REGRESIÓN

LINEAL SIMPLE
REGRESIÓN

 EI análisis de regresión es útil para averiguar la

forma probable de las relaciones entre las
variables, y el objetivo es predecir o estimar el
valor de una variable que corresponde al valor
dado de otra variable.
LA RECTA DE
LOS MÍNIMOS CUADRADOS

 AI método que se utiliza regularmente para

obtener la recta deseada se Ie conoce como
método de mínimos cuadrados, y a la recta
resultante se Ie conoce como recta de mínimos
cuadrados.
 RECTA  De acuerdo con los conceptos básicos del
DE algebra, la ecuación general de una recta esta
MÍNIMOS dada por la expresión
CUADRADOS
𝑦 = 𝑛 + 𝑚𝑥

𝑌 = 𝑏0 + 𝑏1 𝑥
OS
 𝐿𝑎 𝑠𝑢𝑚𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑿

2
Procedimiento 2
( 𝑋)
𝑆𝐶 𝑥 = 𝑋 −
para hallar 𝑛

la recta
de mejor 𝐿𝑎 𝑠𝑢𝑚𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜𝑠 𝑐𝑟𝑢𝑧𝑎𝑑𝑜𝑠 𝑑𝑒 𝑿 𝑦 𝑑𝑒 𝒀
ajuste
𝑋∗ 𝑌
𝑆𝐶𝑥𝑦 = 𝑋𝑌 −
𝑛
 𝐿𝑎 𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑐𝑡𝑎 𝑑𝑒 𝑟𝑒𝑔𝑟𝑒𝑠𝑖𝑜𝑛
𝑺𝑪𝒙𝒚
𝒃𝟏 =
𝑺𝑪𝒙
Procedimiento
para hallar
la recta 𝐸𝑙 𝑖𝑛𝑡𝑒𝑟𝑐𝑒𝑝𝑡𝑜 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑐𝑡𝑎 𝑑𝑒 𝑟𝑒𝑔𝑟𝑒𝑠𝑖𝑜𝑛
de mejor 𝒃𝟎 = 𝒀 − 𝒃𝟏 𝑿
ajuste
𝑦 𝑥
𝑌= 𝑋=
𝑛 𝑛
 La estatura es, con Estatura Peso
frecuencia, utilizada como 185 83.9
una variable adecuada para 180 99.0
predecir el peso entre la 173 63.8
EJEMPLO gente de la misma edad y 168 71.3
sexo. 175 65.3
183 79.6
Recta de Los datos corresponden a
184 70.3
regresión lineal las estaturas y pesos de 14
174 69.2
simple varones con edades entre 19 164 56.4
y 26 años que participaron 169 66.2
en un estudio. 205 88.7
Determine la recta de 161 59.7
regresión lineal simple del 177 64.6
siguiente grupo. 174 78.8
 X Y
2
Estatura Peso xy x2 y2
2
( 𝑋)
185 83.9 15521.5 34225.0 7039.21 𝑆𝐶 𝑥 = 𝑋 −
𝑛
180 99.0 17820.0 32400.0 9801.00
173 63.8 11037.4 29929.0 4070.44
168 71.3 11978.4 28224.0 5083.69
175 65.3 11427.5 30625.0 4264.09
(2472)2
183 79.6 14566.8 33489.0 6336.16 𝑆𝐶 𝑥 = 438,032 −
184 70.3 12935.2 33856.0 4942.09
14
174 69.2 12040.8 30276.0 4788.64
164 56.4 9249.6 26896.0 3180.96
169 66.2 11187.8 28561.0 4382.44
𝑆𝐶 𝑥 = 438,032 − 436,484.57
205 88.7 18183.5 42025.0 7867.69
161 59.7 9611.7 25921.0 3564.09
177 64.6 11434.2 31329.0 4173.16
174 78.8 13711.2 30276.0 6209.44
𝑺𝑪 𝒙 = 𝟏, 𝟓𝟒𝟕. 𝟒𝟑
2472 1016.8 180705.6 438032.0 75703.10
 X Y
Estatura Peso xy x2 y2
185 83.9 15521.5 34225.0 7039.21 𝑋∗ 𝑌
𝑆𝐶𝑥𝑦 = 𝑋𝑌 −
180 99.0 17820.0 32400.0 9801.00 𝑛
173 63.8 11037.4 29929.0 4070.44
168 71.3 11978.4 28224.0 5083.69
175 65.3 11427.5 30625.0 4264.09 2,472 ∗ (1,016.8)
183 79.6 14566.8 33489.0 6336.16 𝑆𝐶𝑥𝑦 = 180,705.6 −
14
184 70.3 12935.2 33856.0 4942.09
174 69.2 12040.8 30276.0 4788.64
164 56.4 9249.6 26896.0 3180.96
169 66.2 11187.8 28561.0 4382.44 𝑆𝐶 𝑥𝑦 = 180,705.6 − 179,537.83
205 88.7 18183.5 42025.0 7867.69
161 59.7 9611.7 25921.0 3564.09
177 64.6 11434.2 31329.0 4173.16
𝑺𝑪 𝒙𝒚 = 𝟏, 𝟏𝟔𝟕. 𝟕𝟕
174 78.8 13711.2 30276.0 6209.44
2472 1016.8 180705.6 438032.0 75703.10
 𝐿𝑎 𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑐𝑡𝑎 𝑑𝑒 𝑟𝑒𝑔𝑟𝑒𝑠𝑖𝑜𝑛

