ANALISIS DE REGRESION LINEAL SIMPLE

INTRODUCCION
El anlisis de regresin, consiste en la medicin del grado de
dependencia de una variable dependiente denotada por Y
sobre una variable independiente (X) mediante una funcin
matemtica, adems, permite predecir o estimar el valor de
una variable (dependiente) correspondiente al valor dado de
la otra variable (independiente). Las variables X e Y deben
ser de naturaleza cuantitativa y de preferencia continua. Por
ejemplo, podramos estar interesados en estudiar la relacin
entre la presin arterial (Y) y la edad (X) respectiva entre los
adultos, se puede tambin estar interesado en evaluar la
relacin entre el nivel de colesterol (Y) y el peso de las
personas adultas (X).

SUPUESTOS DEL MODELO DE

REGRESION LINEAL SIMPLE
Intervienen dos variables cuantitativas continuas, de las
cuales a una de ellas se denota por X que se denomina
variable independiente o matemtica y a la otra variable Y
se le considera como dependiente o aleatoria.
Para cada valor de X hay una subpoblacin de valores Y,
cada subpoblacin de los valores de Y tiene distribucin
normal.
Las varianzas de las subpoblaciones deben ser iguales a
la varianza poblacional.

MODELO DE LA ECUACION DE
REGRESION LINEAL SIMPLE

ESTIMACION DE LA ECUACION
DE REGRESION LINEAL SIMPLE

EJEMPLO REGRESION LINEAL

SIMPLE

 Se
reunieron
los
siguientes
datos
correspondientes a 10 familias para estudiar la
relacin entre la inteligencia y el numero de
nios por familia
Y = Calificacin promedio de CI
X = Numero de nios en la familia

NUMERO DE NIOS EN LA FAMILIA (X)

CALIFICACION PROMEDIO DE CI (Y)

105

102

104

100

97

101

95

93

97

10

88

NUMERO DE
NIOS

CALIFICACION
PROMEDIO CI

X2

Y2

XY

105

11025

105

102

10404

204

104

10816

312

100

16

10000

400

97

25

9409

485

101

36

10201

606

95

49

9025

665

93

64

8649

744

97

81

9409

873

10

88

100

7744

880

55

982

385

96682

5274

CALCULOS PRELIMINARES
Sumatoria de X: 55
Sumatoria de Y: 982
Sumatoria X2: 385
Sumatoria Y2: 96,682
Sumatoria XY: 5,274
Unidad de Anlisis: La familia, de dicha familia
obtenemos los datos concernientes al numero de
nios y el coeficiente de inteligencia (CI) promedio
de dichos nios.

MODELO DE LA ECUACION

Y = Coeficiente de Inteligencia promedio de los

nios de una familia
B0 = Intercepto
B1 = Coeficiente de regresin
X = Numero de nios por familia.
E = Error aleatorio

CALCULO DE B1
5274 (55 X 982) / 10
B1 = -------------------------------- = - 0.3665
385 385 / 10

B0 = Y/n (B1) (X/n) = 98.2 (- 0.3665) (5.5) = 100.21575

MODELO DE LA ECUACION

Y = Coeficiente de Inteligencia promedio de los nios

de una familia
B0 = Intercepto
B1 = Coeficiente de regresin
X = Numero de nios por familia.
E = Error aleatorio
Y = 100.21575 + (- 0.3665) X

INTERPRETACION
El coeficiente de regresin estimado significa que: Por cada
incremento de un nio en la familia su respectivo coeficiente de
inteligencia promedio de dichos nios disminuir en 0.3665 puntos.
Tambin puede haber inters en estimar el coeficiente de inteligencia
promedio para aquellas familias que tienen 11 nios. Para tal efecto,
se utiliza el modelo de regresin lineal simple estimado y cuyo valor
es: 96.18425
Por lo tanto, para las familias que tienen 11 nios se espera que el
coeficiente de inteligencia promedio de dichos nios sea de 96.2
puntos.
Se recomienda que las estimaciones de los valores de Y estn
comprendidos en el recorrido de los valores de X, porque fuera de
este recorrido no estamos seguros si la relacin sigue siendo lineal.

COEFICIENTE DE DETERMINACION

 Tambin:
(-0.3665)2 x (385 (55)2/10)
R2 = -------------------------------------------- x 100
96682 (982)2/10