• 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: