Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 8 Núm. (16) 2025. ISSN: 2737-6249  
Análisis estadístico de regresión lineal múltiple para la predicción de distancia de marcha en función de  
variables antropométricas.  
DOI: https://doi.org/10.46296/ig.v8i16.0305  
ANÁLISIS ESTADÍSTICO DE REGRESIÓN LINEAL MÚLTIPLE PARA LA  
PREDICCIÓN DE DISTANCIA DE MARCHA EN FUNCIÓN DE VARIABLES  
ANTROPOMÉTRICAS  
MULTIPLE LINEAR REGRESSION STATISTICAL ANALYSIS FOR GAIT DISTANCE  
PREDICTION BASED ON ANTHROPOMETRIC VARIABLES  
Pionce-Soledispa Miguel Eduardo 1  
1
Contraloría General del Estado – Universidad de Guayaquil. Guayaquil, Ecuador.  
Correo: mpionce@contraloria.gob.ec. ORCID ID: https://orcid.org/0000-0001-9976-9941  
Resumen  
Este estudio tuvo como objetivo desarrollar un modelo de regresión lineal múltiple para predecir  
la distancia recorrida en 20 pasos a partir de variables antropométricas básicas en una población  
funcionalmente sana. Se realizó un estudio observacional transversal con 403 participantes  
mayores de 18 años sin limitaciones físicas que afectaran la marcha, evaluando edad, peso,  
estatura y sexo como variables independientes. Se aplicó regresión lineal múltiple con  
eliminación hacia atrás utilizando el criterio de información de Akaike, comparando modelos con  
y sin intercepto. El modelo inicial con intercepto mostró limitaciones en su capacidad explicativa,  
alcanzando un R² ajustado de 0.3754, lo que motivó la evaluación de alternativas estructurales.  
La eliminación del intercepto produjo mejoras dramáticas en la capacidad predictiva,  
incrementando el R² ajustado a 0.9872 y resultando en la ecuación final Y = 0.8702(Edad) +  
3
2
.4580(Peso) + 6.3203(Estatura). La estatura emergió como el predictor más significativo (t =  
0.929, p < 2e-16), confirmando su importancia biomecánica en el rendimiento locomotor,  
seguida del peso (t = 4.835, p = 1.9e-06). Contrariamente a las expectativas, la edad no demostró  
significancia estadística (p = 0.277) en el modelo final. Los resultados confirman la viabilidad de  
desarrollar herramientas predictivas altamente eficaces basadas en mediciones antropométricas  
simples, ofreciendo una aproximación práctica y accesible para la evaluación funcional en  
contextos clínicos y deportivos sin requerir equipamiento especializado costoso.  
Palabras clave: biomecánica, capacidad funcional, evaluación locomotora, modelado predictivo,  
rendimiento físico.  
Abstract  
This study aimed to develop a multiple linear regression model to predict the distance covered in  
2
0 steps based on basic anthropometric variables in a functionally healthy population. A cross-  
sectional observational study was conducted with 403 participants over 18 years old without  
physical limitations affecting gait, evaluating age, weight, height, and sex as independent  
variables. Multiple linear regression with backward elimination using Akaike information criterion  
was applied, comparing models with and without intercept. The initial model with intercept showed  
limitations in its explanatory capacity, achieving an adjusted R² of 0.3754, which motivated the  
evaluation of structural alternatives. Intercept elimination produced dramatic improvements in  
predictive capacity, increasing the adjusted R² to 0.9872 and resulting in the final equation Y =  
0
.8702(Age) + 3.4580(Weight) + 6.3203(Height). Height emerged as the most significant predictor  
(
t = 20.929, p < 2e-16), confirming its biomechanical importance in locomotor performance,  
followed by weight (t = 4.835, p = 1.9e-06). Contrary to expectations, age showed no statistical  
significance (p = 0.277) in the final model. Results confirm the feasibility of developing highly  
effective predictive tools based on simple anthropometric measurements, offering a practical and  
accessible approach for functional assessment in clinical and sports contexts without requiring  
costly specialized equipment.  
Keywords: biomechanics, functional capacity, locomotor assessment, predictive modeling,  
physical performance.  
Información del manuscrito:  
Fecha de recepción: 12 de mayo de 2025.  
Fecha de aceptación: 15 de julio de 2025.  
Fecha de publicación: 18 de agosto de 2025.  
468  
Pionce-Soledispa. (2025)  
1. Introducción  
hábitos físicos, influenciados en  
parte por características  
Las medidas antropométricas son  
esenciales para la evaluación del  
rendimiento físico y la capacidad  
funcional de los individuos. Diversos  
antropométricas, son vitales para la  
salud general de los estudiantes  
(
León et al., 2020). Esto es  
especialmente relevante en  
estudiantes universitarios, donde  
integrar prácticas saludables  
estudios  
han  
mostrado  
que  
características corporales, como el  
peso, la estatura y el índice de masa  
corporal (IMC), están relacionadas  
con el rendimiento físico. Por  
ejemplo, en un estudio, Valenzuela  
a
través de la actividad física puede  
impactar positivamente en su calidad  
de vida y rendimiento académico  
(Velásquez et al., 2023).  
