SEMANA 6 – ESTADÍSTICA

ESTADÍSTICA

SEMANA 6
Regresión lineal

Todos los derechos de autor son de la exclusiva propiedad de IACC o de los otorgantes de sus licencias. No está
permitido copiar, reproducir, reeditar, descargar, publicar, emitir, difundir, poner a disposición del público ni
utilizar los contenidos para fines comerciales de ninguna clase.
IACC
1
SEMANA 6 – ESTADÍSTICA

APRENDIZAJES ESPERADOS
 El estudiante será capaz de resolver
ejercicios y problemas estadísticos,
empleando modelos de regresión lineal.

IACC
2
SEMANA 6 – ESTADÍSTICA

APRENDIZAJEs ESPERADOs ................................................................................................................. 2

INTRODUCCIÓN ................................................................................................................................... 4
1. MODELOS DE REGRESIÓN LINEAL SIMPLE .................................................................................. 5
2. REGRESIÓN LINEAL CON EXCEL ................................................................................................. 12
COMENTARIO FINAL.......................................................................................................................... 20
REFERENCIAS ..................................................................................................................................... 21

IACC
3
SEMANA 6 – ESTADÍSTICA

INTRODUCCIÓN
Uno de los principales objetivos de la estudiará el análisis que permite aproximar
estadística es el de predecir el valor de una los datos en un diagrama de dispersión,
variable conociendo el valor de otra con el llamado modelos de regresión.
fin de establecer una relación de
dependencia entre ellas. Existen varios modelos de regresión,
dependiendo de la forma que se adquieren
Así, se podría pensar que, si hay una línea o los datos dispersos en un diagrama de
curva en torno a la cual se agrupan los puntos. Se pueden encontrar modelos de
puntos de un diagrama (de dispersión), esta regresión lineal, exponencial y logarítmico,
ha de ser un valor cercano, una aproximación entre otros.
de los valores reales. En esta semana se

IACC
4
SEMANA 6 – ESTADÍSTICA

1. MODELOS DE REGRESIÓN LINEAL SIMPLE

El modelo de regresión lineal simple consiste en aproximar los valores de una variable (Y: variable
dependiente) a partir de los de otra (X: variable independiente), usando una relación funcional de
tipo lineal, es decir, se busca cantidades a y b determinadas por:

Ŷ  a  b  x  

Donde los factores no controlados que se consideran bajo el nombre de error aleatorio, ε. Este
factor provoca que la dependencia entre las variables dependiente (Y) e independiente (X) no sea
exacta y perfecta, si no que esté sujeta a la incertidumbre, es decir, idealmente tenga el menor
error posible (o en su defecto que tienda a cero).

Para determinar los coeficientes (cantidades) de a y b del modelo, se debe minimizar la suma de
los cuadrados de la diferencia entre Y e Yˆ . Debido a este proceso, este método de regresión es
llamado método de los mínimos cuadrados.

Desde el punto de vista estadístico, los modelos de regresión son curvas que minimizan el error.
En este sentido, se denomina error a la distancia que existe entre el dato observado y el dato
pronosticado por el modelo de regresión.

Las cantidades a y b que minimizan dicho error son los llamados coeficientes de regresión:

a  Y b X S XY
b
S X2

Donde el coeficiente a es llamado ordenada en el origen o coeficiente de posición (diferencia

entre el promedio de Y y la multiplicación con b y el promedio de X) y b es la pendiente de la recta
(se obtiene dividiendo la covarianza entre las variables X e Y y la varianza de la variable X).

Gráficamente se puede observar lo siguiente:

IACC
5
SEMANA 6 – ESTADÍSTICA

Ejemplo 1:

Se tiene la siguiente población donde se estudiará la relación entre la altura de la madre y la altura
de su primer hijo:

Altura de la madre Altura del primer hijo

1,85 1,77
1,60 1,64
1,65 1,68
1,70 1,72
1,75 1,73

Si se entiende que la altura de la madre es la variable independiente, ¿cuál sería la altura del
primer hijo si la altura de la madre es de 1,80 m?

