21

Modelos para más de una variable

Hasta ahora se han visto diferentes modelos estadísticos para el caso de una sola magni-
tud biológica medida. Pero en los experimentos es frecuente tratar el caso donde hay más de una
variable involucrada. En este capítulo se tratará el caso de dos variables con los modelos de Re-
gresión y Correlación estadística. El caso de más de dos variables excede los límites del presente
trabajo, destinado a los alumnos de las carreras de Farmacia y Bioquímica, porque requiere del
manejo de un nivel matemático (espacios vectoriales n-dimensionales) que estos no poseen. Se
comienza en este capítulo con el caso más sencillo de relación lineal simple entre dos magnitudes
biológicas cualesquiera. Es decir, una relación del tipo Y = X = f (X). A continuación se trata el
modelo más general con relaciones del tipo Y = a + b X, la ecuación de una recta o polinomio de
primer grado. Modelo conocido con el nombre de Análisis de Regresión lineal. Se presentan los
métodos cortos de cálculo y el planteo de ensayos de hipótesis respectivos. A continuación de
generaliza la regresión para el caso de polinomios de más de un grado y se muestran las trans-
formaciones de variables, convenientes para linealizar los cálculos.

21.1 Introducción

Antes de comenzar, es conveniente aclarar una confusión frecuente en la bibliografía.

Hay textos que usan los cálculos de regresión y correlación para los mismos casos por lo simila-
res que son. A veces el lector se confunde y piensa que puede emplear ambos modelos en un
mismo problema. Esto no es así, hay una diferencia fundamental entre ellos. El Análisis de Re-
gresión se usa cuando el investigador sabe que existe una relación entre las variables porque hay
una teoría o investigaciones previas que la han descubierto. Por ejemplo, la relación entre espacio
y tiempo ya se sabe que es la velocidad, o como la relación entre voltaje e intensidad de corriente
eléctrica. En estos casos, el investigador suele estar interesado en verificar experimentalmente tal
relación y el objeto de la regresión es encontrar la curva que mejor ajuste a sus datos experimen-
tales. Cuando no conoce la relación exacta, sino que trata de encontrar una curva de tipo práctica
en los llamados modelos empíricos, la idea es tener una manera rápida de relacionar dos magni-
tudes; como por ejemplo, en la industria cuando se relaciona la velocidad de un motor con el
rendimiento del generador eléctrico que mueve. Por su parte, el Análisis de Correlación se em-
plea cuando el investigador sospecha que ambas magnitudes están relacionadas, pero no tiene
idea de una ecuación que las combine. Por ejemplo el caso de peso y talla, donde todo lo que se
sospecha es que a mayor talla, mayor peso, pero nadie ha descubierto una fórmula que las rela-
cione. Con esto en mente se comienza con:
Bioestadística aplicada a Bioquímica y Farmacia 21-2

21.2 Análisis de regresión

La forma más común de concebir las relaciones entre pares de magnitudes es del tipo
causa-efecto. Lo que trata el análisis estadístico es establecer la forma y la significación de las
relaciones funcionales entre las dos variables. La demostración de la relación causa-efecto es te-
ma del procedimiento del método científico, y queda a cargo del investigador. Estadística trata de
verificar la función matemática que permite predecir que valores de una variable Y corresponden
a valores dados de una variable X. Se suele escribir como Y = f (X), donde X es la variable inde-
pendiente.

Figura 21.1: Rectas de regresión.

(a) Número de anillos de un árbol (b) Ingresos semanales en una Farmacia (miles $)

El caso más simple de una recta de regresión es del tipo Y = X donde la recta pasa por el
origen de coordenadas y su inclinación es de 45º. Este es el caso de la relación entre el número
(Y) de anillos de un árbol y su edad en años (X). Ver caso (a) de la figura anterior. El caso más
general es cuando la recta no pasa por el origen y su inclinación es cualquiera. La relación mate-
mática es del tipo Y = a + b X donde a es el punto por donde la recta corta al eje Y cuando X =
0 y b es la tangente del ángulo de inclinación. Ver caso (b) de la figura anterior donde se muestra
la relación de los ingresos de una Farmacia medidos en miles de pesos con el tiempo expresado
en semanas, con una ecuación expresada con: Y = 2 + 3 X. Aquí, se supone que se han medido
los ingresos reales en una Farmacia y se encontró la recta que mejor ajusta a esa serie de puntos
con el Análisis de Regresión.

En todo ejemplo real, las observaciones no coinciden exactamente con la recta de regre-
sión debido a los errores casuales que afectan las mediciones. En Biología se suponen causas de
tipo genético y ambientales para explicar la aleatoriedad, además de los errores de medición. Es-
to significa que para un dado valor de X, el valor de Y que le corresponde no será exactamente:
a + b X, sino que esta ecuación usando el valor de X arroja el valor esperado de Y denominado
Y*. Entonces, para cada valor medido de X se tendrán dos valores: el valor medido en el experi-
mento Y y su valor esperado calculado por la recta de regresión Y*. La diferencia entre ambos
(Y-Y*) debe ser lo más chica posible, para tener una buena aproximación. La idea básica del
Análisis de Regresión es minimizar matemáticamente el cuadrado de estas diferencias con el mé-
todo de los mínimos cuadrados.
Tema 21 Modelos para más de una variable 21-3

21.3 Diseños experimentales

Los diseños experimentales en regresión son dos: el Modelo I y el II. Ambos se basan en
cuatro hipótesis básicas.

