REGRESIN LINEAL SIMPLE

(MTODO DE LOS MNIMOS CUADRADOS)

En el caso de que la funcin que relaciona las dos variables X e Y sea la ms simple
posible, es decir, una lnea recta.
Toda funcin de la forma Y=a+bX, al representarla en el plano una lnea recta, donde X
e Y son variables, a y b son constantes.
Por ejemplo: Y=3+2X.

SIGNIFICADO DE a y b

(a) es la ordenada en el origen, es decir, es la altura a la que la recta corta al eje Y. Se

denomina tambin trmino independiente.
(b) tambin denominada pendiente es la inclinacin de la recta, es decir, es el incremento
que se produce en la variable Y cuando la variable X aumenta una unidad.
Por ejemplo, en el caso anterior Y=3+2X, por cada unidad que incrementa la X, la Y
presenta un incremento medio de 2 unidades.
En la recta de regresin -como ya veremos- b recibe el nombre de Coeficiente de
regresin.
Si b>0, entonces cuando X aumenta Y tambin lo hace (relacin directa).
Si b<0, entonces, cuando X aumenta Y disminuye (relacin inversa).

En principio no sabemos si las variables en cuestin estn relacionadas o no, o si en

caso de haber dependencia es significativa o no. De haber entre ellas una dependencia
lineal significativa, podramos expresar la Compresin (Y) a partir de la Presin (X)
mediante una recta, y a partir de ella predecir la compresin que se dara para un
determinado nivel de presin. Una forma de determinar si puede existir o no dependencia
entre variables, y en caso de haberla deducir de qu tipo puede ser, es grficamente
representando los pares de valores observados. A dicho grfico se le llama nube de
puntos o diagrama de dispersin.
Ejemplos de casos que podran darse:
En a) hay ausencia de relacin (independencia).
En b) existe asociacin lineal positiva (varan en general en el mismo sentido).
En c) existe asociacin lineal negativa (varan en sentido contrario).
En d) existe fuerte asociacin, pero no lineal

AJUSTE POR MNIMOS CUADRADOS

Se sabe de antemano que x e y se relacionan a travs de una ecuacin lineal y = a + bx
donde las constantes a (ordenada en el origen) y b (pendiente) dependen del tipo de
sistema que se estudia y, a menudo, son los parmetros que se pretende encontrar
El mtodo ms efectivo para determinar los parmetros a y b se conoce como tcnica de
mnimos cuadrados. Consiste en someter el sistema a diferentes condiciones, fijando
para ello distintos valores de la variable independiente x, y anotando en cada caso el
correspondiente valor medido para la variable dependiente y. De este modo se dispone
de una serie de puntos (x1, y1),.... (xn, yn) que, representados grficamente, deberan
caer sobre una lnea recta. Sin embargo, los errores experimentales siempre presentes
hacen que no se hallen perfectamente alineados. El mtodo de mnimos cuadrados
determina los valores de los parmetros a y b de la recta que mejor se ajusta a los datos
experimentales. Sin detallar el procedimiento, se dar aqu simplemente el resultado:
Donde n es el nmero de medidas y representa la suma de todos los datos que se
indican. Los errores en las medidas, se traducirn en errores en los resultados de a y b.
Se describe a continuacin un mtodo para calcular estos errores. En principio, el mtodo
de mnimos cuadrados asume que, al fijar las condiciones experimentales, los valores yi
de la variable independiente se conocen con precisin absoluta (esto generalmente no
es as, pero lo aceptamos como esencial en el mtodo). Sin embargo, las mediciones de
la variable x, irn afectadas de sus errores correspondientes, si es el valor mximo de
todos estos errores, entonces se tiene:
El coeficiente de correlacin es otro parmetro para el estudio de una distribucin
bidimensional, que nos indica el grado de dependencia entre las variables x e y. El
coeficiente de correlacin r es un nmero que se obtiene mediante la frmula:

Si r = -1 todos los puntos se encuentran sobre la recta existiendo una correlacin que es
perfecta e inversa. Si r = 0 no existe ninguna relacin entre las variables. Si r = 1 todos
los puntos se encuentran sobre la recta existiendo una correlacin que es perfecta y
directa