Separata para uso interno en Inteligencia Comercial Internacional

MODELOS
Llamaremos MODELO MATEMTICO a la funcin matemtica que proponemos
como forma de relacin entre la variable dependiente (Y) y la o las variables
independientes.
La funcin ms simple para la relacin entre dos variables es la FUNCIN LINEAL
Y=a+bX

Esta expresin es una aproximacin de la verdadera relacin entre X e Y.

Para un dado valor de X el modelo predice un cierto valor para Y.
Mientras mejor sea la prediccin, mejor es el modelo para explicar el
fenmeno.

Por ejemplo:

Y=2X+3

Interpretacin de los coeficientes:

El coeficiente a es la PENDIENTE de la recta, mide el cambio en Y por cada unidad
de cambio en X, en el ejemplo la pendiente es 2.
El coeficiente b es la ORDENADA AL ORIGEN, el punto donde la recta intercepta el
eje Y, es decir el valor de Y cuando X = 0.
Profesor: Ing. Diego Tume Ruiz

Pgina 1

Separata para uso interno en Inteligencia Comercial Internacional

Consideremos el modelo:

Y = aX + b

Este modelo es una aproximacin de la verdadera relacin entre X e Y.

Para un dado valor de X el modelo predice un cierto valor para Y.
Mientras mejor sea la prediccin, mejor es el modelo.

Un MODELO DETERMINSTICO supone que bajo condiciones ideales, el

comportamiento de la variable dependiente puede ser totalmente descripto por una
funcin matemtica de las variables independientes (o por un conjunto de
ecuaciones que relacionen las variables). Es decir, en condiciones ideales el modelo
permite predecir SIN ERROR el valor de la variable dependiente.
Ejemplo: Ley de la Gravedad.
Podemos predecir exactamente la posicin de un objeto que cae en cada libre y en
el vaco para cada instante de tiempo.
Un MODELO ESTADSTICO permite la incorporacin de un COMPONENTE
ALEATORIO en la relacin. En consecuencia, las predicciones obtenidas a travs de
modelos estadsticos tendrn asociado un error de prediccin.
Ejemplo: Relacin de la altura con la edad en nios.
Nios de la misma edad seguramente no tendrn la misma altura. Sin embargo, a
travs de un modelo estadstico es posible concluir que la altura aumenta con la
edad. Es ms, podramos predecir la altura de un nio de cierta edad y asociarle un
ERROR DE PREDICCIN que tiene en cuenta: ERRORES DE MEDICIN y
VARIABILIDAD ENTRE INDIVIDUOS.
En problemas biolgicos, trabajando en condiciones ideales es posible evitar los
errores de medicin, pero no la variabilidad individual, por eso es indispensable
incluir el componente aleatorio en los modelos estadsticos.
En este curso trataremos sobre Regresin Lineal. Haremos nfasis en este tipo de
modelos porque
Son de amplia aplicacin,
Son ms simples de implementar,
otros procedimientos estadsticos ms complejos pueden ser mejor
comprendidos luego de estudiar regresin lineal.

REGRESIN LINEAL SIMPLE

Profesor: Ing. Diego Tume Ruiz

Pgina 2

Separata para uso interno en Inteligencia Comercial Internacional

Consideremos el siguiente experimento controlado y aleatorizado para estudiar el
efecto de una nueva droga sobre la frecuencia cardiaca de ratas sanas.
Cinco ratas fueron asignadas aleatoriamente a una de cinco dosis y se registr la
mxima disminucin observada en la frecuencia cardiaca en una hora. Los datos
obtenidos son:
Dosis (mg)

Mxima disminucin
de la FC (DFC)
5
8
12
13
16

0.5
1.0
1.5
2.0
2.5

La relacin respuesta-dosis es aparentemente lineal. Parece razonable proponer

DFC = 0 + 1 * DOSIS + error
Yi = 0 + 1 * Xi + ei
Podramos intentar ajustar una recta a ojo. Propuestas:
yi = 5.5 + 3.5 * xi
yi = 0.5 + 7.0 * xi

Profesor: Ing. Diego Tume Ruiz

Pgina 3

Separata para uso interno en Inteligencia Comercial Internacional

Cul recta es mejor? Cmo decidir? Veamos los grficos.

Para decidir cul de las dos rectas ajusta mejor estos datos consideraremos una
medida de cun lejos est cada dato de la recta propuesta RESIDUO.
Profesor: Ing. Diego Tume Ruiz

Pgina 4

Separata para uso interno en Inteligencia Comercial Internacional

Profesor: Ing. Diego Tume Ruiz

Pgina 5

Separata para uso interno en Inteligencia Comercial Internacional

La mejor recta sera aquella que minimice la suma de las distancias al cuadrado de
los puntos a la recta, es decir deberamos encontrar 0 y 1 tales que

Para cualquier eleccin de b0 y b1 que hagamos.

Profesor: Ing. Diego Tume Ruiz

Pgina 6