Contreras  
et  
al.  
identificaron  
La relación entre las características  
físicas y el rendimiento se ha vuelto  
fundamental en el diseño de  
correlaciones significativas entre la  
composición corporal y los niveles de  
rendimiento físico en estudiantes  
universitarios, sugiriendo que estas  
mediciones pueden ser herramientas  
clave para predecir capacidades  
físicas (Valenzuela Contreras et al.,  
programas  
de  
ejercicio  
y
rehabilitación. Según un estudio  
realizado por Terrones-Concepción  
et al., se encontró que ciertos  
factores  
sociodemográficos  
afectan  
y
2024).  
antropométricos  
la  
Además, la evaluación de la marcha,  
una función motora fundamental, se  
ha convertido en un indicador crucial  
tanto en salud pública como en el  
ámbito deportivo. El monitoreo  
continuo de los parámetros de la  
marcha puede brindar información  
sobre la salud física (Sornoza-  
Parrales et al., 2025), los riesgos de  
lesiones y los niveles generales de  
condición física. La investigación de  
León et al. apoya la idea de que los  
capacidad de rendimiento físico, y  
que esta información puede  
contribuir al diseño de programas  
específicos que mejoren la eficacia  
de intervenciones en salud y deporte  
(
Terrones-Concepción et al., 2022).  
Este enfoque permite los  
profesionales personalizar  
regímenes de entrenamiento  
a
y
rehabilitación, basándose en las  
características individuales de los  
participantes, lo cual es un avance  
469  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 8 Núm. (16) 2025. ISSN: 2737-6249  
Análisis estadístico de regresión lineal múltiple para la predicción de distancia de marcha en función de  
variables antropométricas.  
significativo  
actuales.  
en  
las  
prácticas  
personalización de entrenamientos.  
Investigaciones  
realizadas  
et al.  
por  
Hermosilla-Palma  
han  
1.1 Importancia de la predicción  
demostrado que las características  
antropométricas, junto con la  
composición corporal y los estados  
del rendimiento físico en salud y  
rehabilitación  
de  
maduración,  
influyen  
La capacidad para predecir el  
significativamente en el rendimiento  
físico de los jóvenes deportistas  
rendimiento físico  
a
partir de  
variables antropométricas ofrece  
múltiples ventajas prácticas en  
diversos contextos, incluyendo la  
salud clínica, el ámbito deportivo y  
geriátrico. En el entorno clínico, la  
(Hermosilla Palma et al., 2024). Esta  
capacidad de análisis permite a los  
entrenadores no solo identificar a los  
jóvenes con mayor potencial, sino  
también diseñar programas de  
evaluación  
de  
las  
medidas  
entrenamiento adaptados  
necesidades individuales  
a
las  
y
antropométricas permite identificar  
limitaciones en los pacientes y sus  
potenciales riesgos de salud. Por  
características físicas de cada atleta,  
optimizando así su desarrollo y  
rendimiento.  
ejemplo,  
López-García  
et  
al.  
resaltaron cómo las variables  
antropométricas como el índice de  
masa corporal y la composición  
corporal pueden señalar limitaciones  
físicas importantes que inciden en un  
tratamiento efectivo y personalizado  
En el contexto de la geriatría, la  
predicción del rendimiento físico a  
través de estas medidas es crucial  
para detectar riesgos de caídas y  
fragilidad en adultos mayores. La  
literatura científica indica que un bajo  
(López-García et al., 2024). Esta  
información no solo es vital para el  
diagnóstico, sino que también  
permite monitorizar la progresión de  
los pacientes en rehabilitación.  
rendimiento físico,  
a
menudo  
medidas  
asociado  
con  
antropométricas  
desfavorables,  
puede ser indicativo de un mayor  
riesgo de caídas; sin embargo, no se  
En el ámbito deportivo, la predicción  
del rendimiento físico es clave para  
la selección de talentos y la  
encontró  
proporcionadas un análisis que  
conecta directamente estas  
en  
las  
referencias  
470  
Pionce-Soledispa. (2025)  
variables  
antropométricas  
magnitud de la relación entre las  
variables estudiadas.  
específicas con el riesgo de caídas  
Delgado-Martín et al., 2020). La  
(
Los coeficientes derivados del  
análisis de regresión lineal múltiple  
proporcionan información detallada  
sobre la contribución individual de  
cada variable al rendimiento físico.  
Por ejemplo, si se considera un  
modelo que incluye medidas como la  
altura, el peso y la edad como  
personalización de los programas de  
ejercicio y entrenamiento, basada en  
la evaluación antropométrica, puede  
contribuir  
significativamente  
a
mejorar la movilidad y la fuerza en  
este grupo, reduciendo así el riesgo  
de accidentes y promoviendo un  
envejecimiento saludable.  
variables  
independientes,  
los  
1
.2 La regresión lineal múltiple en  
coeficientes permitirán determinar  
cuál de estas variables tiene un  
mayor impacto en la capacidad de  
marcha o en otros indicadores de  
rendimiento físico. Este enfoque no  
solo permite un análisis descriptivo,  
sino que también guía a los  
profesionales en la identificación de  
las características que deben ser  
priorizadas en programas de  
estudios biomecánicos  
La regresión lineal múltiple es una  
técnica estadística que permite  
analizar y modelar la relación entre  
múltiples variables independientes y  
una variable dependiente. Esta  
herramienta es particularmente  
valiosa  
en  
los  
estudios  
biomecánicos, ya que facilita la  
comprensión de cómo diferentes  
entrenamiento  
y
rehabilitación,  
optimizando así los resultados para  
cada individuo.  
factores  
antropométricos  
contribuyen al rendimiento físico. En  
función de su versatilidad, la  
regresión lineal múltiple no solo se  
centra en establecer si existe una  
relación entre las variables, sino que  
también permite cuantificar la  
influencia específica de cada una de  
estas sobre el rendimiento, al  
Además, la interpretación de los  
resultados  
regresión  
obtenidos  
lineal  
mediante  
es  
múltiple  
fundamental en la investigación en  
biomecánica, ya que ofrece un  
marco analítico robusto para validar  
hipótesis sobre el rendimiento físico.  
La capacidad para descomponer el  
proporcionar  
coeficientes  
interpretables que reflejan la  
rendimiento  
físico  
en  
sus  
471  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 8 Núm. (16) 2025. ISSN: 2737-6249  
Análisis estadístico de regresión lineal múltiple para la predicción de distancia de marcha en función de  
variables antropométricas.  
componentes  
más  
relevantes  
simple de 20 pasos como indicador  
de rendimiento locomotor y variables  
antropométricas fácilmente medibles  
en cualquier entorno clínico o  
permite a los investigadores y  
clínicos ajustar sus intervenciones  
basándose en datos específicos y  
evidencias cuantitativas. Por lo tanto,  
el uso de esta técnica es esencial no  
solo para entender cómo diferentes  
medidas antropométricas afectan el  
rendimiento, sino también para  
deportivo.  
Esta  
aproximación  
generar  
metodológica  
busca  
conocimiento aplicable que pueda  
ser implementado de manera  
eficiente en diferentes contextos  
profesionales, contribuyendo así a la  
desarrollar  
estrategias  
de  
intervención eficaces en salud y  
deporte.  
evaluación  
y
comprensión del  
rendimiento físico humano.  
1
.3 Justificación, objetivo  
e
El objetivo general del estudio  
consiste en construir un modelo de  
regresión lineal múltiple que permita  
predecir la distancia recorrida en 20  
hipótesis del estudio  
A pesar de la extensa literatura  
existente sobre factores que influyen  
en el rendimiento de la marcha,  
existe una necesidad de desarrollar  
modelos predictivos específicos y  
validados que permitan estimar la  
pasos  
antropométricas  
estatura y sexo) en una muestra de  
individuos. Se plantea como  
hipótesis principal que existe una  
relación estadísticamente  
significativa entre las variables  
antropométricas (edad, peso,  
a
partir de variables  
(edad, peso,  
distancia  
de  
en  
desplazamiento  
características  
basándose  
antropométricas básicas. La mayoría  
de los estudios previos se han  
enfocado en poblaciones específicas  
o han utilizado medidas complejas  
de análisis de la marcha que  
estatura y sexo) y la distancia  
recorrida en 20 pasos, siendo  
posible desarrollar un modelo de  
regresión  
lineal  
múltiple  
con  
requieren  
equipamiento  
capacidad predictiva adecuada.  
Específicamente, se hipotetiza que  
la estatura constituirá el predictor  
más fuerte debido a su relación  
directa con la longitud de zancada,  
especializado y costoso. En este  
contexto, el presente estudio  
propone una aproximación práctica y  
accesible, utilizando una prueba  
472  
Pionce-Soledispa. (2025)  
mientras que el peso y la edad  
mostrarán asociaciones variables  
dependiendo de la composición  
corporal y el estado físico de los  
participantes. Esta hipótesis se  
fundamenta en el conocimiento  
biomecánico actual que establece  
una relación proporcional entre las  
403 participantes seleccionados  
mediante muestreo no probabilístico  
por conveniencia, procurando incluir  
individuos con diversidad en las  
características antropométricas de  
interés para garantizar la variabilidad  
necesaria en el análisis de regresión.  
Los  
criterios  
de  
inclusión  
dimensiones corporales  
y
los  
establecidos  
fueron  
individuos  
parámetros espaciales de la marcha,  
particularmente la longitud de  
mayores de 18 años, capacidad para  
caminar de forma independiente sin  
asistencia, ausencia de limitaciones  
físicas que impidieran la realización  
zancada  
como  
determinante  
principal de la distancia cubierta en  
un número fijo de pasos.  
de la prueba de marcha,  
consentimiento informado para  
participar en el estudio. Por el  
contrario, se excluyeron  
participantes con presencia de  
patologías neurológicas que  
y
2. Materiales y métodos  
Se llevó  
a
cabo un estudio  
observacional de tipo transversal con  
enfoque analítico, orientado al  
desarrollo de un modelo predictivo  
mediante regresión lineal multiple  
afectaran la marcha, lesiones  
musculoesqueléticas agudas en  
miembros  
inferiores,  
uso  
de  
(
Carvajal Rivadeneira et al., 2023).  
dispositivos de asistencia para la  
marcha (bastones, andadores), o  
imposibilidad para completar la  
prueba de evaluación por cualquier  
causa. Estos criterios garantizaron la  
homogeneidad de la muestra en  
términos de capacidad locomotora  
El  
diseño  
permitió  
las  
evaluar  
simultáneamente  
variables  
antropométricas y de rendimiento  
físico en un momento específico,  
estableciendo  
relaciones  
estadísticas entre las características  
individuales de los participantes y su  
básica,  
minimizando  
factores  
desempeño  
en  
una  
prueba  
confusores que pudieran afectar la  
validez del modelo predictivo.  
estandarizada de marcha. La  
muestra final estuvo constituida por  
473  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 8 Núm. (16) 2025. ISSN: 2737-6249  
Análisis estadístico de regresión lineal múltiple para la predicción de distancia de marcha en función de  
variables antropométricas.  
El estudio analizó como variable  
dependiente la distancia recorrida en  
evaluación de la distancia recorrida  
en 20 pasos se realizó en una  
superficie plana y uniforme, marcada  
20 pasos, medida en centímetros y  
correspondiente a la distancia lineal  
total cubierta por el participante al  
realizar exactamente 20 pasos  
consecutivos a ritmo normal de  
previamente  
para  
garantizar  
mediciones precisas. Se instruyó a  
cada participante para caminar a su  
ritmo habitual, iniciando desde una  
posición estándar con ambos pies  
alineados en la línea de partida. La  
medición se realizó desde el punto  
de inicio hasta la posición del talón  
del pie que completaba el paso  
número 20, utilizando una cinta  
marcha. variables  
independientes incluyeron edad  
expresada en años completos al  
Las  
(
momento del estudio), peso (medido  
en kilogramos mediante báscula  
calibrada), estatura (medida en  
centímetros utilizando estadímetro  
métrica con precisión de  
1
de pared),  
y
sexo (variable  
centímetro. Cada participante realizó  
la prueba una sola vez, tras recibir  
instrucciones claras y un período  
breve de familiarización con el  
procedimiento.  
categórica codificada como 1 =  
masculino y 0 = femenino). Esta  
selección de variables se basó en su  
disponibilidad práctica en contextos  
clínicos y deportivos, así como en su  
relevancia teórica para la predicción  
del rendimiento locomotor.  
Todo el análisis estadístico se realizó  
utilizando el software RStudio  
(versión 4.3.0), seleccionado por su  
Las mediciones antropométricas se  
realizaron siguiendo protocolos  
estandarizados internacionales, con  
la estatura determinada con el  
participante descalzo, en posición  
erecta, con los talones juntos y la  
cabeza orientada en el plano de  
Frankfort. El peso corporal se  
registró con ropa ligera y sin calzado,  
utilizando una báscula digital  
calibrada con precisión de 0.1 kg. La  
robustez en análisis estadísticos y su  
capacidad para generar análisis  
reproducibles. Se utilizaron las  
librerías especializadas readxl para  
la importación de datos, MASS para  
la selección de variables mediante  
eliminación hacia atrás, y ggplot2  
para la generación de gráficos.  
Previo al desarrollo del modelo de  
regresión, se realizó un análisis  
exploratorio de los datos que incluyó  
474  
Pionce-Soledispa. (2025)  
estadísticas descriptivas para todas  
las variables, análisis de la  
=
0) para analizar si esta  
modificación mejoraba el ajuste y la  
capacidad predictiva del modelo.  
distribución  
de  
las  
variables  
mediante histogramas y gráficos Q-  
Q, identificación de valores atípicos  
mediante gráficos de cajas, matriz de  
correlaciones entre variables, y  
gráficos de dispersión múltiple para  
visualizar relaciones bivariadas.  
La evaluación de la calidad y validez  
del modelo se realizó mediante el  
coeficiente de determinación (R²)  
para evaluar la proporción de  
variabilidad explicada, R² ajustado  
para considerar el efecto del número  
Se desarrolló un modelo de  
regresión lineal múltiple siguiendo la  
ecuación general Y = β₀ + β₁(Edad)  
de predictoras, el  
estadístico para evaluar la  
significancia global del modelo,  
pruebas para evaluar la  
variables  
F
+
+
β₂(Peso) + β₃(Estatura) + β₄(Sexo)  
ε, donde Y representa la distancia  
t
significancia individual de cada  
coeficiente, error estándar residual  
para evaluar la precisión de las  
predicciones, y análisis de residuales  
para verificar los supuestos del  
modelo de regresión. Se verificaron  
los supuestos fundamentales de la  
regresión lineal múltiple, incluyendo  
recorrida en 20 pasos (cm), β₀ el  
intercepto del modelo, β₁, β₂, β₃, β₄  
los coeficientes de regresión para  
cada variable independiente, y ε el  
error residual. Se aplicó el método de  
eliminación hacia atrás (backward  
elimination) utilizando el criterio de  
linealidad  
independencia de los residuales,  
homocedasticidad (varianza  
de  
las  
relaciones,  
información  
de  
Akaike  
(AIC)  
mediante la función stepAIC() del  
paquete MASS. Este procedimiento  
constante de los residuales),  
normalidad de los residuales, y  
ausencia de multicolinealidad entre  
variables predictoras.  
automático  
removió  
secuencialmente las variables que  
no contribuían significativamente al  
modelo, comenzando con el modelo  
completo  
y
eliminando  
El estudio se desarrolló respetando  
los principios éticos fundamentales  
de la investigación con seres  
humanos. Todos los participantes  
proporcionaron su consentimiento  
progresivamente las variables con  
menor contribución estadística.  
Adicionalmente, se evaluó un  
modelo alternativo sin intercepto (β₀  
475  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 8 Núm. (16) 2025. ISSN: 2737-6249  
Análisis estadístico de regresión lineal múltiple para la predicción de distancia de marcha en función de  
variables antropométricas.  
informado antes de la recolección de  
datos, siendo informados sobre los  
estatura  
y
sexo, siguiendo la  
ecuación  
objetivos  
del  
estudio,  
los  
Y = β₀ + β₁(Edad) + β₂(Peso) + β₃(Estatura)  
procedimientos a realizar y su  
derecho a retirarse en cualquier  
+ β₄(Sexo).  
El modelo inicial mostró un ajuste  
global estadísticamente significativo  
con un F-estadístico de 81.55 (p <  
momento. la  
confidencialidad y anonimato de los  
datos, utilizando códigos de  
Se  
garantizó  
2.2e-16), sin embargo, presentó  
identificación que no permitían la  
identificación de los participantes  
limitaciones en su capacidad  
explicativa. El R² ajustado obtenido  
fue de 0.3754, indicando que el  
modelo explicaba aproximadamente  
el 37.54% de la variabilidad en la  
distancia recorrida. Este resultado  
sugirió la necesidad de evaluar  
modificaciones al modelo para  
mejorar su capacidad predictiva.  
individuales.  
La  
información  
recolectada se almacenó de forma  
segura y se utilizó exclusivamente  
para los fines de esta investigación,  
siendo la prueba de marcha una  
actividad de bajo riesgo y dentro del  
rango de actividades cotidianas  
normales.  
Aplicando el proceso de eliminación  
hacia atrás mediante el criterio de  
3. Resultados y discusión  
información  
de  
Akaike  
(AIC)  
utilizando la función stepAIC() del  
paquete MASS, se obtuvo un modelo  
reducido que excluía la variable  
sexo. El modelo resultante mantuvo  
únicamente edad, peso y estatura  
3
.1 Desarrollo del modelo de  
regresión lineal múltiple  
El análisis estadístico se realizó  
utilizando el software RStudio para  
construir un modelo de regresión  
lineal múltiple que relacionara las  
variables antropométricas con el  
rendimiento físico expresado como  
distancia recorrida en 20 pasos.  
Inicialmente se desarrolló un modelo  
completo que incluía todas las  
variables propuestas: edad, peso,  
como  
variables  
predictoras,  
expresado mediante la ecuación:  
Y = -518.0978 + 1.3797(Edad) +  
2
.3059(Peso) + 9.8520(Estatura).  
Dado que el R² ajustado del modelo  
con  
intercepto  
para  
se  
consideró  
insuficiente  
aplicaciones  
476  
Pionce-Soledispa. (2025)  
predictivas robustas, se evaluó una  
versión alternativa eliminando el  
En este modelo optimizado, las  
variables  
peso  
y
estatura  
término  
constante  
(β₀).  
Esta  
demostraron  
contribuciones  
modificación  
produjo  
mejoras  
estadísticamente significativas, con  
valores t de 4.835 (p = 1.9e-06) y  
20.929 (p < 2e-16) respectivamente.  
La variable edad, aunque incluida en  
el modelo, mostró una contribución  
marginal con un valor t de 1.088 (p =  
sustanciales en los indicadores de  
ajuste del modelo.  
El modelo sin intercepto mostró una  
transformación dramática en su  
capacidad predictiva, alcanzando un  
R² ajustado de 0.9872, lo que indica  
que explica aproximadamente el  
0.277), sugiriendo una influencia  
limitada en la predicción de la  
distancia recorrida.  
98.72% de la variabilidad en la  
distancia recorrida. El F-estadístico  
se incrementó considerablemente a  
3.2 Análisis del comportamiento  
de las variables  
1
.033  
×
10⁴ (p  
<
2.2e-16),  
El análisis exploratorio mediante  
gráficos de dispersión múltiple  
confirmando  
la  
significancia  
estadística global del modelo. La  
ecuación final del modelo se expresó  
como:  
permitió  
diferenciados en las relaciones entre  
las variables antropométricas  
identificar  
patrones  
Y = 0.8702(Edad) + 3.4580(Peso) +  
estudiadas.  
6
.3203(Estatura).  
Figura 1. Dispersión múltiple entre variables  
477  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 8 Núm. (16) 2025. ISSN: 2737-6249  
Análisis estadístico de regresión lineal múltiple para la predicción de distancia de marcha en función de  
variables antropométricas.  
El gráfico de dispersión múltiple  
Figura 1) reveló una correlación  
observaciones  
respaldaron  
la  
(
inclusión de estas variables en un  
modelo de regresión lineal múltiple  
para predecir el rendimiento físico en  
positiva moderada entre la estatura y  
la distancia recorrida, sugiriendo que  
individuos de mayor estatura tienden  
a recorrer una mayor distancia en 20  
pasos, posiblemente debido a la  
longitud de zancada. De manera  
similar, el peso mostró una  
asociación positiva con la estatura y  
con la distancia, aunque más  
dispersa, lo que podría indicar  
variabilidad en la composición  
corporal. En contraste, la edad  
presentó una relación débil o incluso  
negativa con la distancia, lo que  
puede reflejar una disminución del  
función  
de  
características  
antropométricas.  
3.3 Relación estatura-distancia  
Los análisis que examinaron la  
relación entre estatura y distancia  
revelaron una asociación positiva  
clara y consistente. La pendiente de  
la  
recta  
de  
regresión  
fue  
significativamente pronunciada, y la  
distribución de puntos mostró una  
tendencia lineal definida, con menor  
dispersión alrededor de la línea  
ajustada comparada con otras  
variables.  
rendimiento  
físico  
con  
el  
envejecimiento.  
Estas  
Figura 2. Regresión lineal entre las variables estatura y distancia  
478  
Pionce-Soledispa. (2025)  
Estos resultados (Figura 2) sugieren  
que la estatura constituye un  
predictor relevante y robusto del  
rendimiento físico medido por la  
distancia recorrida. Desde una  
perspectiva antropométrica, este  
hallazgo se justifica por la ventaja  
biomecánica que representa una  
mayor longitud de extremidades  
inferiores en la longitud de zancada,  
lo cual puede impactar de manera  
directa en el desplazamiento por  
paso.  
3.4 Relación peso-distancia  
El análisis de la relación peso-  
distancia mostró una tendencia  
positiva, aunque con características  
particulares  
que  
La  
merecen  
consideración.  
asociación  
observada, si bien estadísticamente  
significativa en el modelo final,  
presentó mayor variabilidad que la  
relación estatura-distancia.  
Figura 3. Regresión lineal entre las variables peso y distancia  
Esta dispersión (Figura 3) podría  
reflejar la heterogeneidad en la  
composición corporal entre los  
participantes, donde el peso puede  
representar diferentes proporciones  
de masa muscular, grasa corporal y  
estructura ósea, factores que  
pueden tener efectos diversos sobre  
el rendimiento locomotor.  
3.5 Relación edad-distancia  
El análisis de la relación entre edad  
distancia recorrida presentó  
y
resultados que contrastan con  
expectativas iniciales. El gráfico  
479  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 8 Núm. (16) 2025. ISSN: 2737-6249  
Análisis estadístico de regresión lineal múltiple para la predicción de distancia de marcha en función de  
variables antropométricas.  
evidenció una ligera pendiente  
positiva en la recta de regresión,  
sugiriendo una débil correlación  
directa entre ambas variables, donde  
a medida que aumenta la edad, se  
observa un incremento marginal en  
la distancia recorrida.  
Figura 4. Regresión lineal entre las variables edad y distancia  
No obstante, la gran dispersión de  
los puntos y la amplitud del intervalo  
de confianza indicaron una alta  
variabilidad y una baja capacidad  
predictiva de la edad como único  
factor explicativo. Esta variabilidad  
y observados confirmó la alta  
capacidad predictiva del modelo sin  
intercepto. La distribución de puntos  
mostró una concentración cercana a  
la línea de identidad perfecta (línea  
diagonal roja discontinua), indicando  
concordancia entre las predicciones  
del modelo y los valores realmente  
observados. Esta representación  
visual respalda la validez del modelo  
desarrollado y su potencial utilidad  
para aplicaciones predictivas en  
contextos prácticos.  
puede atribuirse  
a
diferencias  
interindividuales en el estado físico,  
la condición funcional y el nivel de  
actividad física, factores que pueden  
ser más determinantes que la edad  
cronológica per se en el rendimiento  
locomotor.  
3.6 Evaluación del ajuste del  
modelo final  
La evaluación gráfica del modelo  
final (Figura 5) mediante la  
comparación entre valores predichos  
480  
Pionce-Soledispa. (2025)  
Figura 5. Gráfico de Regresión Lineal Múltiple  
3
.7 Interpretación biomecánica y  
El papel preponderante de la  
estatura como predictor, evidenciado  
por su coeficiente de 6.3203 y su alta  
significancia estadística (t = 20.929,  
p < 2e-16), tiene fundamentos  
biomecánicos sólidos. La estatura  
está directamente relacionada con la  
longitud de las extremidades  
inferiores, determinante principal de  
la longitud de zancada. En conjunto,  
los análisis apoyan la inclusión de  
estatura en un modelo de regresión  
múltiple, destacando su mayor  
significado  
hallazgos  
clínico  
de  
los  
Los  
resultados  
obtenidos  
demuestran que la eliminación del  
intercepto del modelo de regresión  
produjo mejoras sustanciales en la  
capacidad predictiva, incrementando  
el R² ajustado desde 37.54% hasta  
9
8.72%. Este hallazgo sugiere que  
existe una relación proporcional  
directa entre las variables  
antropométricas y la distancia de  
marcha, sin necesidad de un término  
constante en la ecuación. La  
ausencia de intercepto tiene una  
interpretación práctica coherente  
desde el punto de vista biomecánico:  
indica que cuando todas las  
variables antropométricas son cero  
capacidad  
explicativa  
en  
comparación con la edad.  
La contribución positiva del peso  
corporal (coeficiente 3.4580)  
=
puede explicarse por la correlación  
natural entre peso y estatura en  
poblaciones  
individuos más altos tienden a tener  
mayor masa corporal.  
Adicionalmente, el peso puede  
normales,  
donde  
(situación teórica), la distancia  
recorrida también sería cero, lo cual  
es lógicamente consistente.  
481  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 8 Núm. (16) 2025. ISSN: 2737-6249  
Análisis estadístico de regresión lineal múltiple para la predicción de distancia de marcha en función de  
variables antropométricas.  
reflejar masa muscular en las  
extremidades inferiores, lo cual  
relación lineal directa entre las  
variables antropométricas el  
y
contribuye positivamente  
a
la  
rendimiento en la marcha. Este  
hallazgo sugiere que en un grupo  
poblacional específico, una relación  
proporcional entre altura, peso y  
distancia de marcha es válida, lo que  
es coherente con la lógica  
biomecánica en la que la ausencia  
de un término constante implica que  
cuando todas las variables son cero,  
la distancia recorrida también es  
cero, indicando una base sólida para  
inferir la funcionalidad baja.  
capacidad de generar fuerza  
propulsiva durante la marcha.  
El efecto limitado y no significativo de  
la edad en el modelo final (t = 1.088,  
p = 0.277) sugiere que los efectos del  
envejecimiento sobre la marcha  
pueden ser más evidentes en rangos  
etarios específicos o en presencia de  
patologías asociadas, las cuales  
fueron excluidas por los criterios de  
selección del estudio. La variabilidad  
interindividual en el estado físico y  
funcional puede ser mayor que los  
efectos promedio de la edad per se  
en esta población de estudio.  
La estatura, como principal predictor  
de la distancia de marcha, coincide  
con hallazgos previos que indican  
que la longitud de las extremidades  
inferiores, la cual está directamente  
relacionada con la altura, es  
fundamental en la determinación de  
la longitud de zancada y, por ende,  
en el rendimiento en la marcha  
3.8  
Comparación  
de  
los  
resultados con la literatura  
Los resultados de su estudio sobre la  
capacidad predictiva de las variables  
antropométricas en relación con la  
(Malik et al., 2017). Estudios que  
distancia  
de  
marcha  
ofrecen  
vinculan la altura y la capacidad de  
marcha han demostrado que  
pacientes más altos generalmente  
muestran una mejor habilidad para  
caminar, lo que está correlacionado  
con una mayor potencia muscular y  
mecánica (Schniepp et al., 2014). La  
contribución positiva del peso  
corporal es igualmente relevante, ya  
hallazgos relevantes que se alinean  
con la literatura existente sobre la  
biomecánica  
y
el rendimiento  
funcional. La mejora significativa en  
el R² ajustado al eliminar el  
intercepto del modelo de regresión,  
aumentando hasta un 98.72%,  
respalda la existencia de una  
482  
Pionce-Soledispa. (2025)  
que un mayor peso a menudo refleja  
en la distancia de marcha. Las  
implicaciones clínicas de estos  
resultados son significativas, ya que  
podrían informar sobre programas  
una  
mayor  
masa  
muscular,  
facilitando así la producción de  
fuerza propulsiva necesaria durante  
la marcha (Jürgensen et al., 2011).  
de rehabilitación  
y
evaluación  
funcional en poblaciones diversas,  
resaltando la importancia de los  
La observación de que la edad tiene  
un efecto limitado en el modelo final  
también es consistente con la  
literatura, que sugiere que el impacto  
del envejecimiento sobre la marcha  
puede estar mediado por factores  
como la salud general y la presencia  
de patologías (Charalambous et al.,  
análisis  
individualizados  
al  
considerar el rendimiento en la  
marcha (Schaik et al., 2019).  
