Introducción

En la estadística es frecuente encontrar situaciones en las que hay dos variables sujetas a análisis, y usualmente una de ellas (variable dependiente, representada con “y”) se dicta en función de una variable independiente (representada con “x”); a estos casos se les conoce como datos bivariados, que formalmente pueden definirse como una medición de pares de atributos presentes en la misma muestra, y los datos eventualmente pueden relacionarse de distintas formas, según la variable y se comporte respecto a x (Porras, 2020). Entre las relaciones más comunes empleadas en análisis estadísticos se encuentra la relación lineal (o regresión lineal), que para Novales (2010), pretende explicar el potencial comportamiento de y según variaciones de x, basado en las medidas ya realizadas en una muestra con ambos pares de datos, mediante la ecuación de una recta \(y = mx + b\), cuya gráfica recorre de manera aproximada la tendencia de los datos. La precisión o el acople que tengan las mediciones reales a la recta encontrada se pueden definir mediante el coeficiente de correlación r, con rangos 1 > r > -1, donde valores cercanos a 1 señalan perfecta relación positiva (ascendente), a -1 una perfecta relación negativa (descendiente), y a 0, una ausencia de relación lineal. Si se eleva el valor de r al cuadrado, r2, se obtiene el valor numérico propio de la relación lineal, en rangos 1 > r2 > 0, y del mismo modo, con valores cercanos a 0 indican una ausencia de relación lineal, que en otras palabras, evidencian que la eventual ecuación de regresión encontrada prácticamente será ineficiente para explicar futuras mediciones (predecir) (Porras, 2020).

Uno de los métodos de cálculo más usados para la creación de una ecuación de regresión se denomina “recta de mínimos cuadrados”, en donde con base en los datos Xi, Yi, Xi2 y _Xi*Yi_, promedios de y y de x, se calculan los valores de Sxy (\(Sxy = Sum(XiYi) - ((Sum (Xi)*(Sum (Yi))/n)\)) y Sxx (\(Sxx = Sum (Xi^2^) - ((Sum (Xi)^2^)/n)\)), útiles para encontrar el valor de m (\(m = Sxy/Sxx\)) y de b (\(b = Promedio Yi - m*Promedio Xi\)), y tener la ecuación \(y = mx + b\) completa. Sin embargo, estos métodos pueden demandar tiempo para realizar los cálculos, razón por la que algunas herramientas como Rstudio se desarrollaron.

Metodología

Se seleccionaron algunos estudiantes, a los cuales se les realizó una medición del ancho de la mano derecha. Posteriormente, se les solicitó tomar una manotada de caramelos “Frunas”, llegando a la máxima capacidad de sujeción sin que haya caída de dulces. Los datos se anotaron en una tabla de Excel. Una vez concluído, se empleó el programa Rstudio para el análisis de los datos y determinar si éstos cumplen con una correlación lineal. Para ello, se inició instalando en el programa la librería rio, y posteriormente mediante ésta, se importó el documento con los datos, tal como se muestra a continuación.

library(rio)
frunas <- import("Frunas.xlsx")

Resultados

Con base en las medidas obtenidas, se creó el siguiente diagrama de dispersión.

plot(frunas$ancho, frunas$frunas, pch=16, col= "red", 
     main = "Ancho de la mano vs. Número de frunas", 
     xlab = "Longitud de mano (cm)", ylab = "Numero de frunas")

Se evidenció que conforme aumenta la longitud de la mano, el número de Frunas tomado tiende también a aumentar. Para confirmar la correlación, se calculó el coeficiente, junto con un resumen del modelo lineal dado.

cor(frunas$ancho, frunas$frunas)
## [1] 0.9139146
modelo <- lm(frunas~ancho, data= frunas)
summary(modelo)
## 
## Call:
## lm(formula = frunas ~ ancho, data = frunas)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -5.541 -1.812  1.221  1.902  3.221 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) -20.6250     7.4179  -2.780 0.027280 *  
## ancho         2.2952     0.3853   5.957 0.000566 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 3.175 on 7 degrees of freedom
## Multiple R-squared:  0.8352, Adjusted R-squared:  0.8117 
## F-statistic: 35.49 on 1 and 7 DF,  p-value: 0.0005661

Según el modelo obtenido, la ecuación apropiada que describe la correlación lineal entre los datos es \(Y = 2,2952x - 20,6250\).

Análisis de resultados

Según lo mencionado por Porras (2020), el valor de r2 (0,8117), se encuentra relativamente cercano a 1, por lo que se estima que el modelo puede explicar aproximadamente el 82% de las mediciones, brindando una confiabilidad alta de predecibilidad de datos para muestras significativas de individuos. Otra evidencia de la confiabilidad recae en el p-valor, que según Díaz & Rios (2018), expresa que si p < 0,05, el modelo es explicativo,y por ende, confiable. En este caso, dado de p = 0,005661, se puede tomar como válida la regresión planteada. Sin embargo, es importante recalcar el concepto “muestra significativa”, y procurar mantener unos estándares de medidas de mano que sean prácticos y eficientes para el modelo, puesto que si se analiza la ecuación de la recta obtenida, es posible que haya valores de longitud de la mano que generen resultados en y (número de frunas tomadas) negativo, que no hace sentido, ya que es imposible tomar, por ejemplo, -4 frunas.

Conclusiones

Referencias