UN PROBLEMA DE OPTIMIZACIN CON CABRI:

LA REGRESIN LINEAL.
Benjamn R. Sarmiento Lugo.
Universidad Pedaggica Nacional
bsarmiento@pedagogica.edu.co

Esta conferencia est basada en uno de los temas desarrollados en el curso de

Estadstica de la Licenciatura en Matemticas de la Universidad Pedaggica
Nacional: La regresin lineal simple. En esta ocasin se presentar como un
problema optimizacin simulado con el software Cabri Plus II. Se inicia con
una resea histrica de la regresin lineal y con el objetivo central de la
regresin lineal. Luego se presentan las condiciones para que una recta sea la
recta de regresin y se destaca la importancia de la funcin de bondad de ajuste.
Despus de presenta la construccin de la funcin de bondad de ajuste, su
optimizacin y como consecuencia la recta de regresin lineal. Finalmente se
presentan las curvas de regresin no lineal con el programa Geogebra.

1. QU ES LA REGRESIN LINEAL?
La regresin lineal es un mtodo de anlisis de datos muy usado en contextos econmicos y
cientficos, que sirve para poner en evidencia las relaciones que existen entre diversas
variables.
En esta tcnica, para cada valor x de una variable no aleatoria X (Predictora, regresora o
independiente), interviene una variable aleatoria Yx, (variable respuesta o dependiente).
X e Yx estn relacionadas a travs del valor medio o esperado de la variable respuesta,
por la expresin: E(Yx) = a + bX, donde a y b son los coeficientes de regresin.
2. OBJETIVOS Y USOS DE LA REGRESIN LINEAL
Estudiar cmo los cambios en una variable (no aleatoria), afectan a una variable aleatoria.
En el caso de existir una relacin funcional entre ambas variables, esta puede ser una
expresin lineal, cuadrtica, exponencial, logartmica, potencial o hiperblica.
La Regresin lineal se usa cuando sobre una poblacin se estudian simultneamente los
valores de dos variables estadsticas.

El conjunto de los pares de valores correspondientes a cada individuo se

denomina distribucin bidimensional.
Una distribucin bidimensional se representa mediante una tabla de doble entrada o con un
diagrama de dispersin, como se muestra a continuacin
X
Y

1
x1
y1

2
x2
y2

3
x3
y3

4
x4
y4

5
x5
y5

6
x6
y6

7
x7
y7

Tabla de doble entrada

Diagrama de dispersin

Diagrama de dispersin y Recta de regresin.

-2-

8
x8
y8

9
x9
y9

10
x10
y10

La recta de regresin lineal se utiliza para realizar predicciones para la variable Y a partir
de valores conocidos de la variable X.
3. CMO SURGE LA REGRESIN LINEAL?
El 1 de enero 1801, el astrnomo italiano Giuseppe Piazzi descubri el planeta enano
Ceres. Sigui su rbita durante 40 das.
Durante el ao 1801, muchos cientficos intentaron estimar su trayectoria con base en las
observaciones de Piazzi. Algunos resolvan las ecuaciones no lineales de Kepler de
movimiento, lo cual era muy difcil.
La mayora fall en su intento. El clculo ms preciso para permitir al astrnomo alemn
Zach reencontrar a Ceres al final del ao fue el de Carlos Federico Gauss. Para sta epoca
Gauss tena 24 aos.
Los fundamentos de su tcnica los haba planteado en 1795, cuando tena 18 aos. Su
mtodo es el que se conoce hoy como el mtodo de los mnimos cuadrados.
El mtodo se public hasta 1809. Apareci en el segundo volumen de su trabajo sobre
mecnica celeste, Theoria Motus Corporum Coelestium in sctionibus conicis solem
ambientium.
El francs Adrien-Marie Legendre desarroll el mismo mtodo de forma independiente en
1805.
En 1829, Gauss justific las bondades en cuanto a optimizacin del famoso procedimiento.
Una presentacin y justificacin concreta del mtodo se conoce hoy como teorema de
Gauss-Mrkov.
4. CONDICIONES QUE DEBE CUMPLIR LA RECTA DE REGRESIN
LINEAL?

Debe pasar por el punto x, y o centro de gravedad de la nube de puntos.

La suma de los cuadrados de las diferencias entre el valor de Yi de cada punto ( xi, yi )
de la nube de puntos y la Y del punto de la recta correspondiente a esa xi debe ser
mnima.

-3-

Nube de puntos y posibles rectas de regresin

Nube de punto y posible Recta de regresin.

5. CUL ES SENTIDO DE LA FUNCIN DE BONDAD DE AJUSTE?

Dado que la funcin de bondad est constituida por la suma de los cuadrados de residuos o
diferencias, entonces, de todas las posibles rectas candidatas a ser la recta de regresin, la
que sirve ser aquella en donde la suma de cuadrados de dichos residuos es la menor
posible.
Si (xk,yk) es un punto de la nube de puntos y si se traza un segmento vertical que pase por
(xk,yk) y que corte a la recta L definida como y = a + bx, el punto de corte ser (xk,a+bxk).

-4-

La distancia vertical del punto (xk,yk) a la recta y=a+bx ser d k = y yk a bxk yk .

Entonces, la funcin de bondad de ajuste o funcin de suma de cuadrados de residuos ser
f(a,b)=

k n

dk

k 1

k n

a bxk yk

k 1

Como se puede ver, f es una funcin dependiente de los parmetros a y b. Para minimizar
esta funcin se requiere resolver el sistema de ecuaciones
f

a
f

k n

2 a bXk Yk

k 1
k n

2 a bXk Yk Xk

f
a 0

.
f 0
b

(I)
(II)

k 1

Las ecuaciones (I) y (II) se conocen como Ecuaciones normales de Gauss. De la solucin
de este sistema resultan los parmetros a y b. El parmetro es la pendiente de la recta de
regresin, y el parmetro a es el corte con el eje Y.
6. CMO SE CONSTRUYE Y SE MINIMIZA LA FUNCIN DE BONDAD DE
AJUSTE CON CABRI PLUS II?

-5-

7. QU ELEMENTOS SE REQUIEREN PARA LA CONSTRUCCIN

GEOMTRICA DE LA RECTA DE REGRESIN LINEAL?
Debe pasar por el punto x, y o centro de gravedad de la nube de puntos.
La suma de los cuadrados de las diferencias entre el valor de Yi de cada punto ( xi, yi ) de
la nube y la Y del punto de la recta correspondiente a esa xi debe ser mnima.
8. CMO SE OBTIENEN LAS LNEAS DE AJUSTE CON GEOGEBRA?
Se ubican los puntos P1, P2, , Pn en la ventana de Vista Grfica, y luego se escriben los
siguientes comandos en la barra de entrada, dependiendo de la curva de regresin que se
quiera obtener:
1. AjusteLineal[P1, P2, P3, , Pn]
2. AjustePolinmico[P1, P2, P3, , Pn, Grado]
3. AjusteExp[P1, P2, P3, , Pn]
4. AjusteLog[P1, P2, P3, , Pn]
5. AjustePotencia[P1, P2, P3, , Pn]
6. AjusteSen[P1, P2, P3, , Pn]
7. AjusteLogstico[P1, P2, P3, , Pn]
9. PREGUNTAS FINALES:
1. Es posible construir las curvas de regresin no lineal geomtricamente?
2. Cules son los elementos mnimos o condiciones para la construccin de cada una de
las curvas de regresin no lineal?
3. Es confiable la funcin de bondad de ajuste obtenida con Cabr?

-6-