REGRESIÓN LINEAL.

• En estadística la regresión lineal o ajuste lineal es un modelo matemático

usado para aproximar la relación de dependencia entre una variable
dependiente Y, las variables independientes Xi y un término aleatorio ε. Que
son de nuestro interés cuando realizamos un estudio sobre el comportamiento
de algún fenómeno o actividad de interés.
 REGRESIÓN LINEAL SIMPLE
• Sólo se maneja una variable independiente, por lo que sólo cuenta con dos
parámetros. Son de la forma:
 COEFICIENTE DE CORRELACIÓN DE
PEARSON
• En estadística, el coeficiente de correlación de Pearson es una medida de la
relación lineal entre dos variables aleatorias cuantitativas. A diferencia de la
covarianza, la correlación de Pearson es independiente de la escala de
medida de las variables.
• Demanera menos formal, podemos definir el coeficiente de correlación de
Pearson como un índice que puede utilizarse para medir el grado de relación
de dos variables siempre y cuando ambas sean cuantitativas.
• Valores que puede tomar la correlación
• ρ = -1 Correlación perfecta negativa

•ρ=0 No existe correlación

• ρ = +1 Correlación perfecta positiva

 APLICACIONES DE LA REGRESIÓN
LINEAL
• Una línea de tendencia representa una tendencia en una serie de datos
obtenidos a través de un largo período. Este tipo de líneas puede decirnos si
un conjunto de datos en particular (como por ejemplo, el PIB, el precio del
petróleo o el valor de las acciones) han aumentado o decrementado en un
determinado período.
• Se puede dibujar una línea de tendencia a simple vista fácilmente a partir de
un grupo de puntos, pero su posición y pendiente se calcula de manera más
precisa utilizando técnicas estadísticas como las regresiones lineales. Las
líneas de tendencia son generalmente líneas rectas, aunque algunas
variaciones utilizan polinomios de mayor grado dependiendo de la curvatura
deseada en la línea.
 APLICACIÓN EN EXCEL.
• La función ESTIMACION.LINEAL calcula las estadísticas de una línea con el
método de los "mínimos cuadrados" para calcular la línea recta que mejor se
ajuste a los datos y después devuelve una matriz que describe la línea
• También puede combinar ESTIMACION.LINEAL con otras funciones para
calcular las estadísticas de otros tipos de modelos que son lineales en los
parámetros desconocidos, incluidas series polinómicas, logarítmicas,
exponenciales y de potencias. Debido a que esta función devuelve una matriz
de valores, debe ser especificada como fórmula de matriz.
 ECUACIONES DE REGRESIÓN LINEAL
• La ecuación para la línea es la siguiente:
• y = mx + b
- O bien -
• y = m1x1 + m2x2 + ... + b
 MÉTODO DE MÍNIMOS CUADRADOS.
• Afortunadamente no es necesario probar con diferentes rectas
cuál de ellas es la que produce la menor suma de cuadrados, ya
que es posible encontrar analíticamente las expresiones para
• En el caso general en que tenemos n pares de observaciones (Xi ,
Yi), son las soluciones del sistema de ecuaciones normales: