Unidad III

Anlisis de regresin, correlacin lineal simple

y mltiple

3.1 Regresin lineal y correlacin

La tcnica de regresin lineal simple est indicada cuando se

pretende explicar una variable respuesta cuantitativa en
funcin de una variable explicativa cuantitativa tambin
llamada variable independiente, variable regresora o variable
predictora. Por ejemplo, se podra intentar explicar el peso en
funcin de la altura. El modelo intentara aproximar la variable
respuesta mediante una funcin lineal de la variable
explicativa.

La regresin lineal simple comprende el intento de

desarrollar una lnea recta o ecuacin matemtica lineal
que describa la relacin entre dos variables. La regresin
puede ser utilizada de diversas formas. Se emplean en
situaciones

en

la

que

las

dos

variables

miden

aproximadamente lo mismo, pero en las que una variable

es relativamente costosa, o por el contrario, es poco
interesante trabajar con ella, mientras que con la otra
variable no ocurre lo mismo.

Ecuacin Lineal Simple

Dos caractersticas importantes de una ecuacin lineal:
La independencia de la recta
La localizacin de la recta en algn punto. Una ecuacin lineal tiene
la forma:

Forma general de la ecuacin de regresin lineal simple

Y= a + Bx

Donde:
Y.- se lee Y prima, es el valor pronosticado de la variable Y para un
valor seleccionado de X.
a.- es la ordenada de la interseccin con el eje Y, es decir, el valor
estimado de Y cuando X = 0. Dicho de otra forma, corresponde al
valor estimado de Y, donde la recta de regresin cruza el eje Y, cuando
X = 0.
B.- es la pendiente de la recta, o el cambio promedio en Y por unidad
de cambio (incremento o decremento) en la variable independiente X.
x.- es cualquier valor seleccionado de la variable independiente.

Con esta expresin se hace referencia al proceso matemtico que sirve

para ajustar una lnea recta a travs de un conjunto de datos bivariables
asentados en una grfica de dispersin. Dicha lnea se conoce como
lnea de regresin simple.
El primer paso es recoger datos experimentales correspondientes a n
individuos con informacin de dos variables cuantitativas: una de ellas
se considera variable explicativa (Variable x) y la otra se considera
variable respuesta (Variable y). El modelo que se asume es:
y = o + x1 +
Los coeficientes o y 1 se estiman por b0 y por b1 a travs del mtodo
de mnimos cuadrados.

3.1.1 Mtodo de mnimos cuadrados

Es el procedimiento mas utilizado por adaptar una recta aun
conjunto de punto se le que conoce como mtodo de mnimos
cuadrados.

La

recta

resultante

presenta

caracterstica

importantes:
Es nula la suma de desviaciones verticales en los puntos a
partir de la recta
Es mnima la suma de los cuadrados de dichas desviaciones

Ecuacin de mnimos cuadrados

Donde:

Ejercicio 1

Ejercicio 2

Ejercicio 3

3.1.2 Coeficientes de correlacin, de determinacin y el

del error estndar de la estimacin

Sin embargo, una manera ms objetiva de medir la calidad de

la regresin lineal es por medio del coeficiente de correlacin.
Ecuacin de coeficiente de correlacin

Interpretacin del coeficiente de correlacin muestral.

Sean X, Y dos variables cuantitativas continuas. Sea r
el coeficiente de correlacin muestral, se tiene que:

Formula para sacar el porcentaje de variacin

porvaria= 1-r

Ejercicio 1

1.-Utilice el coeficiente de correlacin para valorar la

calidad de la regresin.?
2.-Aproximadamente, que porcentaje de variacin en los
ingresos se debe a otros factores aparte del tiempo de

Ejercicio 2

1.-Utilice el coeficiente de correlacin para valorar la

calidad de la regresin.?
2.-Aproximadamente, que porcentaje de variacin en los
ingresos se debe a otros factores aparte del tiempo de

Ejercicio 3

1.-Utilice el coeficiente de correlacin para valorar la

calidad de la regresin.?
2.-Considera importante invertir en publicidad?

3.2 Regresin y correlacin Mltiple

En la mayor parte de los problemas que se generan en la
industria en que se aplica el anlisis de regresin, se requiere
ms de una variable independiente en el modelo de regresin.
La complejidad de la mayora de los mecanismos cientficos es
tal que, con objeto de estar en condiciones de pronosticar una
respuesta, se necesita un modelo de regresin mltiple.

La regresin mltiple comprende tres o ms variables.

Existe solo una variable dependiente, pero hay dos o
ms de tipo independiente. En esta operacin se
desarrolla una ecuacin la cual se puede utilizar para
predecir valore de y, respecto a valores dados de la
diferencia de variables independientes adicionales a
travs de incrementar la capacidad predicativa sobre la
de la regresin lineal simple.

Aunque hay muchos problemas en

los cuales una variable puede
predecirse con bastante exactitud en
trminos de otra, parece razonable
que las predicciones deban mejorar si
adicionalmente
se
considera
informacin relevante.

Estimacin de los coeficientes por el mtodo de

mnimos cuadrados
En el caso de la regresin mltiple la ecuacin se ampla y puede tener
ms variables independientes adicionales. Esto puede ampliarse a
cualquier nmero (k) de variables independientes, siendo la ecuacin
general de regresin mltiple:
Forma general de la ecuacin de regresin lineal mltiple

Y1= a + B1 x1i + B2 x2i + . . . + Bk xki + i

Donde:
X1, Xk.- son las variables independientes.
a.- es la interseccin con el eje Y. Es la ordenada del punto de interseccin con el
eje Y.
B1.- es la variacin neta en Y por cada unidad de variacin en X1 manteniendo X2
constante. Se denomina coeficiente de regresin parcial, coeficiente de regresin
neta, o simplemente coeficiente de regresin.
Bk.- es el cambio neto en Y para cada cambio unitario en Xk manteniendo X1
constante.
Tambin se le conoce como coeficiente de regresin parcial, coeficiente de
regresin neta, o simplemente coeficiente de regresin.

3.2.1 Anlisis de regresin mltiple y el mtodo

de los mnimos cuadrados

Formula:

Ejercicio 1
Dado el siguiente conjunto de datos:
Y
25
30
11
22
27
19

X
3.5
6.7
1.5
0.3
4.6
2.0
1

X
5.0
4.2
8.5
1.4
3.6
1.3
2

a) Calcule el plano de regresin mltiple.

b) Prediga Y cuando X 3.0 y X 2.7.
1

Ejercicio 2