Introducción a la Inferencia Estadística Dept. of Marine Science and Applied Biology Jose Jacobo...
-
Upload
maria-elena-redondo-ferreyra -
Category
Documents
-
view
218 -
download
0
Transcript of Introducción a la Inferencia Estadística Dept. of Marine Science and Applied Biology Jose Jacobo...
Introducción a la Inferencia Estadística
Dept. of Marine Science and Applied BiologyJose Jacobo Zubcoff
Modelos de Regresión Simple
• Que tipo de relación existe entre 2 variables• Predicción de valores a partir de una de ellas
• Variable Explicativa, Predictor o Independiente • Variable Dependiente
Estudio conjunto de dos variables
• Datos de dos variables de una muestra.– En cada fila tenemos los datos de un individuo– Cada columna representa los valores que toma una
variable sobre los mismos.– Las individuos no se muestran en ningún orden
particular.
• Las observaciones pueden ser representadas en un diagrama de dispersión
• Nuestro objetivo será intentar reconocer a partir del mismo 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.
Altura en cm.
Peso en Kg.
162 61
154 60
180 78
158 62
171 66
169 60
166 54
176 84
163 68
... ...
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.
Tenemos las alturas y los pesos de 30 individuos representados en un diagrama de dispersión.
30
40
50
60
70
80
90
100
140 150 160 170 180 190 200
Relación entre variablesTenemos las alturas y los pesos de 30 individuos representados en un diagrama de dispersión.
Parece que el peso aumenta con la
altura
30
40
50
60
70
80
90
100
140 150 160 170 180 190 200
Predicción de una variable en función de la otra
Aparentemente el peso aumenta 10Kg por cada 10 cm de altura... o sea,el peso aumenta en una unidad por cada unidad de altura.
10 cm.
10 kg.
Incorrelación
30
80
130
180
230
280
330
140 150 160 170 180 190 200
Relación directa e inversaFuerte relación
directa.
30
40
50
60
70
80
90
100
140 150 160 170 180 190 200
Cierta relacióninversa
0
10
20
30
40
50
60
70
80
140 150 160 170 180 190 200
Para valores de X por encima de la media tenemos valores de Y por encima y por debajo en proporciones similares. Incorrelación.
Para los valores de X mayores que la media le corresponden valores de Y menores. Esto es relación inversa o decreciente.
•Para los valores de X mayores que la media le corresponden valores de Y mayores también.•Para los valores de X menores que la media le corresponden valores de Y menores también. Esto se llama relación directa.
¿Cuándo es bueno un modelo de regresión?• Lo adecuado del modelo depende de
la relación entre:– la dispersión marginal de Y– La dispersión de Y condicionada a X
• Es decir, fijando valores de X, vemos cómo se distribuye Y
– La distribución de Y, para valores fijados de X, se denomina distribución condicionada.
– La distribución de Y, independientemente del valor de X, se denomina distribución marginal.
• Si la dispersión se reduce notablemente, el modelo de regresión será adecuado.
150 160 170 180 190
320
340
360
380
400
420
y
320
340
360
380
400
420
320
340
360
380
400
420
320
340
360
380
400
420
320
340
360
380
400
420 r= 0.415 r^2 = 0.172
150 160 170 180 190
350
360
370
380
390
y
350
360
370
380
390
350
360
370
380
390
350
360
370
380
390
350
360
370
380
390 r= 0.984 r^2 = 0.969
Ejemplos de correlaciones positivas
r=0,1
30
80
130
180
230
280
330
140 150 160 170 180 190 200
r=0,4
30405060708090
100110120130
140 150 160 170 180 190 200
r=0,8
30
40
50
60
70
80
90
100
140 150 160 170 180 190 200
r=0,99
30
40
50
60
70
80
90
100
140 150 160 170 180 190 200
Ejemplos de correlaciones negativas
r=-0,5
0
10
20
30
40
50
60
70
80
90
140 150 160 170 180 190 200
r=-0,7
0
10
20
30
40
50
60
70
80
140 150 160 170 180 190 200
r=-0,95
0
10
20
30
40
50
60
70
80
140 150 160 170 180 190 200
r=-0,999
0
10
20
30
40
50
60
70
80
140 150 160 170 180 190 200
Modelo de regresión lineal simple• En el modelo de regresión lineal simple, dado dos
variables– Y (dependiente)– X (independiente, explicativa, predictora)
• buscamos encontrar una función de X muy simple (lineal) que nos permita aproximar Y mediante– Ŷ = b0 + b1X
• b0 (ordenada en el origen, constante)• b1 (pendiente de la recta)
• Y e Ŷ rara vez coincidirán por muy bueno que sea el modelo de regresión. A la cantidad– e = (Y-Ŷ) se le denomina residuo o error residual.
