Regresin lineal Representamos en un grfico los pares de valores de una distribucin bidimensional: la variable "x" en el eje horizontal o eje

de abcisa, y la variable "y" en el eje vertical, o eje de ordenada. Vemos que la nube de puntos sigue una tendencia lineal:

El coeficiente de correlacin lineal nos permite determinar si, efectivamente, existe relacin entre las dos variables. Una vez que se concluye que s existe relacin, la regresin nos permite definir la recta que mejor se ajusta a esta nube de puntos. El coeficiente de correlacin (r) es una medida de la intensidad de la relacin entre dos variables. Requiere datos con escala de intervalo o de razn (variables). Puede tomar valores entre -1.00 y 1.00. Valores de -1.00 o 1.00 indican correlacin fuerte y perfecta. Valores cercanos a 0.0 indican correlacin dbil. Valores negativos indican una relacin inversa y valores positivos indican una relacin directa.

Una recta viene definida por la siguiente frmula: y = a + bx Donde "y" sera la variable dependiente, es decir, aquella que viene definida a partir de la otra variable "x" (variable independiente). Para definir la recta hay que determinar los valores de los parmetros "a" y "b": El parmetro "a" es el valor que toma la variable dependiente "y", cuando la variable independiente "x" vale 0, y es el punto donde la recta cruza el eje vertical. El parmetro "b" determina la pendiente de la recta, su grado de inclinacin. La regresin lineal nos permite calcular el valor de estos dos parmetros, definiendo la recta que mejor se ajusta a esta nube de puntos. El parmetro "b" viene determinado por la siguiente frmula:

Es la covarianza de las dos variables, dividida por la varianza de la variable "x". El parmetro "a" viene determinado por: a = ym - (b * xm) Es la media de la variable "y", menos la media de la variable "x" multiplicada por el parmetro "b" que hemos calculado. Ejemplo: vamos a calcular la recta de regresin de la siguiente serie de datos de altura y peso de los alumnos de una clase. Vamos a considerar que la altura es la variable independiente "x" y que el peso es la variable dependiente "y" (podamos hacerlo tambin al contrario):

El parmetro "b" viene determinado por: b= Y el parmetro "a" por: a = 33,1 - (40,265 * 1,262) = -17,714 Por lo tanto, la recta que mejor se ajusta a esta serie de datos es: y = -17,714 + (40,265 * x) Esta recta define un valor de la variable dependiente (peso), para cada valor de la variable independiente (estatura):
(1/30) * 1,034 ----------------------------------------- = 40,265 (1/30) * 0,00856

Ejercicios para entregar 1. Encontrar la ecuacin de la recta que se ajuste a los datos. 2. Encontrar el costo, cuando el vehiculo se ha desplazado: 2850 millas, 4780 millas y 1000 millas. 3. Encontrar las millas que debi desplazarse el vehiculo si se tuvo un costo de: $300 400, 500 000 y 150 000.
Cuadro 1. Operaciones Mensuales en una Empresa de Transporte de Pasajeros. Costos Totales (miles) Mes N Y 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 213.9 212.6 215.3 215.3 215.4 228.2 245.6 259.9 250.9 234.5 205.9 202.7 198.5 195.6 200.4 200.1 201.5 213.2 219.5 243.7 262.3 252.3 224.4 215.3 202.5 200.7 201.8 202.1 200.4 209.3 213.9 227.0 246.4 Millas Vehculo X 3147 3160 3197 3173 3292 3561 4013 4244 4159 3776 3232 3141 2928 3063 3096 3096 3158 3338 3492 4019 4394 4251 3844 3276 3184 3037 3142 3159 3139 3203 3307 3585 4073

Fuente: J. Johnston, Anlisis Estadstico de los Costes (Barcelona: Sagitario, S. A., 1966), p. 118.

1. Encontrar la ecuacin de la recta que mas se ajuste a los datos del cuadro. 2. Graficar. 3. Encontrar el porcentaje de las comisiones pagadas cuando se ha logrado ganancias netas de: 25 millones, 30 millones y 10 millones. 4. Encontrar cuanto debieron haber sido las ganancias si las comisiones fueron de: 3.4%, 2.8% y 7%.