1. La variable independiente se mide sin error. Esto significa que está bajo el control del investi-
gador y se consideran “fijos” a los valores de X que eligió. Por ejemplo, al manipular las dosis de
un cierto medicamento hipo-tensor, se fijan estos valores de X y por lo tanto no se la puede con-
siderar como una variable aleatoria. En cambio, el valor de la presión sanguínea del paciente no
puede ser fijada por el investigador; entonces Y varía en forma libre. En forma análoga a la vista
en los modelos de Anova, se considera Modelo I de regresión, al caso donde los valores de X
pueden ser manipulados a voluntad. Cuando esto no es así, entonces se tiene el Modelo II de re-
gresión donde ambas variables se consideran aleatorias porque no están bajo el control de inves-
tigador. Por ejemplo, se toma una muestra aleatoria de una población y a cada individuo selec-
cionado se le mide su presión sanguínea y su nivel hormonal. Ambas variables no quedan bajo el
control del investigador y deben ser consideradas aleatorias.

2. El valor esperado de la variable Y* para un dado valor de X, se determina con la relación:

E(Y) = µy = Y* = α + β X

Se usan las letras griegas para describir una relación Paramétrica entre las variables.

3. Para cualquier valor de X, los valores de Y se distribuyen independiente y normalmente.

Y* = α + β X + ε

Donde ε es un término de error con una distribución normal de media igual a cero y desvío σ.
Esto supone que cada valor X tiene un gran número de valores posibles de Y a hacer la medición,
con una distribución normal, cuyo eje de simetría es una vertical (eje z: dentro de un espacio tri-
dimensional imaginario) que pasa por el punto Y* de la recta de regresión, orientada sobre la lí-
nea que une el punto X con él Y* correspondiente. Esto para los casos donde hay más de un va-
lor de Y para cada valor de X.

4. Todas las muestras a lo largo de la línea de regresión son homocedásticas. Se supone que to-
das las distribuciones normales mencionadas en el punto anterior tienen la misma varianza.

21.4 Cálculos básicos en regresión

La manera más sencilla de ilustrar estos cálculos es partiendo del concepto básico de la
recta de regresión: minimizar el cuadrado de las diferencias entre el valor medido Yi y el valor
correspondiente esperado por la recta Y*i. El caso más sencillo es cuando hay un solo valor me-
dido de Yi, para cada valor Xi. En la Figura 21.2 siguiente se muestra el planteo:
Bioestadística aplicada a Bioquímica y Farmacia 21-4

Figura 21.2: Diferencias a minimizar.

Cada punto medido tiene un par de coordenadas (Xi ; Yi)
Con la recta se estima el valor Y*i. La diferencia entre el
valor medido y el estimado es Di = Yi – Y*i. Cuanto
mejor sea la estimación, menor será esta diferencia. El
método consiste en minimizar la suma de sus cuadrados:
derivando respecto de las dos incógnitas a y b, igualando
a cero y despejando. Queda un sistema de dos ecuacio-
nes con dos incógnitas, que al resolverlo permiten hallar
las denominadas ecuaciones paramétricas de regresión.

Para minimizar se usan las relaciones:

∂ ∂
∂a
∑ Di2 = 0
∂b
∑ Di2 = 0

Resolviendo estas relaciones se obtienen:

∑ Yi = a.N + b∑ X i

Ecuaciones normales o paramétricas de regresión.

∑ X Yi = a.∑ x
i i + b∑ X 2
i

Ejemplo) Se ha medido la altura de 15 padres y de sus hijos primogénitos en metros. Hallar la

recta de regresión. Los datos son:
2 2
X (padres) Y (hijos) X XY Y

1 1,71 1,75 2,9241 2,9925 3,0625

2 1,67 1,76 2,7889 2,9392 3,0976
3 1,62 1,64 2,6244 2,6568 2,6896
4 1,75 1,76 3,0625 3,08 3,0976
5 1,59 1,64 2,5281 2,6076 2,6896
6 1,81 1,77 3,2761 3,2037 3,1329
7 1,69 1,72 2,8561 2,9068 2,9584
8 1,68 1,73 2,8224 2,9064 2,9929
9 1,76 1,75 3,0976 3,08 3,0625
10 1,72 1,72 2,9584 2,9584 2,9584
11 1,79 1,81 3,2041 3,2399 3,2761
12 1,68 1,69 2,8224 2,8392 2,8561
13 1,64 1,66 2,6896 2,7224 2,7556
14 1,68 1,71 2,8224 2,8728 2,9241
15 1,58 1,62 2,4964 2,5596 2,6244
SUMA 25,37 25,73 42,9735 43,5653 44,1783
Tema 21 Modelos para más de una variable 21-5

Reemplazando en las ecuaciones paramétricas resulta

25,73 = a (15) + b (25,37) De donde se calculan a y b.

