EL ANÁLISIS DE REGRESIÓN LINEAL

Es una técnica estadística utilizada para estudiar la relación entre variables. Se adapta a
una amplia variedad de situaciones. En la investigación social, el análisis de regresión se
utiliza para predecir un amplio rango de fenómenos, desde medidas económicas hasta
diferentes aspectos del comportamiento humano. En el contexto de la investigación de
mercados puede utilizarse para determinar en cuál de diferentes medios de comunicación
puede resultar más eficaz invertir; o para predecir el número de ventas de un determinado
producto. En física se utiliza para caracterizar la relación entre variables o para calibrar
medidas. Etc.

Tanto en el caso de dos variables (regresión simple) como en el de más de dos variables
(regresión múltiple), el análisis de regresión lineal puede utilizarse para explorar y
cuantificar la relación entre una variable llamada dependiente o criterio (Y) y una o más
variables llamadas independientes o predictoras (X1, X2, ..., Xk), así como para
desarrollar una ecuación lineal con fines predictivos. Además, el análisis de regresión
lleva asociados una serie de procedimientos de diagnóstico (análisis de los residuos,
puntos de influencia) que informan sobre la estabilidad e idoneidad del análisis y que
proporcionan pistas sobre cómo perfeccionarlo.

∑(𝑥𝑖 − 𝑥̅ )(𝑦𝑖 − 𝑦̅)

𝑟=
√∑(𝑥𝑖 − 𝑥̅ )2 (𝑦𝑖 − 𝑦̅)2

𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑝𝑒𝑎𝑟𝑠𝑜𝑛
Coeficiente de determinación de 𝑟 2
𝑅2 = 𝑟2

Método de progresión lineal.

𝑦 = 𝑎 + 𝑏𝑥 𝑓𝑢𝑛𝑐𝑖𝑜𝑛 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒
𝑛 ∑ 𝑥𝑖𝑦𝑖 − (∑ 𝑥𝑖𝑦𝑖)
𝑎=
𝑛 ∑ 𝑥𝑖 2 − (∑ 𝑥𝑖 2
∑ 𝑦𝑖 − 𝑎 ∑ 𝑥𝑖
𝑏=
𝑛

PASOS PARA CALCULAR:

1. Se busca la relación entre las variables calculados las variables r.
2. Se calcula los coeficientes de regresión lineal(A, B).
3. Se realizan las interpretación en base de coeficiente de determinación 𝑟 2 .

Supuestos del modelo de regresión lineal.

Los supuestos son condiciones que deben cumplirse para garantizar la validez del modelo
y efectuar aplicamos productos.

1. Linealidad realizada una gráfica de dispersión.

2. Indecencia los residuos deben ser independientes entre si.
3. Se refiere a la varianza de los residuos y este debe ser constante.
4. Normalidad.- para cada valor independiente los residuos deben distribuirse
normalmente.
5. No deben existir relación lineal entre las variables independientes.

Ejercicio1: en una empresa se saca muestra representativa de las siguientes datos referidos
a los volumen de multas a millones es de dólares y en el gasto de publicidad en miles de
dólares.

y x
volumen gasto de
de ventas privacidad
10 16
15 32
20 48
22 56
30 64
 32 80
129 296

∑(𝑥𝑖 − 𝑥̅ )(𝑦𝑖 − 𝑦̅)

𝑟=
√∑(𝑥𝑖 − 𝑥̅ )2 (𝑦𝑖 − 𝑦̅)2
∑(129 − 21.5)(296 − 49.33)
𝑟=
√∑(129 − 21.5)2 (296 − 49.33)2
𝑟=1

Volumen Gasto de
de ventas privacidad

yi xi 𝑥𝑖 ∗ 𝑦𝑖 (∑ 𝒙𝒊)(∑ 𝒚𝒊) (𝑥𝑖)2

10 16 160 38184 256
15 32 480 1024
20 48 960 2304
22 56 1232 3136
30 64 1920 4096
32 80 2560 6400
129 296 7312 17216

𝑛 ∑ 𝑥𝑖𝑦𝑖 − (∑ 𝑥𝑖𝑦𝑖)
𝑎=
𝑛 ∑ 𝑥𝑖 2 − (∑ 𝑥𝑖 2
6(7312) − (129 ∗ 296)
𝑟=
6(296)2 − (296)2
𝑟 =0,01298393

Ejercicio2: se elige aleatoriamente 11 estudiantes entre los que han terminado entre
estadística 2 y matemática 2 sus calificaciones finales fueron.

matemática estadística
2 2
xi yi xi*yi xi^2 yi^2
67 92 6164 4489 8464
81 65 5265 6561 4225
65 81 5265 4225 6561
42 75 3150 1764 5625
53 85 4505 2809 7225
40 78 3120 1600 6084
 71 77 5467 5041 5929
64 79 5056 4096 6241
60 81 4860 3600 6561
68 82 5576 4624 6724
49 85 4165 2401 7225
660 880 52593 41210 70864

𝑛 ∑ 𝑥𝑖 ∗ 𝑦𝑖 − ∑ 𝑥𝑖 ∗ ∑ 𝑦𝑖
𝑟=
√(𝑛 ∑ 𝑥𝑖 2 − (∑ 𝑥𝑖 2 )(𝑛 ∑ 𝑦𝑖 2 − (∑ 𝑦𝑖 2 )

11 ∗ 52593 − (660)(880)
𝑟=
√(11(41210) − (660)2 )(11(70864) − (880)2
𝑟 = 0.24