ESCUELA SUPERIOR POLITÉCNICA DE CHIMBORAZO
FACULTAD DE ADMINISTRACIÓN DE EMPRESAS
CARRERA DE FINANZAS
ESTADÍSTICA INFERENCIAL
Regresión lineal simple
Tercer semestre “2”
Realizado por
[ [Link]@[Link] ]
Iza Sumba Domenica Nicol
Tutor
ING. Eduardo Toscano
Fecha
13/07/2022
REGRESIÓN LINEAL SIMPLE
La función [Link] calcula las estadísticas de una línea con el método de
los "mínimos cuadrados" para calcular la línea recta que mejor se ajuste a los datos y
después devuelve una matriz que describe la línea. También puede
combinar [Link] con otras funciones para calcular las estadísticas de otros
tipos de modelos que son lineales en los parámetros desconocidos, incluidas series
polinómicas, logarítmicas, exponenciales y de potencias. Debido a que esta función
devuelve una matriz de valores, debe ser especificada como fórmula de matriz. Encontrará
las instrucciones correspondientes tras los ejemplos de este artículo.
La ecuación para la línea es la siguiente:
y = mx + b
- O bien -
y = m1x1 + m2x2 + ... + b
si hay varios rangos de valores x, donde los valores y dependientes son función de los
valores x independientes. Los valores m son coeficientes que corresponden a cada valor x,
y b es un valor constante. Observe que y, x y m pueden ser vectores. La matriz que devuelve
la función [Link] es {mn,mn-1,...,m1,b}. [Link] también
puede devolver estadísticas de regresión adicionales.
Ejemplo: regresión lineal simple en Excel
Supongamos que estamos interesados en comprender la relación entre la cantidad de
horas que un estudiante estudia para un examen y la calificación del examen que recibe.
Para explorar esta relación, podemos realizar una regresión lineal simple utilizando
las horas estudiadas como variable explicativa y la puntuación del examen como variable
de respuesta.
Realice los siguientes pasos en Excel para realizar una regresión lineal simple.
Paso 1: Ingrese los datos.
2
Ingrese los siguientes datos para el número de horas estudiadas y el puntaje del examen
recibido para 20 estudiantes:
Paso 2: Visualiza los datos.
Antes de realizar una regresión lineal simple, es útil crear un diagrama de dispersión de los
datos para asegurarse de que realmente existe una relación lineal entre las horas
estudiadas y la puntuación del examen.
Resalte los datos en las columnas A y B. A lo largo de la cinta superior en Excel, vaya a la
pestaña Insertar. Dentro del grupo Gráficos, haga clic en Insertar dispersión (X, Y) y haga
clic en la primera opción titulada Dispersión. Esto producirá automáticamente el siguiente
diagrama de dispersión:
El número de horas estudiadas se muestra en el eje xy los puntajes del examen se muestran
en el eje y. Podemos ver que existe una relación lineal entre las dos variables: más horas
estudiadas se asocian con puntajes más altos en los exámenes.
3
Para cuantificar la relación entre estas dos variables, podemos realizar una regresión
lineal simple.
Paso 3: Realice una regresión lineal simple.
A lo largo de la cinta superior en Excel, vaya a la pestaña Datos y haga clic en Análisis de
datos. Si no ve esta opción, primero debe instalar el paquete de herramientas de análisis
gratuito .
Una vez que haga clic en Análisis de datos, aparecerá una nueva ventana.
Seleccione Regresión y haga clic en Aceptar.
Para Input Y Range , complete la matriz de valores para la variable de respuesta. Para Input
X Range , complete la matriz de valores para la variable explicativa. Marque la casilla junto
a Etiquetas para que Excel sepa que incluimos los nombres de las variables en los rangos
de entrada. Para Rango de salida, seleccione una celda donde le gustaría que aparezca la
salida de la regresión. Luego haga clic en Aceptar.
4
La siguiente salida aparecerá automáticamente:
Paso 4: Interprete el resultado.
A continuación, se explica cómo interpretar los números más relevantes en la salida:
Cuadrado R: 0,7273 . Esto se conoce como coeficiente de determinación. Es la proporción
de la varianza en la variable de respuesta que se puede explicar por la variable explicativa.
En este ejemplo, el 72,73% de la variación en los puntajes del examen se puede explicar
por el número de horas estudiadas.
Error estándar: 5.2805 . Esta es la distancia promedio que los valores observados caen
desde la línea de regresión. En este ejemplo, los valores observados caen un promedio de
5.2805 unidades de la línea de regresión.
F: 47,9952 . Este es el estadístico F general para el modelo de regresión, calculado como
MS de regresión / MS residual.
Significado F: 0,0000 . Este es el valor p asociado con el estadístico F general. Nos dice
si el modelo de regresión es estadísticamente significativo o no. En otras palabras, nos dice
si la variable explicativa tiene una asociación estadísticamente significativa con la variable
de respuesta. En este caso, el valor p es menor que 0.05, lo que indica que existe una
5
asociación estadísticamente significativa entre las horas estudiadas y la puntuación del
examen recibida.
Coeficientes: Los coeficientes nos dan los números necesarios para escribir la ecuación
de regresión estimada. En este ejemplo, la ecuación de regresión estimada es:
puntuación del examen = 67,16 + 5,2503 * (horas)
Interpretamos que el coeficiente de horas significa que por cada hora adicional estudiada,
se espera que el puntaje del examen aumente en 5.2503 , en promedio. W e interpretar el
coeficiente para el intercepto en el sentido de que la calificación del examen se esperaba
para un estudiante que estudia las cero horas es 67,16 .
Podemos usar esta ecuación de regresión estimada para calcular el puntaje esperado del
examen para un estudiante, en función de la cantidad de horas que estudian. Por ejemplo,
se espera que un estudiante que estudia durante tres horas reciba una puntuación en el
examen de 82,91 :
puntuación del examen = 67,16 + 5,2503 * (3) = 82,91