Modelo

Regresión Lineal Simple

DOCENTES
Patricio Salas, Francisco Muñoz & Mario Castro.1

Universidad de Concepción - Chile

1◦ Semestre del 2018

DOCENTESPatricio Salas, Francisco Muñoz & Mario Castro. Etadı́stica

 Modelo

Notación e hipótesis del Modelo

Consideremos el modelo que toma medidas simultáneas de dos variables

(x1 , y1 ), . . . , (xn , yn ) donde X es llamada variable explicativa o variable
independiente e Y es la variable de respuesta o variable dependiente.
Asumiremos que y1 , . . . , yn son realizaciones de las variables aleatorias
independientes Y1 , . . . , Yn . Por otra parte x1 , . . . , xn son realizaciones de las
variables no aleatorias X1 , . . . , Xn (no tienen distribución asociada).

El modelo de regresión lineal simple tiene entonces la siguiente estructura:

yi = β1 + β2 xi + i donde i ∼ N(0, σ 2 )

Note que si i ∼ N(0, σ 2 ) entonces yi ∼ N(β1 + β2 xi , σ 2 )

De esta forma se tiene un modelo con 3 parámetros (β1 , β2 , σ 2 ) con dominio
IR 2 × IR+

DOCENTESPatricio Salas, Francisco Muñoz & Mario Castro. Etadı́stica

 Modelo

Estimación de los parámetros

Los parámetros β1 y β2 pueden ser estimados por medio del

método de mı́nimos cuadrados o bien del método de máxima
verosimilitud. En ambos casos las estimaciones de estos
parámetros son:
Pn
( ni=1 xi yi ) − nx̄ ȳ
P
i=1 (xi − x̄)yi
β̂2 = Pn = Pn
i=1 (xi − x̄)
2 ( i=1 xi2 ) − nx̄ 2
β̂1 = ȳ − β̂2 x̄

El estimador insesgado de la varianza σ 2 es:

Pn
2 (yi − (β̂1 + β̂2 xi ))2
S = i=1
n−2

DOCENTESPatricio Salas, Francisco Muñoz & Mario Castro. Etadı́stica

 Modelo

Recta de regresión y calidad del ajuste

Un objetivo inmediato es estimar la recta de regresión, de forma
que la estimación está dada por:
ŷ = β̂1 + β̂2 x
Para medir la calidad del ajuste, podemos analizar el coeficiente de
correlación ρ dado por:
Pn
( ni=1 xi yi ) − nx̄ ȳ
P
i=1 (xi− x̄)(yi − ȳ )
ρ = pPn P n
= q
i=1 (xi − x̄) ×
2
i=1 (yi − ȳ )
2
( ni=1 xi2 ) − nx̄ 2 ( ni=1 yi2 ) − nȳ 2
P
P

Luego −1 ≤ ρ ≤ 1, de manera que:

I Si ρ = 1 o ρ = −1, existe una asociación lineal perfecta entre
las variables X e Y (Asociaciones positiva y negativa
respectivamente).
I Si ρ = 0 se dice que no hay asociación lineal clara entre las
variables X e Y .
Además, R 2 = ρ2 donde R 2 es el coeficiente de Determinación.
DOCENTESPatricio Salas, Francisco Muñoz & Mario Castro. Etadı́stica
 Modelo

Recta de regresión y calidad del ajuste

Figure: R-Squared
DOCENTESPatricio Salas, Francisco Muñoz & Mario Castro. Etadı́stica
 Modelo

Ejemplo
Ha salido al mercado un nuevo modelo de grabadora de Blu-Ray, un poco más
caro que los anteriores, pero con unas prestaciones muy superiores, de manera
que la labor de los técnicos de los grandes centros comerciales es muy
importante a la hora de presentar este producto al cliente. Con el objetivo de
saber si el ”número de técnicos comerciales en una tienda” (X) puede tener
alguna incidencia en el ”número de aparatos vendidos durante una semana”
(Y), se observaron quince centros comerciales con los resultados que se
muestran
P15 a continuación:
P15 2 P15
i=1
P15 2 xi = 215 ; xi = 3.567 ;
i=1P i=1 yi = 1.700 ;
15
i=1 yi = 193.140 ; i=1 xi yi = 24.800.

Determine:
I La recta de regresión estimada.
I El número estimado de aparatos que se venderán durante una semana en
un centro con 17 técnicos.
I Evalúe la calidad del ajute de la recta que se ha estimado.

Solución: a)Ŷ = 100.536 + 0.893X ; b)Ŷ = 115.714 ;

c)ρ = 0.904, R 2 = 0.817.
DOCENTESPatricio Salas, Francisco Muñoz & Mario Castro. Etadı́stica