Lo primero que se debe calcular es el coeficiente b, es decir:

S XY
b
S X2

Entonces, con la ayuda de Excel y recordando los contenidos de la semana 5:

Altura madre promedio =promedio() 1,71

Altura hijo promedio =promedio() 1,71
Covarianza =covar(datos_X;datos Y) 0,00372
Varianza de altura madre =var.p() 0,00740

S XY 0,00372
b   0,5027
S X2 0,00740

Para el coeficiente a, se tiene:

IACC
6
SEMANA 6 – ESTADÍSTICA

a  Y  b  X  1,71  0,5027  1,71  0,8503

Así, la ecuación del modelo de regresión es:

Yˆ  0,8503  0,5027  x

Por lo que el modelo es:

Altura madre  0,8503  0,5027  Altura hijo

Interpretación de los coeficientes:

 Coeficiente b:
La interpretación del coeficiente b se puede realizar de dos formas complementarias. El signo
indica si la relación es directa (signo positivo) o indirecta (signo negativo).

o Si b > 0, las dos variables aumentan o disminuyen a la vez (modelo creciente).

o Si b < 0, una variable aumenta, la otra disminuye (modelo decreciente).

Por otro lado, se debe interpretar el número. En este caso, representa la razón de cambio entre las
variables, es decir, la variación de la variable Y, cuando la variable X aumenta en una unidad.
Considerando los resultados obtenidos anteriormente: se podría concluir que por cada unidad de
crecimiento de la variable X, la variable crece 0,5027. Esto representa en el problema que: si dos
madres poseen estaturas que se diferencian en un centímetro, las estaturas de sus hijos se
diferenciarán en medio centímetro.

 Coeficiente a:

El coeficiente a es el valor de la variable Yˆ cuando X = 0, por lo que no siempre tiene sentido su

interpretación. En el ejemplo anterior X = 0 cuando la estatura de una madre es 0 cm. Luego la
interpretación de a, en este caso, carece de sentido.

IACC
7
SEMANA 6 – ESTADÍSTICA

PORCENTAJE DE EXPLICACIÓN ENTRE LAS VARIABLES

Del ejemplo anterior se podría preguntar: ¿cuánto explica la variable X a la variable Y?, es decir,
qué tan confiable es la predicción de un valor para la variable Y a partir de la variable X. La
respuesta a esta interrogante se encuentra en la bondad de ajuste1.

En un modelo de regresión lineal el grado de bondad de ajuste se establece a partir del coeficiente
de determinación, denotado por R2, que se calcula:

2 Donde:
 S 
R r
2 2
  XY 
XY  s s 
 x y  SXY es la covarianza entre las variables X e Y.

Sx y Sy son las desviaciones estándar de ambas variables.

Ejemplo 2:

El dueño de un camping ha observado durante la temporada de verano los siguientes datos

registrados de la temperatura media y los litros de agua embotellada que los clientes han
comprado en el minimarket del camping en cada semana. Los datos son los siguientes:

1
En la construcción del modelo de simulación es importante decidir si un conjunto de datos se ajusta
apropiadamente a una distribución específica de probabilidad. Al probar la bondad del ajuste de un
conjunto de datos, se comparan las frecuencias observadas (FO) realmente en cada categoría o intervalo de
clase con las frecuencias esperadas teóricamente (FE). Ver más en:
http://www.sites.upiicsa.ipn.mx/polilibros/portal/polilibros/p_terminados/SimSist/doc/SIMULACI-N-
128.htm

IACC
8
SEMANA 6 – ESTADÍSTICA

T° Litros agua
22 1.000
31 1.950
30 1.800
28 1.750
25 1.600
26 1.550
30 2.000
20 1.050
18 900

a) Determine el modelo de regresión lineal.

b) Interprete los coeficientes de regresión.
c) Interprete el coeficiente de correlación.

Solución:

a) Determine el modelo de regresión lineal.

Entonces, con la ayuda de Excel:

Temperatura promedio =promedio() 25,55556

Litros promedio =promedio() 1511,111
Covarianza =covar(datos_X;datos Y) 1710,494
Varianza temperatura =var.p() 19,58025

S XY 1710,494
b   87,35
S X2 19,58025

IACC
9
SEMANA 6 – ESTADÍSTICA

Para el coeficiente a, se tiene:

a  Y  b  X  1511,11  87,35  25,56  721,556

De este modo, la ecuación del modelo de regresión es:

Yˆ  721.556  87.35  x

Por lo que el modelo es:

Litros  721,556  87,35  Temperatura

b) Interpretación de los coeficientes de regresión:

b = 87,35. Si la temperatura aumenta en un grado, la cantidad de litros aumenta en 87,35 litros.

a = -721,37. En el contexto del problema no tiene sentido, ya que si no hay temperatura, los
litros no pueden ser negativos.

c) Interpretación del coeficiente de correlación:

El valor de r se obtiene:

S XY 1710,494
rXY    0,97014
s x  s y 4,424958  398,453802

Por lo que existe una alta correlación lineal, con pendiente positiva.

