Professional Documents
Culture Documents
Regresión Lineal
Profesor: Integrantes:
Ángel García Wonder Diaz Nº Exp 201220155
Ervin Muñoz Nº Exp 201220104
Luis David Nº Exp 201220120
Jorge Mendoza Nº Exp 201220221
Guarenas, 1 de julio de 2015
REGRESIÓN LINEAL
Permite determinar el grado de dependencia de las series de valores X e Y, prediciendo
el valor y estimado que se obtendría para un valor x que no esté en la distribución.
Ejemplo de una regresión lineal con una variable dependiente y una variable independiente.
ANÁLISIS DE REGRESIÓN
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
Tipos de variables
Variable Independiente (X) (determinística, es decir no aleatoria.)
Variable Dependiente (Y) aleatoria
Ejemplos
X: Número de llamadas telefónicas realizadas por un vendedor promocionando
un producto.
Y: Unidades vendidas por el vendedor.
X: Tiempo que dedica un estudiante a una materia.
Y: Evaluación que obtiene el estudiante en la materia.
(2)
donde es la perturbación aleatoria que recoge todos aquellos factores de la realidad no
controlables u observables y que por tanto se asocian con el azar, y es la que confiere al
modelo su carácter estocástico. En el caso más sencillo, con una sola variable explícita,
el hiperplano es una recta:
(3)
El problema de la regresión consiste en elegir unos valores determinados para los
parámetros desconocidos , de modo que la ecuación quede completamente especificada.
Para ello se necesita un conjunto de observaciones. En una observación i-ésima (i= 1,...
I) cualquiera, se registra el comportamiento simultáneo de la variable dependiente y las
variables explícitas (las perturbaciones aleatorias se suponen no observables).
(4)
Los valores escogidos como estimadores de los parámetros , son los coeficientes de
regresión sin que se pueda garantizar que coincida n con parámetros reales del proceso
generador. Por tanto, en
(5)
Líneas de tendencia
Una línea de tendencia representa una tendencia en una serie de datos obtenidos a través
de un largo período. Este tipo de líneas puede decir si un conjunto de datos en particular
(como por ejemplo, el PBI, el precio del petróleo o el valor de las acciones) han aumentado
o decrementado en un determinado período. Las líneas de tendencia son generalmente líneas
rectas, aunque algunas variaciones utilizan polinomios de mayor grado dependiendo de la
curvatura deseada en la línea.
Medicina
En Medicina, las primeras evidencias relacionando la mortalidad con el fumar tabaco
vinieron de estudios que utilizaban la regresión lineal. Los investigadores incluyen una gran
cantidad de variables en su análisis de regresión en un esfuerzo por eliminar factores que
pudieran producir correlaciones espurias.
Química
La concentración de un elemento es uno de los parámetros de mayor importancia en los
procesos químicos aplicados en la industria. Esta cuantificación se puede obtener mediante
un espectrofotómetro, dispositivo que requiere se calibrado. Para ello se elabora una recta de
calibración que se obtiene a partir de la correlación entre la absorbancia de un patrón y la
concentración de la sustancia a controlar.
Mecánica
En esta rama se utiliza la Regresión Lineal entre otros para ajustar la recta de Paris, una
ecuación que sirve para estudiar elementos sometidos a fatiga en función del número de
ciclos a los que se somete un material. La bondad del ajuste se comprueba representando el
conjunto de valores discretos a-Nm obtenidos experimentalmente, frente a la curva
correspondiente a la recta de Paris definida por los valores “C” y “m”.
Electricidad
En electricidad se puede obtener el valor de una resistencia en un circuito y su error
mediante un ajuste de regresión lineal de pares de datos experimentales de voltaje e
intensidad obtenidos mediante un voltímetro y un amperímetro.
Sensores
Sensor de temperatura (termopar) en función de la caída de tensión y la temperatura. Se
estudia la forma en que varía la temperatura de un líquido al calentarlo. Se calibra el sensor
y simultáneamente se mide la variación de temperaturas en un líquido para representar los
datos obtenidos posteriormente mediante Regresión Lineal.
Física
Determinación del coeficiente de rozamiento estático de forma experimental a partir de
la medición del ángulo de inclinación de una rampa. Se realiza un montaje ajustando un
circuito para medir el ángulo de inclinación, y se realizan mediciones variando dicho.
Mediante la regresión lineal de los datos obtenidos, se obtiene la ecuación y el índice de
correlación a fin de saber el error.
Fabricación
Dos de los parámetros más importantes de una soldadura es la intensidad aplicada al hilo
y la velocidad de alimentación del mismo. Mediante técnicas de regresión lineal se elaboran
las rectas que relacionan estos parámetros con la separación entre el hilo y la zona a soldar.
Diseño de experimentos
Con la metodología 2k es posible mejorar un proceso mediante la realización de
experimentos, determinando qué variables tienen un efecto significativo. A partir de esas
variables se obtiene una recta de regresión que modeliza el efecto. Por ejemplo se podría
obtener la relación entre la temperatura y la presión en un proceso industrial.
Construcción
Mediante técnicas de regresión lineal se caracterizarán diversas cualidades del hormigón.
A partir del módulo de elasticidad es posible predecir la resistencia a la compresión de una
determinada composición de un hormigón. También se puede determinar la succión capilar
a partir del volumen absorbido por una muestra y el tiempo que ha durado la succión.
CONCLUSIONES
La regresión se puede usar en muchos procesos en los cuales se tengan que tomar
decisiones o hacer inferencias acerca de algún fenómeno que no conozcamos aún su
resultado, en el cual se tenga información de una variable independiente y el comportamiento
de otra variable que depende de la primera.
La utilización del modelo de regresión lineal en los procesos relacionados con el análisis
de datos demanda el conocimiento objetivo e instrumentación de la relación funcional de
variables, el coeficiente de determinación y de correlación y la prueba de hipótesis como
pilares fundamentales para verificar e interpretar su significancia estadística en el intervalo
de confianza determinado. La presentación específica de los temas relacionados con el
modelo de regresión lineal, el análisis de regresión, el uso de la ecuación de regresión como
instrumento para estimar y predecir y la consideración del análisis de residuales ha sido
realizada tomando como referente el estudio de problemas reales definidos en los entornos
de la economía, la administración y la salud, ingeniería, entre otros.