TICS

TRABAJO SOCIAL
PSICOLOGIA
TURISMO
ESTADÍSTICA
3 créditos

Profesor Autor:
Ing. Víctor Márquez, Msc, PhD

Titulaciones Semestre

• TICS
• TRABAJO SOCIAL
• PSICOLOGIA
• TURISMO

1
Índice

Tabla de contenido

Resultado de aprendizaje de la asignatura ................................................................................................... 3

...................................................................................................................................................................... 3
Unidad 4: Modelos lineales .......................................................................................................................... 3
Resultado de aprendizaje de la unidad ..................................................................................................... 3
Introducción.................................................................................................................................................. 3
El análisis de regresión, ................................................................................................................................. 3
El análisis de correlación, .............................................................................................................................. 4
Modelo de regresión línea simple poblacional ............................................................................................. 4
Modelo de regresión lineal simple muestral ................................................................................................. 4
Recta de regresión: ....................................................................................................................................... 5
Coeficiente de determinación ( r2) ................................................................................................................ 5
Coeficiente de Correlación Muestral ( r ) ...................................................................................................... 5
Ejercicio resuelto paso a paso ....................................................................................................................... 6

2
Resultado de aprendizaje de la asignatura

Dotar al estudiante de las capacidades y destrezas necesarias para aplicar técnicas de

análisis estadístico a la resolución de problemas de diversa índole en los que es necesario
realizar gran variedad de tareas específicas que acompañan a cualquier proceso de
análisis de datos, con el objeto de elaborar conclusiones que faciliten la toma de
decisiones en situaciones complejas que se caracterizan por estar sometidas a distintos
grados de incertidumbre.

ESTADÍSTICA

Unidad 4: Modelos lineales

Resultado de aprendizaje de la unidad: Analizar la relación existente entre dos variables

con el objetivo de ajustar un modelo matemático lineal que permita el pronóstico o estudio
de una variable en función de la otra.

Introducción.

El objetivo principal en algunas investigaciones estadísticas consiste en establecer

relaciones entre dos o más variables. Para utilizar las relaciones existentes entre ellas se
utilizan dos técnicas: el análisis de regresión y el análisis de correlación.

El análisis de regresión, se utiliza para fines de predicción o descripción. Su objetivo

principal es hallar una ecuación de predicción. Es decir, una fórmula matemática que se

3
pueda usar, para predecir los valores de una variable dependiente o de respuesta, basada
en los valores de otra u otras variables independientes o explicatorias.

El análisis de correlación, se utiliza para medir la fuerza de la relación entre las

variables. Su objetivo no es usar una o más variables para predecir otra, sino más bien
medir la fuerza de asociación entre las variables de interés.

Modelo de regresión línea simple poblacional

El modelo de regresión lineal simple se utiliza en aquellas situaciones donde nos interesa
estudiar la relación que existe entre dos variables, una de las cuales es la variable
dependiente (Y) y la otra es la independiente (X), admitiendo que la relación entre la
variable dependiente y la variable independiente pueda ser expresada por un modelo
lineal.

𝑌 = 𝛽0 + 𝛽1 . 𝑋𝑖 + 𝜀

Dónde:
𝛽0 𝑦 𝛽1 : Son constantes, llamados coeficientes de regresión
𝛽0 : Es la ordenada en el origen, representa el promedio de Y cuando X es igual a cero
𝛽1 : Es la pendiente de la recta de regresión poblacional, representa el cambio medio de
en Y (aumento o disminución) por un cambio unitario particular en X

[n ∗ (∑ Xi ∗ Yi )] − (∑ Xi ∗ ∑ Yi ) 𝛽̂0 = 𝑌̅ − (𝛽̂1 ∗ 𝑋̅)

𝛽̂1 =
(n ∗ ∑ Xi2 ) − (∑ Xi )2

Modelo de regresión lineal simple muestral

̂ + (𝛽
𝑌̂ = 𝛽 ̂ ∗𝑋 )
0 1 𝑖

4
Recta de regresión:

𝑌̂𝑖 = 𝛽̂0 + (𝛽̂1 ∗ 𝑋𝑖 )

Coeficiente de determinación ( r2)

Es la medida de bondad de ajuste que sirve para obtener la cantidad relativa de la

variación de la variable dependiente Y explicada por la variable independiente X. Se
calcula dividiendo la Sumatoria Cuadrada de Regresión (SCR) entre la Sumatoria
Cuadrada Total (SCT).