43,5653 = a (25,37) + b (42,9735)

Sin embargo hay una forma más corta. La recta de regresión debe pasar necesariamente por el
centro de gravedad de los datos, es decir por el valor medio de X e Y. Esto es, si se divide la
primer ecuación por N en ambos miembros, queda igual a:

(1/N) ∑ Yi = a + (b/N)∑ X i O sea: Y =a+b X O bien: a = Y - b X

Se puede calcular los valores medios de la tabla anterior resultando:

X = 25,37 / 15 = 1,6913 m Y = 25,73 / 15 = 1,7153 m

Reemplazando por los valores hallados se despeja: a = (1,7153 – b 1,6913)

Reemplazando el valor de a en la segunda ecuación, queda una sola ecuación con una incógnita:

43,565 = (1,72 – b . 1,69) 25,37 + b 42,97 = 1,72 (25,37) + b [(42,97) – (1,69)(25,37)]

Despejando se calcula: b = - 0,7. Con este valor, se puede calcular a, reemplazando en la fórmu-
la de valores medios:

Y =a+b X

1,72 = a + (- 0,7) (1,6913)

Resultando: a = 2,9

Y la ecuación de la recta es: Y = 2,9 – 0,7 X

Si en lugar de calcular la regresión de Y sobre X (X es la variable independiente), se desea calcu-

lar la regresión de X sobre Y, porque Y es la variable independiente, entonces las ecuaciones
quedan muy similares, pero con otras incógnitas:

∑X i = c.N + d ∑ Yi
Ecuaciones normales para regresión de X sobre Y.
∑ X Yi = c.∑ Y
i i + d∑ Y i
2

Aplicando estas nuevas relaciones al ejemplo anterior resulta:

25,37 = c (15) + d (25,73) De donde se calculan c y d.

43,5653 = c (25,73) + d (44,1783)

Bioestadística aplicada a Bioquímica y Farmacia 21-6

Para simplificar se usa:

X =c+d Y O bien: c= X -d Y

Reemplazando por los valores hallados se despeja: c = (1, 6913 – d 1,7153)

Reemplazando el valor de a en la segunda ecuación, queda una sola ecuación con una incógnita:

43,5653 = (1,6913 – d 1,7153)(25,73) + d 44,1783

0,04815 = d (0,04363) y despejando resulta: d = 1,1 y así se obtiene c = - 0,2

Y la ecuación de esta otra recta es: X = - 0,2 + 1,1 Y

Como se puede apreciar, la regresión de Y sobre X difiere de la regresión de X sobre Y.

Solo cuando la coincidencia entre los puntos reales y la recta de regresión sea perfecta, entonces
ambas rectas de regresión serán iguales.

Existen otras maneras de simplificar los cálculos, usando un cambio de coordenadas. Esto
se hace, colocando el origen en el centro de gravedad de los datos. Sencillamente, a cada valor de
X e Y se le resta su media respectiva. Las ecuaciones quedan más cortas. El lector interesado po-
drá encontrar estas técnicas en la Bibliografía específica.

21.5 Cálculos cortos en regresión

La manera más rápida de efectuar los cálculos, incluso los necesarios para los tests de
hipótesis, se ilustra en el ejemplo siguiente:

Ejemplo) Nelson (1964) midió la pérdida en peso (en mg) de 9 tandas de veinticinco coleópteros
Tribolium, luego de seis días de no ingerir comida a nueve humedades diferentes. Los datos son:
2 2 2 2
Hum. Peso x= y= x y x.y Y* D= D y*= y*
X Y X-50,39 Y-6,02 Y-Y* Y*-6,02
0 8,98 -50,389 2,9578 2539,04 8,748449 -149,04 8,704 0,276 0,07616 2,68181 7,1921
12 8,14 -38,389 2,1178 1473,707 4,484983 -81,299 8,0654 0,0746 0,00557 2,04314 4,1744
29,5 6,67 -20,889 0,6478 436,3457 0,419616 -13,531 7,134 -0,464 0,21527 1,11175 1,236
43 6,08 -7,3889 0,0578 54,59568 0,003338 -0,4269 6,4155 -0,3355 0,11254 0,39325 0,1546
53 5,9 2,6111 -0,122 6,817901 0,014938 -0,3191 5,8833 0,0167 0,00028 -0,13897 0,0193
62,5 5,83 12,111 -0,192 146,679 0,036949 -2,328 5,3776 0,4524 0,20463 -0,64458 0,4155
75,5 4,68 25,111 -1,342 630,5679 1,80156 -33,705 4,6858 -0,0058 3,3E-05 -1,33647 1,7861
85 4,2 34,611 -1,822 1197,929 3,320494 -63,069 4,1801 0,0199 0,00039 -1,84208 3,3933
93 3,72 42,611 -2,302 1815,707 5,300227 -98,1 3,7544 -0,0344 0,00118 -2,26786 5,1432
Σ 453,5 54,2 0 0 8301,389 24,13056 -441,82 54,2 0 0,61606 0 23,514
50,3889 6,022 :Medias 6,0222
b -0,053222
a 8,704027
Tema 21 Modelos para más de una variable 21-7

Paso 1) En las primeras dos columnas se vuelcan los datos, se suman y se saca el promedio.

Paso 2) En la tercer y cuarta columna, se colocan los valores de las dos primeras menos sus res-
pectivos promedios y se determinan: y = f (x) dos variables que pasan por el centro de gravedad
de los datos, de acuerdo a la transformación efectuada:
x = X – X = X – 50,3889 e y = Y - Y = Y – 6,022

Paso 3) En la quinta y sexta columnas se calculan los cuadrados de los nuevos valores x e y.
Mientras que en la séptima se calcula su producto.

