Regresin

Lineal
Las tcnicas de regresin permiten
hacer predicciones sobre los valores de
cierta variable Y (dependiente), a partir
de los de otra X (independiente), entre
las que intuimos que existe una
relacin.

Introduccin
El anlisis de regresin es una herramienta estadstica que utiliza la
relacin entre dos o ms variables cuantitativas, de modo que una
variable pueda ser predicha mediante la otra u otras variables.
Por ejemplo, si se conoce la relacin entre gastos en propaganda y
ventas, se puede predecir las ventas por medio del anlisis de regresin
una vez establecido (fijado) el gasto en propaganda.

Relaciones entre variables

Existen dos tipos de relaciones entre variables
a) Relacin funcional: que es de la forma y = f(x), donde x es la
variable INDEPENDIENTE e y es la variable DEPENDIENTE.
b) Relacin estadstica: una relacin estadstica, a diferencia de una
relacin funcional, es una relacin perfecta en el sentido que no
puede ser expresada mediante una formula.
En general las observaciones no caen directamente en la grfica
de alguna relacin matemtica.

Los siguientes grficos sintetizan los distintos tipos de relaciones

para datos hipotticos:

Grafico Lineal

Grafico
cuadrtico

Grafico cubico

Una vez que se dispone de los datos necesarios, la elacin entre

las variables puede ser establecida ya sea grficamente o
matemticamente mediante el mtodo de mnimos cuadrados.

AJUSTE DE UNA RECTA A UN CONJUNTO DE PUNTOS

Se estudiara solo el caso de regresin lineal. La relacin entre las
variables es de forma

y= 0 + 1 x . Los valores de los parmetros a y

b se estiman mediante el mtodo de mnimos cuadrados, y sus

estimaciones se denotan por

^ 0

^ 1
, en que:

^ 0= y ^ 1 x
n

( )( )
( )

x i y i 1n x i y i

^ 1= i=1

i=1

x 2i
i=1

1
n

i=1
2

i=1

xi

La obtencin de estas frmulas escapa a este curso. La idea es obtener

una recta tal que la suma de los cuadrados de las distancias de ella a los
puntos sea mnimo.
RECTA DE REGRESIN ESTIMADA (RECTA AJUSTADA A LOS
DATOS)
^y = ^ 0 + ^ 1 x
Ejemplo
Considrese la siguiente tabla, que contiene datos hipotticos:
N
Y
x

1
73
30

2
50
20

3
128
60

4
170
80

5
87
40

6
108
50

a) Estime la recta de regresin

y =

1100
=11 0
10

^ 1=

x =

500
=50
10

1
( 500 ) ( 1100 )
10
=2,0 ^ 0=1102 x ( 50 )=10
1
2
28400 ( 500 )
10

61800

Recta de regresin estimada ^y =10+2 x

7
135
60

8
69
30

9
148
70

10
132
60

GRAFICO DE DISPERSIN
El grafico de dispersin es una herramienta grfica, que permite conocer
el comportamiento de los datos, para determinar el modelo que se
ajustara de una mejor manera al conjunto de datos de inters.
Como solo se utilizara asociaciones lineales entre las variables, existen
las siguientes posibilidades de grficos de dispersin.

Asociacin
Positiva

Asociacin
Negativa

Sin Asociacin

La forma de construir este grafico de dispersin es la siguiente:

Se toma cada par ordenado donde la variable independiente esta sobre
el eje horizontal y la variable dependiente en el eje vertical.
Obteniendo de esta manera un punto en la interseccin de ambas
coordenadas.
Y este procedimiento se vuelve a repetir con cada uno de los pares que
se tengan.

CORRELACIN LINEAL DE PEARSON

El objetivo principal del anlisis de correlacin lineal permite medir la
intensidad de una relacin lineal entre dos variables.
La correlacin siempre toma valores entre -1 y 1. Si es cercana a 1,
existir una alta correlacin, y la variacin de ambas variables es en la
misma direccin (asociacin positiva). Si es cercana a cero, hay poca
correlacin y la variacin es arbitraria en relacin a la variacin de la
otra variable. Si es cercana a -1, la variacin entre ambas variables es
en sentido contrario (asociacin negativa o inversa).
La forma de clculo es la siguiente:
n

x i y i n x y
Corr ( x , y )=

i=1

(
n

i=1

2
i

x n x

)(
i=1

y 2i n y 2

Los siguientes grficos ilustran los distintos casos:

Corr(x,y) 1

Corr(x,y) -1

Corr(x,y) 0

Todos los elementos antes descritos constituyen el anlisis de

regresin lineal simple, es por esto que los pasos para resolver este
tipo de problemas son los siguientes:
1.
2.
3.
4.

Identificar la variable independiente y dependiente

Realizar el grafico de dispersin asociado e interpretarlo
Ajustar la recta de regresin
Calcular el grado de asociacin existente entre las variables