EL ANLISIS DE LA REGRESIN LINEAL

Y LOS FACTORES QUE LE COMPETE

NANCY BALDOVINO, DIANA RAMOS, LEIDY RAMIREZ, JOS LOAIZA DAJER
Estudiantes de la Corporacin Universitaria del Caribe CECAR- Programa de Ingeniera.

Resumen: Por medio del presente trabajo, se pretende aportar una respuesta a cada uno de los
interrogantes planteados con respecto al trabajo final de estadstica II, en l se determina en que
radica el anlisis de regresin y el objetivo que persigue, igualmente se manifiesta la manera
como se define el modelo de regresin lineal simple, el significado de algunos factores
relacionadas con ella, como el principio de cuadrados mnimos y la media de bondad de ajuste.
La forma como se pueden estimar coeficientes como el de la recta regresin, los parmetros de
los que depende la estimacin de estos coeficientes. Tambin se quiere conocer lo qu mide el
coeficiente de correlacin y la formula que posibilita ser encontrado, junto a la definicin acerca
de los parmetros de los que depende el clculo del coeficiente de correlacin; y por ltimo, se
realiza una descripcin de los procedimientos que deben llevarse a cabo en las pruebas de las
distintas hiptesis y la definicin de los parmetros relacionados con el procedimiento de prueba
de hiptesis.

PALABRAS CLAVES: Hiptesis, Regresin lineal, coeficientes, principio, cuadrados, calculo,

coeficiente, medidas.
Abstract: Through this paper is intended to provide a response to each of the questions raised with
respect to the written final work of statistics II, he determines that is the regression analysis and the
objective pursued, also manifests the way how defined model of simple linear regression, the meaning of
some factors related with it as the principle of least squares , the media goodness of fit. The way how can
be estimated coefficients as the straight regression, parameters of which depends on the estimation of
these coefficients. You also want to know what measures the correlation coefficient and the formula that
allows to be found, along with the definition about the parameters of which depends on the calculation of
the correlation coefficient; and finally, is a description of the procedures to be carried out in the testing of
various hypotheses and the definition of the paramet...
KEYWORDS: Hypothesis, linear regression, coefficients, principle, square, calculation, ratio, measures.

1. INTRODUCCION.
La estadstica es una ciencia que proporciona
un conjunto de mtodos que se utilizan para
recolectar, resumir, clasificar, analizar e
interpretar el comportamiento de los datos con
respecto a una caractersticas materia de estudio
o investigacin (Gomz, 2010). Esta definicin
permite entender que se trata de una ciencia que

busca aportar elementos numricos para

certificar la viabilidad matemtica de un proceso
investigativo o de cualquier actividad en la que
se requiera la cuantificacin de datos para ser
analizados a la luz de los resultados obtenidos.

Sin embargo, es al mismo tiempo una ciencia

que contiene una serie de elementos dentro de
los cuales se pretenden destacar aquellos que
forman parte activa de la actividad relacionada
con el desarrollo del presente trabajo, plasmados
a travs de una serie de interrogantes como: En
qu consiste el anlisis de Regresin y cul es el
objetivo principal? Y otras de gran importancia
que requieren de un estudio investigativo y
bsqueda de fuentes bibliogrficas, acudiendo
para tal efecto a las diferentes pginas de
Internet que presentan esta temtica y, desde
luego vistas a partir del pensamiento y los
conceptos de investigadores expertos en la
materia.

Existe un Modelo de Regresin Lineal simple, y

el cual sirve de aliciente para formular el
segundo interrogante, es decir Cmo es
definido el Modelo de Regresin Lineal
Simple?; al respecto puede asegurarse que se
trata de aquel que describe la relacin entre dos
variables, la variable dependiente o explicada (y)
y la variable independiente o explicativa (x), se
considera lineal porque los parmetros tienen el
exponente uno (1) y existe una sola variable
independiente (Orellana, 2008). Igualmente
considera que el principal objetivo de este
modelo es explicar cmo la relacin entre (y) y
(x) no es perfecta y cul es la relacin
fundamental entre estas dos variables.

