METODO DE REGRESIÓN LINEAL SIMPLE POR MEDIO DE R STUDIO

Rodríguez Hernández Saúl Yamir

UACh-Ingeniería Mecatrónica Agrícola

INTRODUCCIÓN DESARROLLO
En estadística la regresión lineal es un modelo que permite describir cómo influye Existen programas estadísticos que nos facilitan el calculo de resultados por el
una variable X sobre otra variable Y . método de regresión lineal. Por ejemplo el R studio nos ofrece herramientas y
representaciones de los datos que quieras analizar, asimismo calcula
▪ X: Variable independiente o explicativa. estadísticamente la media, mediana, moda, varianza, desviaciones estándar,
▪ Y: Variable dependiente o respuesta . diagramas, tablas, etc.

El objetivo es obtener estimaciones razonables de Y para distintos valores de X a
partir de una muestra de n pares de valores (𝑥1 , 𝑦1 ), . . . ,( 𝑥𝑛 , 𝑦𝑛 ).
Cuando consideramos dos variables X e Y midiendo dos características diferentes
en una misma población, nos interesa estudiar si existe relación entre las mismas.
Una primera forma de verlo es mediante el diagrama de dispersión o nube de
puntos.
Aplicación del método lineal utilizando R studio.
Una vez logrado el muestreo aportado por los alumnos de 4º-5 de mecatrónica
agrícola, se cargaron los datos al software. La relación a observar es el índice de
masa corporal (IMC) y el diámetro de cintura de cada unos de los estudiantes del
4°-5.

TIPOS DE RELACIÓN

Para determinar una relación entre variables es necesario representar, en un plano,

las coordenadas (𝑥𝑖 , 𝑦𝑖 ) correspondiente a los valores de X e Y, respectivamente.

▪ Determinista (1): Conocido el valor de X, el valor de Y queda perfectamente

establecido. Son del tipo: y = f (x)
▪ No determinista (2): Conocido el valor de X, el valor de Y no queda Figura 3. Gráficos de dispersión
perfectamente establecido. Son del tipo: y = f (x) + u
donde u es una perturbación desconocida (variable aleatoria). A través de la tendencia lineal de los resultados analizamos este
▪ Lineal : Cuando la función f (x) es lineal, f (x) = β0 + β1x par de variables donde podemos observar la distancia de
Si β1 > 0 hay relación lineal positiva (3). distribución de los puntos acercándose a 1.
Si β1 < 0 hay relación lineal negativa (4).
▪ No lineal (5): Cuando la función f (x) no es lineal.
▪ Ausencia de relación (6): Cuando f (x) = 0.

1) 2) Figura 2. Tabla de Figura 4. Tabla de correlación

datos en R studio

Dado que observamos una tendencia entre las variables procedemos a aplicar la
prueba de hipótesis mediante ANOVA (análisis de varianza).

3) 4)

Figura 5. Análisis de varianza (ANOVA)

El valor de Pr(>F) es menor que el alfa propuesto que es 0.01 por lo tanto se acepta
5) 6) la hipótesis alternativa la cuál dice que IMC y la cintura están relacionados
linealmente. Por lo tanto, el siguiente paso es sacar la recta de mejor ajuste con el
método de mínimos cuadrados.

Figura 1. Tendencias

La relación entre dos variables métricas puede ser representada mediante la línea
de mejor ajuste a los datos. Esta recta se le denomina recta de regresión, que
puede ser negativa o positiva, la primera con tendencia decreciente y la segunda
creciente.
El método más efectivo para determinar los parámetros a y b se conoce como Figura 7. Modelo lineal en R studio
Figura 6. Gráfica de dispersión entre el IMC y el
técnica de mínimos cuadrados.
diámetro de la cintura con su recta de regresión
y =ax+b
Dibujada la recta de mejor ajuste, se procede a escribir la ecuación de dicha recta, es
donde las constantes b (ordenada en el origen) y a (pendiente) dependen del tipo
decir, a describir el modelo con dicha ecuación.
de sistema.
Consiste en someter el sistema a diferentes condiciones, fijando para ello distintos y= +0.476973 + 0.003878x
valores de la variable independiente x, y anotando en cada caso el correspondiente
Suponiendo que una persona tenga 19.89 de IMC la medida de cintura sería, según el
valor medido para la variable dependiente y.
modelo, 75.30051 cm.

CONCLUSIÓN BIBLIOGRAFÍA

Los representación obtenida mediante el método de regresión lineal permite que Pablo Vinuesa, CCG-UNAM. http:// www.ccg.unam.mx/ ~vinuesa/v1, 22 de
los resultados no sean tan complicados de entender. Las variables analizadas Octubre, 2016
pretenden visualizar y dar a comprender la relación que existe entre el diámetro de Ross. S (2007). Introducción a la estadística: Regresión lineal simple. (Edición en
la cintura teniendo en cuenta el índice de masa corporal del estudiante (IMC). español #ed. Reverté).