4. Conclusiones  
El presente estudio demostró  
exitosamente la viabilidad de  
desarrollar un modelo predictivo  
robusto para estimar la distancia de  
2
022). En particular, estudios han  
demostrado que los efectos del  
envejecimiento sobre la marcha son  
más notables en poblaciones con  
comorbilidades, lo que coincide con  
el criterio de exclusión de su estudio  
de individuos con condiciones  
específicas (McCartney et al., 2025).  
Además, la variabilidad en el estado  
físico y funcional de los individuos  
puede ser más relevante que los  
efectos promedio de la edad por sí  
sola, lo que podría explicar los  
resultados observados en su análisis  
marcha  
a
partir de variables  
básicas. La  
antropométricas  
aplicación de regresión lineal  
múltiple sin intercepto resultó en un  
modelo altamente eficaz, explicando  
el 98.72% de la variabilidad en la  
distancia recorrida en 20 pasos  
mediante  
la =  
.8702(Edad) + 3.4580(Peso) +  
.3203(Estatura). Este hallazgo  
ecuación  
Y
0
6
representa un avance significativo en  
la capacidad predictiva comparado  
con el modelo inicial con intercepto,  
que explicaba únicamente el 37.54%  
de la variabilidad, evidenciando la  
(
Ulrich et al., 2013).  
Los hallazgos de su estudio  
corroboran la literatura existente que  
respalda la influencia directa de los  
parámetros  
antropométricos,  
importancia considerar  
de  
especialmente la estatura y el peso,  
modificaciones estructurales en los  
483  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 8 Núm. (16) 2025. ISSN: 2737-6249  
Análisis estadístico de regresión lineal múltiple para la predicción de distancia de marcha en función de  
variables antropométricas.  
modelos estadísticos para optimizar  
su rendimiento predictivo.  
Los resultados obtenidos tienen  
implicaciones prácticas importantes  
para la evaluación clínica, el ámbito  
La estatura emergió como el  
deportivo  
y
la  
investigación  
simplicidad  
predictor  
estadísticamente significativo (t =  
0.929, p < 2e-16), confirmando la  
más  
relevante  
y
biomecánica.  
La  
metodológica del modelo, basado en  
mediciones antropométricas básicas  
2
hipótesis planteada sobre su papel  
preponderante en el rendimiento  
locomotor. Este resultado tiene  
fundamentos biomecánicos sólidos,  
ya que la estatura está directamente  
relacionada con la longitud de las  
y
una  
prueba  
de  
facilita  
en  
marcha  
su  
estandarizada,  
implementación  
diversos  
contextos profesionales sin requerir  
equipamiento especializado costoso.  
Este enfoque predictivo puede  
contribuir significativamente a la  
evaluación funcional inicial, el diseño  
de programas de rehabilitación  
personalizados y la identificación  
temprana de individuos con riesgo  
de limitaciones locomotoras. La alta  
capacidad predictiva del modelo  
desarrollado establece una base  
sólida para futuras investigaciones  
que puedan expandir su aplicación a  
poblaciones específicas y explorar la  
extremidades  
inferiores  
y,  
consecuentemente, con la longitud  
de zancada. El peso corporal  
también mostró una contribución  
significativa (t = 4.835, p = 1.9e-06),  
posiblemente reflejando tanto la  
correlación natural con la estatura  
como el papel de la masa muscular  
en la generación de fuerza  
propulsiva. Contrariamente a las  
expectativas iniciales, la edad no  
demostró predictor  
significativo en el modelo final (t =  
.088, p = 0.277), sugiriendo que en  
ser  
un  
incorporación  
de  
variables  
adicionales que mejoren aún más la  
precisión predictiva en contextos  
clínicos y deportivos especializados.  
1
poblaciones funcionalmente sanas,  
la variabilidad interindividual en el  
estado físico puede ser más  
determinante que los efectos  
cronológicos del envejecimiento.  
484  
Pionce-Soledispa. (2025)  
Bibliografía  
físico en futbolistas jóvenes a  
través de características  
antropométricas, composición  
corporal estados de  
maduración somática. Retos,  
61, 1199–1206.  
Carvajal Rivadeneira, D. D., Ponce  
Reyes, F. S., Sornoza-  
Parrales, D., Pincay Pilay, M.,  
Antonio, Q. S., & Miller  
y
Zavala,  
J.  
H.  
(2023).  
https://doi.org/10.47197/retos.  
v61.110400  
Elementos básicos de la  
investigación científica: ISBN:  
Jürgensen, S. P., Antunes, L. C. D.  
O., Tanni, S. E., Banov, M. C.,  
Lucheta, P. A., Bucceroni, A.  
F., Godoy, I., & Dourado, V. Z.  
9
78-9942-846-51-8.  
EDITORIAL  
INTERNACIONAL RUNAIKI,  
1–75.  
(2011).  
The  
Incremental  
Charalambous, D., Strasser, T.,  
Tichy, A., & Bockstahler, B.  
