Regresión Lineal Simple: Un Primer Paso Hacia la Predicción en la Investigación.

Hola, un fraternal saludo a los exploradores de datos y entusiastas del análisis! Hoy en "Brújula Investigativa", vamos a sumergirnos en uno de los conceptos más fundamentales en el análisis de datos: la regresión lineal simple. Si alguna vez te has preguntado cómo podrías predecir un resultado basándote en una variable específica, o cómo cuantificar la relación entre dos variables, este es el lugar para empezar.

¿Qué es la Regresión Lineal Simple?

La regresión lineal simple es una técnica estadística que nos permite entender y cuantificar la relación entre dos variables: una variable independiente (la que creemos que está causando el cambio) y una variable dependiente (la que está siendo afectada).

Piensa en la regresión lineal simple como una línea recta trazada a través de un conjunto de puntos en un gráfico, donde cada punto representa un par de valores observados (por ejemplo, horas de estudio y calificaciones). La línea trata de representar la mejor "aproximación" o "predicción" de cómo cambia la variable dependiente (calificaciones) en respuesta a los cambios en la variable independiente (horas de estudio).

¿Por Qué es Importante la Regresión Lineal Simple?

• Predecir valores futuros: Si sabes cuántas horas va a estudiar un estudiante, puedes predecir su calificación.

• Entender la fuerza de una relación: Puedes cuantificar qué tan fuerte es la relación entre las horas de estudio y las calificaciones.

• Identificar tendencias: Puedes ver si más horas de estudio generalmente conducen a mejores calificaciones, y si esa tendencia es fuerte o débil.

La Fórmula de la Regresión Lineal Simple

La regresión lineal simple se representa con la siguiente ecuación:

$$Y = a + bX$$

Donde:

• Y es la variable dependiente (el resultado que quieres predecir, por ejemplo, la calificación).

• X es la variable independiente (el predictor, por ejemplo, las horas de estudio).

• a es la intersección con el eje Y (el valor de Y cuando X es 0).

• b es la pendiente de la recta, que muestra cuánto cambia Y por cada unidad adicional en X.

Un Ejemplo Ilustrativo

El profesor Williams Méndez, un respetado investigador y docente de la Universidad Pedagógica Experimental Libertador (UPEL), ha realizado un estudio para comprender cómo diferentes factores educativos afectan el rendimiento académico de los estudiantes. Con una extensa carrera dedicada a mejorar la enseñanza, el profesor Méndez decidió aplicar un análisis de regresión lineal simple para desentrañar la relación entre el tiempo dedicado al estudio y las calificaciones finales de sus estudiantes.

El profesor Méndez seleccionó un grupo de estudiantes y registró el número de horas que cada uno dedicaba al estudio durante el semestre. Al finalizar el curso, recolectó sus calificaciones finales. Con estos datos en mano, decidió aplicar una regresión lineal simple para determinar si existe una relación directa entre el tiempo de estudio y el rendimiento académico. Para ello:

Paso 1: Recopilo los Datos

Supongamos que los datos recolectados por el profesor Méndez se presentan de la siguiente manera:

Paso 2: Calculó los Valores Necesarios

Primero, necesitamos calcular los siguientes valores:

• La media de $X$ (Tiempo de Estudio) y $Y$ (Calificación Final)

• La suma de los productos $XY$

• La suma de los cuadrados de $X$ ($X^2$)

Paso 3: Sumó los Valores Calculados

La fórmula para calcular la pendiente $b$ es:

​Donde $n$ es el número de pares de datos, en este caso $n = 5$.

Sustituyendo los valores:

La fórmula para calcular la intersección  𝑎  es:

Sustituyendo los valores: