Regresión Lineal

Temario: Regresión Lineal

1. Función Y = f(x)

2. Tipos de Regresiones

3. Regresión Lineal Simple

4. Método de Mínimos Cuadrados

Regresión Lineal:

• La regresión es una de las herramientas más poderosas

y versátiles que entrega la estadística.
• El objetivo principal de la regresión es determinar una
recta que se ajuste lo mejor posible a los datos
muestrales que se tienen.
• Tiene como notación funcional a Y = f(x), donde:
• Y = Variable dependiente (Variable que se desea
explicar)
• X = Variable Independiente (Variable explicativa)
Regresión Lineal: Tipos de Regresiones

Regresión simple:
Relación Lineal positiva Relación Lineal Negativa
Regresión Lineal: Tipos de Regresiones

Regresión simple:
Relación Curvilínea Positiva Relación Curvilínea Negativa
Regresión Lineal: Tipos de Regresiones

Regresión simple:
No existe relación entre las variables
Regresión Lineal:

Ecuación de la recta: Modelo Estimado

  a* X b
Donde:

Y = Es la variable Dependiente
X = Es la variable independiente
a = Es la pendiente de la recta
b = Es el intercepto con el eje Y
Regresión Lineal:

Método de los Mínimos Cuadrados:

Método matemático que busca minimizar la diferencia

entre los puntos reales Y y los valores estimados de la
recta Y.
(Y  Y ' )  0
(Y  Y ' )  min
2
Regresión Lineal:

Método de los Mínimos Cuadrados: Ecuaciones

( x) 2
1.- Suma de los
SCx   x 2 
Cuadrados de x n
2.- Suma de los ( y ) 2
Cuadrados de y SCy   y 2 
n
3.- Suma de los ( x) * ( y )
Productos
SCxy   xy 
n
Cruzados
Regresión Lineal:

Método de los Mínimos Cuadrados: Ecuaciones

SCxy
Pendiente de la Recta a
SCx

Intercepto con eje Y b  Y  bX

Regresión Lineal:

Coeficiente de Correlación: (r)

• r = -1
Regresión Lineal:

Coeficiente de Correlación: (r)

• r = +1
Regresión Lineal:

Coeficiente de Correlación: (r)

• r>0
Regresión Lineal:

Coeficiente de Correlación: (r)

• r<0
Regresión Lineal:

Coeficiente de Correlación: (r)

• r=0
Regresión Lineal:

Coeficiente de Correlación: (r)

SCxy
r -1 < r < 1
( SCx) * ( SCy)

2
( SCxy)
r 
2
0<r<1
( SCx) * ( SCy)
Regresión Lineal:

Ejemplo:
Regresión Lineal:

Ejemplo: Tabla de Datos

Regresión Lineal:
Solución:
Regresión Lineal:
Solución:
Regresión Lineal:
Solución:

Siendo Yi la ecuación que pronostica el número de pasajeros que

Viajarán dependiendo del nivel de inversión que haga la compañía en
Publicidad.
Regresión Lineal:
Ejercicio Propuesto:

Un profesor de la Universidad ha notado que muchos de sus

estudiantes se han ausentado de clases este semestre. Considera
que puede explicar esta falta de asistencia por las distancias a las
que sus estudiantes viven del campus. Se practica una encuesta a
11 estudiantes sobre cuántos km deben viajar a clases y el número
de clases a las que han faltando, obteniendo los siguientes datos:

km 5 6 2 0 9 12 16 5 7 0 8

N° Ausencias 2 2 4 5 4 2 5 2 3 1 4
Regresión Lineal:
Ejercicio Propuesto:

1. Construya el modelo de regresión, ¿Qué debería determinar el

profesor?

2. ¿A cuántas clases faltaría usted si viviera a 3,2 km del campus,

según el modelo de regresión?