0
30
60
90
120
150
180
0 10 20 30 40 50 60 70 80 90 100110120130140150160170180190200210220
Regresion lineal: ejemplo de las alturas (padres e hijos):
Ŷ = b0 + b1X• b0=85 cm • b1=0,5
b0=85 cm
b1=0,5
0
30
60
90
120
150
180
0 10 20 30 40 50 60 70 80 90 100110120130140150160170180190200210220
Regresion lineal
• La relación entre las variables no es exacta =>– Cuál es la mejor recta que sirve para predecir los valores de Y en
función de los de X– Qué error cometemos con dicha aproximación (residual).
b0=85 cm
b1=0,5
• El modelo lineal de regresión se construye utilizando la técnica de estimación mínimo cuadrática:– Buscar b0, b1 de tal manera que se minimice la cantidad
• Σi ei2
• Se comprueba que para lograr dicho resultado basta con elegir:
• Se obtiene además otras ventajas– El error residual medio es nulo– La varianza del error residual es mínima para dicha estimación.– Traducido: En término medio no nos equivocamos. Cualquier otra
estimación que no cometa error en término medio, si es de tipo lineal, será peor por presentar mayor variabilidad con respecto al error medio (que es cero).
Regresión lineal
Interpretación de la variabilidad en Y
YEn primer lugar olvidemos que existe la variable X. Veamos cuál es la variabilidad en el eje Y.
La franja sombreada indica la zona donde varían los valores de Y.
Proyección sobre el eje Y = olvidar X
Interpretación del residuo
YMiremos ahora los errores de predicción (líneas verticales). Los proyectamos sobre el eje Y.
Se observa que los errores de predicción, residuos, están menos dispersos que la variable Y original.
Cuanto menos dispersos sean los residuos, mejor será la bondad del ajuste.
Modelos de Regresión Simple
• Modelo Lineal o Recta de Regresión
XY βγ +=
Método de Mínimos Cuadrados
XXYE βγ +=)(
2
11
2 ))(( XYn
ii
n
ii βγε +−=∑∑
==
Modelos de Regresión Simple
XbYa −=
2
1
2
1
1
22
1
)(
))((
X
XYn
ii
n
iii
n
ii
n
iii
S
S
XX
YYXX
XnX
YXnYXb =
−
−−=
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
−
−=
∑
∑
∑
∑
=
=
=
=
Fórmula para la estimación por Mínimos Cuadrados
Varianza Residual de Y para cada valor de X
( )222
1
22.. 2
1))((
2
1XY
n
iiiXY SbS
n
nbXaY
nS −
−
−=+−
−= ∑
=
Modelos de Regresión Simple
( )⎟⎠⎞
⎜⎝⎛ +⎟
⎠⎞⎜
⎝⎛−=
−−− ...,
12,2
1 .. btbInS
S
n X
XY
αα
β
2,2..
0 1)(α
β−<
−−n
XY
X tS
nSb
Intervalo de confianza para el coeficiente
Contraste de Hipótesis
⎭⎬⎫
≠=
01
00
:
:
ββ
ββ
H
H
Modelos de Regresión Simple
( )⎟⎠⎞
⎜⎝⎛ ++⎟
⎠⎞
⎜⎝⎛ ++−+=
−
−−
− ...,)1( 0)1(
)(1..
2,20
12
20
0bxaStbxaI
XSn
XxnXYny α
α
2
2
20
,2
)1(
)(1..
00
)(
)(α
μ−
−−
<+
−+n
SnXx
nXY
tS
bxa
X
Intervalo de predicción para un nuevo valor de Y dado X0
Contraste de Hipótesis
⎭⎬⎫
≠+=+
01
00
:
:
μβγ
μβγ
XH
XH
Modelos de Regresión Simple
β
2X
XY
S
Sb=
YX
XY
SS
Sr =
Medidas de Bondad de Ajuste
Estiman y ρPor tanto
rS
Sb
X
Y= ρσσβX
Y=
Regresion LinealSe desea saber si existe relación lineal entre el peso del recién nacido y el nivel de estriol en su madre.
7 2500 9 25009 2500 12 270014 2700 16 270016 2400 14 300016 3000 16 310017 3000 19 310021 3000 24 280015 3200 16 320017 3200 25 320027 3400 15 340015 3400 15 350016 3500 19 340018 3500 17 360018 3700 20 380022 4000 25 390024 4300
Regresión Simple
XbYa −=
2
1
2
1
1
22
1
)(
))((
X
XYn
ii
n
iii
n
ii
n
iii
S
S
XX
YYXX
XnX
YXnYXb =
−
−−=
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
−
−=
∑
∑
∑
∑
=
=
=
=
Varianza Residual de Y (Error tipico de estimacion) para cada valor de X
( )222
1
22.. 2
1))((
2
1XY
n
iiiXY SbS
n
nbXaY
nS −
−
−=+−
−= ∑
=
Con las expresiones de b y a calculamos los coeficientes y cte.
Regresion Lineal
Covarianza / Varianza(X)
Regresion Lineal
Asociación entre variables continuas
Regresion Lineal
Regresion Lineal
Regresion Lineal
Regresion Lineal
Regresion Lineal
Regresion Lineal
Regresion Lineal
Regresion Lineal
Problema
Regresion Lineal
Regresion Lineal