Regresión lineal simple

Estudio de la relación funcional entre dos variables poblacionales:

-Variable X, llamada independiente
-Variable Y, llamada dependiente o variable respuesta.

Mediante la regresión simple se puede obtener la ecuación de la

recta que más se ajusta al comportamiento del conjunto de datos.
Y= mX+b

Donde:
• b es el valor de la ordenada donde la línea de regresión se
intercepta con el eje Y.
• m es la pendiente de la línea recta

El modelo de pronóstico de regresión lineal simple permite hallar

el valor esperado de una variable aleatoria Y cuando X toma un
valor específico.
 VARIABLE
VARIABLE INDEPENDIENTE
DEPENDIENTE

y = mx + b
PENDIENTE PUNTO DONDE
DE LA LÍNEA LA RECTA
CRUZA EL EJE Y
 Ejemplos
• Número de cursos matriculados vs nota
promedio
• Tiempo vs temperatura del agua en un
proceso de calentamiento
 Relación no lineal entre
volumen y presión de un gas
La ecuación de la línea que mejor representa la
relación entre dos variables es la que
minimiza la suma de los cuadrados de la
distancia entre cada punto y ella misma.
Estas distancias se llaman residuos.
• El análisis de regresión busca la mejor relación
entre X y Y
• Cuantificar la fuerza de la relación entre X y Y
• Hacer predicciones de la variable Y basada en
la variable X
 Línea de mejor ajuste
como pronóstico de ventas

VENTAS
EN $

MES
Algunos tipos de correlación
 Ejercicio 1
Considere los datos en: Pulso
Convierta el peso de lb a kg y el alto de pulg a cm.
1 libra = 0,454 kilogramos
1 pulgada = 2,54 cm

Encuentre la línea de mejor ajuste para altura vs peso

 Desviación
Estándar de los
residuos

Coeficiente de
determinación R2

El coeficiente de determinación es el cuadrado del

coeficiente de correlación multiplicado por 100
 Tarea
Ejercicios del libro de Texto, Capítulo 11:

11.8 y 11.13 (en cada uno de los ejercicios

calcule también el coeficiente de correlación)