Regresin Mltiple La regresin lineal mltiple es una tcnica que intenta modelar probabilsticamente el valor esperado de una variable

Y, a partir de los valores de dos o ms predictores. Es un mtodo muy poderoso y ampliamente utilizado en investigacinpara: Determinar la posibilidad de predecir a travs de una expresin muy simple el valor de la respuesta de inters, a partir de los valores observados de una serie de factores (por ejemplo: riesgo de silicosis, a partir de edad, tiempo trabajando expuesto a slice, uso de elementos de proteccin, etc.). Determinar la importancia relativa de la asociacin lineal entre la respuesta y un predictor respecto a la asociacin entre ella y otro predictor Estimar la relacin lineal entre los predictores y la variable respuesta a partir de nuestros datos. La regresin lineal mltiple es matemticamente similar a la regresin lineal tomando la siguiente forma: Dispone de una ecuacin con dos variables independientes adicionales:

Se puede ampliar para cualquier nmero "m" de variables independientes:

Pero la relacin entre las variables no es necesariamente perfecta. Por ese motivo se aade un elemento aleatorio a cada observacin

Para poder resolver y obtener y en una ecuacin de regresin mltiple el clculo se presenta muy tediosa porque se tiene atender 3 ecuaciones que se generan por el mtodo de mnimo de cuadrados:

Empleando matrices el modelo que da de la siguiente manera:

La ecuacin general de regresin mltiple con k variables independiente es:

Definicin de Correlacin Lineal En ocasiones nos puede interesar estudiar si existe o no algn tipo de relacin entre dos variables aleatorias. As, por ejemplo, podemos preguntarnos si hay alguna relacin entre las notas de la asignatura Estadstica I y las de Matemticas I. Una primera aproximacin al problema consistira en dibujar en el plano R2un punto por cada alumno: la primera coordenada de cada punto sera su nota en estadstica, mientras que la segunda sera su nota en matemticas. As, obtendramos una nube de puntos la cual podra indicarnos visualmente la existencia o no de algn tipo de relacin (lineal, parablica, exponencial, etc.) entre ambas notas. Otro ejemplo,

consistira en analizar la facturacin de una empresa en un periodo de tiempo dado y de cmo influyen los gastos de promocin y publicidad en dicha facturacin. Si consideramos un periodo de tiempo de 10 aos, una posible representacin sera situar un punto por cada ao de forma que la primera coordenada de cada punto sera la cantidad en euros invertidos en publicidad, mientras que la segunda sera la cantidad en euros obtenidos de su facturacin. De esta manera, obtendramos una nube de puntos que nos indicara el tipo de relacin existente entre ambas variables. En particular, nos interesa cuantificar la intensidad de la relacin lineal entre dos variables. El parmetro que nos da tal cuantificacin es el coeficiente de correlacin lineal de Pearson r, cuyo valor oscila entre 1 y +1:

Como se observa en los diagramas anteriores, el valor de r se aproxima a +1 cuando la correlacin tiende a ser lineal directa (mayores valores de X significan mayores valores de Y), y se aproxima a 1 cuando la correlacin tiende a ser lineal inversa. Es importante notar que la existencia de correlacin entre variables no implica causalidad. Atencin!: si no hay correlacin de ningn tipo entre dos v.a., entonces tampoco habr correlacin lineal, por lo que r = 0. Sin embargo, el que ocurra r = 0 slo nos dice que no hay correlacin lineal, pero puede que la haya de otro tipo. El siguiente diagrama resume los anlisis del coeficiente de correlacin entre dos variables: