𝑹𝒆𝒈𝒓𝒆𝒔𝒊ó𝒏 𝑳𝒊𝒏𝒆𝒂𝒍

Es un modelo matemático de línea recta para describir las relaciones funcionales entre variables
dependiente e independiente.
La ecuación de la recta que relaciona estas variables está definida por:
𝒚 = 𝒂 + 𝒃𝒙
Donde:
𝑦 = 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝐷𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒
𝑎 = 𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑎 𝑐𝑜𝑛 𝑒𝑙 𝑒𝑗𝑒 𝑦
𝑏 = 𝑃𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑎𝑐𝑡𝑎 𝑑𝑒 𝑟𝑒𝑔𝑟𝑒𝑠𝑖ó𝑛
𝑥 = 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒
Además:
𝑛 ∑𝑛𝑖=1 𝑥𝑖 𝑦𝑖 − ∑𝑛𝑖=1 𝑥𝑖 ∑𝑛𝑖=1 𝑦𝑖
𝑎=
𝑛 ∑𝑛𝑖=1 𝑥𝑖 2 − (∑𝑛𝑖=1 𝑥𝑖 )2

𝑛 ∑𝑛𝑖=1 𝑥𝑖 2 ∑𝑛𝑖=1 𝑦𝑖 − ∑𝑛𝑖=1 𝑥𝑖 ∑𝑛𝑖=1 𝑥𝑖 𝑦𝑖

𝑏=
𝑛 ∑𝑛𝑖=1 𝑥𝑖 2 − (∑𝑛𝑖=1 𝑥𝑖 )2

𝑪𝒐𝒆𝒇𝒊𝒄𝒊𝒆𝒏𝒕𝒆 𝒅𝒆 𝑫𝒆𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒄𝒊ó𝒏 𝑹𝟐
Expresa la proporción de varianza de la variable dependiente que esta explicada por la variable
independiente
Es el coeficiente de determinación

2
∑𝑛𝑖=1(𝑦̂ − 𝑦̅)2
𝑅 = 𝑛
∑𝑖=1(𝑦 − 𝑦̅)2

𝑦 = 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑂𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑜 𝑜 𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒

𝑦̂ = 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎
𝑦̅ = 𝑀𝑒𝑑𝑖𝑎 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑂𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑎
La variación de 𝑅 2 esta entre 0 y 1
Ejemplo 2.

La siguiente tabla muestra los resultados de medición consistente en valores de concentración en

microgramos por centímetro cúbico de una sustancia A en un suero fetal y los valores de su
concentración en suero materno. Se obtuvieron los siguientes datos en una muestra de seis
embarazadas al final de la gestación:

X Y
Concentració Concentració ̂
𝒚 ̅
𝒚 (𝒚 ̅ )𝟐
̂−𝒚 ̅ )𝟐
(𝒚 − 𝒚
n suero madre n Suero Feto
8 6 5.276 4.6666666 0.371530884 1.77777778
2 7
4 4 2.838 4.6666666 3.341827738 0.44444444
6 7
12 8 7.713 4.6666666 9.285021551 11.1111111
8 7
2 1 1.619 4.6666666 9.283396484 13.4444444
8 7
7 4 4.666 4.6666666 1.77778E-08 0.44444444
8 7
9 5 5.885 4.6666666 1.485798471 0.11111111
6 7
𝑛 𝑛
𝑦̅ =
2
4.66666667 ∑(𝑦̂ − 𝑦̅) = ∑(𝑦 − 𝑦̅)2
𝑖=1 𝑖=1
23.76757515 =
27.3333333

2
∑𝑛𝑖=1(𝑦̂ − 𝑦̅)2 23.76757515
𝑅 = 𝑛 =
∑𝑖=1(𝑦 − 𝑦̅)2 27.3333333

𝑅 2 = 0.8695
Significa que el 87% de la variación de la variable 𝑌 es debido a la variación de la variable 𝑋.
El 13% faltante es debido a otras variables no consideradas en el modelo.
 Regresión Lineal y R²
9
8 y = 0.6094x + 0.401
R² = 0.8695
7
6
5
4
3
2
1
0
0 2 4 6 8 10 12 14

Supuestos:
Independencia.
Los residuos son independientes entre sí, es decir, los residuos constituyen una variable aleatoria.

Una forma de verificar la independencia es a través del calculo de la Prueba de Durbin-Watson

∑𝑛𝑖=2(𝑒𝑖 − 𝑒𝑖−1 )2
𝑑=
𝑒𝑖 2
d = 2 indica que no hay autocorrelación
d <2 indica correlación serial positiva
d > 2 indica correlación serial negativa
 Durbin-Watson
d = 0.512

Regresión Lineal y R²
9
8 y = 0.6094x + 0.401
R² = 0.8695
7
6
5
4
3
2
1
0
0 2 4 6 8 10 12 14

Linealidad.
La ecuación de regresión, posee una forma particular que responde a una recta.
NO Lineal:

También el uso de gráficos parciales, ayudará a observar la linealidad entre las variables, al ser
herramientas que ofrecen una representación espacial, de la relación neta entre dos variables.

Ajuste de Curvas:
El ajuste de curvas consiste en encontrar una curva que contenta una serie de puntos y que
posiblemente cumpla una serie de restricciones adicionales.
Ajuste exponencial:
Se desea ajustar una curva exponencial de la forma 𝑦 = 𝑐𝑒 𝐴𝑥 a un conjunto de puntos{𝑥𝑘 , 𝑦𝑘 } dado
de antemano.
ln(𝑦) = ln(𝑐𝑒 𝐴𝑥 )
ln(𝑦) = ln 𝑐 + 𝐴𝑥
Haciendo un cambio de variable se tiene:
ln(𝑦) = 𝑌
𝑥=𝑋
ln(𝑐) = 𝐵
Por lo que se obtiene la relación lineal entre las nuevas variables:
𝑌 = 𝐵 + 𝐴𝑋
Ejemplo:
La siguiente tabla muestra el gasto que realiza un estudiante cada mes, expresado en Bs.-
Mes Gast(Bs.)
1 620
 2 761
3 899
4 1039.9
5 1270.63
6 1589.04
7 1851.31
8 2154.92

Aplicando el modelo de ajuste exponencial se tiene:

Bs
2500

y = 522.51e0.1795x
2000 R² = 0.9978

1500

1000

500

0
0 1 2 3 4 5 6 7 8 9