Paso 4) Ahora se pueden calcular los coeficientes de la recta de regresión a y b con la ecuación
de la recta de regresión de x sobre y, escrita en el nuevo sistema de coordenadas:

y= bx = (
∑ xy ) .x Por lo tanto: b = (-441,82) / (8301,389) = - 0,0532
∑x 2

Es decir se calcula la pendiente de la recta b como el cociente entre los totales de la quinta y sép-
tima columna. Conocido este valor, se puede calcular el otro considerando que la recta pasa por
el centro de gravedad de los puntos, o sea por sus valores promedio:

Y = a +b X O sea: a = Y - b X = 6,022 – (-0.0532) 50,389 = 8,704

Y = 8,7 - 0,05 X

21.6 Ensayos de hipótesis en regresión

La manera de ensayar la hipótesis de que la regresión existe es con un Cuadro de Regre-

sión, similar al visto en el caso del Anova. Para ello se divide a la suma de cuadrados que repre-
senta la variabilidad total en dos términos, lo mismo que con los grados de libertad, y se encuen-
tra un estadígrafo F con distribución de Fisher. Para ello se empieza con:

Variación Total: De una variable cualquiera Y, se calcula como la suma de cuadrados de las dife-
rencias entre cada valor medido y su promedio (es la suma de cuadrados en Y). Esto es:

(
VT = ∑ Y - Y )
2

Si al término entre paréntesis se le suma y le resta una misma cantidad Y* este no se altera. Rea-
lizando el reemplazo y las cuentas, resulta:

(
VT = ∑ Y - Y ) = ∑ (Y - Y * +Y * - Y ) = ∑ (Y - Y *) + ∑ (Y * - Y )
2 2 2 2
= VNE + VE

Donde VNE es la Variación No Explicada porque los valores de Y se comportan en forma alea-
toria o no previsible. Mientras que el segundo término, cada valor de la diferencia tiene un patrón
Bioestadística aplicada a Bioquímica y Farmacia 21-8

definido. Y* es la recta de regresión de la cual se conoce su fórmula y los valores de X respecti-

vos son fijados por el investigador; además su promedio es una constante. Esto significa que se
tiene de alguna manera una “explicación” y por ello VE es la Variación Explicada. En resumen,
a la variabilidad total se la ha descompuesto en dos términos, en forma análoga a como se proce-
dió con la suma de cuadrados en Anova.

Como el cociente entre la variación explicada y la total, es el cuadrado del Coeficiente de

Correlación muchas veces se confunden ambos temas: Regresión y Correlación, como si fuese la
misma cosa. La única analogía es que los cálculos para ambos modelos son casi los mismos, co-
mo se verá más adelante. Por ahora, se puede continuar el ejemplo del punto anterior con:

Paso 5) En la octava columna se calculan los valores de Y* (estimados a partir de la recta de re-
gresión) esto es: Y* = a + b X

Paso 6) En la novena columna se calculan las diferencias Di = Yi – Yi*

Paso 7) En la décima columna se calculan los cuadrados de estas diferencias y su suma permite
obtener la Variación No Explicada:

∑ (Y - Y *)
2
VNE = = 0,61606

Paso 8) En la undécima columna se calculan las diferencias y* entre cada valor Yi y su prome-
dio. Esto es, a la columna 2 se le resta una constante: 6,0222.

Paso 9) En la última columna se elevan al cuadrado los valores anteriores y su suma permite ob-
tener la Variación Explicada:
∑ (Y * - Y )
2
VE = = 23,514

Paso 10) Se calculan los grados de libertad respectivos, sabiendo que si hay n mediciones, la VT
tendrá n términos cuadráticos libres, a los cuales hay que restar un grado de libertad por la ecua-
ción de vínculo entre ellos, dada con el cálculo de su media. Por lo tanto: υT = n – 1 = 8. Por su
parte la Variación Explicada tendrá un único grado de libertad υE = 1. Entonces, los grados de
libertad de la Variación No Explicada son: υNE = n – 2 = 7.

Paso 11) Se puede armar ahora la Tabla de Regresión, en forma análoga al Cuadro de Anova:

TABLA DE REGRESIÓN

Fuente de Suma de Grados de Cuadrados

Variación cuadrados Libertad Medios F

Explicada (debida 23,5145 1 23,51

a la regresión lineal) 267,2***

No Explicada (error) 0,6161 7 0,088

Total 24,1306 8
Tema 21 Modelos para más de una variable 21-9

El cuadrado medio explicado se debe a la regresión lineal y mide la cantidad de variación de Y,

tenida en cuenta por la variación de X. Si a este valor se lo resta de la variación total, la variación
residual o remanente es la no explicada y se la usa como el cuadrado medio error. El valor del
estadígrafo F se lo calcula como el cociente entre estos cuadrados medios. En este caso su valor
tan grande hace altamente significativo el rechazo de la hipótesis nula, que suponía que no había
regresión. O sea, se tiene evidencia científica validada por el modelo, de que gran parte de la va-
rianza encontrada puede ser explicada por la regresión de Y sobre X.

Se pueden hacer otro ensayo de hipótesis acerca del “coeficiente de regresión”: b como
se muestra a continuación:

(H0) β = 0 No hay regresión en la población de donde se tomaron las muestras.

