REGRESION LINEAL SIMPLE

La regresión lineal simple busca establecer la relación lineal entre dos variables a
través de la ecuación:
y(x) = a + bx Recta estimada o de mejor ajuste
Donde:
x: es la variable independiente normalmente conocida o controlable
y: es la variable dependiente, lo que se desea conocer
a: es el término independiente ya que no lo multiplica ninguna variable.
Representa la intersección de la recta con el eje vertical. Puede ser positivo,
negativo o cero, de acuerdo a donde corte con dicho eje.
b: es la pendiente de la recta . Es la variación que se produce en Y como respuesta
ante una variación de X. Puede ser positiva si la recta es ascendente, negativa si es
descendente o cero si es paralela a alguno de los ejes.
Diagrama de dispersión
Es un grafico de puntos en el cual se visualiza si existe tendencia lineal entre las
variables. Si esta existe se continúa con la Regresión lineal

Ecuación De La Recta De Mejor Ajuste

Se determina a través del método de los mínimos cuadrados:

Coeficiente de Correlación Lineal

Mide le grado o la fuerza de la relación lineal entre las dos variables. Tiene el
mismo signo de la pendiente. Se determina
A continuación, se presenta la cantidad de horas utilizadas como preparación para un examen y la
correspondiente calificación obtenida en el mismo
Horas Calificación
2 5
8 15
12 20
6 11
4 9
8 17
7 16
5 10
9 17
5 12
2 9
En la última fila agregar los dígitos de la cedula solicitados para proceder a resolver el ejercicio
• Realice el diagrama de dispersión

x2 Horas(x) Calificación(y) xy
4 2 5 10
64 8 15 120
144 12 20 240
36 6 11 66
16 4 9 36
64 8 17 136
49 7 16 112
25 5 10 50
81 9 17 153
25 5 12 60
4 2 9 18
∑ x2 =508 ∑x=68 ∑y=141 ∑xy=1001

Se agregó una nueva columna con el primer y último digito de la cedula. Lo primero que debe realizar es
identificar cual variable es x y también cual es y de acuerdo a la teoría. En este caso x son las horas de
estudio ya que es lo que podemos controlar, mientras que la calificación en el examen es la variable y
debido a que es lo queremos conocer. Graficar
• Determine la ecuación de la recta de mejor ajuste
Para ello agregaremos a la tabla una columna a la izquierda y otra a la derecha. En la de la
izquierda colocaremos x2 mientras que a la derecha colocaremos xy Completar cuadro (Rellenar
todos los espacios en blanco y hacer las sumatorias)
Determine Sxy y Sxx para luego determinar b y posteriormente a con las formulas suministradas.
Para graficar una recta se necesita dos puntos que pasen por ella. Se determinarán sustituyendo
x por cualquier valor dentro del rango de los datos en la ecuación de la recta establecida
anteriormente para determinar su correspondiente y. Eso nos dará un valor (x, y) que
colocaremos en el mismo grafico anterior, repetimos la operación con otro valor de y y
obtendremos las coordenadas del otro punto. Para finalizar unimos los puntos y lo extendemos a
lo largo del gráfico.
x2 Horas(x) Calificación(y) xy y2
4 2 5 10 25
64 8 15 120 225
144 12 20 240 400
36 6 11 66 121
16 4 9 36 81
64 8 17 136 289
49 7 16 112 256
25 5 10 50 100
81 9 17 153 289
25 5 12 60 144
4 2 9 18 81
∑ x2 =508 ∑x=68 ∑y=141 ∑xy=1001 ∑ y2 =2011

N=11

Sxy= 11*1001 – 68*141

Sxy= 1423

Sxx= 11*508 – (68)*2

Sxx= 964
b= 1423/964
b= 1.476
b= pendiente de la recta
Luego calculamos a de la siguiente ecuación
a= (141- 1.476*68) /11
a= 3.69
y= 3.69+1.476x
Se tomarán valores de x dentro del rango de la función que me arrojen valores de y para graficar
dicha recta
X y= 3.69+1.476x
0 3.69
3 8.11
5 11.07
7 14.02
9 16.97
11 19.93
13 22.87
15 25.83
17 28.78
19 31.73
21 34.686

c)Establezca el coeficiente de Correlación Lineal

 Para ello agregaremos una columna a la derecha en donde colocaremos y2. Igual que como
hicimos con x2, pero con la variable y para luego totalizarla.
• Se encuentra localizada en la tabla anterior de datos
•
• Syy= 11*2011-(141) *2= 2240
•
r= 0.96
El coeficiente de correlación de Pearson, pensado para variables cuantitativas (escala mínima de
intervalo), es un índice que mide el grado de covariación entre distintas variables relacionadas
linealmente. Adviértase que decimos "variables relacionadas linealmente". Esto significa que puede
haber variables fuertemente relacionadas, pero no de forma lineal, en cuyo caso no proceder a aplicarse
la correlación de Pearson. Por ejemplo, la relación entre la ansiedad y el rendimiento tiene forma de U
invertida; igualmente, si relacionamos población y tiempo la relación será de forma exponencial. En
estos casos (y en otros muchos) no es conveniente utilizar la correlación de Pearson. Insistimos en este
punto, que parece olvidarse con cierta frecuencia. El coeficiente de correlación de Pearson es un índice
de fácil ejecución e, igualmente, de fácil interpretación. Digamos, en primera instancia, que sus valores
absolutos oscilan entre 0 y 1. Esto es, si tenemos dos variables X e Y, y definimos el coeficiente de
correlación de Pearson entre estas dos variables como xy r entonces: Hemos especificado los términos
"valores absolutos" ya que en realidad si se contempla el signo el coeficiente de correlación de Pearson
oscila entre –1 y +1. No obstante ha de indicarse que la magnitud de la relación
vienen especificada por el valor numérico del coeficiente, reflejando el signo la
dirección de tal valor. En este sentido, tan fuerte es una relación de +1 como de -1.
En el primer caso la relación es perfecta positiva y en el segundo perfecta
negativa. Pasamos a continuación a desarrollar algo más estos conceptos.
Decimos que la correlación entre dos variables X e Y es perfecta positiva cuando
exactamente en la medida que aumenta una de ellas aumenta la otra. Esto sucede
cuando la relación entre ambas variables es funcionalmente exacta. Difícilmente
ocurrirá en psicología, pero es frecuente en las ciencias físicas donde los
fenómenos se ajustan a leyes conocidas, Por ejemplo, la relación entre espacio y
tiempo para un móvil que se desplaza a velocidad constante.
Actividades:
Realizar el ejercicio completo
Investigar e interpretar r
Investigar aplicaciones de la Regresión lineal en su carrera