Professional Documents
Culture Documents
Ejemplo de una regresin lineal con una variable dependiente y una variable independiente.
donde:
Historia[editar]
La primera forma de regresin lineal documentada fue el mtodo de los mnimos
cuadrados que fue publicada por Legendre en 1805, Gauss public un trabajo en donde
desarrollaba de manera ms profunda el mtodo de los mnimos cuadrados,1 y en dnde se
inclua una versin del teorema de Gauss-Mrkov.
El trmino regresin se utiliz por primera vez en el estudio de variables antropomtricas: al
comparar la estatura de padres e hijos, donde result que los hijos cuyos padres tenan una
estatura muy superior al valor medio, tendan a igualarse a ste, mientras que aquellos cuyos
padres eran muy bajos tendan a reducir su diferencia respecto a la estatura media; es decir,
"regresaban" al promedio.2 La constatacin emprica de esta propiedad se vio reforzada ms
tarde con la justificacin terica de ese fenmeno.
El trmino lineal se emplea para distinguirlo del resto de tcnicas de regresin, que emplean
modelos basados en cualquier clase de funcin matemtica. Los modelos lineales son una
explicacin simplificada de la realidad, mucho ms giles y con un soporte terico mucho ms
extenso por parte de la matemtica y la estadstica.
Pero bien, como se ha dicho, se puede usar el trmino lineal para distinguir modelos basados
en cualquier clase de aplicacin.
(2)
(3)
El problema de la regresin consiste en elegir unos valores determinados para los parmetros
(4)
Los valores escogidos como estimadores de los parmetros , son los coeficientes de
regresin sin que se pueda garantizar que coincida n con parmetros reales del proceso
generador. Por tanto, en
(5)
(6)
donde es el error asociado a la medicin del valor y siguen los supuestos de modo
(7)
(9)
(10)
Obteniendo dos ecuaciones denominadas ecuaciones normales que generan la
siguiente solucin para ambos parmetros:4
(11)
(12)
incrementar en
(13)
(14)
(15)
La correlacin ("r") de las rectas determinar la calidad del ajuste. Si r es cercano o igual a 1,
el ajuste ser bueno y las predicciones realizadas a partir del modelo obtenido sern muy
fiables (el modelo obtenido resulta verdaderamente representativo); si r es cercano o igual a 0,
se tratar de un ajuste malo en el que las predicciones que se realicen a partir del modelo
obtenido no sern fiables (el modelo obtenido no resulta representativo de la realidad). Ambas
rectas de regresin se intersecan en un punto llamado centro de gravedad de la distribucin.
Una lnea de tendencia representa una tendencia en una serie de datos obtenidos a travs de
un largo perodo. Este tipo de lneas puede decirnos si un conjunto de datos en particular
(como por ejemplo, el PIB, el precio del petrleo o el valor de las acciones) han aumentado o
decrementado en un determinado perodo.8 Se puede dibujar una lnea de tendencia a simple
vista fcilmente a partir de un grupo de puntos, pero su posicin y pendiente se calcula de
manera ms precisa utilizando tcnicas estadsticas como las regresiones lineales. Las lneas
de tendencia son generalmente lneas rectas, aunque algunas variaciones utilizan polinomios
de mayor grado dependiendo de la curvatura deseada en la lnea.
Medicina[editar]
En medicina, las primeras evidencias relacionando la mortalidad con el fumar tabaco9 vinieron
de estudios que utilizaban la regresin lineal. Los investigadores incluyen una gran cantidad
de variables en su anlisis de regresin en un esfuerzo por eliminar factores que pudieran
producir correlaciones espurias.
En el caso del tabaquismo, los investigadores incluyeron el estado socio-econmico para
asegurarse que los efectos de mortalidad por tabaquismo no sean un efecto de su educacin
o posicin econmica. No obstante, es imposible incluir todas las variables posibles en un
estudio de regresin.10 11 En el ejemplo del tabaquismo, un hipottico gen podra aumentar la
mortalidad y aumentar la propensin a adquirir enfermedades relacionadas con el consumo
de tabaco. Por esta razn, en la actualidad las pruebas controladas aleatorias son
consideradas mucho ms confiables que los anlisis de regresin.
Informtica[editar]
Ejemplo de una rutina que utiliza una recta de regresin lineal para proyectar un valor futuro:
Cdigo escrito en PHP
<?php
//Licencia: GNU/GPL
$xarray=array(1, 2, 3, 4, 5 ); //Dias
$yarray=array(5, 5, 5, 6.8, 9); //Porcentaje de ejecucion
$pm=100; //Valor futuro
$x2=0;
$y=0;
$x=0;
$xy=0;
$cantidad=count($xarray);
for($i=0;$i<$cantidad;$i++){
//Tabla de datos
print ($xarray[$i]." ---- ".$yarray[$i]."<br>");
//Calculo de terminos
$x2 += $xarray[$i]*$xarray[$i];
$y += $yarray[$i];
$x += $xarray[$i];
$xy += $xarray[$i]*$yarray[$i];
}
//Coeficiente parcial de regresion
$b=($cantidad*$xy-$x*$y)/($cantidad*$x2-$x*$x);
//Calculo del intercepto
$a=($y-$b*$x)/$cantidad;
//Recta tendencial
//y=a+bx
//Proyeccion en dias para un 100% de la ejecucion:
if ($b!=0) $dias_proyectados=($pm-$a)/$b;
else $dias_proyectados=999999; //Infinitos
$dp=round($dias_proyectados,0);
if($dp<=$pm) print $dp."---> Culmina antes de los $pm dias <br>";
if($dp >$pm) print $dp ."---> ALARMA: No culmina antes de los $pm dias
<br>";
?>
Vase tambin[editar]
Homoscedasticidad
Regresin logstica
Modelos de regresin mltiple postulados y no postulados
Regresin segmentada
Econometra
Mnimos cuadrados
Regularizacin de Tikhonov
Cuarteto de Anscombe
Capital Asset Pricing Model
Regresin simple
Referencias[editar]
1. Volver arriba C.F. Gauss. Theoria combinationis observationum erroribus minimis obnoxiae.
(1821/1823)
2. Volver arriba Introduction to linear regression Curvefit.com (en ingls)
3. Volver arriba "Anlisis de regresin lineal", Universidad Complutense de Madrid
4. Saltar a:a b "Frmulas", Probabilidad y Estadstica. Cs. Bsicas. U.D.B.
Matemtica. Universidad Tecnolgica Nacional, Facultad Regional Buenos Aires. Editorial
CEIT-FRBA. (Cdigo BM2BT2)
5. Saltar a:a b Modelo de regresin lineal simple. EinsteinNet.
6. Volver arriba Tcnicas de regresin: Regresin Lineal Mltiple. Prtega Daz, S., Pita
Fernndez, S. Unidad de Epidemiologa Clnica y Bioestadstica. Complejo Hospitalario de La
Corua (Espaa)
7. Volver arriba Apunte sobre Rectas de regresin. Ministerio de Educacin y Ciencia. Gobierno
de Espaa.
8. Volver arriba Utilizacin de las lneas de tendencia, Paritech (en ingls)
9. Volver arriba Doll R, Peto r, Wheatley K, Gray R et al. Mortality in relation to smoking: 40
years' observations on male British doctors .BMJ 1994;309:901-911 (8 de octubre)
10. Volver arriba "Environmental Tobacco Smoke and Adult Asthma" Division of Pulmonary and
Critical Care Medicine, Division of Occupational and Environmental Medicine; Department of
Medicine, Institute for Health Policy Studies; and Department of Epidemiology and
Biostatistics, Universidad de California, San Francisco, California. (en ingls)
11. Volver arriba Efecto del tabaquismo, los sntomas respiratorios y el asma sobre la
espirometra de adultos de la Ciudad de Mxico, Justino Regalado-Pineda; Alejandro Gmez-
Gmez; Javier Ramrez-Acosta; Juan Carlos Vzquez-Garca
Bibliografa[editar]
Devore, Jay L.; Probabilidad y Estadstica para Ingeniera y Ciencias. International
Thomson Editores. Mxico. ISBN 9706864571.
Walpole, Ronald E.; Raymond H.; Myers, Sharon L.; Probabilidad y Estadstica para
Ingenieros. Pretice-Hall Hispanoamericana, S.A. Mxico. ISBN 9701702646.
Canavos, George C.; Probabilidad y Estadstica. Aplicaciones y Mtodos. McGraw-Hill.
Mxico. ISBN 9684518560.
Enlaces externos[editar]
Clculo de regresiones lineales en lnea. (en ingls)
ZunZun.com Ajuste de curvas y superficies en lnea. (en ingls)
xuru.org Herramientas de regresin lineal en lnea. (en ingls)
[1] Simulacin de la recta de regresin de una variable bidimensional continua con R
(lenguaje de programacin)
1. INTRODUCCIN
Si sabemos que existe una relacin entre una variable denominada dependiente y otras denominadas
independientes (como por ejemplo las existentes entre: la experiencia profesional de los trabajadores y sus
respectivos sueldos, las estaturas y pesos de personas, la produccin agraria y la cantidad de fertilizantes
utilizados, etc.), puede darse el problema de que la dependiente asuma mltiples valores para una
combinacin de valores de las independientes.
La dependencia a la que hacemos referencia es relacional matemtica y no necesariamente de causalidad.
As, para un mismo nmero de unidades producidas, pueden existir niveles de costo, que varan empresa a
empresa.
Si se da ese tipo de relaciones, se suele recurrir a los estudios de regresin en los cuales se obtiene una
nueva relacin pero de un tipo especial denominado funcin, en la cual la variable independiente se asocia
con un indicador de tendencia central de la variable dependiente. Cabe recordar que en trminos generales,
una funcin es un tipo de relacin en la cual para cada valor de la variable independiente le corresponde uno y
slo un valor de la variable dependiente.
2. ASPECTOS TERICOS
REGRESIN SIMPLE Y CORRELACIN
La Regresin y la correlacin son dos tcnicas estadsticas que se pueden utilizar para
solucionar problemas comunes en los negocios.
Muchos estudios se basan en la creencia de que es posible identificar y cuantificar alguna Relacin Funcional
entre dos o ms variables, donde una variable depende de la otra variable.
Se puede decir que Y depende de X, en donde Y y X son dos variables cualquiera en un modelo de Regresin
Simple.
"Y es una funcin de X"
Y = f(X)
Como Y depende de X,
Y es la variable dependiente, y
X es la variable independiente.
En el Modelo de Regresin es muy importante identificar cul es la variable dependiente y cul es la variable
independiente.
En el Modelo de Regresin Simple se establece que Y es una funcin de slo una variable independiente,
razn por la cual se le denomina tambin Regresin Divariada porque slo hay dos variables, una
dependiente y otra independiente y se representa as:
Y = f (X)
"Y est regresando por X"
La variable dependiente es la variable que se desea explicar, predecir. Tambin se le llama REGRESANDO
VARIABLE DE RESPUESTA.
La variable Independiente X se le denomina VARIABLE EXPLICATIVA REGRESOR y se le utiliza para
EXPLICAR Y.