Ejemplo 3:

Una empresa con el fin de realizar un estudio obtiene la siguiente información, sobre el sueldo de
sus trabajadores (en miles de $) y los años de servicio en la empresa. Observar los datos en la
siguiente tabla:

IACC
10
SEMANA 6 – ESTADÍSTICA

Años de servicio
Sueldo (miles de $)
5 10 12
100 – 200 0 1 3
200 – 300 1 0 4
300 – 400 2 3 5
400 – 500 4 5 7

De acuerdo con esta información, estimar los años de servicio de una persona que tiene un sueldo
de $320.000.

Solución:

Para responder se debe determinar el modelo de regresión lineal simple:

Primero, se calcula la covarianza:

Si se tienen los promedios de los sueldos y los años de servicio.

12.550
Sueldo   358,571
35
353
Años   10,086
35

 XY 124 .450
Sueldo* Años    3555 ,714
N 35

S  XY  X  Y  3555,714  358,571 10,086  60,833

xy

Se puede concluir que la relación es inversa, es decir, si los años aumentan, el sueldo disminuye.

Ahora la covarianza:

 i  i i
2
X 2 n  X n  2
S2  i   4867 ,500   12 .550   10497 ,959
x N  N  35  35 
 

IACC
11
SEMANA 6 – ESTADÍSTICA

Por lo tanto, los coeficientes de regresión para el modelo son:

S
xy  60,833
a   0,006
2 10497,959
S
x

b  Y  a  X  b  10,086   0,006  358,571  12,237

Por lo que el modelo es:

Años  0,006  Sueldo 12,237

Entonces:

 Y  0,006  320  12,237  10,317

Se estima que una persona con un sueldo de $320.000 tiene aproximadamente 10 años de
servicio.

2. REGRESIÓN LINEAL CON EXCEL

Para ver los comandos que necesita Excel se trabajará el siguiente ejemplo:

Una agencia de publicidad estudia el porcentaje de aumento de las ventas dado un aumento en el
porcentaje de los gastos de publicidad.

% Aumento publicidad % Aumento ventas

1 2
11 14
9 11
8 9
6 4
7 9
10 11

Para calcular el modelo de regresión se hará de dos maneras:

a) A través de un gráfico de dispersión:

Principal observación: para realizar un gráfico, Excel reconoce a la primera columna como
variable X.

IACC
12
SEMANA 6 – ESTADÍSTICA

Seleccione ambas columnas de datos, luego Insertar → Gráficos → Dispersión:

Y se obtiene el siguiente gráfico:

: % de aumento de ventas
% Aumento ventas
15

10

0
0 5 10 15

IACC
13
SEMANA 6 – ESTADÍSTICA

Luego, hacer clic con

el botón derecho del
mouse sobre
cualquier punto del
gráfico y escoger la
opción: “Agregar
línea de tendencia”:

Luego, aparece un
menú, donde
automáticamente
está la opción del
modelo lineal (si se
tuviese que elegir
otro modelo se hace
clic sobre el que se
necesita en forma
específica).

IACC
14
SEMANA 6 – ESTADÍSTICA

Por último, ir
con el cursor al
final de este
menú y marcar
sobre las
siguientes
opciones:
“Presentar
ecuación en el
gráfico” y
“Presentar el
valor de R
cuadrado”.

IACC
15
SEMANA 6 – ESTADÍSTICA

Al hacer clic en
las opciones
anteriores
automáticamente
sobre el gráfico
aparece el
modelo de
regresión lineal,
además del
coeficiente de
determinación.

b) La segunda manera para calcular el modelo de regresión es ocupando la herramienta análisis

de datos:

En la pestaña Datos pinchar la herramienta “Análisis de datos” y en ella elegir la opción

“Regresión”:

Se ingresan los datos de la columna A en el “Rango de X de entrada” y los datos de la columna Y en

el “Rango de Y de entrada”:

IACC
16
SEMANA 6 – ESTADÍSTICA

Luego, se obtiene la siguiente tabla resumen:

Ejemplo 3:

Suponga que usted como experto en estadística fue contratado con la Conaf para realizar un
estudio ambiental sobre la concentración de fosfato en la cuenca de un lago en mg/L y la
superficie afectada por el crecimiento de algas, utilizando los datos están en el archivo Excel:
“Datos ejemplo 3 semana 6.xlsx”.