2. RESPUESTAS DE LA ACTIVIDAD:

Otro aspecto relevante del Anlisis de regresin,

es el que tiene relacin con los Mnimos
Cuadrados, de all nace el interrogante en el que
se manifiesta En qu consiste el Principio de
Mnimos Cuadrados?; (Cruces lvarez, 2013)
considera que es una tcnica de anlisis, en la
que la variable dependiente e independiente y
una familia de funciones, intenta encontrar una
funcin continua que mejor aproxime los datos
de acuerdo a los criterios, mnimo error
cuadrtico; apunta al mismo tiempo
a
minimizar la suma de los residuos entre los
puntos generados por la funcin elegida y los
correspondientes valores en los datos. Por
consiguiente para el autor sealado este principio
es un mtodo de aproximacin y su
interpretacin geomtrica conlleva al principio
de ortogonalidad propuesto por Hilbert.

En la bsqueda bibliogrfica propiciada por los

adelantos
que
las
TIC
proporciona,
especialmente en los distintos sitios web
relacionados con el amplio mundo de la
estadstica,
se
encuentran
diversas
conceptualizaciones y definiciones acerca de los
interrogantes planteados, por este motivo, al
responder acerca de En qu consiste el Anlisis
de regresin y cul es su objetivo principal? De
acuerdo a (Orellana, 2008) el anlisis de
regresin es un procedimiento estadstico
utilizado para investigar o modelar la relacin
entre variables, es decir, est relacionado con el
estudio de la dependencia de una variable y ms
variables adicionales o explicativas.
El principal objetivo del Anlisis de Regresin se
centra fundamentalmente en estimar o predecir
un valor, caracterizar la variacin de una variable
dependiente en relacin a la funcin de
regresin. Igualmente tiene como finalidad
describir los datos en el campo de la ingeniera,
en la cual es utilizada para resumir un conjunto
de datos, adems para la estimacin de
parmetros, la predacin y estimacin de
valores. Quiere decir entonces, que se trata de
realizar un estudio acerca de la relacin de tipo
funcional que pueda presentarse entre dos
variables y a partir de ella, establecer la funcin
de una con respecto a la otra u otras.

Otro elemento clave en el Anlisis de Regresin,

est relacionado activamente con la Medida de
Bondad de Ajuste, por esta razn es interesante
saber en qu consiste la Medida de Bondad de
Ajuste? Sencillamente, es el coeficiente que
permite saber s el modelo est ajustado para
relacionar las variables (x) y (y) es un modelo
consistente. Es la medida ms comnmente
utilizada para medir el ajuste de la recta de
regresin, es el coeficiente de correlacin lineal.
El coeficiente de correlacin lineal debe tener
valores entre -1 y 1 y debe ser invariante por
transformaciones lineales de las variables X e Y
(Abdi, 2003). Seala igualmente el autor que el

propsito de esta medida es averiguar si

existen
diferencias
estadsticamente
significativas entre a distribucin observada
(Fo) y frecuencia esperada (Fe).
Existe una inquietud con relacin a la manera
como se puede estimar los coeficientes de la
recta de regresin y para este motivo se pone de
manifiesto una pregunta relacionada con ella:
De qu manera podemos estimar los
coeficientes de la recta e regresin?, al encontrar
una respuesta acertada, se hace indispensable
definir cada parmetro de los cueles depende la
estimacin de los coeficientes. En primer lugar,
(Barrios , 2005) manifiesta que la forma de
obtener estas rectas es por el procedimiento
conocido como el mtodo de mnimos
cuadrados. Buscamos una recta de ecuacin y
=mx +n que sea la mejor aproximacin.
En segundo trmino, los parmetros de los
cuales depende la estimacin de los coeficientes
se tienen en cuenta los de media, de varianza y
de la desviacin estndar, el primero se relaciona
con el promedio de datos de la media; el
segundo buscar una estimacin acerca de la
media y el tercero se relaciona activamente con
las desviaciones individuales con respecto a la
media.
El coeficiente de correlacin debe ser tenido en
cuenta al momento de desarrollar un Anlisis de
Regresin, pero, qu mide el coeficiente de
correlacin y cul es la relacin que permite
encontrarlo? Este coeficiente tiene la misin de
medir el grado de relacin lineal entre dos
variables aleatoria. Generalmente analiza el
grado de dependencia entre dos variables, estos
es, la forma como se ver afectada una variable
determinada, teniendo en cuenta o conociendo la
variacin de la segunda variable. Este coeficiente
toma valores entre -1 y 1, para indicar la
existencia de una dependencia directa o inversa.
Es la raz cuadrada del coeficiente de
determinacin.
Los parmetros que generalmente se utilizan
para el clculo del coeficiente de correlacin se
concentran en medidas de posicin: relacionado

