REGRESION LINEAL SIMPLE

ANLISIS DE REGRESIN SIMPLE

El objetivo de un anlisis de regresin es
determinar la relacin que existeentre una variable
dependiente y una o ms variables independientes.
Para poder realizar esta relacin, se debe postular
una relacinfuncional entre las variables. Cuando
se trata de una variable independiente,la forma
funcional que ms se utiliza en la prctica es la
relacin lineal. El anlisis de regresin entonces
determina la intensidad entre las variables a travs
de coeficientes de correlacin y determinacin.

REGRESIN SIMPLE Y CORRELACIN

La Regresin y la correlacin son dostcnicas

estadsticasque se pueden utilizar para solucionar
problemas del medio ambiente.

Muchos estudios se basan en la creencia de que es

posible identificar y
cuantificar alguna Relacin
Funcional entre
dos o msvariables, donde
una variable
depende de la otra variable.

Se puede decir que Y depende de X, en donde Y y X

son dos variables cualquiera en unmodelode
Regresin Simple.

"Y es una funcin de X"

Y = f(X)
Como Y depende de X,
Y es la variable dependiente, y
X es la variable

independiente.

En el Modelo de Regresin es muy importante

identificar cul es la variable dependiente y cul
es la variable independiente EJEMPLOS:..

ECUACIN DE:
REGRESIN LINEALSIMPLE

Y=a+bX
Donde:
a es el valor de la
la lnea de

ordenada donde
regresin

se intercepta con el eje Y.

b es el coeficiente de regresin
poblacional (pendiente de la lnea recta)

COEFICIENTES DE REGRESION: a

DESARROLLADA LA ECUACION:

COEFICIENTES DE REGRESION: b

DESARROLLADA LA ECUACION:

El procedimiento para obtener valores de

a y b para una serie de pares de datos
de x y de y
Paso
1

Calcule, para cada par de valores de x e y, las

cantidades x, y, y x.y.

Paso
2
Obtenga las sumas () de estos valores para todos los
pares de datos de x e y, as como las sumas del total
de los valores de x e y. Los resultados de los Pasos 1 y
2 aparecern en forma similar a la siguiente:

LA TABLA DE DATOS
Nmero de
pares de
datos

x.y

Monto de las
sumas

xy

EJEMPLO:
Los datos de la siguiente tabla representan
las estaturas (X, cm) y los pesos (Y, kg) de
una muestra de 12 hombres adultos. Para
cada estatura fijada previamente se observ
el peso de unapersonaseleccionada de
entre
elgrupocon
dicha
estatura,
resultando:
X
Y

152
50

155
61.5

152
54.5

155
57.5

157
63.5

152
59

157
61

165
72

162
66

178
72

183 178
84 82

DESAROLLO
estatura

datos

pesos

Regresin Lineal

x ^2

y ^2

xy

152

50

23104

2500

7600

155

61.5

24025

3782.3

9532.5

152

54.5

23104

2970.3

8284

155

57.5

24025

3306.3

8912.5

157

63.5

24649

4032.3

9969.5

152

59

23104

3481

8968

157

61

24649

3721

9577

165

72

27225

5184

11880

162

66

26244

4356

10692

10

178

72

31684

5184

12816

11

183

84

33489

7056

15372

12

178

82

31684

6724

14596

SUMATORIAS O TOTALES

CALCULO DE a y b
De acuerdo aldesarrollomatemtico hemos
obtenido los siguientes clculos:
Lo que nos permite obtener los coeficientes a y b.
Luego,
b = 1223 / 1409.667 = 0.8676
a = 65.25 (0.8676) (162.167) = -75.446

 ECUACION DE REGRESION ESTIMADA

INTERPRETACION

El valor de b = 0.8676 indica el incremento del

peso en kilogramos, en promedio, por cada
centmetro de aumento en la estatura de los
hombres adultos.
El valor de a, no tieneinterpretacinprctica
en el ejemplo, se interpretara como el valor
obtenido, en promedio, para el peso Y, cuando
la estatura es 0.
Utilizando la ecuacin de regresin para
estimar o predecir valores de la variable Y: Para
una talla de 180 se obtiene un peso de 80.7 kg.

PREDICCIONES CON LA
ECUACION DE REGRESION.
Cunto se espera que pese (en promedio)
una persona que mide 1.60 m?
Sustituyendo el valor deintersen la
ecuacin:

Se obtiene:

INDICA QUE EL PESO (Y) ES DE 63.37 KG. CUANDO LA

PERSONA MIDE (X) 1.60 METROS.

CORRELACION

Coeficiente de correlacin [r]

El coeficiente de correlacin, comnmente

identificado comoroR,es una medida de
asociacin entre las variables aleatorias X y Y,
cuyo valor vara entre -1 y +1.

coeficiente de correlacin se efecta de la siguiente

manera:

PLATEADO EN FORMA DE MATRIZ

EJEMPLO 2

EJEMPLO 3

A) ESTIMAR LA ECUACION DE REGRESION

B) INTEREPRETAR EL COEFICIENTE DE REGRESION

.b = -0,04034212 FORMATO GENERAL :por cada unidad (que

significa ) que se incremente de

(que significa )
(que significa) se va a disminuir en y en que
unidad:?????

The regression equation is

Resistencia = - 0.38 + 0.506 Potencia

Y=-.38+ O.506 XI
VOY A HACER INFERENCIA CON LA
ECUACION DE REGRESION
CUANDO X1= A 20
Y=-0.38+ O.506 (20)

Y=-.38+ 10 = 9.74

INDICA QUE
CUANDO LA
POTENCIA ES
DE 20 LA
RESITENCIA VA
SER DE 9.74