Академический Документы
Профессиональный Документы
Культура Документы
Regresin lineal
Si utilizamos un sistema de coordenadas cartesianas para representar la distribucin
bidimensional, obtendremos un conjunto de puntos conocido con el diagrama de
dispersin, cuyo anlisis permite estudiar cualitativamente, la relacin entre ambas
variables tal como se ve en la figura. El siguiente paso, es la determinacin de la
dependencia funcional entre las dos variables x e y que mejor ajusta a la distribucin
bidimensional. Se denomina regresin lineal cuando la funcin es lineal, es decir,
requiere la determinacin de dos parmetros: la pendiente y la ordenada en el origen de
la recta de regresin, y=ax+b.
La regresin nos permite adems, determinar el grado de dependencia de las series de
valores X e Y, prediciendo el valor y estimado que se obtendra para un valor x que no
est en la distribucin.
Vamos a determinar la ecuacin de la recta que mejor ajusta a los datos representados
en la figura. Se denomina error a la diferencia yi-y, entre el valor observado yi, y el
valor ajustado y= axi+b, tal como se ve en la figura inferior. El criterio de ajuste se toma
como aqul en el que la desviacin cuadrtica media sea mnima, es decir, debe de ser
mnima la suma
Los extremos de una funcin: mximo o mnimo se obtiene cuando las derivadas de s
respecto de a y de b sean nulas. Lo que da lugar a un sistema de dos ecuaciones con dos
incgnitas del que se despeja a y b.
75
82
40
20
Solucin Aqu esta una tabla como la que usamos ms arriba para organizar las
calculaciones:
xx
160
180
200
220
240
yy
126
103
82
75
82
xyxy
20,160
18,540
16,400
16,500
19,680
x2x2
25,600
32,400
40,000
48,400
57,600
260
280
x=1540
40
20
y=528
10,400
5,600
xy=107 280
67,600
78,400
x2=350 000
EJEMPLO 2.
Ajustar los siguientes datos a una lnea recta.
X
1
2
2
3
4
4
5
6
27
Y
2
3
4
4
4
6
5
7
35
Y
1.5
2.358
6.603
2
1
2
2
9
16
16
25
36
111
=
X
0
1
6
XY
2
6
8
12
16
24
25
42
135
35 45 27
( ) = 1.509
8 53 8
8
7
6
5
4
3
2
1
0
0
Regresion Lineal
7
6
5
4
3
2
1
0
0