Una vez que conocemos la mayor o menor relación entre las
variables mediante el coeficiente de correlación lineal y que hemos
calculado las rectas de regresión, podemos utilizarlas para predecir el
valor de una de las variables a partir de la otra.
La fiabilidad de la estimación depende fundamentalmente de dos consideraciones:
- La primera que exista correlación lineal entre ambas variables. El
dato será tanto más fiable cuanto más se aproxime el coeficiente de
correlación lineal a 1 o a -1.
- La segunda que las rectas de regresión se han obtenido para unos
valores concretos de X y de Y. Aunque exista una correlación lineal
fuerte, si intentamos hacer predicciones para valores de las variables
lejanos a los estudiados, las estimaciones tampoco serán fiables y
podemos llevarnos sorpresas.
- Si se quiere estimar Y para un determinado valor de X emplearemos la recta de regresión de Y sobre X.
-
Si se quiere estimar X para un determinado valor de Y emplearemos la recta de regresión de X sobre Y.
![Estimación en recta de regresión de Y sobre X Estimación en recta de regresión de Y sobre X](img/EstimacionYsobreX.png)
|
![Estimación en recta de regresión de X sobre Y Estimación en recta de regresión de X sobre Y](img/EstimacionXsobreY.png)
|
En la siguiente escena puedes realizar estimaciones para ejercicios concretos. Puedes introducir los valores de X, de Y y las frecuencias que desees.
Una vez introducidos los datos sólo tienes que seguir las indicaciones que se dan en la escena y
realizar las estimaciones que quieras, tanto para la variable X
como para la variable Y.
Coeficiente de determinación
El coeficiente de determinación, es una medida descriptiva que
sirve para evaluar
la bondad de ajuste del modelo de regresión lineal a los datos, podemos
decir que mide su capacidad de predicción. Se define como R², (cuadrado del coeficiente de correlación lineal de Pearson). Mide la proporción de variación de la variable Y que es explicada por
la variable X. Cuanto mayor sea la proporción, mejor será la
predicción.