𝑺𝑪𝒙𝒚
𝒃𝟏 =
𝑺𝑪𝒙
Calculo de b1

1,167.77
𝒃𝟏 = =0.75
1,547.43
𝒃𝟏 = 𝟎. 𝟕𝟓
 𝐸𝑙 𝑖𝑛𝑡𝑒𝑟𝑐𝑒𝑝𝑡𝑜 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑐𝑡𝑎 𝑑𝑒 𝑟𝑒𝑔𝑟𝑒𝑠𝑖𝑜𝑛
𝒃𝟎 = 𝒀 − 𝒃𝟏 𝑿

𝑦 1016.8
𝑌= 𝑌= = 72.63
𝑛 14
Calculo de bo
𝑥 2472
𝑋= 𝑋= = 176.57
𝑛 14

𝒃𝟎 = −𝟓𝟗. 𝟖𝟎
𝒃𝟎 = 72.63 − 0.75 ∗ 176.57 = −59.80
 La recta de mejor ajuste:

𝒀 = 𝒃𝟎 + 𝒃𝟏 𝒙
Recta de
regresión
lineal 𝑏1 = 0.75 𝑏0 = −59.80
simple
𝒀 = −𝟓𝟗. 𝟖𝟎 + 𝟎. 𝟕𝟓𝒙
Diagrama de
dispersión y
recta de
regresión lineal
 Pronostique el peso de una persona que
mide 170 cm
Predecir
el peso: 𝒀 = −𝟓𝟗. 𝟖𝟎 + 𝟎. 𝟕𝟓𝒙

dado el valor
de x, 𝒀 = −𝟓𝟗. 𝟖𝟎 + 𝟎. 𝟕𝟓(𝟏𝟕𝟎)
encontrar y
𝒀 = 𝟔𝟕. 𝟕𝟎𝒌𝒈
 Pronostique la talla de una persona que
pesa 68 kg
Predecir
𝒀 = −𝟓𝟗. 𝟖𝟎 + 𝟎. 𝟕𝟓𝒙
la talla:
𝟔𝟖 + 𝟓𝟗. 𝟖𝟎 = 𝟎. 𝟕𝟓𝒙
dado el valor
de y, 𝟏𝟐𝟕. 𝟖𝟎
𝒙= = 𝟏𝟕𝟎. 𝟒𝟎 𝒄𝒎
encontrar x 𝟎. 𝟕𝟓

𝒙 = 𝟏𝟕𝟎. 𝟒𝟎 𝒄𝒎