Ejemplo de pregunta de debate sobre el coeficiente de determinación
El coeficiente de determinación (R²) es un parámetro importante en el análisis de regresión, ya que indica qué tan bien un modelo de regresión explica la variabilidad real de los datos. En este artículo, explicaremos el concepto de coeficiente de determinación mediante un ejemplo detallado y un análisis.
Concepto básico del coeficiente de determinación
El coeficiente de determinación o \( R^2 \) se mide en una escala de 0 a 1, donde:
– \( R^2 = 0 \) indica que el modelo de regresión no es capaz de explicar la variabilidad de los datos en absoluto.
– \( R^2 = 1 \) muestra que el modelo de regresión es capaz de explicar perfectamente toda la variabilidad de los datos.
La fórmula básica para calcular el coeficiente de determinación es:
\[ R^2 = 1 – \frac{SSR}{SST} \]
De mana:
– SSR (Suma de los Residuos Cuadrados) es la suma de los cuadrados de las diferencias entre los valores predichos por el modelo y los valores reales.
– SST (Suma Total de Cuadrados) es la suma total de los cuadrados de las diferencias entre el valor real y el promedio de los valores reales.
Ejemplo de problemas
Analicemos un ejemplo práctico para comprender con mayor profundidad el cálculo del coeficiente de determinación.
Ejemplo de problemas:
Supongamos que tenemos datos sobre el número de horas de estudio (X) y las calificaciones de los exámenes (Y) de 10 estudiantes:
| Estudiantes | Horas de estudio (X) | Puntuación del examen (Y) |
|——-|——————–|——————–|
| 1 | 2 | 58 |
| 2 | 3 | 64 |
| 3 | 4 | 70 |
| 4 | 5 | 85 |
| 5 | 2 | 57 |
| 6 | 3 | 68 |
| 7 | 4 | 72 |
| 8 | 5 | 90 |
| 9 | 3 | 62 |
| 10 | 4 | 78 |
Crearemos un modelo de regresión lineal simple donde las calificaciones de los exámenes (Y) se predicen en función de las horas de estudio (X).
Discusión
1. Construcción de un modelo de regresión lineal simple
Un modelo de regresión lineal simple tiene la siguiente forma:
\[ Y = a + bX \]
De mana:
– \( Y \) es la puntuación prevista del examen.
– \( X \) es el número de horas de estudio.
– \( a \) es la intersección (el punto de intersección en el eje Y cuando X = 0).
– \( b \) es la pendiente (inclinación de la línea de regresión).
Para calcular los parámetros \( a \) y \( b \), utilizamos la siguiente fórmula:
\[ b = \frac{n(\sum{XY}) – (\sum{X})(\sum{Y})}{n(\sum{X^2}) – (\sum{X})^2} \]
\[ a = \frac{\sum{Y} – b(\sum{X})}{n} \]
Donde \( n \) es el número de datos (en este caso n = 10).
A partir de la tabla podemos calcular:
– \(\sum{X} = 36\)
– \(\sum{Y} = 704\)
– \(\sum{X^2} = 140\)
– \(\sum{Y^2} = 50428\)
– \(\sum{XY} = 2576\)
Calculemos primero b:
\[ b = \frac{10(2576) – (36)(704)}{10(140) – (36)^2} \]
\[ b = \frac{25760 – 25344}{1400 – 1296} \]
\[ b = \frac{416}{104} \]
\[ b = 4 \]
Luego, calculamos a:
\[ a = \frac{704 – 4(36)}{10} \]
\[ a = \frac{704 – 144}{10} \]
\[ a = \frac{560}{10} \]
\[ a = 56 \]
Por lo tanto, el modelo de regresión lineal que obtenemos es:
\[ Y = 56 + 4X \]
2. Calcular el valor previsto (Y')
A continuación, calculamos el valor predicho \( Y' \) para cada \( X \):
| Estudiantes | Horas de estudio (X) | Puntuación del examen (Y) | Puntuación prevista (Y') |
|——-|——————–|——————–|————————-|
| 1 | 2 | 58 | \( 56 + 4(2) = 64 \) |
| 2 | 3 | 64 | \( 56 + 4(3) = 68 \) |
| 3 | 4 | 70 | \( 56 + 4(4) = 72 \) |
| 4 | 5 | 85 | \( 56 + 4(5) = 76 \) |
| 5 | 2 | 57 | \( 56 + 4(2) = 64 \) |
| 6 | 3 | 68 | \( 56 + 4(3) = 68 \) |
| 7 | 4 | 72 | \( 56 + 4(4) = 72 \) |
| 8 | 5 | 90 | \( 56 + 4(5) = 76 \) |
| 9 | 3 | 62 | \( 56 + 4(3) = 68 \) |
| 10 | 4 | 78 | \( 56 + 4(4) = 72 \) |
3. Cálculo de SSR y SST
A continuación, calculamos SSR y SST para obtener \( R^2 \).
RSS:
\[ SSR = \sum{(Y – Y')^2} \]
\[ SSR = (58 – 64)^2 + (64 – 68)^2 + (70 – 72)^2 + (85 – 76)^2 + (57 – 64)^2 + (68 – 68)^2 + (72 – 72)^2 + (90 – 76)^2 + (62 – 68)^2 + (78 – 72)^2 \]
\[ SSR = 36 + 16 + 4 + 81 + 49 + 0 + 0 + 196 + 36 + 36 \]
\[ SSR = 454 \]
TSM:
\[ SST = \sum{(Y – \bar{Y})^2} \]
De mana:
\[ \bar{Y} = \frac{\sum{Y}}{n} = \frac{704}{10} = 70.4 \]
\[ SST = (58 – 70.4)^2 + (64 – 70.4)^2 + (70 – 70.4)^2 + (85 – 70.4)^2 + (57 – 70.4)^2 + (68 – 70.4)^2 + (72 – 70.4)^2 + (90 – 70.4)^2 + (62 – 70.4)^2 + (78 – 70.4)^2 \]
\[ SST = 153.76 + 40.96 + 0.16 + 213.16 + 178.56 + 5.76 + 2.56 + 384.16 + 70.56 + 57.76 \]
\[ SST = 1107.44 \]
4. Cálculo del coeficiente de determinación \( R^2 \):
\[ R^2 = 1 – \frac{SSR}{SST} \]
\[ R^2 = 1 – \frac{454}{1107.44} \]
\[ R^2 = 1 – 0.41 \]
\[ R^2 = 0.59 \]
conclusión
A partir del cálculo anterior, obtuvimos un coeficiente de determinación (R² = 0.59). Esto indica que el modelo de regresión lineal que creamos puede explicar aproximadamente el 59 % de la variabilidad en las calificaciones de los exámenes en función de las horas de estudio. El 41 % restante de la variabilidad podría deberse a otros factores no incluidos en el modelo.
Al comprender los pasos y cálculos anteriores, podemos apreciar la importancia del coeficiente de determinación para evaluar qué tan bien el modelo de regresión que construimos explica la variabilidad real de los datos. Es una herramienta muy útil en el análisis estadístico y el modelado de datos.