ANLISIS ESTADSTICO: REGRESIN LINEAL SIMPLE
En el estudio de la relacin funcional entre dos variables poblacionales, una variable X, llamada
independiente, explicativa o de prediccin y una variable Y, llamada dependiente o variable respuesta,
presenta la siguiente notacin:
Y=a+bX+e
Donde:
a es el valor de la ordenada donde la lnea de regresin se intercepta con el eje Y.
b es el coeficiente de regresin poblacional (pendiente de la lnea recta)
e es el error
SUPOSICIONES DE LA REGRESIN LINEAL
1. Los valores de la variable independiente X son fijos, medidos sin error.
2. La variable Y es aleatoria
3. Para cada valor de X, existe una distribucin normal de valores de Y (subpoblaciones Y)
4. Las variancias de las subpoblaciones Y son todas iguales.
5. Todas las medias de las subpoblaciones de Y estn sobre la recta.
6. Los valores de Y estn normalmente distribuidos y son estadsticamente independientes.
Representacin Matemtica
I.C. para la I. C. individual
estatura pesos Regresin Lineal media
datos x y x ^2 y ^2 xy y est. Residual L. I. L. S. L. I. L. S.
1 152 50 23104 2500 7600 56.43 -6.43 53.07 59.79 47.30 65.56
2 155 61.5 24025 3782.3 9532.5 59.03 2.47 56.09 61.97 50.05 68.02
3 152 54.5 23104 2970.3 8284 56.43 -1.93 53.07 59.79 47.30 65.56
4 155 57.5 24025 3306.3 8912.5 59.03 -1.53 56.09 61.97 50.05 68.02
5 157 63.5 24649 4032.3 9969.5 60.77 2.73 58.05 63.48 51.85 69.68
6 152 59 23104 3481 8968 56.43 2.57 53.07 59.79 47.30 65.56
7 157 61 24649 3721 9577 60.77 0.23 58.05 63.48 51.85 69.68
8 165 72 27225 5184 11880 67.71 4.29 65.17 70.24 58.85 76.57
9 162 66 26244 4356 10692 65.11 0.89 62.65 67.56 56.27 73.94
10 178 72 31684 5184 12816 78.99 -6.99 74.65 83.33 69.45 88.52
11 183 84 33489 7056 15372 83.32 0.68 78.01 88.64 73.31 93.34
12 178 82 31684 6724 14596 78.99 3.01 74.65 83.33 69.45 88.52
Representacin Grfica
5. HIPTESIS
HO: No hay relacin entre la variable peso y la variable estatura.
HA: Hay relacin entre la variable peso y la variable estatura.
Tabla de anlisis de varianza
Fuente de Grados de Suma de Cuadrados
Variacin libertad cuadrados medios estadstico F
Debido a
la regresin 1 1061.1 1061.1 73.08
error 10 145.2 14.5
total 11 1206.3
Se obtiene un valor F = 73.08 > 4.96, con lo cual se rechaza la hiptesis nula y aceptamos que la variable
estatura est relacionada con la variable peso con un 95% de confianza.
De acuerdo al desarrollo matemtico hemos obtenido los siguientes clculos:
Se obtiene:
7. CONCLUSIN
La ecuacin de Regresin Lineal estimada para las variables estatura y peso muestran, de acuerdo a la
prueba F, relacin.
Esta relacin se ha estimado en un R = 93.7, que indica una fuerte relacin positiva.
Adems si consideramos el coeficiente de determinacin R = 87.9 podemos indicar que el 87.9% de las
variaciones que ocurren en el peso se explicaran por las variaciones en la variable estatura.
MARA YSABEL RINCN PINO
UNIVERSIDAD NACIONAL
FEDERICO VILLARREAL
MAESTRA EN SALUD REPRODUCTIVA
CURSO ESTADSTICA
LIMA PER
2005
modelo:
(6.1)
(6.2)
donde t
= , t
= , t
= , t
= .
o, equivalentemente, E = 0, i = 1,...,n.
o, equivalentemente, V ar = , i = 1,...,n.
