REGRESION Y CORRELACION

línea de regresión estimada o línea de regresión muestraL.

Dicha línea recta es la que mejor se ajusta al conjunto de datos (X, Y) y es aquella en que la
distancia que hay entre los datos y la supuesta recta es la menor posible, y se calcula mediante
la siguiente formula:

Para calcular el valor de b (pendiente), que representa el grado de inclinación que tiene la
recta, se emplea la siguiente formula:

Para calcular el valor de a (ordenada al origen), que representa el punto en que la recta corta
al eje de las Y, se emplea la siguiente formula:

Las variables a y b son constantes numéricas que son las que se calculan mediante el método
de mínimos cuadrados.

AQUÍ TENEMOS:

Sistema de ecuaciones normales.

n n n
n xi yi   xi  yi
̂1  i 1
n
i 1
n
i 1

n xi2  ( xi ) 2
i 1 i 1

ˆ0  y  ˆ1 x

El error estándar de estimación: mide la variabilidad o dispersión de los valores observados

alrededor de la línea de regresión y se representa como Se. Su fórmula es la siguiente:
 n n n

 y  ˆ0  yi  ˆ1  xi yi
2
i
S y. x  i 1 i 1 i 1
n2
Cuanto mayor sea el error estándar de la estimación, más grande será la dispersión (o
esparcimiento) de puntos alrededor de la línea de regresión.

El análisis de correlación es la herramienta estadística de que nos valemos para describir el

grado de relación que hay entre dos variables.
n n n
n X iYi   X i  Yi
r i 1 i 1 i 1
n n n n
n  X  ( X i )
i
2 2
n Yi  ( Y1 ) 2 2

i 1 i 1 i 1 i 1

COEFICIENTE MUESTRAL DE DETERMINACIÓN La medida más importante de que también

ajusta la línea de regresión estimada en los datos muéstrales en los que está basada.
n n n
n X iYi   X i  Yi
r i 1 i 1 i 1
n n n n
n X i2  ( X i ) 2 n Yi 2  ( Y1 ) 2
i 1 i 1 i 1 i 1