquiera de las variables independientes es variada, mientras que se mantienen las otras variables independientes fijas. Más comúnmente, el análisis de regresión estima la esperanza condicional de la variable dependiente dadas las variables independientes - es decir, el valor promedio de lavariable dependiente cuando se fijan las variables independientes. Con menor frecuencia, la atención se centra en un cuantil, u otro parámetro de localización de la distribución condicional de la variable dependiente dadas las variables independientes. En todos los casos, el objetivo es la estimación de una función de las variables independientes llamada la función de regresión. En el análisis deregresión, también es de interés para caracterizar la variación de la variable dependiente en torno a la función de regresión que puede ser descrito por una distribución de probabilidad.


¿Cuál es el objetivo de un análisis de regresión?
El objetivo de un análisis de regresión es estimar el valor promedio de una variable, variable dependiente, con base en los valores de una o más variablesadicionales, variables explicativas.

¿Qué es la regresión lineal simple y qué método utiliza?
En estadística la regresión lineal o ajuste lineal es un método matemático que modela la relación entre una variable dependiente Y, las variables independientes Xi y un término aleatorio ε. Este modelo puede ser expresado como:

: Variable dependiente, explicada o regresando.
: Variables explicativas,independientes o regresores.
: Parámetros, miden la influencia que las variables explicativas tienen sobre el regresando. Donde  es la intersección o término "constante", las  son los parámetros respectivos a cada variable independiente, y  es el número de parámetros independientes a tener en cuenta en la regresión. La regresión lineal puede ser contrastada con la regresión no lineal.

¿Cuáles la fórmula de la regresión lineal simple?
Dadas dos variables (Y: variable dependiente; X: independiente) se trata de encontrar una función simple (lineal) de X que nos permita aproximar Y mediante: Ŷ = a + bX
a (ordenada en el origen, constante)
b (pendiente de la recta)
A la cantidad e=Y-Ŷ se le denomina residuo o error residual.
Así, en el ejemplo de Pearson: Ŷ = 85 cm + 0,5X
Donde Ŷes la altura predicha del hijo y X la altura del padre: En media, el hijo gana 0,5 cm por cada cm del padre.


POR EJEMPLO
ANÁLISIS ESTADÍSTICO: REGRESIÓN LINEAL SIMPLE
En el estudio de la relación funcional entre dos variables poblacionales, una variable X, llamada independiente, explicativa o de predicción y una variable Y, llamada dependiente o variable respuesta, presenta la siguientenotación:
Y = a + b X + e
Donde:
a es el valor de la ordenada donde la línea de regresión se intercepta con el eje Y.
b es el coeficiente de regresión poblacional (pendiente de la línea recta)
e es el error

SUPOSICIONES DE LA REGRESIÓN LINEAL
1. Los valores de la variable independiente X son fijos, medidos sin error.
2. La variable Y es aleatoria
3. Para cada valor de X, existe...