2
3. La distribucin es normal,
o, equivalentemente, i ~N , i = 1,...,n.
distribucin normal, . 2
Una vez tomada la muestra y, por tanto, que se conocen los valores
de i = 1 , se define la funcin de verosimilitud asociada a la muestra como
n
sigue
(6.3)
2
que maximizan la funcin (9.3) y, por tanto, hacen mxima la probabilidad de
ocurrencia de la muestra obtenida. Por ser la funcin de verosimilitud una
funcin creciente, el problema es ms sencillo si se toman logaritmos y
se maximiza la funcin resultante, denominada funcin soporte,
Maximizando la anterior se obtienen los siguientes estimadores mximo
verosmiles,
o, en forma matricial,
donde t
= . Ahora se definen los residuos como
e =y -
i i , i = 1,2,...,n,
i
en forma matricial,
(6.4)
(6.5)
(6.6)
4. Por tanto la V ar
5. - disminuye al aumentar n,
6. - disminuye al aumentar sx2
7. - disminuye al disminuir . 2
(6.7)
9. Por tanto la V ar
10. - disminuye al disminuir V ar (disminuye al aumentar n o al
aumentar sx2
11. o al disminuir ). 2
por
(6.8)
2
R es un estimador consistente e insesgado.
(6.9)
7. A partir de este estadstico se pueden obtener intervalos de confianza de la
varianza poblacional, . Con nivel de confianza 1 -
2
el intervalo de confianza
es
(6.10)
(6.11)
(6.12)
(6.13)
11. o bien,
12.
13. Para ello basta con centrar las dos variables en estudio y calcular la
recta de regresin que pasa por el origen de coordenadas.
14. La recta de regresin de X sobre Y es distinta de la recta de regresin
de Y sobre X. En el primer caso se obtiene que
donde 1 = y 0 = - 1 .
Este tutorial le mostrar cmo configurar e interpretar una regresin lineal simple en Excel
usando el software XLSTAT. La regresin lineal simple se basa en los Mnimos
Cuadrados Ordinarios (Ordinary Least Squares, OLS)
No est seguro si esta caracterstica de modelado es la que est buscando? Consulte por
favor esta gua.
Una vez que haga clic en el botn OK, los clculos empiezan y los resultados son
visualizados.
El cuadro de anlisis de la varianza es un resultado que debe ser atentamente analizado (ver
a continuacin). Es en este nivel que comprobamos si podemos considerar que la variable
explicativa seleccionada (la estatura) originan una cantidad de informacin significativa al
modelo (hiptesis nula H0) o no. En otros trminos, es una manera de comprobar si la
media de la variable a modelizar (el peso) bastara con describir los resultados obtenidos o
no.
La prueba del F de Fisher es utilizada. Dado que la probabilidad asociada al F, en este caso,
es inferior de 0.0001, significa que nos arriesgamos de menos del 0.01% concluyendo que
la variable explicativa origina una cantidad de informacin significativa al modelo.
El cuadro siguiente expone el anlisis de los residuos. Los residuos centrados reducidos
deben tener una atencin particular, dado que las hiptesis vinculadas a la regresin lineal,
deben ser distribuidos segn una ley normal N(0,1). Eso significa, entre otros, que 95% de
los residuos deben encontrarse en el intervalo [-1.96, 1.96]. Dado que el escaso nmero de
datos del que disponemos aqu, cualquier valor fuera de este intervalo es revelador de un
dato sospechoso. Hemos utilizado la herramienta DataFlagger de XLSTAT, con el fin de
demostrar rpidamente los valores que se encuentran fuera del intervalo [-1.96, 1.96].
Podemos aqu identificar nueve observaciones dudosas, en 237 observaciones. Este anlisis
de los residuos no anula la hiptesis de normalidad.
El primer grfico permite visualizar los datos, la recta de regresin, y los dos intervalos de
confianza (el intervalo alrededor de la media del estimador es lo ms cerca de la curva, el
segundo es el intervalo alrededor de la estimacin puntual). Vemos as claramente una
tendencia lineal, pero con una intensa variabilidad alrededor de la recta. Los 9 valores
sospechosos estn fuera del segundo intervalo de confianza.
El tercer grafico permite analizar si hay una relacin entre la variable explicativa y los
residuos. Una de las hiptesis del modelo, es que no debe haber ninguna relacin.
https://help.xlstat.com/customer/es/portal/articles/2062230