Facultad de Medicina

Universidad Católica del Norte

Coquimbo, 2008

Metodología
de la Investigación II
Domingo A. Lancellotti
Análisis de Regresión
Regresión Lineal Simple

y =a +bx
12
10
variable y

8
6
4
2
0
0 2 4 6 8 10
variable x
Análisis de Regresión
Donde la magnitud de una variable, y (variable
dependiente), tiene una dependencia funcional de la
magnitud de una segunda variable, x (variable
independiente).
(la situación inversa no es verdadera)
Análisis de Regresión
Por ejemplo,
la presión sanguínea (variable dependiente) puede
ser una función de la edad (variable independiente);
sin embargo, la edad no es una función de la
presión sanguínea
Coeficiente de Regresión (b)
(Pendiente)

Expresa, en promedio, cuánto del cambio de y se

asocia al cambio de x
12
10
variable y

8 b
6 b
4 b
2 b
0
0 2 4 6 8 10
variable x
Coeficiente de Regresión (b)
(Pendiente)

∑ X ∑Y
   
 • 

∑ X iY i

−
i   i 

b n
2 ( ∑ X i)
=
2

∑X i −

• el denominador siempre es positivo,

• el numerador puede ser positivo, negativo o cero
Coeficiente de Regresión (b)
(Pendiente)

• b se encuentra en el rango -∞ y +∞ , incluyendo

el valor cero.

b >0

b =0

b <0
Intercepto (a)
Representa el punto de partida de la línea.
Corresponde al intercepto del eje y cuando x = 0

12
10
variable y

8
6
4
2

0 2 4 6 8 10
variable x
a
Intercepto (a)
Representa el punto de partida de la línea.
Corresponde al intercepto del eje y cuando x = 0

a = Y − bX
Análisis de Correlación
Correlación Lineal Simple
También considera una relación lineal entre dos
variables, pero ninguna variable se asume como
funcionalmente dependiente de la otra
Mide el grado de asociación que existe entre las
dos variables
Coeficiente de Correlación (r)

∑ X ∑Y
   
 • 

∑ X iY i

−
i   i 

r= n
2 ( ∑ X i) 2 ( ∑ Y i)

 2  
  2 

   

∑Xi ∑Y i
   
 − • − 
   



n  
 
 
n 


Coeficiente de Correlación (r)

r toma valores entre +1 y -1

un valor positivo indica que el aumento de una variable
se asocia con el aumento de la otra
Coeficiente de Correlación (r)

r toma valores entre +1 y -1

un valor negativo indica que el aumento de una de
ellas se asocia con la disminución de la otra.
Coeficiente de Correlación (r)

r toma valores entre +1 y -1

un valor cero indica ninguna asociación entre las
variables.
Coeficiente de Determinación (r2)

El coeficiente de determinación indica qué proporción

(o porcentaje) de la variabilidad en y está siendo
explicada por la variable x

r2 toma valores entre 0 y +1

Caso 5.1
En un estudio se determinó que la dosis mínima de
infección de una bacteria capaz de producir una
respuesta del sistema inmunológico – esto es, un
aumento en el número de glóbulos blancos –, era de
1x 109 bacterias.
Con posterioridad, y con el objeto de establecer la
relación funcional dosis/respuesta, fueron inoculados
7 pacientes con diferentes dosis de la misma bacteria.
Luego de 24 h, los paciente fueron pesquisados
mediante una muestra de sangre. Los datos fueron:
Caso 5.1
Recuento (x109 células para ambas variables):
agente infeccioso (x)
leucocitos (y)
10,8 9,9
26,7 11,2
34,3 13,8
40,4 16,0
46,3 15,7
51,9 18,1
67,1 19,3
Caso 5.1
Procedimiento
i) calcular b
ii) calcular a
iii) escribir la ecuación
iv) graficar los puntos
v) trazar la línea de mejor
ajuste conX , Y
(0,a) y ( )
vi) calcular r (y r2)
Caso 5.1

∑ X i ∑Y i ∑ X i ∑Y i
       
 •   • 

∑ X iY i ∑ X iY i
       
−    −   

b n r n
2 (∑ X i)
= =

2 ( ∑ X i) 2 ( ∑ Y i)
2  2   2 
   

∑X i
   

∑Xi ∑Y i
−    
 − • − 

n 

 n
 
n
 
 



   

a = Y − bX

cantidades requeridas

∑X ; ∑X 2
; ∑Y ; ∑Y 2
; X·YY;
∑X
;
Caso 5.1

X Y X 2
Y 2
X·Y
10,8 9,9
26,7 11,2
34,3 13,8
40,4 16,0
46,3 15,7
51,9 18,1
67,1 19,3
 Caso 5.1

Cantidades requeridas

X Y X 2
Y 2
X·Y

Σ 277,5 104,0 12.977,89 1.

616,48 4.487,03
X = 39,643

Y = 14,857
Caso 5.1

i) calcular b

∑ X ∑Y
    
 •  277,5 • 104,0

∑ X iY i

i   i  
− 4.487,03 −    

b n b= 7
2 (∑ X i)
2
=
2 
 277,5
 
12.977,89 − 
∑X i

−
7
n

b = 0,184
Caso 5.1

ii) calcular a

a = Y − bX
a = 14,857 − 0,184 x39,643
a = 7,563
Caso 5.1

iii) escribir la ecuación

y = 7,563 + 0,184x
iv) y v)
25
( x10 9 )

20

15
leucocitos

10

0
0 20 40 60 80

bacterias x(10 9 )
Caso 5.1

vi) calcular r (y r2)

∑ X ∑Y
   
 • 

∑ X iY i

−
i   i 

r = n
2 ( ∑ X i) 2 ( ∑ Y i)

 2  
  2 

   

∑Xi ∑Y i
   
 − • − 
   



n  
 
 
n 


Caso 5.1

vi) calcular r (y r2)


277,5 • 104,0


4.487,03−    

r = 7
 2 
12.977,89 − (
277,5)
 
 2   104,0 
  


 
• 1.616,48−   


 7  
 
7 

   
 

r = 0,970
r = 0,940
2
Caso 5.1

Conclusión:
Para b:
el aumento observado en el recuento de leucocitos –
respuesta –, en promedio, varía en 0,184x109 células
por cada aumento en 1x109 células del agente
infeccioso – dosis –.
Caso 5.1

Conclusión:
Para r:
ambas variables se relacionan positivamente en un
97,0%.
Caso 5.1

Conclusión:
Para r2:
la magnitud de variabilidad de la respuesta (recuento
de leucocitos) es explicada en un 94,0% por la
variable número de bacterias.