Curso: MATEMATICA APLICADA

Docente: Nancy Lima

REGRESIÓN LINEAL
El análisis de regresión lineal es una técnica
estadística utilizada para estudiar la relación
entre variables, . Se adapta a una amplia
variedad de situaciones
 Permite representar la evolución conjunta de
ambas variables. Si las variables están
correlacionadas, el gráfico mostraría algún
nivel de correlación (tendencia) entre las dos
variables. Si no hay ninguna correlación, el
gráfico presentaría una figura sin forma, una
nube de puntos dispersos en el gráfico.

3
4
• Es una técnica de análisis numérico enmarcada
dentro de la optimización matemática, en la que
dados un conjunto de pares ordenados:
variable independiente, variable dependiente y
una familia de funciones, se intenta encontrar
una función continua, dentro de la familia que
mejor se aproxime a los datos.

• Nos permite adaptar una línea de recta optima a

una muestra de datos tomadas y denotadas por
la variable x y y
5
 y = ax + b

Donde las constantes b (intercepto en el eje y) y a (

pendiente).

𝒏 σ 𝒙𝒚 − σ 𝒙 σ 𝒚
𝒂=
𝒏 σ 𝒙𝟐 − σ 𝒙 𝟐

σ𝒚 − 𝒂σ𝒙
𝒃=
𝒏

6
 En la producción de herramientas, el
método para deformar acero a
temperatura normal mantiene una
relación inversa con la dureza del mismo
ya que, a medida que la deformación
crece, se ve afectada la dureza del acero.
Para investigar esta relación se ha
tomado la siguiente muestra:
7
 Xi: Deformación en
mm Yi: dureza Brinell
El objetivo del método de mínimos
6 68
9 67 cuadrados es hallar una recta y determinar
11 65 cual es la pendiente y el intercepto para ello
13 53
22 44 calcularemos los siguiente valores
26 40
28 37
33 34
35 32

8
 Xi: Deformacion en mm Yi: dureza Brinell X.Y 𝒙𝟐

6 68 408 36
9 67 603 81
11 65 715 121
13 53 689 169
22 44 968 484
26 40 1040 676
28 37 1036 784
33 34 1122 1089
35 32 1120 1225
Total 183 440 7701 4665

9
 y = ax + b

𝒏 σ 𝒙𝒚 − σ 𝒙 σ 𝒚 σ𝒚 − 𝒂σ𝒙
𝒂= 𝒃=
𝒏 σ 𝒙𝟐 − σ 𝒙 𝟐 𝒏

9 7701 − 183(440ሻ 440 − −1319 183

𝑎= 𝑏=
9 4665 − 183 2 9

𝑎 = -1.319 𝑏 = 75,71

y = -1.319x + 75.71

10
 Siendo y = ax + b la recta de regresión lineal, el parámetro a se
llama coeficiente de regresión.

Su valor expresa el incremento de y cuando x aumenta una

unidad. Si a toma un valor positivo, la variable y crece al crecer
x , y en consecuencia la recta es creciente, lo que indica que la
dependencia entre las variables es directa.

Si a toma un valor negativo, la variable y decrece x , y en

consecuencia la recta es decreciente, lo que indica que la
dependencia entre las variables es inversa.

Si a = 0 , la recta es horizontal y no hay dependencia entre las

variables, ya que las variaciones de x no provocan variación de
y.

11
 Es una medida numérica que
permite medir el grado de
asociación lineal entre dos
variables cuantitativas.

Tenemos aquí dos diagramas de

dispersión
El coeficiente de correlación de Pearson mide la fuerza y el sentido
de una relación lineal entre dos variables cuantitativas. El
coeficiente de correlación toma valores entre -1 y +1. Si el valor es
positivo se dice que hay una relación directa o positiva, si el valor
es negativo se dice que la relación es inversa o negativa. Si el valor
de coeficiente es próximo a cero, se dice que la relación es débil.

12
 Ninguna relación: Pearson r = 0
Los puntos se ubican de forma aleatoria en la gráfica, lo que
significa que no existe relación lineal entre las variables.
Relación positiva moderada: Pearson r = 0.476
Algunos puntos están cerca de la línea, pero otros puntos
están lejos de ella, lo que indica que solo existe una relación
lineal moderada entre las variables.
Relación positiva grande: Pearson r = 0.93
Los puntos se ubican cerca de la línea, lo que indica que existe una
relación lineal fuerte entre las variables. La relación es positiva
porque a medida que una variable aumenta, la otra variable
también aumenta.
Relación negativa grande: Pearson r = −0.968

Los puntos se ubican cerca de la línea, lo que indica que existe una relación
negativa fuerte entre las variables. La relación es negativa porque a medida que
una variable aumenta, la otra variable disminuye.

13
 𝑛 σ 𝑥𝑦 − σ 𝑥 σ 𝑦
𝑟 =
𝑛 σ 𝑥2 − σ 𝑥 2 𝑛 σ 𝑦2 − σ 𝑦 2

14
 Refleja la bondad del ajuste de un modelo a la variable
que pretende explicar. El coeficiente de determinación
toma valores entre 0 y 1, y cuanto más se aproxime a 1
mejor será el ajuste y por lo tanto mayor la fiabilidad de
las predicciones que con él realicemos.
𝑅2 = 𝑟 2
Interpretación
Podemos concluir que el modelo lineal es adecuado para
describir la relación que existe entre estas variables.

15
 Esto indica que el grado de asociación lineal entre las variables es alto, y
concretamente el 95% de la variación total de los valores de la
compresión pueden ser explicados mediante la recta de regresión
ajustada.

16
 DUREZA BRINELL

80
y = -1.3196x + 75.72
70
R² = 0.9552
60
DUREZA BRINELL

50

40 Yi: dureza Brinell

Linear (Yi: dureza Brinell )
30
Linear (Yi: dureza Brinell )
20

10

0
0 5 10 15 20 25 30 35 40

DEFORMACION

17
 El inventor de un nuevo material aislante quiere determinar la magnitud de la compresión (Y ) que
se producirá en una pieza de 3 pulgadas de espesor cuando se somete a diferentes cantidades de
presión (X). Para ello prueba 5 piezas de material bajo diferentes presiones. Los pares de valores
observados (x, y) se muestran en la siguiente tabla:
Xi: Presión Yi:Compresion

1 1

2 1

3 2

4 2

5 4

Mediante el método de mínimos cuadrados encuentre:

1. Predecir el valor en la compresión para un nivel de presión igual a 6.

2. ¿En qué medida son fiables las predicciones realizadas con la recta de regresión
ajustada?

18