Professional Documents
Culture Documents
LINEAL.
Realizado por:
Gissel Flores.
Profesor:
Ing. Nestor Asmal.
Curso:
3ero de
Bachillerato B
2
INTRODUCCIN.
En estadstica la regresin lineal modela, en la forma de una ecuacin matemtica, lar elacin
entre dos variables X e Y. Se adapta a una amplia variedad de situaciones. E n la investigacin
social, el anlisis de regresin se utiliza para predecir un amplio rango de fenmenos, desde
medidas econmicas hasta diferentes aspectos de comportamiento humano. En el contexto de
la investigacin de mercados puede utilizarse para determinar en cul de diferentes medios de
comunicacin puede resultar ms eficaz invertir; o para predecir el nmero de ventas de un
determinado producto.
En fsica se utiliza para caracterizar la relacin entre variables o para calibrar medidas, etc.
Tanto en el caso de dos variables (regresin simple) como en el de ms de dos variables
(regresin mltiple), el anlisis de regresin lineal puede utilizarse para explorar y cuantificar la
relacin entre una variable llamada dependiente o criterio (y) y una o ms variables llamadas
independientes o predictorias (
= {
}.
Observamos que el conjunto de nmeros est ordenado, as que la posicin en la
sucesin es importante. La posicin est identificada con el ndice de posicin k es un entero.
Si el nmero de elementos del conjunto es infinito tenemos entonces una sucesin infinita.
*
= {
+.
Cuando tratamos con muestras de funciones de tiempo t, es necesario contar con
medios que nos permitan tener t<0. Para hacer esto, permitimos que la sucesin de nmeros
se extienda al infinito en ambos sentidos de la posicin inicial
y escribimos
*
= {
+.
Las sucesiones *
4. REGRESIN SIMPLE
Supongamos que tenemos dos series de n valores, cada uno de ellos de dos variables w
y y:
, ,
Por el contrario, si conocemos y y queremos predecir x, utilizamos la ecuacin lineal x=
A+By, llamada la regresin de x en y. El mtodo de los mnimos cuadrados nos da esta vez las
siguientes ecuaciones normales para la determinacin de a y b:
.
Se observar que los papeles de x y y han cambiado.
5. REGRESION LINEAL MULTIPLE
4
En muchos casos prcticos, una variable puede depender de ms de una variable
independiente. Si las variables de este tipo cambian al azar completamente, se puede usar la
regresin simple como en el caso de una variable independiente, aun cuando esto produce
cierta prdida en la precisin de nuestro clculo. Sin embargo, si las variables independientes
tienden a variar de acuerdo con algn patrn o norma, la regresin simple da lugar a
resultados confusos, y se tiene que emplear la regresin mltiple. La diferencia entre ambos
mtodos radica en el hecho de que la regresin mltiple establece el efecto de una variable
independiente, y las otras variables del mismo tipo de mantienen constantes, en tanto que la
regresin simple no controla a las otras variables.
Un ejemplo de problema de regresin mltiple lo proporciona la influencia de las
temperaturas del aire y del enfriante en la eficiencia de un motor. Puesto que el clima influye,
las dos temperaturas tiendes a ser bajas o altas al mismo tiempo, y una sola correlacin
mltiple es la que logra esto.
Ecuacin de regresin
Considere el caso general de una relacin lineal entre el valor del medio de la variable
dependiente y, y las variables independientes
, ,
Donde
es una constante y
, ,
,
A=
X=
B=
y
7. CORRELACIN
Cabe destacar el hecho de que como se ha ajustado una relacin de lnea a un nmero
de observaciones, esto no significa que los datos fsicos sigan realmente una lnea recta. Por
ejemplo, puede haber una relacin cclica (o de cualquier otra forma) en la que se muestre un
incremento general de y con x, que se podra representar mediante una recta. En la figura se
presenta un ejemplo de esto, y resulta evidente que, aun cuando se ha ajustado una lnea que
satisface el valor mnimo de la suma de los cuadrados de las desviaciones, su suma es grande.
Por tanto, es posible distinguir las desviaciones de las observaciones y en lo referente a su
media. La diferencia que existe entre ambas variaciones, expresada en una forma matemtica
adecuada, da la cantidad de variacin producida por la regresin, y cuanto mayor sea dicha
cantidad, tanto mejor ser el ajuste.
5
Por consiguiente, es claro que despus de realizar la operacin de ajustas la mejor lnea
se debe hacer una prueba de la bondad de ajuste. Sin embargo, antes de hacer esto, es
pertinente comentar de manera ms detallada la variacin respecto a la line a de regresin.
8. CORRELACIN SIMPLE
Una medida para la regresin lineal entre dos variables x y y se describe como el
coeficiente de correlacin simple; esta dada por la formula:
r=
()()
()
()
Donde x y y son las medias muestrales de x y y. El coeficiente de correlacin muestral r
provee una estimacin emprica del coeficiente de correlacin poblacional p.
Si r=0 las variables se dice que estn en un sentido probabilstico, pues es posible, por
ejemplo, que la varianza de y dependa de x, y as sucesivamente. Si suponemos que tenemos
una distribucin normal conjunta de las variables aleatorias x y y, podemos probar la
significacin de r. Calculamos la cantidad t=
()
MEDIA
Este es el tipo de promedio ms comn, el cual a menudo se denomina simplemente,
promedio o media, siendo este ultimo trmino el que se empleara con ms frecuencia aqu. La
media es un valor tal que la suma de las desviaciones o diferencias entre las observaciones y
dicho valor es cero; por tanto, equivale a la suma de las observaciones dividida entre el
nmero de ellas: X=
donde
6
10. DESVIACION ESTANDAR DE LA MEDIA
Se utiliza la siguiente frmula, la cual es la unin de las frmulas de media y desviacin
estndar:
()