con los valores de la variable estadstica

establecida por su posicin, puede ser media,
moda y mediana. Medidas de dispersin: las hay
de dos tipos, absolutas y relativas, la primera se
relaciona con las desviaciones medias, los
recorridos, la varianza, la desviacin tpica y
media. La segunda con el coeficiente de
apertura, de variacin, y de desviacin con
respecto a la mediana. Medidas de forma,
relacionadas con la forma de la grfica de
distribucin medidas por los coeficientes de
asimetra y de curtosis.
Con relacin a las hiptesis, estas juegan un
papel de primer orden en cuanto al Anlisis de
Regresin.
(lnea., 2013) Muestra el
procedimiento que debe llevarse a cabo para la
prueba de hiptesis, al respecto plantea los
siguientes pasos:
Expresar la hiptesis nula; expresar la hiptesis
alternativa; especificar el nivel de significancia;
determinar el tamao de la muestra; establecer
los valores crticos que establecen las regiones
de rechazo de la de no rechazo; determinar la
prueba estadstica; coleccionar los datos y
calcular el valor de la muestra de la prueba
estadstica apropiada; determinar si la prueba
estadstica ha sido en la zona de rechazo a una
de no rechazo; determinar la decisin estadstica;
expresar la decisin estadstica en forma de
problema. Desde el aspecto relacionado con los
parmetros, estos se centran fundamentalmente
en los parmetros de la poblacin, es decir que
se tienen en cuanta los grupos poblacionales.
3. CONCLUSIONES.
El desarrollo del presente trabajo permiti
conocer diversos aspectos relacionados con el
Anlisis de Regresin, cada uno de ellos
investigados bibliogrficamente, sin embargo es
importante reconocer que son temas, que por el
hecho de formar parte activa de la estadstica
requiere de un continuo estudio y aplicacin, ya
que es la mejor forma de clarificar los diferentes
conceptos y frmulas que presentan. Por
consiguiente el equipo de trabajo, consciente de
esta responsabilidad busca poner en prctica por

medio del desarrollo de procesos investigativos

cada uno de los temas planteados a travs del
presenta trabajo.
4. BIBLIOGRARFIA
Abdi, H. (2003). Encyclopedia for
research methods for the social
sicencias. Neww York: Sage.
Barrios , L. (15 de Enero de 2005).
Unidad Didctica: Estadstica.
Obtenido de Distribuciones
bidimensionales:
http://recursostic.educacion.es/d
escartes/web/materiales_didacti
cos
Cruces lvarez, S. (12 de Febrero de
2013). El Mtodo de Minimos
Cuadrados. Obtenido de
Personal.us:
http://personal.us.es/sergio/PDo
cente/lectura
Devore, J. (2008). Probabilidad y
Estadistica para ingenieria y

ciencias . Mxico D.F.: Cengage

Learning Editores,.
Gomz, H. (12 de Sept. de 2010).
Estadistica paera construccion
civil. Obtenido de Qu es la
estadstica?:
http://www.mat.uda.cl/hgomez/A
puntes/Estad%C3%ADstica
lnea., A. e. (12 de noviembre de
2013). Pruebas de hipotesis,
conceptos bsicos para el
procedimiento. Obtenido de
aprendeenlinea.udea.edu.co/lms
/moodle
Orellana, L. (15 de Enero de 2008).
Anlisis de Regresion Lineal.
Obtenido de Analisis de
Regresin:
http://www.dm.uba.ar/materias/
estadistica