Yˆi  b0  b1 X i

n n n

SSE Y i
2
 b0  Yi  b1  X iYi
SYX   i 1 i 1 i 1
n2 n2

Regresión Lineal Simple

Estadística en las Organizaciones
Regresión Lineal
 Es una metodología que permite desarrollar un modelo para
predecir los valores de una variable numérica con base en los

Ing. Leonel Molina Guardiola

valores de una variable independiente.

— Variable dependiente es la variable que se desea predecir.

— Variable independiente es las variable usada para hacer la predicción.

— La regresión lineal simple emplea una sola variable numérica

independiente X para predecir la variable numérica dependiente Y.

— La regresión permite identificar el tipo de relación matemática que

existe entre la variable dependiente y las variables independientes.
Tipos de Modelo de Regresión
 Regresión Lineal
— Es la relación o modelo matemático de línea recta que sirve para describir las

Ing. Leonel Molina Guardiola

relaciones funcionales entre las variables dependientes e independientes.

β0 = Intersección en Y para la población.

β1 = Pendiente para la población.
Yi  β 0  β1 X i  ε i εi = Error aleatorio en Y para la observación i.
Yi = Variable dependiente.
Xi = Variable independiente.

— La pendiente β1 representa el cambio esperado en Y por unidad de cambio en

X. representa la cantidad media que cambia Y (positiva o negativamente) por
unidad de cambio en X.
— La intersección en Y, β0 representa el valor promedio de Y cuando X es igual a
cero.

— El error εi representa el error aleatorio en Y para cada observación i que

ocurra, en otras palabras es la distancia vertical Yi que esta por arriba o por
debajo de la línea.
Tipos de Modelo de Regresión
 La selección del modelo
matemático depende de la

Ing. Leonel Molina Guardiola

distribución de los valores
de X y Y en un diagrama de
dispersión.
Método de Mínimos Cuadrados
 Es el método mas simple de una regresión lineal y se le conoce como:
— La línea de predicción.
Los datos representan una muestra

Ing. Leonel Molina Guardiola

—

b0 = Intersección de la muestra en Y.
b1 = Pendiente para la muestra.
Yˆi  b0  b1 X i Ŷi = Valor predicho de Y para la observación i.
Xi = Valor de X para la observación i.

  
2
n n
 n
  X i   Yi   Xi 
SSXY
SSXY   X iYi   i 1  i 1 
n
SSX   X i2   i 1 
n
b1 
SSX i 1 n i 1 n

b0  Y  b1 X
Método de Mínimos Cuadrados
 Ejemplo 12.8 Pag 421
El valor de una franquicia deportiva se relaciona con la cantidad de ingresos

Ing. Leonel Molina Guardiola

que la franquicia genera. Los datos en el archivo BBREVENUE representan el
valor estimado en 2004 (en millones de dólares) y los ingresos anuales
estimados (en millones de dólares) para las 30 franquicias de béisbol.
Suponga que desea desarrollar un modelo de regresión lineal simple para
predecir el valor de la franquicia con base en los ingresos anuales
generados.
a. Construya un diagrama de dispersión.
b. Utilice el método de mínimos cuadrados para encontrar los coeficientes
de regresión b0 y b1.
c. Interprete el significado de b0 y b1 en este problema
d. Prediga la media del valor de una franquicia de béisbol que genere $150
millones de ingresos anuales.
Método de Mínimos Cuadrados
a. Construya un diagrama de dispersión.
Team Revenue Value
Anaheim 127 241

Ing. Leonel Molina Guardiola

Baltimore 129 296
Boston 190 533
Chicago White Sox 124 248
Cleveland 127 292
Detroit 117 235
Kansas City 98 171
Minnesota 99 168
New York Yankees 238 832
Oakland 110 186
Seattle 169 396
Tampa Bay 101 152
Texas 127 306
Toronto 99 169
Arizona 126 276
Atlanta 156 374
Chicago Cubs 156 358
Cincinnati 123 245
Colorado 124 285
Florida 101 172
Houston 128 320
Los Angeles 154 399
Milwaukee 102 174
Montreal 81 145
New York Mets 158 442
Philadelphia 115 281
Pittsburgh 109 217
St. Louis 131 314
San Diego 106 265
San Francisco 153 368
Método de Mínimos Cuadrados
b. Utilice el método de mínimos cuadrados para encontrar los coeficientes de
regresión b0 y b1.

Ing. Leonel Molina Guardiola

Yˆi  b0  b1 X i
b0  246.26 Intersección
b1  4.1897 Pendiente
Método de Mínimos Cuadrados
c. Interprete el significado de b0 y b1 en este problema
Por cada millón de dólares que la franquicia gana, su valor de mercado incrementa en
$4.1897 millones anuales. b0 no tiene ningún significado.

Ing. Leonel Molina Guardiola

d. Prediga la media del valor de una franquicia de béisbol que genere $150 millones
de ingresos anuales.
Método de Mínimos Cuadrados
Con Minitab

Ing. Leonel Molina Guardiola

Medidas de Variación
 Coeficiente de Determinación

Ing. Leonel Molina Guardiola

SSR Suma de cuadrados de la regresión
r 
2

SST suma total de cuadrado
— Indica qué partes de la variación total en la variable dependiente Y
queda explicada por X.
— Es el cuadrado del coeficiente de correlación.
— El valor de r² siempre será un número positivo en el intervalo de 0 ≤
r² ≤1.
— El (1- r²)% de la variación de Y se debe a otros factores que no están
relacionados con X.
Medidas de Variación
 Error Estándar de la Estimación

Ing. Leonel Molina Guardiola

n n n

SSE Y i
2
 b0  Yi  b1  X iYi
SYX   i 1 i 1 i 1
n2 n2

— Se le conoce como la desviación estándar de la regresión.

— Es la medida de la variabilidad alrededor de la recta de regresión.
— Si SYX es pequeño en relación con el pronóstico, los puntos de datos
pasados han quedado agrupados muy cerca de la línea de tendencia.
Medidas de Variación
Con Minitab

Ing. Leonel Molina Guardiola

Error Coeficiente de
Estándar Determinación
SYX r²
Medidas de Variación
Con Excel

Ing. Leonel Molina Guardiola

Supuestos para la Regresión Lineal
 Al igual que para una prueba de hipótesis o para una análisis
de varianza, para considerar válidos los resultados de una

Ing. Leonel Molina Guardiola

regresión lineal también existen supuestos:

— Linealidad.
 La relación de las variables es lineal.
— Independencia de errores.
 Los errores (ε) son independientes unos de otros.
— Normalidad.
 Los errores (ε) se distribuyen normalmente en cada valor de X.
— Igualdad de varianza.
 La varianza de los errores (ε) es constante para todos los valores de X.