Universidad Interamericana para el
Desarrollo
TRABAJO FINAL
REGRESIN LINEAL SIMPLE
Nombres: Omar Daniel Garca Rangel
Carlos Snchez Castaeda
Fidel Estanislado Dimas
Juveli Dinora Atanacio
IDs: 00256594
00256089
Materia: Estadstica Inferencial
Cuatrimestre: Sep. Dic. 2017
Tabla de contenido
Introduccin ............................................................................................................. 2
Regresin Lineal Simple ......................................................................................... 3
Modelo de Regresin Lineal Simple .................................................................... 4
Ecuacin de Regresin Estimada ........................................................................ 5
EJEMPLO DE REGRESION LINEAL SIMPLE ........................................................ 6
ANTECEDENTES DEL PROBLEMA ................................................................... 6
DESARROLLO .................................................................................................... 6
Representacin Grfica ....................................................................................... 7
HIPTESIS.......................................................................................................... 8
INTERPRETACIN ............................................................................................. 9
CONCLUSIN ................................................................................................... 10
Conclucin del Proyecto ........................................................................................ 11
Referencias ........................................................................................................... 12
INTRODUCCIN
La estadstica inferencial es una rama de las matemticas que consiste en la
estimacin de las caractersticas o propiedades de una poblacin, a partir del
anlisis de una muestra extrada de ella.
En este texto se explicar el mtodo de anlisis de relacin o dependencia entre
variables dos variables, la variable dependiente y la variable independiente. Para
ello se explicar el modelo de regresin simple. Para ello, en este documento se
realizarn varios ejercicios para poder explicar mejor paso a paso, como se realiza
este tipo de modelaje.
REGRESIN LINEAL SIMPLE
En las diferentes carreras universitarias y empresas, las decisiones suelen basarse
en la relacin entre dos o ms variables. Un ejemplo de esto es observar la relacin
entre el gasto en publicidad y las ventas puede permitir a un gerente de
mercadotecnia tratar de predecir las ventas correspondientes a un determinado
gasto en publicidad. Otro ejemplo sera, una empresa de servicios pblicos puede
emplear la relacin entre la temperatura diaria y la demanda de electricidad para
predecir la demanda de electricidad considerando las temperaturas diarias que se
esperan el mes siguiente. Algunas veces los directivos se apoyan en la intuicin
para juzgar la relacin entre dos variables. Sin embargo, cuando es posible tener
datos, puede emplearse un procedimiento estadstico llamado anlisis de regresin
para obtener una ecuacin que indique cul es la relacin entre las variables. En la
terminologa que se emplea en regresin, a la variable que se va a predecir se le
llama variable dependiente. A la variable o variables que se usan para predecir el
valor de la variable dependiente se les llama variables independientes. Por ejemplo,
al analizar el efecto de los gastos en publicidad sobre las ventas, como lo que busca
el gerente de mercadotecnia es predecir las ventas, esto indica que las ventas sern
la variable dependiente. En este captulo se estudia el tipo ms sencillo de anlisis
de regresin en el que interviene una variable independiente y una variable
dependiente y en el que la relacin entre estas variables es aproximada mediante
una lnea recta. A este tipo de anlisis de regresin se le conoce como regresin
lineal simple. Al anlisis de regresin en el que intervienen dos o ms variables
independientes se le llama anlisis de regresin mltiple; el cual se estudiar en
otra ocasin. Para que esto quede ms claro, explicaremos los pasos a seguir con
diferentes ejemplos.
Modelo de Regresin Lineal Simple
Empleando el anlisis de regresin, se puede obtener una ecuacin que muestre
cul es la relacin entre la variable dependiente y y la variable dependiente x.
El siguiente es el modelo que se emplea en la regresin lineal simple.
= 0 + 1 +
0 y 1 se conocen como los parmetros del modelo, y (la letra griega psilon) es
una variable aleatoria que se conoce como trmino del error. El trmino del error da
cuenta de la variabilidad de y que no puede ser explicada por la relacin lineal entre
x y y.
A la ecuacin que describe la relacin entre el valor esperado de y, que se denota
E(x), y x se le llama ecuacin de regresin. La siguiente es la ecuacin de regresin
para la regresin lineal simple.
() = 0 + 1
La grfica de la ecuacin de regresin lineal simple es una lnea recta; 0 es la
interseccin de la recta de regresin con el eje y, 1 es la pendiente y E(y) es la
media o valor esperado de y para un valor dado de x.
Ecuacin de Regresin Estimada
Si se conocieran los valores de los parmetros poblacionales 0 y 1, se podra
emplear la ecuacin para calcular el valor medio de y para un valor dado de x. Sin
embargo, en la prctica no se conocen los valores de estos parmetros y es
necesario estimarlos usando datos muestrales. Se calculan estadsticos muestrales
(que se denotan b0 y b1) como estimaciones de los parmetros poblacionales 0 y
1. Sustituyendo en la ecuacin de regresin b0 y b1 por los valores de los
estadsticos muestrales 0 y 1, se obtiene la ecuacin de regresin estimada. La
ecuacin de regresin estimada de la regresin lineal simple se da a continuacin.