(H1) β ≠ 0 Hay regresión.

El ensayo usa el modelo de Student con t = ( b – β) / DSb versus tα;ν = tα;n-2

Donde el error típico de estimación de b está dado por:

MSerror 0,088
DSb = = = 0,003256
∑ x2 8301,39

Luego t = (- 0,05322 – 0)/0,003256 = -16,35*** (t0,001 ; 7 = 5,408)

Y se rechaza la hipótesis nula con valores altamente significativos.
También se pueden hallar los Límites de confianza para el coeficiente de regresión con:

β ∈ ( b ± tα;ν DSb )

Donde para un 95% de confianza resulta tα;ν = t0,05, 7 = 2,356. O sea:

β ∈ ( - 0,053 ± 0,008) ! 95% CI( -0,061 ; -0,045)

Se concluye que el valor verdadero del coeficiente de regresión β está en dicho intervalo, con
un 95% de probabilidades a favor.

21.7 Regresión por el origen: Recta de Calibración

En muchas oportunidades, la teoría empleada para la regresión exige que la recta pase a
través del origen de coordenadas. Entonces, ya se tiene un punto para el cual no se encontrará
variaciones en el muestreo. Tal punto debe tratarse en una forma diferente a otro cualquiera ob-
servado. Un ejemplo de esto es el caso visto del número de anillos de un árbol y su edad. Otro,
más frecuente en Bioquímica y Farmacia, es el caso de la Recta de Calibración de un instrumen-
to de laboratorio cualquiera, como una balanza, un espectrofotómetro, etc. Generalizando, para
todo instrumento que requiera hacer el “ajuste del cero” antes de comenzar a usarlo. En una ba-
lanza, esto es la primer pesada en vacío, cuando se ajusta la escala al cero luego de ser nivelada.
Bioestadística aplicada a Bioquímica y Farmacia 21-10

En un espectrofotómetro, es la primer lectura colocando agua destilada en la cubeta. Para ilustrar

este caso se presentan los siguientes datos, con dos enunciados diferentes:

Ejemplo 1) En un estudio de Bacteriología, se midieron las reversiones inducidas a la indepen-

dencia por 107 células sobrevivientes (Y), por dosis (ergs / bacterias) 10-5 (X) de Escherichia coli
estreptomiceno-dependiente, sometidas a radiación ultravioleta monocromática de 2,967 Å de
longitud de onda. (Datos de Zelle, M.R.; Univ. Cornell, del libro de Steel y Torrie).

N X Y
∑X 2
= 26.062,1 ∑Y 2
= 356.259 1
2
13,6
13,9
52
48
3 21,1 72
4 25,6 89

∑ XY = 95.755,7 b=
∑ XY = 3,67 5 26,4 80

∑X
2 6 39,8 130
7 40,1 139
8 43,9 173
Habrá 3,67 retornos inducidos por dosis. Entonces la 9 51,9 208
recta de regresión de retornos inducidos Y, por la dosis 10 53,2 225
administrada X , viene dada por la ecuación: 11 65,2 259
12 66,4 199
Y* = 3,67 X 13 67,7 255
Total 528,8 1929

Para efectuar la validación estadística se usan las relaciones siguientes:

∑x = ∑ (X - X) 2 = ∑ X − (∑ X ) / N
2 2
2
= 26.062,1 - [( 528,8 )2 / 13] = 4.552,14

∑y ∑ (Y - Y) ∑ X − (∑ X ) / N
2 2
2
= 2
= = 356.259 - [( 1.929 )2 / 13] = 70.025,08

∑ xy = ∑ XY - (∑ X )(∑ Y )/ N = 95.755,7 - [(528,8)(1.929)(1/13)] = 17.289,92

Entonces ahora se pueden calcular las variabilidades siguientes:

VT = ∑ (Y - Y) 2
= ∑y 2
= 70.025,08 con 12 grados de libertad

(∑ xy ) (17.289,92)2 = 65.670,51 con 1 grado de libertad

∑ (Y * - Y )
2
2
VE = = =
∑x 2
4.552,14

VNE = ∑ (Y - Y *) = VT – VE = 70.025,08 – 65.670,51= 4.354,57 con 11 grados de libertad

2
Tema 21 Modelos para más de una variable 21-11

TABLA DE REGRESIÓN

Fuente de Suma de Grados de Cuadrados

Variación cuadrados Libertad Medios F

Explicada (debida 65.670,51 1 65.670,51

a la regresión lineal) 165,9***

No Explicada (error) 4.354,57 11 395,87

Total 70.025,08 12

Se tiene prueba altamente significativa de que existe la regresión de Y sobre X, aunque se ha to-
mado la ecuación general sin tener en cuenta que pasa por el origen.

Cuando se tengan dudas que la recta de regresión pasa por el origen, o sea a = 0, se puede
hacer otra validación estadística con:

Ho : a = 0 La recta pasa por el origen.

H1 : a ≠ 0 La recta no pasa por el origen.

El valor muestral se calcula considerando que en el centro de gravedad de los datos debe ser:

y = Y -Y = b x = (
∑ xy ) . (X – X )
∑x 2

Y – 148,4 = 3,67 ( x – 40,68) = 3,67 x - 149,29

Y = - 0,89 + 3,67 x

Entonces, con esta recta se tendrá la contribución atribuible a la media con:

La variación debida a la media es: (Σ Y)2 / N = (1929) 2 / 13 = 286.233,9

La variación debida a b es : (
∑ xy ) = 65.670,5
∑x 2

Entonces la total es 286.233,9 + 65.670,5 = 351.904,4 con 11 grados de libertad

Como la suma de cuadrados debida a la regresión es: ( ∑ XY )2 / ∑X 2

= 351.819

La regresión adicional debida al ajuste de la media es: SSm =(351.904 – 351.819) = 85

Como tiene un grado de libertad es: MSm = SSm / 1 = 85 entonces,

F = MSm / MSerror = 85 / 395,87 = 0,215 No significativo

Se concluye que no hay evidencia que muestre que la recta no pasa por el origen.
Bioestadística aplicada a Bioquímica y Farmacia 21-12

Recta de calibración:

Enunciado 2) Para determinar si un espectrofotómetro está calibrado se han medido 13 valores

de referencia o patrones (Y) (soluciones calibradas) y los valores observados de transmitancia
(X) se muestran en la siguiente tabla:
Total
X 13,6 13,9 21,1 25,6 26,4 39,8 40,1 43,9 51,9 53,2 65,2 66,4 67,7 528,8
Y 52 48 72 89 80 130 139 173 208 225 259 199 255 1929

Para simplificar los cálculos se han tomado los mismos datos del enunciado anterior. Por lo tanto
la recta de calibración está dada por la ecuación:

Y* = 3,67 X

Si llegase a haber dudas respecto a si pasa por el origen de coordenadas, se puede hacer un test
como se vio más arriba. Sin embargo, aquí el problema no es determinar si hay regresión, esto es
no hace falta probar que b ≠ 0; sino determinar que el valor encontrado no difiera significativa-
mente del factor de dilución correcto. Si el valor esperado del factor es β = 3,5:

Ho : b = β = 3,5 El sistema está calibrado.

H1 : b ≠ β El sistema no está calibrado.

Por ejemplo, si se tratase de una balanza, la idea es que cada valor medido Y, de los patrones uti-
lizados X, sea Y = X. Esto es, una recta que pasa por el origen a 45º, o bien β = 1.

Se usa el modelo de Student con: t = ( b – β) / DSb versus tα;ν = tα;n-2

Donde el error típico de estimación de b está dado por:

MSerror 395,87
DSb = = = 0,295
∑ x2 4.552,14

Luego t = (3,67 – 3,5) / 0,295 = 0,58 (ns) (t0,95; 11 = 2,201)

No se rechaza la hipótesis nula, no hay pruebas como para creer que el sistema está descalibrado.

21.8 Más de un valor de Y

Muchas veces en la práctica se encuentran casos donde se obtienen más de un valor de Y
por cada valor de X controlado por el investigador. El ordenamiento de los datos se parece mu-
cho al orden en que se presentan las observaciones en un análisis de varianza de un factor. Para
ilustrar este punto, se ha desarrollado un ejemplo con tamaños muestrales diferentes que es el
caso más completo.
Tema 21 Modelos para más de una variable 21-13

Ejemplo 1) Un investigador mide los porcentajes p de supervivencia del coleóptero Tribolium

castaneum a cuatro densidades de siembra. Los datos de los porcentajes fueron transformados
con Y = arc sen p porque cumplen mejor los supuestos de distribución normal y homoscedas-
ticidad. El número de huevos por gramo de arena es la variable X controlada por el investigador.
La supervivencia se calcula por el número de insectos que llegan a la edad adulta. Se preparan 4
densidades de siembra diferente y los resultados, transformados se muestran a continuación:

Densidad de siembra X
5/g 20 / g 50 / g 100 / g
61,68 68,21 58,69 53,13
58,37 66,72 58,37 49,89
Supervivencia 69,30 63,44 58,37 49,82
Y 61,68 60,84
69,30
Total 320,33 259,21 175,43 152,84
Ni 5 4 3 3
Medias 64,07 64,80 58,81 50,95
Ref: Ejemplo de Sokal-Rohlf (pág. 480)

Se desea saber si existen diferencias en la supervivencia de los cuatro grupos y además, si se

puede establecer una línea de regresión de supervivencia sobre la densidad.

Para resolver este caso se procederá en dos etapas. En la primera se busca mediante mo-
delos de ANOVA decidir si hay diferencia entre los grupos de siembra. En la segunda se procede
con el análisis de regresión. Por regla general, si no hay significación en ANOVA es bastante
improbable que exista una línea de regresión.

Etapa 1) ANOVA: Se procede con los pasos habituales para este modelo:

Paso 1) Se calcula la suma total de las observaciones T = 907,81 = ∑∑ Y

Paso 2) Se calcula la suma de los cuadrados de los datos: Tx2 = 55.503,6547

Paso 3) Se calcula la suma de los totales grupales al cuadrado, divididos por su tamaño muestral
respectivo:

Tx = [(320,33)2 / 5] + [(259,21)2 / 4] + [(175,43)2 / 3] + [(152,84)2 / 3] = 55.364,968

Paso 4) Se calcula el término de corrección T2 / N = 54.941,2664

Paso 5) Se calculan las sumas de cuadrados con:

SST = Paso 2 – Paso 4 = 55.503,6547 – 54.941,2664 = 562,3883

SSE = Paso 3 – Paso 4 = 55.364,9680 – 54.941,2664 = 423,7016

SST = SST – SSE = 562,3883 – 423,7016 = 138,6887

Bioestadística aplicada a Bioquímica y Farmacia 21-14

Paso 6) Los grados de libertad son νT = N – 1 = 14; νE = a – 1 = 3 y νD = N - a = 11

Paso 7) Se formula la Tabla de ANOVA como sigue:

Variación SS ν MS F

Entre grupos 423,7016 3 141,2339

11,2**
Dentro de grupos 138,6777 11 12,6079

Total 562,389 14

Los grupos difieren muy significativamente entre sí.

Etapa 2) Regresión: Ahora se debe comprobar si las diferencias entre los valores de superviven-
cia pueden ser explicados por una regresión lineal sobre la densidad de siembra.

Paso 8) Se calcula la sumatoria de los valores de X multiplicados por su tamaño muestral con:

∑ Ni X = 5 (5) + 4 (20) + 3 (50) + 3 (100) = 555

Paso 9) Se calcula la sumatoria de los valores de X2 multiplicados por su tamaño muestral con:

∑ Ni X
2
= 5 (5)2 + 4 (20)2 + 3 (50)2 + 3 (100)2 = 39.225
_
Paso 10) Se calcula la sumatoria de los productos de X e Y por su respectivo tamaño muestral
con:

∑ Ni X Y = ∑ X∑ Y = 5 (320,33) + 20 (259,21) + 50 (175,43) + 100 (152,84) = 30.841,35

Paso 11) Se calcula el término de corrección para X con:

TCx =
(∑ Ni X ) 2

= (Paso 8)2 / N = (555)2 / 15 = 20.535

∑ Ni
Paso 12) Se calcula la suma de cuadrados de x con:

∑x ∑ Ni X
2 2
= - TCx = Paso 9 – Paso 11 = 39.225 – 20.535 = 18.690

Paso 13) Se calcula la sumatoria de los productos :

( NX )( Y ) = Paso 10 -
∑ x.y = ∑ X(∑ Y ) - ∑ ∑∑
Paso8. Paso1
= - 2.747,62
∑ Ni N
Tema 21 Modelos para más de una variable 21-15

Paso 14) Se calcula la suma de los cuadrados explicada con:

SSex. =
(∑ XY) 2

= (Paso 13)2 / Paso 12 = (-2.747,62)2 / (18.690) = 403,9281

∑X 2

Paso 15) Se calcula la suma de cuadrados no explicada:

SSno ex. = SSE – SSex. = Paso 5 – Paso 14 = 423,7016 - 403,9281 = 19,7735

Paso 16) Se arma la Tabla de Anova completada con el análisis de regresión:

TABLA DE ANOVA + REGRESION

Fuente de Suma de Grados de Cuadrados

Variación cuadrados Libertad Medios F
Entre Grupos** 423,7016 3 141,2339 11,20**
------------------------------------
Regresión lineal 403,9281 1 403,9281 40,86*

Desvíos respecto a la 19,7735 2 9,8868 < 1(ns)

Regresión
------------------------------------
Dentro grupos (error) 138,6867 11 12,6079
Total 562,3883 14

Para comprobar si las desviaciones respecto de la regresión lineal son significativas se hace el
ensayo: F = MSY;X / MSD < 1 por lo tanto se acepta la Ho, que las desviaciones respecto a la
regresión lineal son nulas. Esto significa que no hay variación residual, o dispersión, alrededor de
la línea de regresión. Por lo tanto se acepta a la recta como una buena explicación.

El siguiente ensayo es para determinar si existe la regresión lineal, es decir si b difiere significa-
tivamente de cero. Para eso se hace el ensayo:

F = MSb / MSY;X = (403,9281) / (9,8868) = 40,86* >> F0,95 ; 1 ; 2 = 18,5

Luego se tiene evidencia significativa, como para afirmar que existe una recta de regresión que
explica la regresión lineal de la supervivencia, respecto a la densidad de siembra. Resta entonces
encontrar dicha recta:

Paso 17) Se calcula el coeficiente de regresión b con:

b=
(∑ XY)
= Paso 13 / Paso 12 = ( - 2.747,62 ) / ( 18.690 ) = - 0,14701
∑X 2

Paso 18) Se calcula la ordenada al origen a con:

a= Y -b X =(T/N) - b[( ∑ Ni X ) / N ] = (907,81 / 15) – ( -0,14701 [ 555 / 15 ] = 65,96

Bioestadística aplicada a Bioquímica y Farmacia 21-16

Por lo tanto la recta de regresión se expresa con :

Y* = 65,96 – 0,14701 . X

Se ha probado que a medida que la densidad de siembra aumenta, la supervivencia disminuye. Y

que esta relación se puede expresar con la ecuación de arriba.

21.9 Curvas de regresión

El caso anterior era el más simple, cuando la curva de regresión es una recta. Pero para el
caso más general la curva de regresión toma una forma polinomial con:

Y* = a + b X + c X2 + d X3 + ....

