REGRESIN LINEAL Y NO LINEAL.

El anlisis de regresin lineal es una tcnica estadstica utilizada para

estudiar la relacin entre variables. Se adapta a una amplia variedad de
situaciones. En la investigacin social, el anlisis de regresin se utiliza para
predecir un amplio rango de fenmenos, desde medidas econmicas hasta
diferentes aspectos del comportamiento humano. En el contexto de la
investigacin de mercado puede utilizarse para determinar en cul de diferentes
medios de comunicacin puede resultar ms eficaz invertir; o para predecir el
nmero de ventas de un determinado producto. En fsica se utiliza para
caracterizar la relacin entre variables o para calibrar medidas, etc.
Tanto en el caso de dos variables (regresin simple) como en el de ms de
dos variables (regresin mltiple), el anlisis de regresin lineal puede utilizarse
para explorar y cuantificar la relacin entre una variable llamada dependiente (Y) y
una o ms variables llamadas independientes o predictoras (X1, X2, X3, Xk), as
como para desarrollar una ecuacin lineal con fines predictivos. Adems, el
anlisis de regresin lleva asociados una serie de procedimientos de diagnstico
(anlisis de los residuos, puntos de influencia) que informan sobre la estabilidad e
idoneidad del anlisis y que proporcionan pistas sobre cmo perfeccionarlo.
Utilidad.
Utilizados para varios propsitos, incluyendo los siguientes:
1. Descripcin de datos. Ingenieros y cientficos frecuentemente utilizan
ecuaciones para resumir un conjunto de datos. El anlisis de regresin es til para
describir los datos.
2. Estimacin de parmetros. Uno de los casos en los cuales se utiliza el anlisis
de regresin para estimar parmetros es el siguiente:
Suponga que un circuito elctrico contiene una resistencia conocida de R ohms.
Diferentes corrientes pasan a travs del circuito y el correspondiente voltaje es
medido.
El diagrama de dispersin podra indicar que el voltaje y la corriente estn
relacionados por una lnea recta que pasa por el origen con pendiente R (debido a
que el voltaje R y la corriente estn relacionados por la ley de Ohm V=IR). El
anlisis de regresin podra ser utilizado para ajustar este modelo a los datos,
produciendo un estimado de la resistencia desconocida.

3. Para prediccin y estimacin. Algunos casos de esta utilidad del anlisis de

regresin son:
a) La respuesta de un cultivo al variar la cantidad de los fertilizantes; el objetivo
puede ser establecer la forma de la relacin, o predecir la combinacin optima de
fertilizantes.
b) La relacin entre varias medidas meteorolgicas y la produccin del cultivo; el
ms obvio objetivo podra ser tratar de entender los efectos meteorolgicos sobre
el crecimiento del cultivo.
En el anlisis de regresin se pueden distinguir dos tipos de variables: variables
predictoras y variables respuestas. La diferencia entre variable predictora y
respuesta es no siempre completamente clara y depende algunas veces de
nuestros objetivos. Algunos nombres conocidos para las variables predictoras y
respuestas son:
Variables predictoras = variables de entradas = entradas
= variables X = regresoras
= variables independientes
Variables respuestas = variables de salidas = salidas
= variables Y
= variables dependientes
As por ejemplo, la siguiente tabla muestra las alturas y peso de una muestra de
10 personas:
Altura (x)
Peso (y)

1.66
60

1.59
62

1.62
65

1.60
65

1.61
61

1.49
50

1.70
68

1.68
60

1.55
58

1.60
64

El prximo paso es marcar los

puntos (x,y) en un sistema de
coordenadas rectangulares, el
conjunto de puntos resultantes
se denomina Diagrama de
dispersin.

Relacin Lineal.

Relacin No Lineal.

Uno de los propsitos principales de la curva de ajuste es estimar una de las

variables (la variable dependiente conocida o la variable independiente).

Regresin lineal.
El modelo de regresin de regresin lineal permite hallar el valor esperado de una
variable aleatoria a cuando b toma un valor especfico. La aplicacin de este mtodo
implica un supuesto de linealidad cuando la demanda presenta un comportamiento
creciente o decreciente, por tal razn, se hace indispensable que previo al anlisis de
regresin que determine la intensidad de las relaciones entre las variables que componen
el modelo.
Se puede utilizar la regresin lineal simple para realizar un modelo de patrones de
demanda con tendencia creciente o decreciente, es decir, patrones que presenten una
relacin de linealidad entre la demanda y el tiempo.

Anlisis de regresin.
El objetivo de un anlisis de regresin es determinar la relacin que existe entre
una variable dependiente y una o ms variables independientes. Para poder
realizar esta relacin, se debe postular una relacin funcional entre las variables.
Cuando se trata de una variable independiente, la forma funcional que ms se
utiliza en la prctica es la relacin lineal. El anlisis de regresin entonces
determina la intensidad entre las variables a travs de coeficientes de correlacin
y determinacin.
Coeficiente de correlacin [r]
El
coeficiente
de
correlacin,
comnmente identificado como r o R,
es una medida de asociacin entre las
variables aleatorias X e Y, cuyo valor
vara entre -1 y +1.

El clculo del coeficiente de correlacin se efecta de la siguiente manera:

=1 =1 =1

=
2

[ =1 2 (=1 )2 ][ =1 2 (=1 2 )]

Dnde t hace referencia a la variable tiempo y x a la variable demanda.

Formulas:
= +

Donde:
: Pronstico del periodo t

: Interseccin de la lnea con el eje.

: Pendiente (positiva o negativa)
: Perodo de tiempo

Ejemplo.
La juguetera Gaby desea estimar mediante regresin lineal simple las ventas para el mes
de Julio de su nuevo carrito infantil "Mate". La informacin del comportamiento de las
ventas de todos sus almacenes de cadena se presenta en el siguiente tabulado.
Mes

Ventas

1 Enero

7000

2 Febrero

9000

3 Marzo

5000

4 Abril

11000

5 Mayo

10000

6 Junio

13000

El primer paso para encontrar el pronstico del mes 7 consiste en hallar la pendiente, para
ello efectuamos los siguientes clculos:

Luego, y dado que ya tenemos el valor de la pendiente b procedemos a calcular el

valor de a, para ello efectuamos los siguientes clculos:

Ya por ltimo, determinamos el pronstico del mes 7, para ello efectuamos el siguiente
clculo:

Podemos as determinar que el pronstico de ventas para el perodo 7 es equivalente a

13067 unidades.