Introduccin a la regresin lineal

En la prctica a menudo se requiere resolver problemas que

implican conjuntos de variables de las cuales se sabe que tienen
alguna relacin inherente entre s. Por ejemplo, en una situacin
industrial quiz se sepa que el contenido de alquitrn en el flujo de
salida de un proceso qumico est relacionado con la temperatura
en la entrada. Podra ser de inters desarrollar un mtodo de
pronstico, es decir, un procedimiento que permita estimar el
contenido de alquitrn para varios niveles de temperatura de
entrada a partir de informacin experimental. Desde luego, es muy
probable que para muchos ejemplos concretos en los que la
temperatura de entrada sea la misma, por ejemplo 130C, el
contenido de alquitrn de salida no sea el mismo. Esto es muy
similar a lo que ocurre cuando se estudian varios automviles con
un motor del mismo volumen; no todos tienen el mismo rendimiento
de combustible. No todas las casas ubicadas en la misma zona del
pas, con la misma superficie de construccin, se venden al mismo
precio. El contenido de alquitrn, el rendimiento del combustible (en
millas por galn) y el precio de las casas (en miles de dlares) son
variables dependientes naturales o respuestas en los tres
escenarios. La temperatura en la entrada, el volumen del motor
(pies cbicos) y los metros cuadrados de superficie de construccin
son, respectivamente, variables independientes naturales o
regresores. Una forma razonable de relacin entre la respuesta Y
y el regresor x es la relacin lineal,
Y = a + bx,
en la que, por supuesto, a es la interseccin y b es la pendiente.
Esta relacin se ilustra en la figura 11.1.
Si la relacin es exacta y no contiene ningn componente aleatorio
o probabilstico, entonces se trata de una relacin determinista
entre dos variables cientficas. Sin embargo, en los ejemplos que se
mencionaron, as como en muchos otros fenmenos cientficos y de
ingeniera, la relacin no es determinista, es decir, una x dada no
siempre produce el mismo valor de Y. Como resultado, los
problemas importantes en este caso son de naturaleza
probabilstica, toda vez que la relacin anterior no puede
considerarse exacta. El concepto de anlisis de regresin se
refiere a encontrar la mejor relacin entre Y y x cuantificando la

fuerza de esa relacin, y empleando mtodos que permitan predecir

los valores de la respuesta dados los valores del regresor x. En
muchas aplicaciones habr mas de un regresor, es decir, ms de
una variable independiente que ayude a explicar a Y. Por ejemplo,
si se tratara de explicar las razones para el precio de una casa, se
esperara que una de ellas fuera su antiguedad, en cuyo caso la
estructura mltiple de la regresin se podra escribir como
1

Y=a+b x +b x ,
donde Y es el precio, x1 son los metros cuadrados y x2 es la
antiguedad de la casa en aos.
En el captulo siguiente se estudiaran problemas con regresores
mltiples. El anlisis resultante se denomina regresin mltiple; en
tanto que el anlisis del caso con un solo regresor recibe el nombre
de regresin simple. En un segundo ejemplo de la regresin
mltiple, un ingeniero qumico podra estar interesado en la cantidad
de hidrgeno que se ha perdido en las muestras de un metal
especfico que se tiene almacenado. En este caso habra dos
entradas, x1, el tiempo de almacenamiento en horas, y x2, la
temperatura de almacenamiento en grados centgrados. De modo
que la respuesta seria Y, la prdida de hidrgeno en partes por
milln.