Practica 4.

Regresión Lineal.

La función ESTIMACION.LINEAL calcula las estadísticas de una línea con el método de los
"mínimos cuadrados" para calcular la línea recta que mejor se ajuste a los datos y después
devuelve una matriz que describe la línea. También puede combinar ESTIMACION.LINEAL con
otras funciones para calcular las estadísticas de otros tipos de modelos que son lineales en los
parámetros desconocidos, incluidas series polinómicas, logarítmicas, exponenciales y de
potencias. Debido a que esta función devuelve una matriz de valores, debe ser especificada como
fórmula de matriz. Encontrará las instrucciones correspondientes tras los ejemplos de este
artículo.

La ecuación para la línea es la siguiente:

y = mx + b

O bien

y = m1x1 + m2x2 + ... + b

si hay varios rangos de valores x, donde los valores y dependientes son función de los valores x
independientes. Los valores m son coeficientes que corresponden a cada valor x, y b es un valor
constante. Observe que y, x y m pueden ser vectores. La matriz que devuelve la función
ESTIMACION.LINEAL es {mn,mn-1,...,m1,b}. ESTIMACION.LINEAL también puede devolver
estadísticas de regresión adicionales.

Sintaxis

ESTIMACION.LINEAL(conocido_y, [conocido_x], [constante], [estadística])

La sintaxis de la función ESTIMACION.LINEAL tiene los siguientes argumentos:

Sintaxis

• Conocido_y Obligatorio. Es el conjunto de valores y que se conocen en la relación y =

mx+b.
• Si el rango de conocido_y ocupa una sola columna, cada columna de conocido_x
se interpreta como una variable independiente.
• Si el rango de conocido_y ocupa una sola fila, cada fila de conocido_x se interpreta
como una variable independiente.
• Conocido_x Opcional. Es un conjunto de valores x que pueden conocerse en la relación y
= mx+b.
• El rango de conocido_x puede incluir uno o varios conjuntos de variables. Si usa
una sola variable, conocido_y y conocido_x pueden ser rangos con cualquier
forma, siempre y cuando sus dimensiones sean iguales. Si usa más de una variable,
 conocido_y tiene que ser un vector (es decir, un rango compuesto por una fila o
por una columna).
• Si omite conocido_x, se supone que es la matriz {1,2,3,...} que tiene el mismo
tamaño que conocido_y.
• Constante Opcional. Es un valor lógico que especifica si se fuerza la constante b para que
sea igual a 0.
• Si omite el argumento constante o es VERDADERO, b se calcula normalmente.
• Si constante es FALSO, b se establece como igual a 0 y los valores m se ajustan
para adaptarse a y = mx.
• Estadística Opcional. Es un valor lógico que especifica si se deben devolver estadísticas
de regresión adicionales.
• Si estadística es VERDADERO, ESTIMACION.LINEAL devuelve las estadísticas de
regresión adicionales, de forma que la matriz devuelta es {mn,mn-
1,...,m1,b;sen,sen-1,...,se1,seb;r2,sey;F,df;ssreg,ssresid}.
• Si omite estadística o es FALSO, ESTIMACION.LINEAL solo devuelve los
coeficientes m y la constante b.

Las estadísticas de regresión adicional son las siguientes.

