Está en la página 1de 4

Regresin Lineal

El anlisis de regresin lineal es una tcnica estadstica utilizada para


estudiar la relacin entre variables. Se adapta a una amplia variedad de
situaciones. En la investigacin social, el anlisis de regresin se utiliza para
predecir un amplio rango de fenmenos, desde medidas econmicas hasta
diferentes aspectos del comportamiento humanos. En el contexto de la
investigacin de mercados puede utilizarse para determinar en cual de
diferentes medios de comunicacin puede resultar ms eficaz invertir; o
para predecir el nmero de ventas de un determinado producto, etc.
El trmino regresin se utiliz por primera vez en el estudio de variables antropomtricas: al
comparar la estatura de padres e hijos, result que los hijos cuyos padres tenan una estatura
muy superior al valor medio tendan a igualarse a ste, mientras que aquellos cuyos padres
eran muy bajos tendan a reducir su diferencia respecto a la estatura media; es decir,
"regresaban" alpromedio.2 La constatacin emprica de esta propiedad se vio reforzada ms
tarde con la justificacin terica de ese fenmeno.
El trmino lineal se emplea para distinguirlo del resto de tcnicas de regresin, que emplean
modelos basados en cualquier clase de funcin matemtica. Los modelos lineales son una
explicacin simplificada de la realidad, mucho ms gil y con un soporte terico por parte de
la matemtica y la estadstica mucho ms extenso.
Pero bien, como se ha dicho, podemos usar el trmino lineal para distinguir modelos basados
en cualquier clase de aplicacin.
La primera forma de regresiones lineales documentada fue el mtodo de los mnimos
cuadrados, el cual fue publicado por Legendre en 1805, y en dnde se inclua una versin
del teorema de Gauss-Mrkov.
Se denomina regresin lineal cuando la funcin es lineal, es decir, requiere la determinacin de
dos parmetros: la pendiente y la ordenada en el origen de la recta de regresin, y=ax+b.
La regresin nos permite adems, determinar el grado de dependencia de las series de valores
X e Y, prediciendo el valor y estimado que se obtendra para un valor x que no est en la
distribucin.
En estadstica la regresin lineal o ajuste lineal es un mtodo matemtico que modela la
relacin
entre
una variable
dependiente Y,
las variables
independientes Xi y
un
trmino aleatorio . Este modelo puede ser expresado como:

Y t = 0+ 1 X 1 + 2 X 2+ + p X p+

: Variable dependiente, explicada o regresando.


: Variables explicativas, independientes o regresares.

: Parmetros, miden la influencia que las variables explicativas


tienen sobre el regresando; donde

es la interseccin o trmino "constante",

las
son los parmetros respectivos a cada variable independiente, y es
el nmero de parmetros independientes a tener en cuenta en la regresin. La
regresin lineal puede ser contrastada con la regresin no lineal.

Diagrama de dispersin

Se utiliza un sistema de coordenadas cartesianas para representar la distribucin


bidimensional, para as obtener un conjunto de puntos conocido con el diagrama de dispersin,
cuyo anlisis permite estudiar cualitativamente, la relacin entre ambas variables tal como se
ve en la figura. El siguiente paso, es la determinacin de la dependencia funcional entre las dos
variables x e y que mejor ajusta a la distribucin bidimensional.

Modelo de regresin lineal


El modelo lineal relaciona la variable dependiente Y con K variables explicativas

(k =

1,...K), o cualquier transformacin de stas, que generan un hiperplano de parmetros


desconocidos:

donde es la perturbacin aleatoria que recoge todos aquellos factores de la realidad no


controlables u observables y que por tanto se asocian con el azar, y es la que confiere al
modelo su carcter estocstico. En el caso ms sencillo, con una sola variable explicativa,
el hiperplano es una recta:

El problema de la regresin consiste en elegir unos valores determinados para los parmetros
desconocidos , de modo que la ecuacin quede completamente especificada. Para ello se
necesita un conjunto de observaciones. En una observacin cualquiera i-sima (i= 1,... I) se

registra el comportamiento simultneo de la variable dependiente y las variables explicativas


(las perturbaciones aleatorias se suponen no observables).

Los valores escogidos como estimadores de los parmetros,


, son los coeficientes de
regresin, sin que se pueda garantizar que coinciden con parmetros reales del proceso
generador. Por tanto, en

Los valores

son por su parte estimaciones de la perturbacin aleatoria o errores.

Rectas de Regresin
Las rectas de regresin son las rectas que mejor se ajustan a la nube de puntos (o tambin
llamado diagrama de dispersin) generada por una distribucin binomial. Matemticamente,
son posibles dos rectas de mximo ajuste:

La recta de regresin de Y sobre X:

La recta de regresin de X sobre Y:

SUPOSICIONES DE LA REGRESIN LINEAL

Los valores de la variable independiente X son fijos, medidos sin error.


La variable Y es aleatoria
Para cada valor de X, existe una distribucin normal de valores de Y
(subpoblaciones Y)
Las variancias de las subpoblaciones Y son todas iguales.
Todas las medias de las subpoblaciones de Y estn sobre la recta.
Los valores de Y estn normalmente distribuidos y son estadsticamente
independientes.

Bibliografa / Enlaces:

http://www.monografias.com/trabajos27/regresion-simple/regresionsimple.shtml
http://www.sc.ehu.es/sbweb/fisica/cursoJava/numerico/regresion/regre
sion.htm
http://es.wikipedia.org/wiki/Regresi
%C3%B3n_lineal#Rectas_de_regresi.C3.B3n
http://www.monografias.com/trabajos28/nociones-regresionlineal/nociones-regresion-lineal.shtml#m2
http://pendientedemigracion.ucm.es/info/socivmyt/paginas/D_departa
mento/materiales/analisis_datosyMultivariable/18reglin_SPSS.pdf