Professional Documents
Culture Documents
REGRECIÓN LINEAL
En estadística la regresión lineal o ajuste lineal es un modelo matemático usado
para aproximar la relación de dependencia entre una variable dependiente Y,
las variables independientes Xi y un término aleatorio ε. Este modelo puede ser
expresado como:
Donde:
𝑌𝑡 : Variable dependiente, explicada o regresando.
𝑋1 , 𝑋2 , … , 𝑋𝑝 : Variables explicativas, independientes o regresores.
𝛽0 , 𝛽1 , 𝛽2 , … , 𝛽𝑝 : Parámetros, miden la influencia que las variables explicativas tienen
sobre el regrediendo.
Existen medidas de la intensidad de la relación que presentan las variables que son
fundamentales para determinar en qué momento es conveniente utilizar regresión
lineal.
Análisis de región.
El objetivo de un análisis de regresión es determinar la relación que existe entre una
variable dependiente y una o más variables independientes. Para poder realizar esta
relación, se debe postular una relación funcional entre las variables.
Cuando se trata de una variable independiente, la forma funcional que más se utiliza
en la práctica es la relación lineal. El análisis de regresión entonces determina la
intensidad entre las variables a través de coeficientes de correlación y
determinación.
Coeficiente de correlación
El coeficiente de correlación, comúnmente identificado como r o R, es una medida
de asociación entre las variables aleatorias X y Y, cuyo valor varía entre -1 y +1.
Todas las
sumatorias son desde i = 1 hasta m (donde m es el número de puntos). Los
coeficientes de las incógnitas se pueden evaluar de manera directa a partir de los
datos observados. El sistema es lineal y puede resolverse por los métodos
conocidos. El error estándar del estimado se formula como:
Sr
SY/X = √
m − (n + 1)
Esta cantidad es dividida entre m-(n+1), ya que (n+1) coeficientes obtenidos de los
datos (𝑎0 , 𝑎1 , … , 𝑎𝑚 ) se usaron para calcular Sr ; así hemos perdido n+1 grados de
libertad. Podemos escribir el sistema de ecuaciones normales obtenido en la forma:
Sx a = Sxy
Donde:
Sx : Matriz de sumatorias de potencias de x.
SEGUNDA ECUACION
EJEMPLO
REGRACIÓN NO LINEAL
Regresión no lineal es un método para encontrar un modelo no lineal para la relación
entre la variable dependiente y un conjunto de variables independientes. A
diferencia de la regresión lineal tradicional, que está restringida a la estimación de
modelos lineales, la regresión no lineal puede estimar modelos con relaciones
arbitrarias entre las variables independientes y las dependientes. Esto se lleva a
cabo usando algoritmos de estimación iterativos. Tenga en cuenta que este
procedimiento no es necesario para los modelos polinómicos simples de la forma Y
= A + BX**2. Definiendo W = X**2, obtenemos un modelo lineal simple, Y = A + BW,
que se puede estimar usando métodos tradicionales como el procedimiento
Regresión lineal.
definiendo como
y definiendo como