𝑆𝐶𝑅
𝑟2 =
𝑆𝐶𝑇

Los valores de r2 están entre cero y uno, es decir: 𝟎 < 𝒓𝟐 < 1

• Un r2= 0, indica que no existe relación entre X y Y

• Un r2= 1, indica que existe una relación lineal perfecta entre X y Y.

̂ )2 ∗ [∑ 𝑋2 − (𝑛 ∗ 𝑋
𝑆𝐶𝑅 = (𝛽 ̅ 2
)]
1 𝑖
𝑆𝐶𝑇 = ∑ 𝑌𝑖2 − (𝑛 ∗ 𝑌̅ 2 )

Coeficiente de Correlación Muestral ( r )

Indica si la relación entre X y Y es fuerte o débil, además si es positiva o negativa.

r = 1, indica que la relación entre X y Y es fuerte y positiva
r = -1, indica que la relación entre X y Y es fuerte pero negativa o inversa
r = 0 ; indica que no hay relación entre X y Y

5
 (−1 < 𝑟 < 1)

(n ∗ ∑ Xi ∗ Yi ) − (∑ Xi ∗ ∑ Yi )
𝑟= EJERCICIOS DE REGRESION
√(n ∗ ∑ X2i ) − (∑ Xi )2 ∗ √(n ∗ ∑ Y2i ) − (∑ Yi )2

Ejercicio resuelto paso a paso

Durante mucho tiempo se ha creído que las horas de ejercicios (X), influyen en el peso
de las personas (Y). Use un 0.01 de error

X (Horas) 9 2 15 4 18
Y (peso) 76 99 65 88 58

a. Haga todo el análisis de regresión

b. ¿Cuántas horas de ejercicios debe hacer una persona para tener un peso de
60kg?
c. ¿Cuánto pesara una persona, que hace 3 horas de ejercicios semanales?
d. Haga el análisis de correlación.

Solución:
a. Haga todo el análisis de regresión
1. Se identifica la variable independiente (X) y la variable dependiente (Y), para este
caso:
X (Variable independiente): horas de ejercicios
Y (Variable dependiente): pesos de las personas

6
 2. Se grafica el diagrama de dispersión

120

100

80

60

40

20

0
0 5 10 15 20

3. Se calcula la Recta de regresión:

𝑌̂𝑖 = 𝛽̂0 + (𝛽̂1 ∗ 𝑋𝑖 )

Donde primero calculamos el Coeficiente de regresión 𝛽̂1 :

[n ∗ (∑ Xi ∗ Yi )] − (∑ Xi ∗ ∑ Yi )
𝛽̂1 =
(n ∗ ∑ Xi2 ) − (∑ Xi )2

Elaboramos una tabla para facilitar los cálculos:

X Y X*Y X² Y²
9 76 9*76= 684 9² 76²
2 99 198 2² 99²
15 65 975 15² 65²
4 88 352 4² 88²
18 58 1044 18² 58²
ƩXi=48 ƩYi=386 ƩXi*Yi=3253 ƩXi²=650 ƩYi²=30910

Calculamos los promedios de X y de Y:

𝑋̅=48/5=9,6 𝑌̅=386/5=77,2

7
Sustituimos en 𝛽̂1

[n∗(∑ Xi ∗Yi )]−(∑ Xi ∗∑ Yi ) [5∗(3253)]−(48∗386)

𝛽̂1 = = = -2,39
(n∗∑ X2 )−(∑ X )2
i i (5∗650)−(48)²

Interpretación de 𝛽̂1

𝛽̂1= -2,39kg; es la disminución del peso por cada hora de ejercicio. Es decir, por cada
hora de ejercicio se baja 2,39kg de peso

Calculamos el coeficiente 𝛽̂0

𝛽̂0 = 𝑌̅ − (𝛽̂1 ∗ 𝑋̅) = 77,2 − (−2,39 ∗ 9,6) = 100,14

Interpretación de 𝛽̂0

𝛽̂0=100.14 kg; es el promedio del peso cuando no se hace ejercicio

b. ¿Cuántas horas de ejercicios (Xi) debe hacer una persona para tener un peso de
60kg (Yi)?

