Análisis de Datos utilizando Regresión
Lineal
Miguel Álvarez. Estudiante, Natalia Chacón. Estudiante, Sonia Medina. Estudiante, and Chrystian
Mendoza. Estudiante. Universidad Pontificia Bolivariana, Medellín. 2018.
Resumen: En el siguiente artículo se encuentra
un análisis de datos estadísticos, donde se utiliza
el análisis de varianza, la inferencia estadística,
estadísticos de prueba para encontrar la
relación que existe entre dos variables y
determinar la regresión lineal del problema.
Palabras Clave: Estadística, Regresión,
Varianza, Inferencia, Análisis.
1. INTRODUCCIÓN
En el presente trabajo se busca realizar un análisis
de datos estadísticos tomando como tema de
estudio concreto la relación lineal que existe entre
el promedio de yardas obtenidas por intento de pase
y puntaje de clasificación de los mariscales de
campo de la NFL (National Football League) en la
temporada 2008.
Los datos recolectados para este experimento
fueron tomados bajo el método de observación
directa, usando equipos similares a los TAL con el
fin de saber la posición de los jugadores y por
medio de esta hacer un cálculo preciso sobre la
ubicación de estos en el campo y su cantidad de
yardas obtenidas al realizarse un pase
exitosamente.
Para tener una vista completa del panorama es
necesario dar un paso atrás y definir
superficialmente dos aspectos claves del análisis
estadístico realizado en este trabajo, la regresión
lineal y la NFL.
El termino regresión fue introducido por Galton en
su libro “Natural inheritance” (1889) refiriéndose a
la “ley de la regresión universal”. Él estudió la
herencia y la expresión matemática vinculada a
ella, pero sus trabajos más importantes
relacionados con la regresión lineal fue la de los
mínimos cuadrados que fue utilizado para redecir
la posición del “pequeño planeta” Ceres,
descubierto por el astrónomo italiano Giuseppe
Piazzi el 1 de enero de 1801. El estudio de
regresión lineal simple es una técnica estadística
para indagar y modelar la relación entre variables.
La regresión lineal se puede utilizar en diferentes
ámbitos como la química, la física, economía, Una
de las numerosas razones para buscar una ecuación
de regresión es hacer predicciones. Por ejemplo, si
un profesional de ciencias políticas o
administración pública hace un estudio sobre el
índice de pobreza realizado con los datos de las
principales ciudades del país y dependiendo del
resultado podría buscar estrategias, así mismo un
administrador o economista puede realizar el
análisis sobre la relación de dependencia entre el
gasto en publicidad y el volumen de ventas.
Aun así, en estos casos es común hacerse la
pregunta. ¿Cuán efectivo es el análisis realizado?,
es allí donde las investigaciones hechas por Karl
Pearson en el campo de la regresión lineal son
relevantes y es el coeficiente de correlación de
Pearson el valor adimensional que nos permite
saber un valor con el que se sabrá cuan efectiva es
la regresión lineal usada en el análisis estadístico.
Habiendo ya aclarado los aspectos básicos de la
regresión lineal y para tener una vista clara sobre el
problema plateado, se es necesario explicar que es
la NFL, así como sus orígenes. La Nationa Football
League (NFL) por sus siglas en inglés, es la más
importante competición de fútbol americano de los
Estados Unidos de América en donde se
congregan los 32 mejores equipos de la temporada,
fue fundada el 11 de agosto de 1920 por once
equipos bajo el nombre de American professional
football association, la cual pasaría a llamarse
American professional football league en 1921
para finalmente en 1922 llevar su nombre actual, el
campeonato consta de un calendario de 17
semanas donde cada equipo descansa una,
consistiendo en seis partidos contra rivales de la
misma División, así como varios duelos Inter
divisionales e Inter conferénciales. Comienza la
noche del jueves de la primera semana completa de
septiembre y prosigue hasta principios de enero. Al
finalizar, seis equipos -los cuatro campeones de Resumen Puntaje de calificación mariscal (Puntaje)
división y dos Wild Cards de cada Conferencia
Total Datos (n) 32
disputan los play offs de donde los dos equipos Media muestral 84,816
vencedores se encuentran en el super bowl. Desviación estándar muestral (s) 8,961
Mínimo 67
Habiendo ya explicado brevemente la regresión 1er cuartil (Q1) 80
2do cuartil, mediana (Q2) 86
lineal y sus aplicaciones, así como una breve 3er cuartil (Q3) 91
historia de la NFL es posible divisar el panorama Máximo 106
completo del problema en cuestión, así como el Error de estimación muestral (SE(X)) 1,584
funcionamiento de los mecanismos del torneo Tabla 2 Resumen Puntaje de calificación mariscal (Puntaje)
analizado permitiendo así una óptima lectura de los
Entre los cálculos obtenidos se halló la correlación
datos del problema a resolver.
de Pearson la cual fue, 0,8306. Con esta se puede
2. CALCULOS Y DIAGRAMAS analizar el tipo de relación lineal entre dos
variables aleatorias cuantitativas.
En el trabajo a realizar se tomaron varios datos del
promedio de yardas obtenidas por intento de pase y En la tabla (3) se encontraron los valores de otros
puntaje de clasificación de los mariscales de campo estadísticos de regresión que ayudan para el
de la NFL estos datos fueron utilizados para análisis de la relación entre las dos variables del
realizar un diagrama de dispersión el cual se problema.
encuentra en la fig. (1).
Estadísticas de la regresión