Determine lo siguiente:

a) Gráfico de dispersión entre las variables.

b) Determine el coeficiente de correlación entre las variables.

IACC
17
SEMANA 6 – ESTADÍSTICA

c) Construya el modelo de regresión lineal, interprete su pendiente.

d) Estime la superficie afectada por el crecimiento de algas, con un nivel de concentración de

fosfato de 190.

Solución:

a) Gráfico de dispersión entre las variables.

b) El coeficiente de correlación entre las variables es:

c) Luego, el modelo de regresión lineal y la interpretación de su pendiente es:

Superficie 2,9164  Concentración  99,675

d) Y finalmente al estimar la superficie afectada por el crecimiento de algas, con un nivel de

concentración de fosfato de 190, se obtiene como resultado: 454,441 km2.

IACC
18
SEMANA 6 – ESTADÍSTICA

Otro punto importante es considerar otros modelos de regresión, como son los modelos de línea
de tendencia exponencial y logarítmica. Para que aparezcan dichos modelos, en vez de elegir el
modelo lineal (en “Agregar línea de tendencia central”) se escoge exponencial o logarítmica, sin
olvidar marcar el ticket de la ecuación y el de R cuadrado, ya que permitirá saber qué modelo se
ajusta mejor a los datos. Si tomamos como ejemplo la misma base de datos tenemos:

Modelo exponencial Modelo logarítmico

IACC
19
SEMANA 6 – ESTADÍSTICA

Se obtiene para el modelo exponencial: Y para modelo logarítmico se obtiene:

Superfie  38,272  e 0,0117Concentracion , con un Superfie  357,43  ln(Concentración)  1387,6 ,

coeficiente de determinación de 0,7433 o con un coeficiente de determinación
74,33%. equivalente a 0,8699 o 86,99%.

Por lo que si se comparan los tres modelos, el modelo lineal es más confiable, es decir es el que
mejor se ajusta a los datos, ya que su coeficiente de determinación es mayor, por lo que en este
último las estimaciones serán más confiables.

Según el ejemplo planteado, en el modelo lineal el coeficiente de determinación es de 0,9674 o

96,74%, lo que significa que es mayor que los resultados de los otros modelos.

COMENTARIO FINAL
En esta semana se aprendió a ocupar una de las ramas más aplicadas de las estadísticas. De aquí
se puede obtener una gran información de estimaciones, modelos y confiabilidad. De hecho, la
rama de la estadística que estudia esto es llamada inferencia, la que permite obtener una mayor
información de las variables y, por ende, de sus estimaciones, especialmente controlando el error
que se debe asumir como cero.

La invitación para usted como futuro profesional es seguir ejercitándose, creando modelos con
nuevas variables y formulado otras interrogantes que resolver, formando lo que se llama modelo
de regresión múltiple, y convertirse en un experto en esta materia, prestando invaluables
conclusiones en su trabajo diario.

IACC
20
SEMANA 6 – ESTADÍSTICA

REFERENCIAS
Anderson, D.; Sweeney, D. y Williams, T. (2008). Estadística para administración y economía, 10ª

edición. México: Cengage Learning.

Devore, J. (1998). Probabilidad y estadística para ingeniería y ciencias. México: International

Thomson Editores.

Levin, R.; Rubin, D.; Balderas, M.; Del Valle, J. C. y Gómez, R. (2004). Estadística para

administración y economía. 7ª edición. México: Pearson, Prentice-Hall.

Ross, S. (1997). A first course in probability. Berkeley: Universidad de California.

PARA REFERENCIAR ESTE DOCUMENTO, CONSIDERE:

IACC (2018). Regresión lineal. Estadística. Semana 6

IACC
21
SEMANA 6 – ESTADÍSTICA

IACC
22
SEMANA 6 – ESTADÍSTICA

IACC
23