Regresin Lineal

Los mtodos de regresin estudian la construccin de modelos para explicar

o representar la dependencia entre una variable dependiente y la variable
independiente.
La estructura del modelo de regresin lineal es: Y = 0+ 1 x + , donde
estamos diciendo que todos los factores y/o causas que influyen en la
respuesta variable (Y) pueden dividirse en dos grupos: el primero contiene a
una variable explicativa (X) y el segundo incluye un conjunto amplio de
factores no controlados que llamaremos perturbacin o error aleatorio ( ) y
que provoca la dependencia entre la variable dependiente e independiente no
sea perfecta, sino, que est sujeta a incertidumbre.
Caractersticas

La variable y i es el i-simo ensayo es la suma de dos componentes: el

termino constante

0 + 1 x + x i y el termino

aleatorio i . Entonces y i es una variable aleatoria.

La respuesta de y i en el i-simo ensayo se aleja de la funcin de

regresin a la cantidad del trmino del error i

Los trminos de errores i se suponen que tienen una varianza

constante. Por lo tanto, de aqu sigue que la respuesta y i tiene la
misma varianza constante.

Debido a que los trminos de error

j se suponen no-

correlacionados, entonces las respuestas Y i y Y j son tambin no

correlacionados.

Propiedades descriptivas en la regresin lineal

La suma de los residuos mnimo-cuadrticos es igual a cero

T

t =1 U^ t=0

La recta de regresin pasa necesariamente por el punto (Y,X)

La suma de los productos cruzados entre la variable explicativa y los

residuos es igual a cero
T

t =1 U^ t X t =0

La suma de los productos cruzados entre los valores ajustados y los

residuos es igual a cero
T

t =1 U^ t ^y t=0
Significado de los parmetros de regresin
Los parmetros de regresin son llamados coeficientes de regresin

1 es la pendiente de la lnea de regresin, indica los cambios en la

media de la distribucin de probabilidad de Y por unidad que
aumenta en X

0 es el intercepto de ningn significado particular como un trmino

separado en el modelo de regresin lineal de regresin. Cuando el
recorrido del modelo cubre X=0, 0 indica la media de la probabilidad
de la distribucin de Y en X=0. Cuando el recorrido del modelo no
cubre X=0, 0 no tienen
Estimacin por mnimo cuadrados

Recta de regresin estimada

es la variacin que se produce en por cada unidad de

incremento en x
Coeficiente de correlacin lneal
Es una medida de la asociacin de las variables X, Y

Si r = -1

relacin lineal negativa perfecta entre X,Y

Si r = 1

asociacin lineal positiva perfecta entre X,Y

Si r = 0

no existe ninguna relacin lineal entre X,Y

Coeficiente de determinacin
Es una medida relativa del grado de asociacin lineal entre X,Y

Si

= 0

= 0

El modelo no explica nada de Y a

partir de X
Si

= 1

= SCT

Ajuste perfecto, Y depende

funcionalmente de X
Contraste de regresin

Fijado un nivel de significacin , se rechaza

si

Ejemplo
La patelloida pygmatea es una lapa pegada a las rocas y
conchas a lo largo de las costas protegidas en el rea IndoPacifica. Se realiza un experimento para estudiar la influencia
de la altura de la patelloida pygmatea en su longitud, medidas
ambas en milmetros. Se tienen los siguientes datos:

Solucin

X= Variable altura
Y= Variable longitud
Recta de regresin estimada
= 1.36 +1.99 x
Coeficiente de correlacin lineal
r = 0.8636
Coeficiente de determinacin

R2 = 0.74

El 74% de la variabilidad de Y puede atribuirse a una relacin

lineal con X
Contraste de regresin

A un nivel de significancia del 5%

FEXP = 76.42

F,1,n-2 = F0.05 ; 1.26 = 4.23

Adems, el valor p

Se rechaza la hiptesis nula de no linealidad del modelo.