Cómo la incógnita son las horas de ejercicio (Xi) se usa la recta de regresión, se
sustituyen los demás valores y se despeja Xi
𝑌̂𝑖 = 60
𝛽̂0 = 100,14
𝛽̂1 = −2,39
𝑿𝒊 =?
̂ 𝟎 + (𝜷
̂𝒊 = 𝜷
𝒀 ̂ 𝟏 ∗ 𝑿𝒊 )

60 = 100,14 + (−2,39 ∗ 𝑋𝑖 )
2,39 ∗ 𝑋𝑖 = 100,14 − 60
100,14 − 60
𝑋𝑖 =
2,39
40,14
𝑋𝑖 = = 16,79
2,39

𝑋𝑖 = 16,79 horas de ejercicio

8
Respuesta: Se necesitan 16,79 horas de ejercicio para tener un peso de 60 Kg

c. ¿Cuánto pesará una persona (Y), que hace 3 horas de ejercicios semanales (X)?
Para resolver esta pregunta, sustituimos el valor de X en la ecuación de regresión y se
obtiene el valor de Y.
̂ 𝒊 =?
𝒀
𝛽̂0 = 100,14
𝛽̂1 = −2,39
𝑋𝑖 = 3
̂ 𝟎 + (𝜷
̂𝒊 = 𝜷
𝒀 ̂ 𝟏 ∗ 𝑿𝒊 )

̂ 𝒊 = 100,14 + (−2,39 ∗ 𝑋𝑖 ) = 92,97

𝒀

̂ 𝒊 = 92,97𝐾𝑔
𝒀

Respuesta: Una persona pesará 92,97 Kg, si hace 3 horas de ejercicio semanal

1. Calculamos e interpretamos el Coeficiente de determinación (r2)

𝑆𝐶𝑅
𝑟2 =
𝑆𝐶𝑇

𝑆𝐶𝑅 = (𝛽̂1 )2 ∗ [∑ 𝑋𝑖2 − (𝑛 ∗ 𝑋̅ 2 )]

𝑆𝐶𝑅 = (−2,39)2 ∗ [650 − (5 ∗ 9,62 )] = 1080,73

𝑆𝐶𝑇 = ∑ 𝑌𝑖2 − (𝑛 ∗ 𝑌̅ 2 )

𝑆𝐶𝑇 = 30910 − (5 ∗ 77,22 ) = 1110,8

𝑆𝐶𝑅 1080,73
𝑟 2 = 𝑆𝐶𝑇 = = 0,97
1110,8

𝑟 2 = 0,97

9
Interpretación de 𝑟 2 : Las horas de ejercicios explican la variación del peso en un 97%,
el 3% restante de la variación se debe a otras variables.

2. Calculamos e interpretamos el Coeficiente de Correlación Muestral ( r )

(n ∗ ∑ X i ∗ Yi ) − (∑ X i ∗ ∑ Yi )
𝑟=
√(n ∗ ∑ Xi2 ) − (∑ Xi )2 ∗ √(n ∗ ∑ Yi2 ) − (∑ Yi )2

(5 ∗ 3253) − (48 ∗ 386)

𝑟=
√(5 ∗ 650) − 482 ∗ √(5 ∗ 30910) − 3862

16265 − 18528
𝑟=
√3250 − 2304 ∗ √154550 − 148996

−2263
𝑟=
√946 ∗ √5554

−2263
𝑟=
30,76 ∗ 74,53

−2263
𝑟= = −0,99
2292,54

𝒓 = −𝟎, 𝟗𝟗

Interpretación de r:
La relación es fuerte y negativa entre las horas de ejercicio (X) y el peso de las personas
(Y)

10