Regresión lineal

Ejemplo:
Suponer que los siguientes datos recopilados representan las
estaturas en centímetros cerrados de un grupo de 50 alumnos de una
escuela.

170 150 179 153 166 164 184 176 155 152

184 154 160 154 159 167 181 187 185 163

180 186 186 182 173 192 192 162 153 175

190 172 161 170 168 171 190 169 185 184

153 174 159 176 157 187 167 178 157 177
Ecuación Regresión lineal

𝑌𝑖 = 𝑏0 + 𝑏1 𝑋𝑖
Donde, primero se calcula 𝑏1 con
𝑛 𝑛 𝑛
𝑛 𝑖=1 𝑋𝑖 𝑌𝑖 − 𝑖=1 𝑋𝑖 𝑖=1 𝑌𝑖
𝑏1 = 2
𝑛 2 𝑛
𝑛 𝑖=1 𝑋𝑖 − 𝑖=1 𝑋𝑖

Y luego 𝑏0 se calcula con

𝑛 𝑛
𝑖=1 𝑌𝑖 𝑖=1 𝑋𝑖
𝑏0 = − 𝑏1
𝑛 𝑛
 Préstamos personales otorgados
2005 N 𝑿𝒊 𝒀𝒊 𝑿 𝒊 𝒀𝒊 𝑿𝟐𝒊
Enero 7 1 1 7
Febrero 11 2 2 11
Marzo 10 3 3 10
Abril 14 4 4 14
Mayo 6 5 5 6
Junio 12 6 6 12
Julio 15 7 7 15
Agosto 17 8 8 17
Septiembre 22 9 9 22
Octubre 11 10 10 11
Noviembre 11 11 11 11
Diciembre 5 12 12 5
Total
• De aquí se tiene que
𝑛 𝑛 𝑛
𝑛 𝑖=1 𝑋𝑖 𝑌𝑖 − 𝑖=1 𝑋𝑖 𝑖=1 𝑌𝑖
𝑏1 = 2
𝑛 2 𝑛
𝑛 𝑖=1 𝑋𝑖 − 𝑖=1 𝑋𝑖

12(947) − 78 141
𝑏1 =
12(650) − 78 2

𝑏1 = 0.2132861

𝑏1 = 0.2133
Ahora 𝑏0
𝑛 𝑛
𝑖=1 𝑌𝑖 𝑖=1 𝑋𝑖
𝑏0 = − 𝑏1
𝑛 𝑛
141 78
𝑏0 = − 0.2133
12 12
𝑏0 = 10.36355
𝑏0 = 10.3636
• Por lo tanto la ecuación de regresión lineal es
• 𝑌𝑖 = 𝑏0 + 𝑏1 𝑋𝑖
• 𝑌𝑖 = 10.3636 + 0.2133𝑋𝑖
 Préstamos otorgados en 2005
25

20
Número de préstamos

15

2005
10
Lineal (2005)
y = 0.2133x + 10.364
R² = 0.0256
5

0
0 2 4 6 8 10 12 14
Número de mes
La siguiente tabla representa los ingresos en millones
de pesos de una empresa con respecto a las ventas que
realiza de sus productos y servicios.

2014

Enero 10
Febrero 11
Marzo 10
Abril 14
Mayo 16
Junio 12
Julio 15
Agosto 17
Septiembre 20
Octubre 11
Noviembre 11
Diciembre 15
 Ejemplo

Niño 1 2 3 4 5 6 7 8 9 10
Estatura
121 123 108 118 111 109 114 103 110 115
(cm) x
Peso
25 22 19 24 19 18 20 15 20 21
(kg) y
 Correlación
𝑛 𝑋 𝑛 𝑌
𝑛 𝑖=1 𝑖 𝑖=1 𝑖
𝑖=1 𝑋𝑖 𝑌𝑖 − 𝑛
R=
𝑛 𝑋 2 𝑛 𝑌 2
𝑛 2− 𝑖=1 𝑖 𝑛 2− 𝑖=1 𝑖
𝑋
𝑖=1 𝑖 𝑌
𝑖=1 𝑖
𝑛 𝑛
 Préstamos personales otorgados

2005 n 𝑿𝒊 𝒀𝒊 𝑿 𝒊 𝒀𝒊 𝑿𝟐𝒊 𝒀𝟐𝒊

Enero 7 1 1 7 7 1

Febrero 11 2 2 11 22 4

Marzo 10 3 3 10 30 9

Abril 14 4 4 14 56 16

Mayo 6 5 5 6 30 25

Junio 12 6 6 12 72 36

Julio 15 7 7 15 105 49

Agosto 17 8 8 17 136 64

Septiembre 22 9 9 22 198 81

Octubre 11 10 10 11 110 100

Noviembre 11 11 11 11 121 121

Diciembre 5 12 12 5 60 144

Total 78 141 947 650

 78 141
947 − 12
78 2 141 2
650 − 12 1911 − 12
= 0.1599563
Es decir 𝑟 2 = (0.1599563)2 = 0.02558602
• Una observación importante respecto al coeficiente de
correlación que es la medida de fuerza, si los valores de
éste son cercanos a cero hay poca correlación, sin
embargo si se acercan a 1 o a -1 hay más correlación. El
signo negativo en el coeficiente de correlación, indica
que la relación entre ambas variables es inversa (si uno
aumenta el otro disminuye), si es positivo entonces es
proporcional (si uno aumenta el otro aumenta).
• Dependerá del investigador llegar a las conclusiones, ya
que a veces es deseable tener más correlación o menos
según el caso en cuestión.