Anlisis de regresin para dos variables El anlisis de regresin lineal entre dos variable es un proceso

estadstico para la estimaciones entre estas. Involucra el estudio de la relacin entre dos variables
cuantitativas donde interesa: Investigar si existe una asociacin entre las dos variables, partiendo de la
hiptesis independiente. Estudiar la fuerza de asociacin a travs de una medida de asociacin denominada
coeficiente de correlacin. Estudiar la forma de la relacin usando los datos se propone un modelo para la
relacin y a partir de ella es posible predecir el valor de una variable a partir de la otra. El anlisis de regresin
lineal estima la esperanza condicional de la variable dependiente dada la variable independiente, es decir el
valor promedio de la variable dependiente cuando se fijan las variables independientes. El anlisis de
regresin es ampliamente utilizado para la prediccin y previsin donde su uso busca explicar las formas de
relacionarse dos variables. La funcin ms simple para la relacin entre dos variables es la funcin lineal:
Y=a+bx Que: aproxima 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

Anlisis de la regresin
Esta pgina o seccin est siendo traducida, razn por la cual puede haber lagunas de
contenidos, errores sintcticos o escritos sin traducir.
Puedes colaborar con Wikipedia continuando con la traduccin desde el artculo original.

En estadstica, el anlisis de la regresin es un proceso estadstico para la estimacin de

relaciones entre variables. Incluye muchas tcnicas para el modelado y anlisis de diversas
variables, cuando la atencin se centra en la relacin entre una variable dependiente y una o
ms variables independientes. Ms especficamente, el anlisis de regresin ayuda a
entender cmo el valor tpico de la variable dependiente cambia cuando cualquiera de las
variables independientes es variada, mientras que se mantienen las otras variables
independientes fijas. Ms comnmente, el anlisis de regresin estima la esperanza
condicional de la variable dependiente dadas las variables independientes - es decir, el valor
promedio de la variable dependiente cuando se fijan las variables independientes. Con menor
frecuencia, la atencin se centra en un cuantil, u otro parmetro de localizacin de la
distribucin condicional de la variable dependiente dadas las variables independientes. En
todos los casos, el objetivo es la estimacin de una funcin de las variables independientes
llamada la funcin de regresin. En el anlisis de regresin, tambin es de inters para
caracterizar la variacin de la variable dependiente en torno a la funcin de regresin que
puede ser descrito por una distribucin de probabilidad.
El anlisis de regresin es ampliamente utilizado para la prediccin y previsin, donde su uso
tiene superposicin sustancial en el campo de aprendizaje automtico. El anlisis de regresin
se utiliza tambin para comprender que cuales de las variables independientes estn
relacionadas con la variable dependiente, y explorar las formas de estas relaciones. En
circunstancias limitadas, el anlisis de regresin puede utilizarse para inferir relaciones
causales entre las variables independientes y dependientes. Sin embargo, esto puede llevar a
ilusiones o falsas relaciones, por lo que se recomienda precaucin,1 por ejemplo, la correlacin
no implica causalidad.

Introduccin
El anlisis de regresin es una tcnica para investigar y modelar la relacin
entre variables. Aplicaciones de regresin son numerosas y ocurren en casi todos
los campos, incluyendo ingeniera, la fsica, ciencias econmicas, ciencias
biolgicas y de la salud, como tambin ciencias sociales.

Utilidad
Utilizados para varios propsitos, incluyendo los siguientes:
1.

Descripcin

de

datos Ingenieros

cientficos

frecuentemente

utilizan

ecuaciones para resumir un conjunto de datos. El anlisis de regresin es til para

describir los datos.
2. Estimacin de parmetros. Uno de los casos en los cuales se utiliza el
anlisis de regresin para estimar parmetros es el siguiente:
Suponga que un circuito elctrico contiene una resistencia conocida de

ohms.

Diferentes corrientes pasan a travs del circuito y el correspondiente voltaje es

medido.
El diagrama de dispersin podra indicar que el voltaje y la corriente estan
relacionados por una lnea recta que pasa por el orgen con pendiente

(debido a

que el voltaje
y la corriente estan relacionados por la ley de Ohm
). El
anlisis de regresin podra ser utilizado para ajustar este modelo a los datos,
produciendo un estimado de la resistencia desconocida.
3. Para prediccin y estimacin. Algunos casos de esta utilidad del anlisis de
regresin son:
La respuesta de un cultivo al variar la cantidad de los fertilizantes; el
objetivo puede ser establecer la forma de la relacin, o predecir la combinacin
optima de fertilizantes.
La relacin entre varias medidas meterolgicas y la produccin del
cultivo; el ms obvio objetivo podra ser tratar de entender los efectos
meterolgicos sobre el crecimiento del cultivo.
En el anlisis de regresin se pueden distinguir dos tipos de variables: variables
predictoras y variables respuestas. La diferencia entre variable predictora y
respuesta es no siempre completamente clara y depende algunas veces de

nuestros objetivos. Algunos nombres conocidos para las variables predictoras y

respuestas son:

Modelo Lineal
La ms simple relacin entre dos variables es una lnea recta. En donde se tiene
pares de observaciones de
dependiente

sobre

donde

la variable

, la variable dependiente, se asume

independiente. Se

considera

un modelo

lineal cuando los parmetros ocurren de manera lineal, as por ejemplo

Modelo lineal o de primer orden
Modelo

cuadrtico

de

segundo

orden en una variable

Modelo

de

tercer

orden

en

una

variable
Modelo lineal o de primer orden con
dos variables
En el modelo

existe una sola variable independiente y los parmetros tienen

exponente uno. Los modelos

tiene una sola variable independiente pero

con exponentes diferentes de uno, por lo cual se llamamodelo de segundo

orden y tercer orden respectivamente con una sola variable indepeniente; es de
observar, que los parmetros tienen slo exponente uno y por tanto sigue siendo
un modelo lineal. El modelo

es un modelo lineal de primer orden pero con dos

variables independientes. Los tres primeros modelos de

figura 1.

se muestran en la

Figura

1.

Modelos

(b)

polinomiales;

(a)

(c)

Modelo Lineal
Cuando los parmetros no se encuentran de manera lineal el modelo se
llama modelo no lineal
, por ejemplo el modelo

es un modelo no lineal.
Los modelos no lineales de manera general se agrupan en tres tipos. El primero
involucra terminos exponenciales dados por:

El segundo tipo de modelo no lineal que es comunmente usado es basado sobre la

relacin recproca, tipicamente la hiprbola rectangular. Simplemente la relacin
entre la enzima y la quimica cinetica puede frecuentemente ser expresada en la
forma

donde

seria la constante de Michaelis-Menten, o

utilizada para relacionar la fotosintesis y la intensidad de luz.

Un tercer tipo de modelo no lineal es la curva logistica, extrensivamente utilizada
para representar elcrecimiento de organismos desde un pequeo estado inicial,
durante el cual el crecimiento es proporcional al tamao, hasta la ltima etapa
cuando el tamao se aproxima a una asintota. La idea subyacente es que la taza
de cambio esta relacionada con el tamao por una ecuacin diferencial

y en terminos del tamao a diferentes tiempos, se obtiene el modelo no lineal

Cmo se analiza un modelo de regresin?

Para analizar un modelo de regresin se pueden establecer bsicamente dos
pasos.
Paso 1. Estimar los parmetros del modelo de regresin. Este proceso es
llamado ajuste del modelo a los datos.
Paso 2. El siguiente paso de un anlisis de regresin es chequear que tan bueno
es el modelo ajustado. El resultado de este chequeo puede indicar si el modelo es
razonable o si el ajuste original debe ser modificado.