La idea es que cualquier curva puede ser aproximada con un desarrollo en serie polinomial. Aho-
ra se tiene un conjunto de potencias crecientes de la variable independiente X, cada una con un
coeficiente de regresión diferente: a, b, c, d, etc. Por ejemplo, en el caso de una parábola habrá
tres términos polinómicos. A medida que se utilicen potencias más altas, el ajuste de la curva de
regresión a los datos reales, será cada vez mejor. Sin embargo, con cada potencia añadida se per-
derá un grado de libertad y se necesitarán más mediciones. Si n = 5 datos, para el cuadrado me-
dio residual o error, los grados de libertad son n-2 = 3, entonces el polinomio mayor que se podrá
usar es el de tercer grado. Por otra parte, es muy raro encontrar polinomios de más de tres grados
en las investigaciones biológicas. Los más comunes son:

Y* = a + b X (recta de regresión)

Y* = a’ + b’ X + c’ X2 (parábola de regresión)

Y* = a” + b” X + c” X2 + d” X3 (parábola cúbica de regresión)

Los coeficientes de cada una de las tres curvas anteriores son diferentes, por lo que deben
ser calculados cada vez. Luego de obtenida la recta, se puede aumentar una potencia de X y bus-
car la parábola de regresión. Pero entonces, hay que recomenzar los cálculos de nuevo y por regla
general, los nuevos coeficientes hallados (a’, b’) son diferentes de los anteriores (a, b). Como
estas regresiones polinomiales son ajustes empíricos, si al comprobar la significación esta resulta
significativa, significa que ahora se tiene un mejor ajuste que el lineal y conviene intentar la pa-
rábola cúbica.

Se recomienza todo de nuevo y los nuevos coeficientes serán diferentes a los anteriores
con lo que la significación deberá ser testeada otra vez. Es claro, que si antes de comenzar se
hubiese tenido información acerca del tipo de polinomio buscado, se hubiera comenzado por allí
y no con la recta. Los cálculos y ensayos relacionados con este tema se pueden encontrar en el
libro en Steel y Torrie (1960) mencionados en la bibliografía.
Tema 21 Modelos para más de una variable 21-17

21.10 Problemas propuestos

1) Marcar la respuesta correcta a cada una de las afirmaciones siguientes, o completar la frase:

1) Para un mismo problema se puede usar Regresión o Correlación. V F

2) El análisis de regresión se usa cuando se conoce la relación teórica Y = f (X). V F
3) Para el análisis de peso y talla se puede usar la regresión. V F
4) El método de los mínimos cuadrados es el usado en regresión. V F
5) Explicar los diseños experimentales posibles en regresión:.................................................... ................
6) En un Modelo I la variable dependiente se mide sin error. V F
7) Explicar las 4 hipótesis básicas de estos modelos:.................................................................. ................
8) Todas las muestras a lo largo de la curva de regresión son homocedásticas. V F
9) Las ecuaciones paramétricas de regresión se deducen minimizando la suma de cuadrados. V F
10) Expresar el par de ecuaciones normales de regresión:.......................................................... ...............
11) La ecuación de regresión de Y sobre X, es igual a la de X sobre Y. V F
12) Explicar los pasos básicos para los cálculos cortos de regresión:......................................... ...............
12) La variación Total es la suma del cuadrado de las diferencias entre cada Y y su media. V F
13) La Variación No Explicada es la suma del cuadrado de las diferencias de Y con X. V F
14) La Variación explicada es la diferencia de VT – VNE. V F
15) El ensayo de hipótesis en regresión se hace con una Tabla de ANOVA. V F
16) Para testear si hay regresión se puede usar el Modelo de Student. V F
17) Para testear si la recta pasa por el origen hay que:................................................................ ...............
18) Una curva de calibración instrumental debe pasar por el origen. V F
19) Es lo mismo que haya uno o más valores de Y por cada X en los cálculos. V F
20) Cuando hay más de un valor de Y primero se testea que haya regresión. V F
21) Las curvas de regresión se resuelven con la técnica de polinomios ortonormales. V F
22) Las transformaciones más comunes para regresión son:...................................................... ..............
23) Para las curvas de dosis-mortalidad se usa la transformación probit. V F

2) Se desea encontrar la recta de regresión para los siguiente datos, y luego validar los resultados obtenidos tan-
to para a como para b:

X Y
0 5
10 20
20 40
30 60
40 78
50 98
60 118
70 135
80 152

3) Se desea saber si la balanza investigada está calibrada. Los datos recogidos son:

X 1 2 5 10 20 50 100 150 200 500 1000 1500 2000 3000

Y 1,2 1,9 4,8 10,5 21 49 98 152 202 496 1010 1520 1986 3020
Bioestadística aplicada a Bioquímica y Farmacia 21-18

4) Encontrar la recta de regresión para cuando hay 5 valores de Y por cada X, realizando las vali-
daciones correspondientes:

X
15 20 30 50
65 60 53 43
68 58 52 44
Y 67 59 51 42
69 57 54 41
70 58 50 40

5) Encontrar la recta de regresión para cuando hay 3 valores de Y por cada X, realizando las vali-
daciones correspondientes:

X
15 20 30 50
65 60 53 43
Y 68 58 52 44
67 59 51 42

6) Para los datos de la tabla siguiente decidir si existe una recta de regresión entre las dos varia-
bles presentadas.

X 95 115 135 155 175 195 221 235 255 275

Y 90 100 120 140 160 170 180 190 200 215