UNIVERSIDAD PERUNA CAYETANO HEREDIA

DEPARTAMENTO DE ESTADISTICA, DEMOGRAFIA,

HUMANIDADES Y CIENCIAS SOCIALES

Análisis de Regresión
lineal simple

Prof. . Leopoldo Bejarano Benites

 Análisis de Regresión Lineal simple
Objetivos
Establecer una relación lineal entre una variable
dependiente (Y) en función de una variable independiente
(X).
Predecir valores de Y para valores específicos de X.
Las variables X e Y son de naturaleza cuantitativa y de
preferencia Y debe ser continua.
El modelo de regresión lineal simple en la población
está dado por:
y=  + ß*x + e
 Regresión Lineal Simple
Donde:
Y es la variable dependiente
X es la variable independiente.
ß es el coeficiente de regresión
 es el intercepto
e: es una variable aleatoria con media 0 y varianza ²y/x.
De preferencia e debe tener distribución normal con sus
parámetros respectivos.
Para estimar la ecuación de regresión lineal simple se
recurre a una muestra aleatoria de tamaño n:
(x1, y1) (x2, y2) . . . (xn , yn).
 Línea de Regresión estimado

Como todos los puntos no

están exactamente sobre una
línea recta, se cometen
errores en el ajuste.
Estimadores Mínimo-Cuadráticos
 Ejemplo 2

Una compañía farmacéutica conduce un

estudio piloto para evaluar la relación entre
tres dosis en un nuevo agente hipnótico y
tiempo de sueño. Los resultados de este
estudio son presentados de la siguiente
manera.
Tiempo de sueño
en horas:
Dosis (mM/Kg)
Diagrama de Dispersión
Según el
diagrama de
dispersión, se
espera una
relación positiva
o directa entre
ambas variables.
Modelo estimado
de regresión
lineal simple:
y =a+bx
Cálculos Estadísticos
 Estimación de la Recta de Regresión

Por consiguiente el modelo de Regresión Estimado es:

 Que significa b:

 Porcada incremento de una unidad

de dosis (agente hipnótico) su
respectivo tiempo de sueño
promedio aumentará en 0,5 puntos.
Prueba de hipótesis de Ho :ß=0
Coeficiente de determinación: R²
Para medir el ajuste de los puntos a la
recta utilizamos el coeficiente de
determinación. R²*100 nos indica que
porcentaje de la variabilidad de los valores
de Y es explicada por la regresión.
Considerando el ejemplo R²=r²= 81.1%
y nos indica que el 81.1% de la
variabilidad en los valores de tiempo de
sueño es explicada por la regresión
(cuando se considera dosis de un agente
hipnótico).
Coeficiente de Determinación
Ejercicio