Shuttle Walk Test in Older  
Brazilian Adults. Respiration,  
(
2022). Ground Reaction  
Forces and Center of  
Pressure within the Paws  
When Stepping over  
Obstacles in Dogs. Animals,  
2(13), 1702.  
https://doi.org/10.3390/ani121  
1702  
81(3),  
223–228.  
https://doi.org/10.1159/00031  
9037  
León, M. P., Prieto-Ayuso, A., & Gil-  
Madrona, P. (2020). Hábitos y  
motivos de ejercicio físico en  
estudiantes universitarios y su  
relación con el valor otorgado  
1
3
Delgado-Martín, J., Garoz-Puerta, I.,  
Miguel-Tobal, F., & Martínez-  
a
la  
Educación  
Física  
physical  
(Undergraduates’  
de-Haro,  
ANTROPOMETRÍA  
V.  
(2020).  
Y
exercise habits and motives  
and their relationship with the  
value given to Physical  
Education). Retos, 37, 78–84.  
https://doi.org/10.47197/retos.  
v37i37.70454  
FUERZA, SU INFLUENCIA  
SOBRE EL TEST SIT AND  
REACH. Revista Internacional  
de Medicina y Ciencias de la  
Actividad Física y del Deporte,  
López-García,  
R.,  
Lagunes  
20(78),  
369–380.  
Carrasco, J. O., Ochoa-  
Ahmed, F. A., Carranza-  
García, L. E., Navarro-Orocio,  
https://doi.org/10.15366/rimca  
fd2020.78.012  
Hermosilla Palma, F. A., Loro-Ferrer,  
J. F., Merino-Muñoz, P.,  
Gómez-Álvarez, N., Cerda-  
Kohler, H., Portes-Junior, M.,  
R.,  
&
Ramírez-Nava, R.  
(2024). Relación de la  
antropometría y rendimiento  
físico con la maduración  
biológica en tenistas juveniles  
de élite. Sportis. Scientific  
&
Aedo-Muñoz, E. (2024).  
Predicción del rendimiento  
485  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 8 Núm. (16) 2025. ISSN: 2737-6249  
Análisis estadístico de regresión lineal múltiple para la predicción de distancia de marcha en función de  
variables antropométricas.  
Journal of School Sport,  
Physical Education and  
Psychomotricity, 10(3), 417–  
36.  
https://doi.org/10.17979/sporti  
s.2024.10.3.10542  
Parrales Poveda, M. L.  
(2025). Bibliometric Analysis  
of IoT-Based Technologies for  
Health Monitoring: Trends,  
Impact, and Key Findings  
(2014-2024). Salud, Ciencia y  
4
Tecnología,  
https://doi.org/10.56294/salud  
cyt20251060  
5,  
1060.  
Malik, R. N., Cote, R., & Lam, T.  
(2017).  
Sensorimotor  
integration of vision and  
proprioception for obstacle  
Terrones-Concepción,  
J.  
D.,  
crossing  
individuals with spinal cord  
injury. Journal of  
Neurophysiology, 117(1), 36–  
6.  
https://doi.org/10.1152/jn.001  
9.2016  
in  
ambulatory  
Calizaya-Milla, Y. E., Lozano-  
Lopéz, T., & Saintila, J.  
(2022).  
Características  
sociodemográficas, hábitos  
de vida y frecuencia de  
4
consumo  
de  
alimentos  
6
asociados al rendimiento  
físico en corredores amateurs  
McCartney, K. M., Boyne, P., Pohlig,  
R., Morton, S. M., & Reisman,  
(
Sociodemographic  
characteristics, lifestyle habits  
and frequency of food  
consumption associated with  
D.  
(2025).  
Quantifying  
Exercise Intensity to Predict  
Changes in Walking Capacity  
in People with Chronic Stroke.  
Rehabilitation Medicine and  
physical  
amateur runners). Retos, 46,  
150–1158.  
performance  
in  
1
Physical  
https://doi.org/10.1101/2025.  
3.04.25323345  
Therapy.  
https://doi.org/10.47197/retos.  
v46.94104  
0
Ulrich, S., Hildenbrand, F. F., Treder,  
U., Fischler, M., Keusch, S.,  
Speich, R., & Fasnacht, M.  
Schniepp, R., Kugler, G., Wuehr, M.,  
Eckl, M., Huppert, D., Huth,  
S., Pradhan, C., Jahn, K., &  
(
2013). Reference values for  
the 6-minute walk test in  
healthy children and  
Brandt,  
T.  
(2014).  
Quantification of gait changes  
in subjects with visual height  
intolerance when exposed to  
heights. Frontiers in Human  
adolescents in Switzerland.  
BMC Pulmonary Medicine,  
1
3(1), 49.  
https://doi.org/10.1186/1471-  
466-13-49  
Neuroscience,  
https://doi.org/10.3389/fnhum.  
014.00963  
8.  
2
2
Valenzuela Contreras, L., Villaseca-  
Vicuña, R., Segueida-Lorca,  
A., Morales Ríos, C., Osorio  
Sornoza-Parrales, D., Vera Pisco,  
D., Pincay Pilay, M. M., &  
486  
Pionce-Soledispa. (2025)  
Aud, J., & Barrera Díaz, J.  
2024). Comparación de la  
composición corporal  
(
y
rendimiento físico según sexo  
y su relación entre variables  
en estudiantes universitarios  
de educación física de  
Santiago  
Comparison  
de  
of  
Chile  
body  
(
composition and physical  
performance according to sex  
and their relationship between  
variables  
in  
physical  
education university students  
from Santiago de Chile).  
Retos,  
56,  
114–121.  
https://doi.org/10.47197/retos.  
v56.103220  
Velásquez, A. J., Veas Alfaro, L. B.,  
García Velásquez, L. C., &  
Bernal Orellana, S. V. (2023).  
Relación entre condición  
física  
y
rendimiento  
académico en estudiantes de  
colegios municipales de La  
Serena-Chile.  
Journal  
of  
Movement & Health, 20(2).  
https://doi.org/10.5027/jmh-  
Vol20-Issue2(2023)art187  
487