Regresión y Correlación

Unidad IV
Regresión Lineal
Es una técnica estadística que se utiliza para predecir o estimar los
valores de una variable cuantitativa (Variable respuesta “Y”) en
función de otra variable cuantitativa (Variable explicativa “X1,
X2,……Xk).
Consiste en modelar la ecuación de una RECTA entre los puntos.
La recta que mas se ajusta a los valores medios, es la recta que
esta en base a la ecuación estimada para “Y”, mediante el
método de los mínimos cuadrados.
Diagramas de dispersión

Diagrama A Diagrama B
El ajuste de los coeficientes (b0 y b1), de la ecuación
se lo realiza mediante el método de los mínimos
cuadrados, dicho método nos permite adaptar una
línea recta optima a una determinada muestra de
datos u observaciones en función de las variables “X”
y “Y”.
REGRESIÓN LINEAL

• Regresión lineal Simple; que para cada valor de x

reflejado, hay una subpoblación de valores de y

• Regresión lineal múltiple; Que relaciona la i-ésima

respuesta de y con k regresores:
Regresión lineal simple
y   0  1 x  
y

x
 Y
Y

Negativa
Positiva

X
X

Zero

X
El error o variación
Tipos de asociaciones.
Ecuación para estimas los coeficientes de regresión
lineal simple:

y x x2 xy
Regresión lineal múltiple
La regresión lineal múltiple trata de explicar el
comportamiento de Y con más de una variable
predictora usando una función lineal.

Un modelo matemático de regresión lineal múltiple

tiene el siguiente aspecto:
Coeficiente de Correlación

Es una medida numérica la cual nos permite medir el grado de

asociación lineal entre dos variables cuantitativas, en función de la
cercanía o alejamiento de los puntos de la dispersión, respecto a la
recta calculada.
Por lo tanto el coeficiente de variación mide la fuerza y el sentido de la
relación lineal de una dispersión.
Los valores del coeficiente de correlación va desde -1 hasta +1.
Incluye el valor cero 0.

-1 Asociación lineal perfecta negativa

0 Asociación lineal nula
1 Asociación perfecta positivs
Se puede calcular este coeficiente mediante la siguiente
ecuación:

Construir una tabla con los siguientes parámetros:

Tabla numérica de valores
 Y = β0 + β1X1 + • • • + βpXp + ε

• β0 es el termino independiente. Es el valor esperado de Y cuando

X1, . . . , Xp son cero.
• β1, β2, . . . βp son los coeficientes parciales de la regresión:
• β1 mide el cambio en Y por cada cambio unitario en X1,
manteniendo X2, X3, . . . , Xp constantes.
• β2 mide el cambio en Y por cada cambio unitario en X2,
manteniendo X1, X3, . . . , Xp constantes.
• …...
• βp mide el cambio en Y por cada cambio unitario en Xp ,
manteniendo X1, . . . , Xp−1 constantes.
• ε es el error de observación debido a variables no controladas.
Método de resolución por el método de los Mínimos Cuadrados Ordinarios
Para el caso en que solo se tenga dos variables independientes, se
puede resolver con las siguientes ecuaciones:
Coeficiente de Determinación

Error Estándar
Ejemplos:

y x1 x2
55 33,6 157
44 25,6 192
66 33,9 100
44 29,4 204
55 32,1 156