ANLISIS DE REGRESION LINEAL

DEFINICIONES:
REGRESION: Consiste en la bsqueda de una funcin que exprese lo mejor posible la relacin existente
entre dos (o ms) variables.
VARIABLE ESTADSTICA BIDIMENSIONAL: Es la variable en la que cada individuo est definido por un
par de caracteres (X, Y), variables estadsticas en las que si existe relacin entre ellas una es dependiente
y la otra independiente.
DISTRIBUCIONES BIDIMENSIONALES: Son aquellas en las que a cada individuo le corresponden los
valores de dos variables (Xi, Yi)
NUBE DE PUNTOS O DIAGRAMA DE DISPERSION: Es el conjunto de todos los puntos representado
cada uno por un par de valores llamados coordenadas
CORRELACION: Establece la relacin o dependencia que existe entre las dos variables que intervienen
en una distribucin bidimensional.
TIPOS DE CORRELACION:
Correlacin directa: La recta es creciente. Si aumenta una variable la otra tambin aumenta.
Correlacin inversa: La recta es decreciente. Si aumenta una variable la otra disminuye.
Correlacin nula: Cuando no hay ninguna dependencia.
GRADO DE CORRELACION: Indica la proximidad que hay entre los puntos de la nube de puntos. Puede
ser fuerte, dbil, o nula; dependiendo lo cerca que estn los puntos de la recta de regresin.
Correlacin negativa perfecta

Correlacin cero

Correlacin positiva fuerte

Coeficiente de correlacin, r
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.
Frmula para r:

(1)
Clasificacin del grado de correlacin:
Cuando:
r= 1
La correlacin es Perfecta
0.9r<1
La correlacin es Excelente
0.8r<0.9
La correlacin es Buena
0.5r<0.8
La correlacin es Regular
r<0.5
La correlacin es Mala
r=0
Las rectas son perpendiculares
COEFICIENTE DE DETERMINACIN (r). Indica la proporcin o porcentaje, en que la variable
"Y"(variable dependiente) debe su variacin a la variable "X"(variable independiente).
El coeficiente de determinacin es el cuadrado del coeficiente de correlacin, y toma valores de 0 a 1

COVARIANZA (XY): es la variacin conjunta de las dos variables estudiadas, la "X" y la "Y".

(10)
En trminos de covarianza:

(12)
Interpretacin de la covarianza

(11)

Si XY >0 hay dependencia directa (positiva), es decir, a grandes valores de x corresponden grandes
valores de y.
Si XY=0 Una covarianza 0 se interpreta como la no existencia de una relacin lineal entre las dos
variables estudiadas.
Si XY <0 hay dependencia inversa o negativa, es decir, a grandes valores de x corresponden pequeos
valores de y.
RECTA DE REGRESION: Recta que se traza sobre la nube de puntos ajustada a ella lo mejor posible.
La ecuacin de regresin: Y= a + bX (4)
Donde:
Y es el valor promedio pronosticado de Y para cualquier valor de X.
a es la intercepcin en Y, o el valor estimado de Y cuando X = 0
b es la pendiente de la recta, o cambio promedio en Y por cada cambio de una unidad en X
Variable dependiente (Y): la variable que se pronostica o estima.
Variable independiente(X): la variable que proporciona la base para la estimacin. Es la variable
predictora.
Se usa el principio de mnimos cuadrados para obtener a y b:

(3)
Centro de gravedad: es el punto con coordenadas ( X . Y )
Recta de regresin de Y sobre X: Se utiliza para estimar los valores de Y a partir de X

(6)

Recta de regresin de X sobre Y: Se utiliza para estimar los valores a partir de Y

(7)

Inferencia en el modelo de regresin

Una vez que hemos calculado la recta de regresin y el ajuste que hemos conseguido con el modelo de
regresin lineal, el siguiente paso consiste en analizar si la regresin en efecto es vlida y la podemos
utilizar para predecir. Para ello debemos contrastar la hiptesis si la correlacin entre ambas variables es
distinta de cero o si el modelo de regresin es vlido en el sentido de contrastar si el anlisis de nuestra
variable (Y). es vlido a travs de la influencia de la variable predictora (X).

El estadstico (t-Student) que se utiliza para realizar la prueba de hiptesis es el siguiente:

(2)
Error estandard de la estimacin (SXY)
El error estndar de la estimacin mide la dispersin de los valores observados alrededor de la recta de
regresin. Si SXY es cero la ecuacin de estimacin sea un estimador perfecto de la variable
dependiente. En este caso todos los puntos deben caer en la lnea de regresin y no habra puntos
dispersos

(5)
El intervalo de confianza
El intervalo de confianza para el valor medio de Y para un valor dado de X est definido por:

(8)
El Intervalo de prediccin
El intervalo de prediccin es una estimacin de un intervalo en el que observaciones futuras caern, con
cierta probabilidad. Un IP para un valor individual de Y y para un valor dado de X se define por:

(9)
ANLISIS DE REGRESIN LINEAL
El anlisis de regresin lineal es una tcnica estadstica utilizada para estudiar la relacin entre variables
cuantitativas. Tanto en el caso de dos variables (regresin simple) como en el de ms de dos variables
(regresin mltiple), el anlisis regresin lineal puede utilizarse para explorar y cuantificar la relacin entre
una variable llamada dependiente o criterio(Y) y una o ms variables llamadas independientes o
predictoras (X1, X2, , Xp), as como para desarrollar una ecuacin lineal con fines predictivos.
Anlisis de correlacin: El anlisis de correlacin, se utiliza para visualizar la asociacin entre las
variables cuantitativas. Se puede visualizar mediante un grfico o mediante un nmero.
Mediante un grfico, es cuando se traza el Diagrama de Dispersin, que puede tomar diferentes formas.
Se grafican, los valores observados de la variable "X y de la variable "Y", en un par de ejes, y nos queda
lo que se llama "nube de puntos".
Siempre se debe decidir, cual es la variable independiente "X, y la variable dependiente Y". El
investigador es quien decide Cul ser la variable de causa, y cul ser la variable de efecto.
Mediante un nmero, es cuando se calcula el Coeficiente de Correlacin (r)
Es un nmero que solo vara entre -1 y +1. Cuanto ms cerca de cero, ms independientes son las
variables, y cuando se acerca a +1 o -1, la asociacin entre las variables se torna ms fuerte.
El propsito es determinar la ecuacin de regresin; para predecir el valor de la variable dependiente (Y)
basada en la variable independiente (X).
Procedimiento: seleccionar una muestra de la poblacin y enumerar los datos por pares para cada
observacin; dibujar un diagrama de dispersin para visualizar la relacin; determinar la ecuacin de
regresin.
Los objetivos al hacer un anlisis de regresin son:
. Aprender a calcular la correlacion entre dos variables
. Saber dibujar un diagrama de dispersin

. Realizar una prueba de hiptesis para determinar si el coeficiente de correlacion es distinto de cero
. Representar la recta que define la relacin lineal entre dos variables
. Saber estimar la recta de regresin por el mtodo de mnimos cuadrados e interpretar su ajuste
(coeficiente de determinacin)
. Calcular el error tpico o estndar de estimacin
. Construir e interpretar intervalos de confianza e intervalos de prediccin para la variable dependiente