Diagrama De Dispersion Coeficiente de correlación múltiple 0,83055106

Coeficiente de determinación R^2 0,68981507
110
Puntajede Calificación Mariscal

R^2 ajustado 0,67947557

100 Error típico 5,07350068
Observaciones 32
90
(Puntaje)

Tabla 3. Estadísticos de la regresión

80
Para realizar un análisis de la varianza de los
70 datos, donde este permite determinar las
60
diferencias significativas que existen en el
4 6 8 10 problema, partiendo de la regresión lineal. En
Promedio De Yardas Obtenidas Por Intento De la tabla (4) se encuentran los cálculos del
Pase (Yd) análisis de varianza en una tabla ANOVA.
Figura 1. Diagrama de Dispersión.
Promedio
cuadrado

cuadrado

crítico de
Suma de
libertad
Grados

de los

Se obtuvieron un resumen de datos, los cuales se Valor

de

F
s

registraron en las tablas (1) y (2).

Resumen Promedio de yardas obtenidas por intento de 4,0625E-
pase (Yd) Regresión 1 1717,30991 1717,30991 66,7164963 09
Total Datos (n) 32 Residuos 30 772,212275 25,7404092
Media muestral 7,014 Total 31 2489,52219
Tabla 4. Análisis de varianza (ANOVA)
Desviación estándar muestral (s) 0,764
Mínimo 5,120 En la tabla (5) se encuentra la inferencia estadística
1er cuartil (Q1) 6,420 del problema, donde se presentan los parámetros de
2do cuartil, mediana (Q2) 7,070 predicción, intervalo de predicción entre otros
3er cuartil (Q3) 7,628 datos a analizar.
Máximo 8,900
Error de estimación muestral (SE(X)) 0,135
Tabla (1) Resumen Promedio de yardas obtenidas por intento
de pase (Yd)
 Probabilidad

Inferior 95%
Estadístico t
Coeficientes

Error típico

Superior

Superior
Inferior
95,0%

95,0%
95%
- -
Intercepción 16,4861747 8,41342899 1,9595072 0,05940258 0,69633962 33,6686889 0,69633962 33,6686889
Variable X 1 9,74221356 1,19272694 8,16801667 4,0625E-09 7,30634017 12,1780869 7,30634017 12,1780869

Tabla 5. Inferencia Estadística de los resultados del problema.

3. ANALISIS DE RESULTADOS

La regresión lineal en la estadística, busca

encontrar la relación que existe entre dos variables
X y Y, para este trabajo la variable X es Promedio
De Yardas Obtenidas Por Intento De Pase y la
variable Y es la calificación del mariscal de campo.

Se tiene que la relación lineal de