Regresin Lineal y simple

El anlisis de regresin lineal es parte de la estadstica que investiga la

relacin entre dos o mas variables de un modo no determinstico

Modelo de regresin lineal simple

La relacin mas simple entre dos variables x e y es una relacin lineal de

la forma

y o 1 x

El conjunto de pares (x,y) para los cuales se cumple la ecuacin anterior,

determina una recta con pendiente

En el anlisis de regresin intervienen dos variables:

INDEPENDIENTE X
DEPENDIENTE( o d respuesta) Y

El primer paso en el anlisis de regresin lineal es construir una grfica.

y o 1 x
Modelo de regresin lineal simple

La ecuacin modelo es:

es una variable aleatoria, conocida tambien como desviacin aleatoria

termino de error aleatorio en el modelo.

Mtodo de los mnimos cuadrados

El mtodo de los mnimos cuadrados permite encontrar la ecuacin de

una recta a partir de los datos experimentales, es decir, utilizando
solamente las mediciones se obtendr la pendiente y la ordenada al
origen de la recta que mejor se ajuste a tales mediciones

Solo sirve para ajustar modelos lineales

Se basa en el siguiente criterio:

La distancia del punto experimental a la mejor recta es mnima.

La inclusin de un termino de error aleatorio permite que un valor (x,y)

caiga arriba de la recta de regresion verdadera (>0) o bajo la recta (<0)

Hay varias formas de abordar el mtodo de minimos cuadrados.

Mtodos matriciales y Mtodos estadsticos

Ajuste por mtodos matriciales

Condicin fundamental de lo mnimos cuadrados.

v
i 1

2
i

v12 v22 v32 ... vm2 mnimo

Para un grupo de
observaciones ponderadas, la condicin impuesta es que la suma de los
cuadrados de los residuos debe ser un mnimo.

v M M

Entiendase como residuo a la diferencia entre

cualquier valor medido de una magnitud y su valor probable

Ajuste por mnimos cuadrados segn el mtodo de la ecuacin de

observacin
En este mtodo se escriben las ecuaciones de observacin que relacionan los
valores medidos con sus errores residuales y con los parmetros desconocidos
(Wolf et al., 2007)
PROCEDIMIENTO.

Escribir la ecuacin de observacin para cada medicin.

Se despeja el residuo de cada ecuacin y se forma la funcin

v.

Calcular la derivada parcial de la funcin v con respecto a M y

se iguala a cero (minimiza la funcin)

Resolver las ecuaciones.

Mtodos matriciales

Amxn X 1xn L1xmVlxm

Cualquier grupo de
observaciones puede ser representada en forma matricial

ecuaciones

de

A matriz de los coeficientes de las incgnitas

X matriz de las incgnitas
L matriz de observaciones
V matriz de los residuos

a11
a
21
.
A
.
.

a m1

a12
a 22

.
.

.
.

v1
x1

a1n
v2
x2

v3
x3

a 2 n

V . X . L

.
.

.
.

a mn
vm
xn

.
.

l1
l2
l3

.
.

lm

Las ecuaciones normales que resultan de un conjunto de ecuaciones

de observaciones igualmente ponderadas estn dadas por la forma
matricial:

AT AX AT L

En la ecuacin anterior, el trmino ATA es la matriz de los coeficientes de

la ecuacion normal para las incognitas.

X ( AT A) 1 AT L

Si se multiplica la forma matricial antes

indicada por (A A) se obtiene:
T

-1

X es la solucin de mnimos cuadrados

Ejercicios
Ajuste de Curvas por Mnimos Cuadrados

Encontrar la recta que da el mejor ajuste para los puntos (1,4) , (-2,5), (3,-1) y
(4,1)

y = b + mx

4 1

5 2
1 3

1 4

4=b+m
5 = b - 2m
-1 = b + 3m
1 = b + 4m

b

m

1
1

=
Columnas de A LI
ATA Invertible
x* nica solucin por aproximacin

 3,57

0
,
88

x* = ( AT A )-1ATy

x* =

y = 3,57 0,88 x

1,31

0,33
1,93

1,05
4

vector de error de mnimos cuadrados

1 1

1 2
1 3

1 4

3,57

0,88

ERROR DE MIN CUADRADOS

= b A x* 2,579224
Observar la primera ecuacin del sistema

4=b+m
4 = 3,57 + (- 0,88)
4 2,69 = 1,31= 1
(primer componente del vector )

Encontrar el mejor ajuste cuadrtico para los puntos(1,4) (-2,5) (1,-3) (4;1)

y = a + bx + cx2

4=a+b+c
5 = a - 2b + 4c
-1 = a + 3b + 9c
1 = a + 4b + 16c