Estadística Descripción
se1,se2,...,sen Los valores de error estándar para los coeficientes m1,m2,...,mn.
El valor de error estándar para la constante b (seb = #N/A cuando constante es
seb
FALSO).
El coeficiente de determinación. Compara los valores y calculados y reales, y los
rangos con valor de 0 a 1. Si es 1, hay una correlación perfecta en la muestra, es
decir, no hay diferencia entre el valor y calculado y el valor y real. En el otro
r2
extremo, si el coeficiente de determinación es 0, la ecuación de regresión no es útil
para predecir un valor y. Para obtener información sobre el cálculo de r2, vea la
sección de "Observaciones" más adelante en este tema.
sey El error estándar para el cálculo y.
La estadística F o valor F observado. Use la estadística F para determinar si la
F relación observada entre las variables dependientes e independientes se produce
por azar.
Grados de libertad. Use los grados de libertad para encontrar valores F críticos en
una tabla estadística. Compare los valores que encuentre en la tabla con la
estadística F devuelta por ESTIMACION.LINEAL para determinar un nivel de
df
confianza para el modelo. Para obtener información sobre el cálculo de df, vea la
sección "Observaciones" más adelante en este tema. El ejemplo 4 muestra el uso de
F y df.
ssreg La suma de regresión de los cuadrados.
La suma residual de los cuadrados. Para obtener información sobre el cálculo de
ssresid
ssreg y ssresid, vea la sección "Observaciones" más adelante en este tema.

La ilustración siguiente muestra el orden en que se devuelven las estadísticas de regresión

adicionales.
Observaciones

• Puede describir cualquier línea recta con la pendiente y la intersección y:

Pendiente (m):
Para hallar la pendiente de una línea, frecuentemente indicada por m, tome dos puntos de la
línea, (x1,y1) y (x2,y2); la pendiente es igual a (y2 - y1)/(x2 - x1).

Intersección y (b):
La intersección y de una línea, frecuentemente indicada por b, es el valor de y en el punto en que
la línea cruza el eje x.

La ecuación de una línea recta es y = mx + b. Si conoce los valores de m y b, puede calcular

cualquier punto de la línea insertando el valor y o x en esa ecuación. También puede usar la
función TENDENCIA.

• Si solo tiene una variable x independiente, puede obtener los valores de la pendiente y de
la intersección y directamente con las fórmulas siguientes:

Pendiente:
=INDICE(ESTIMACION.LINEAL(conocido_y,conocido_x),1)

Intersección y:
=INDICE(ESTIMACION.LINEAL(conocido_y,conocido_x),2)

• La exactitud de la línea calculada por la función ESTIMACION.LINEAL depende del grado

de dispersión de los datos. Cuanto más lineales sean los datos, más exacto será el modelo
de ESTIMACION.LINEAL. ESTIMACION.LINEAL usa el método de los mínimos cuadrados
para determinar el mejor ajuste para los datos. Si solo tiene una variable x independiente,
los cálculos para m y b se basan en las fórmulas siguientes:

Donde x e y son medias de muestras, es decir, x = PROMEDIO(conocido_x) e y =

PROMEDIO(conocido_y).
• Las funciones de ajuste de línea y de curva ESTIMACION.LINEAL y
ESTIMACION.LOGARITMICA pueden calcular la línea recta o la curva exponencial que
mejor se ajuste a los datos. Sin embargo, debe decidir cuál de los dos resultados se ajusta
mejor a sus datos. Puede calcular TENDENCIA(conocido_y,conocido_x) para una línea
recta o CRECIMIENTO(conocido_y,conocido_x) para una curva exponencial. Estas
funciones, sin el argumento nueva_matriz_x, devuelven una matriz de valores y
pronosticados en la línea o curva en los puntos de datos reales. Después, puede comparar
los valores pronosticados con los valores reales. Puede crear un gráfico con ambos para
realizar una comparación visual.
• En el análisis de regresión, Excel calcula para cada punto la diferencia al cuadrado entre el
valor y calculado para ese punto y su valor y real. La suma de estas diferencias al cuadrado
se denomina suma de los cuadrados residual, ssresid. Excel calcula a continuación la suma
total de los cuadrados, sstotal. Si omite el argumento constante o es VERDADERO, la suma
total de los cuadrados es la suma de las diferencias al cuadrado entre los valores y reales y
la media de los mismos. Cuando el argumento constante = FALSO, la suma total de los
cuadrados es la suma de los cuadrados de los valores y reales (sin restar el valor y medio
de cada valor y individual). Puede hallar la suma de regresión de los cuadrados, ssreg, a
partir de ssreg = sstotal - ssresid. Cuanto menor sea la suma residual de los cuadrados, en
comparación con la suma total de los cuadrados, mayor será el valor del coeficiente de
determinación, r2, que es un indicador de hasta qué punto la ecuación resultante del
análisis de regresión explica la relación entre las variables. El valor de r2 es igual a
ssreg/sstotal.
• En algunos casos, una o varias de las columnas x (supongamos que y y x están en
columnas) pueden no tener valor predictivo adicional en presencia de las otras columnas
x. En otras palabras, eliminar una o varias columnas x puede producir valores y
pronosticados que son igualmente exactos. En ese caso, estas columnas x redundantes
deberían omitirse del modelo de regresión. Este fenómeno se denomina “colinealidad”
porque cualquier columna x redundante se puede expresar como una suma de múltiplos
de las columnas x no redundantes. ESTIMACION.LINEAL comprueba la colinealidad y quita
cualquier columna x redundante del modelo de regresión cuando las identifica. Puede
reconocer las columnas x eliminadas en el resultado de ESTIMACION.LINEAL como
aquellas con coeficientes 0 así como con valores de 0. Si quita una o varias columnas por
redundantes, entonces df se ve afectado porque df depende del número de columnas x
usadas con fines predictivos. Para más información sobre el cálculo de df, vea el ejemplo
4. Si modifica df modifica porque ha quitado las columnas x redundantes, los valores de
sey y F también se verán afectados. La colinealidad debería ser relativamente insólita en la
práctica. No obstante, un caso en el que es más probable que se produzca es cuando
algunas columnas x contienen solo valores 0 y 1 como indicadores de si un sujeto de un
experimento pertenece o no a un grupo en concreto. Si omite constante o es VERDADERO,
ESTIMACION.LINEAL inserta una columna x adicional de todo unos (1) para dar forma a la
intersección. Si tiene una columna con un 1 para cada sujeto que sea varón, o 0 si no lo es,
y tiene también una columna con un 1 para cada sujeto que sea mujer, o 0 si no lo es, esta
última columna es redundante porque puede obtener las entradas de la misma de restar
la entrada de la columna "indicador de varón" de la entrada de la columna adicional de
todo unos (1) agregada por ESTIMACION.LINEAL.
• Calcule el valor de df como sigue, no se quite ninguna columna x del modelo debido a la
colinealidad: si hay k columnas de conocido_x y omite constante o es VERDADERO,
 entonces df = n – k – 1. Si constante = FALSO, entonces df = n - k. En ambos casos, cada
columna x quitada debido a la colinealidad aumenta df en 1.
• Las fórmulas que devuelven matrices deben especificarse como fórmulas de matriz.

Nota En Excel Web App no puede crear fórmulas de matriz.

• Cuando especifique como argumento una constante de matriz (como conocido_x), use
comas para separar los valores contenidos en una misma fila y puntos y comas para
separar las filas. Los caracteres separadores pueden ser diferentes según la configuración
regional.
• Observe que los valores y pronosticados por la ecuación de regresión pueden no ser
válidos si quedan fuera del rango de los valores y empleados para determinar la ecuación.
• El algoritmo subyacente usado en la función ESTIMACION.LINEAL es diferente del
algoritmo subyacente usado en las funciones PENDIENTE e INTERSECCION.EJE. La
diferencia entre estos algoritmos puede producir resultados distintos cuando los datos son
indeterminados y colineales. Por ejemplo, si los puntos de datos del argumento
conocido_y son 0 y los puntos de datos del argumento conocido_x son 1:
• ESTIMACION.LINEAL devuelve un valor 0. El algoritmo de la función
ESTIMACION.LINEAL está diseñado para devolver resultados razonables para los
datos colineales y, en este caso, se puede encontrar al menos una respuesta.
• PENDIENTE e INTERSECCION.EJE devuelven un error #¡DIV/0!. El algoritmo de
PENDIENTE e INTERSECCION.EJE está diseñado para buscar solo una respuesta y
en este caso puede haber varias.
• Además de usar ESTIMACION.LOGARITMICA para calcular estadísticas para otros tipos de
regresión, puede usar ESTIMACION.LINEAL para calcular un rango de tipos de regresión
diferentes escribiendo funciones de las variables x e y como series x e y para
ESTIMACION.LINEAL. Por ejemplo, la fórmula siguiente:

=ESTIMACION.LINEAL(valores y, valores x^COLUMNA($A:$C))

funciona si se dispone de una única columna de valores y y una única columna de valores x para
calcular la aproximación cúbica (polinómica de orden 3) de esta forma:

y = m1*x + m2*x^2 + m3*x^3 + b

Puede ajustar esta fórmula para calcular otros tipos de regresión, pero en algunos casos, es
necesario ajustar los valores de salida y otras estadísticas.

• El valor de la prueba F que devuelve la función ESTIMACION.LINEAL y el que devuelve la

función PRUEBA.F son diferentes. ESTIMACION.LINEAL devuelve la estadística F, mientras
que PRUEBA.F devuelve la probabilidad.

Ejemplos

Ejemplo 1: Pendiente e intersección con eje y

Copie los datos del ejemplo en la siguiente tabla y péguelos en la celda A1 de una nueva hoja de
cálculo de Excel. Para las fórmulas que muestren resultados, selecciónelas, presione F2 y, a
continuación, presione Entrar. Si lo necesita, puede ajustar los anchos de la columna para ver
todos los datos.

Y conocido X conocido
1 0
9 4
5 2
7 3
Resultado (pendiente) Resultado (intersección y)
2 1
Fórmula (fórmula de matriz en celdas A7:B7)
=ESTIMACION.LINEAL(A2:A5;B2:B5;;FALSO)

Ejemplo 2: Regresión lineal simple

Copie los datos del ejemplo en la siguiente tabla y péguelos en la celda A1 de una nueva hoja de
cálculo de Excel. Para las fórmulas que muestren resultados, selecciónelas, presione F2 y, a
continuación, presione Entrar. Si lo necesita, puede ajustar los anchos de la columna para ver
todos los datos.

Mes Ventas
1 3100 $
2 4500 $
3 4400 $
4 5400 $
5 7500 $
6 8100 $
Fórmula Resultado
=SUMA(ESTIMACION.LINEAL(B1:B6,
11000 $
A1:A6)*{9,1})
Calcula la estimación de las ventas en el noveno mes,
basándose en las ventas de los meses 2 al 6.

Ejemplo 3: Regresión lineal múltiple

Copie los datos del ejemplo en la siguiente tabla y péguelos en la celda A1 de una nueva hoja de
cálculo de Excel. Para las fórmulas que muestren resultados, selecciónelas, presione F2 y, a
continuación, presione Entrar. Si lo necesita, puede ajustar los anchos de la columna para ver
todos los datos.
 Valor
Oficina Entrada Antigüeda
Superficie (x1) tasado
s (x2) s (x3) d (x4)
(y)
142000
2310 2 2 20
$
144000
2333 2 2 12
$
151000
2356 3 1,5 33
$
150000
2379 3 2 43
$
139000
2402 2 3 53
$
169 00
2425 4 2 23
0$
126 00
2448 2 1,5 99
0$
142 90
2471 2 2 34
0$
163
2494 3 3 23
000 $
169
2517 4 4 55
000 $
149 00
2540 2 3 22
0$
-234,2371645
13,26801148
0,996747993
459,7536742
1732393319
Fórmula (fórmula de matriz especificada en A14:A18)
=ESTIMACION.LINEAL(E2:E12;A2:D12;VERDADERO;VERDADE
RO)

Ejemplo 4: Usar las estadísticas F y r2

En el ejemplo anterior, el coeficiente de determinación, o r2, es 0,99675 (vea la celda A17 en el

resultado de ESTIMACION.LINEAL), que indicaría una relación estrecha entre las variables
independientes y el precio de venta. Puede usar la estadística F para determinar si estos
resultados, con este valor r2 tan alto, se produjeron por azar.

Suponga por un momento que en realidad no existe relación entre las variables, pero que ha
extraído una muestra peculiar de 11 edificios de oficinas que hace que el análisis estadístico
demuestre una relación marcada. El término "alfa" se usa para la probabilidad de llegar a la
conclusión errónea de que existe una relación.

Los valores F y df del resultado de la función ESTIMACION.LINEAL se pueden usar para determinar
la probabilidad de que se produzca por azar un valor F más elevado. F se puede comparar con los
valores críticos de las tablas de distribución F publicadas o se puede usar la función DISTR.F de
Excel para calcular la probabilidad de que se produzca por azar un valor F mayor. La distribución F
apropiada tiene los grados de libertad v1 y v2. Si n es el número de puntos de datos y omite la
constante o es VERDADERO, entonces v1 = n – df – 1 y v2 = df. Si la constante = FALSO, entonces
v1 = n – df y v2 = df. La función DISTR.F ( con la sintaxis DISTR.F(F,v1,v2) ) devolverá la
probabilidad de que se produzca por azar un valor F superior. En este ejemplo, df = 6 (celda B18) y
F = 459,753674 (celda A18).

Suponiendo un valor alfa de 0,05, v1 = 11 – 6 – 1 = 4 y v2 = 6, el valor crítico de F es 4,53. Puesto

que F = 459,753674 es mucho más elevado que 4,53, es extremadamente improbable que un valor
F tan elevado se produzca por azar. (Con Alfa = 0,05, la hipótesis de que no hay relación entre
conocido_y y conocido_x hay que rechazarla cuando F sobrepasa el nivel crítico, 4,53). Puede usar
la función DISTR.F de Excel para obtener la probabilidad de que un valor F tan elevado se produzca
por azar. Por ejemplo, DISTR.F(459,753674; 4; 6) = 1,37E-7, una probabilidad sumamente
pequeña. Se puede concluir, bien buscando el nivel crítico de F en una tabla, bien con la función
DISTR.F, que la ecuación de regresión es útil para predecir el valor tasado de los edificios de
oficinas de esta área. Recuerde que es vital usar los valores correctos de v1 y v2 calculados en el
párrafo anterior.

Ejemplo 5: Calcular la estadística t

Otra prueba hipotética determinará si cada coeficiente de la pendiente es útil para calcular el valor
tasado de un edificio de oficinas del ejemplo 3. Por ejemplo, para probar si el coeficiente de
antigüedad es significativo estadísticamente, divida -234,24 (coeficiente de la pendiente de
antigüedad) por 13,268 (el error estándar calculado de los coeficientes de antigüedad en la celda
A15). El siguiente es el valor t observado:

t = m4 ÷ se4 = -234,24 ÷ 13,268 = -17,7

Si el valor absoluto de t es suficientemente alto, puede deducirse que el coeficiente de la

pendiente es útil para calcular el valor tasado del edificio de oficinas del ejemplo 3. La siguiente
tabla muestra los valores absolutos de los 4 valores t observados.

Si consulta una tabla de un manual de estadística, observará que el valor t crítico, de dos colas, con
6 grados de libertad y alfa = 0,05 es 2,447. Este valor crítico puede encontrarse también con la
función DISTR.T.INV de Excel. DISTR.T.INV(0,05,6) = 2,447. Puesto que el valor absoluto de t, 17,7,
es superior a 2,447, la antigüedad es una variable importante para calcular el valor tasado de un
edificio de oficinas. El significado estadístico de cada una de las demás variables independientes
puede probarse de forma similar. Los siguientes son los valores t observados para cada una de las
variables independientes.
Variable valor t observado
Superficie 5,1
Número de oficinas 31,3
Número de entradas 4,8
Edad 17,7

Todos estos valores tienen un valor absoluto superior a 2,447; por tanto, todas las variables
usadas en la ecuación de regresión son útiles para predecir el valor tasado de los edificios de
oficinas de esta área.