= 0 + 1
EJEMPLO DE REGRESION LINEAL SIMPLE
ANTECEDENTES DEL PROBLEMA
Los datos de la siguiente tabla representan las estaturas (X, cm) y los pesos (Y, kg)
de una muestra de 12 hombres adultos. Para cada estatura fijada previamente se
observ el peso de una persona seleccionada de entre el grupo con dicha estatura,
resultando:
X 152 155 152 155 157 152 157 165 162 178 183 178
Y 50 61.5 54.5 57.5 63.5 59 61 72 66 72 84 82
Con estos datos vamos a plantear una ecuacin de regresin simple que nos
permita pronosticar los pesos conociendo las tallas. Utilizaremos a = 0.05, y
contrastaremos nuestra hiptesis con la prueba F.
DESARROLLO
Representacin matemtica y grfica de los datos:
Representacin Matemtica
estatura pesos Regresin Lineal I.C. para la media I. C. individual
datos x y x ^2 y ^2 xy y est. Residual L. I. L. S. L. I. L. S.
1 152 50 23104 2500 7600 56.43 -6.43 53.07 59.79 47.30 65.56
2 155 61.5 24025 3782.3 9532.5 59.03 2.47 56.09 61.97 50.05 68.02
3 152 54.5 23104 2970.3 8284 56.43 -1.93 53.07 59.79 47.30 65.56
4 155 57.5 24025 3306.3 8912.5 59.03 -1.53 56.09 61.97 50.05 68.02
5 157 63.5 24649 4032.3 9969.5 60.77 2.73 58.05 63.48 51.85 69.68
6 152 59 23104 3481 8968 56.43 2.57 53.07 59.79 47.30 65.56
7 157 61 24649 3721 9577 60.77 0.23 58.05 63.48 51.85 69.68
8 165 72 27225 5184 11880 67.71 4.29 65.17 70.24 58.85 76.57
9 162 66 26244 4356 10692 65.11 0.89 62.65 67.56 56.27 73.94
10 178 72 31684 5184 12816 78.99 -6.99 74.65 83.33 69.45 88.52
11 183 84 33489 7056 15372 83.32 0.68 78.01 88.64 73.31 93.34
12 178 82 31684 6724 14596 78.99 3.01 74.65 83.33 69.45 88.52
Representacin Grfica
HIPTESIS
HO: No hay relacin entre la variable peso y la variable estatura.
HA: Hay relacin entre la variable peso y la variable estatura.
Tabla de anlisis de varianza
Fuente de Grados de Suma de Cuadrados
Variacin libertad cuadrados medios estadstico F
Debido a
la regresin 1 1061.1 1061.1 73.08
error 10 145.2 14.5
total 11 1206.3
Se obtiene un valor F = 73.08 > 4.96, con lo cual se rechaza la hiptesis nula y
aceptamos que la variable estatura est relacionada con la variable peso con un
95% de confianza.
De acuerdo con el desarrollo matemtico hemos obtenido los siguientes clculos:
Lo que nos permite obtener los coeficientes a y b.
Luego,
b = 1223 / 1409.667 = 0.8676
a = 65.25 (0.8676) (162.167) = -75.446
INTERPRETACIN
La ecuacin de regresin estimada es:
Coeficiente de correlacin: R= 0.9379
Coeficiente de determinacin: R=0.8796
El valor de b = 0.8676 indica el incremento del peso en kilogramos, en promedio,
por cada centmetro de aumento en la estatura de los hombres adultos.
El valor de a, no tiene interpretacin prctica en el ejemplo, se interpretara como el
valor obtenido, en promedio, para el peso Y, cuando la estatura es 0.
Utilizando la ecuacin de regresin para estimar o predecir valores de la variable Y:
Para una talla de 180 se obtiene un peso de 80.7 kg.
Cunto se espera que pese (en promedio) una persona que mide 1.60 m?
Sustituyendo el valor de inters en la ecuacin:
Se obtiene:
CONCLUSIN
La ecuacin de Regresin Lineal estimada para las variables estatura y peso
muestran, de acuerdo con la prueba F, relacin.
Esta relacin se ha estimado en un R = 93.7, que indica una fuerte relacin positiva.
Adems, si consideramos el coeficiente de determinacin R = 87.9 podemos indicar
que el 87.9% de las variaciones que ocurren en el peso se explicaran por las
variaciones en la variable estatura.
CONCLUCIN DEL PROYECTO
La regresin lineal simple es muy til al momento de querer saber si algn dato
previamente verificada su utilidad por medio de la hiptesis que nos indicar si es
un valor vlido para ser utilizado en comparacin con la vartiable dependiente. Sin
importar el rea de ejecucin (medicina, economa, tecnologas de la informacin,
etc) siempre habr alguna ocasin en la que se necesite saber si algn evento
influye o podra influir en el comportamiento de alguna aplicacin futura en algn
proyecto o actividad que tengamos planeada implementar, con lo cual nos
podremos dar una idea ms acertada con el fin de evitar desaprovechar tiempo,
esfuerzo y recursos en un tema al que con una gran estimacin podremos saber si
nos arrojar resultados positivos o nos llevarn a un rotundo fracaso.
REFERENCIAS
Anderson, D. R., Sweeny, D. J., & Williams, T. A. (2008). Estadstica para
Administracin y Economa. Mxico: Cengage Learning Editores, S.A. de
C.V.
http://repositorio.utn.edu.ec. (2 de Diciembre de 2017). Obtenido de
http://repositorio.utn.edu.ec/bitstream/123456789/940/1/Interaprendizaje%2
0de%20Probabilidades%20y%20Estad%C3%ADstica%20Inferencial%20co
n%20Excel%2c%20Winstats%20y%20Graph.pdf
