Generalidades sobre Regresión lineal y correlación

 El análisis de regresión permite investigar la naturaleza de la relación entre dos

variables (diagrama de dispersión)
 Se emplea para construir el modelo que permite predecir una variable en función de la
otra (ecuación de estimación).
 La correlación sirve para estimar el grado en que están relacionadas linealmente las
variables (si la hay)

Tipos de relación

a. Simple: Una variable dependiente y una independiente. Puede ser lineal o curvilínea
b. Múltiple: Dos o más variables independientes

Coeficiente de correlación (r) -1 ≤ r ≤ 1

 Si r ≠ 0 X y Y están correlacionadas
 Si r = 0 X y Y no están correlacionadas

En la medida en que r se acerca a 1 o a -1, el grado de correlación lineal es mayor.

Datos atípicos pueden distorsionar el coeficiente de correlación enormemente.
Correlación no es causalidad

(Mostrar diapositivas de 1 a 8)
Modelo de regresión

(Mostrar diapositivas de 9 a 12)

𝑦𝑖 = 𝑏0 + 𝑏1 𝑥𝑖 + 𝑒𝑖 = 𝑦̂𝑖 + 𝑒𝑖

Se puede deducir que el residuo: 𝑒𝑖 = 𝑦𝑖 − 𝑦̂𝑖

Mediante el método de mínimos cuadrados se obtiene lo siguiente:

∑ 𝒙𝒚 − 𝒏𝒙
̅𝒚̅
̅ − 𝒃𝟏 𝒙
𝒃𝒐 = 𝒚 ̅ 𝒃𝟏 =
∑ 𝒙𝟐 − 𝒏𝒙
̅𝟐

Una estimación de 𝜎 2 (varianza del modelo) es 𝑠 2 , el cual se obtiene de la siguiente

∑ 𝒆𝟐𝒊 ̂ 𝒊 )𝟐
∑(𝒚𝒊 −𝒚
manera: 𝒔𝟐 = =
𝒏−𝟐 𝒏−𝟐

Donde s (error estándar de la estimación) mide la dispersión de los datos puntuales

alrededor de la recta de regresión.
Ejemplo de regresión

Se llevó a cabo un estudio para determinar la relación entre el número de años de

experiencia y el salario semanal (en miles de pesetas), entre los informáticos de una
región española. Para ello, se tomó una muestra aleatoria de 17 informáticos y se
obtuvieron los siguientes datos

Exper Salario Exper Salario Exper Salario

13 261 31 364 27 360

16 332 19 338 25 365
30 361 20 365 7 214
2 165 1 169 15 310
8 264 4 198 13 314
6 191 10 246

a. Construya el diagrama de dispersión

b. Calcule el modelo de regresión lineal para el salario frente a años de experiencia.
Interprete las estimaciones de los parámetros (uso de calculadora)
c. Algunas predicciones (uso de calculadora)

(Dar conceptos de interpolación y extrapolación)

Bondad de ajuste del modelo

Medidas de variación en el modelo de regresión

(Mostrar diapositivas de 25 a 28)

SCT = SCR + SCE

Suma de cuadrados total = Suma de cuadrados de la regresión + Suma de cuadrados del error

(Insistir en la interpretación de R2)

Realizar el análisis de regresión en Excel

(Mostrar diapositivas 29 a 35)

 d. Calcule e interprete el coeficiente de determinación.
e. Construya la tabla de análisis de varianza y pruebe la significancia del modelo
f. Obtenga e interprete un intervalo de confianza del 90% para la pendiente del
modelo.
Supuestos del modelo de regresión

(Mostrar diapositivas 36 a 42)

Trabajo para estudiantes: Lectura de diapositivas 43 a 65

Intervalos de confianza y de predicción

(Mostrar diapositivas 66 a 70)

g. Si una persona tiene 9 años de experiencia, pronostique su salario con una

confianza de 98%