ELECCIN DEL

MODELO DE Dra. Sandra Garca

REGRESIN LINEAL Medina
LINEALIDAD
Es la capacidad del mtodo para establecer
una relacin directamente (o
matemticamente) proporcional entre el
resultado y la concentracin del analito en la
muestra

Se expresa en trminos de variacin de la

pendiente de la lnea obtenida por regresin
POR QU ES
IMPORTANTE?
El ajuste de los datos de la
curva patrn al mejor modelo
debe de describa
adecuadamente la relacin
concentracin-respuesta que
permita que se obtengan
resultados analticos confiables
MODELOS

Analizar la relacin entre dos

variables
Estudia el comportamiento de una de
las variables en los distintos niveles de
la otra

Representacin grafica de nubes de

puntos
 Los valores de Y depende linealmente de los valores X
Y=a + bX

a representa Y cuando X es cero

b cuanto vara Y cuando X aumenta una unidad
2.5

2.0

1.5
Respuesta

1.0

0.5

0.0

0 100 200 300 400 500 600 700

Concentracin
MODELOS
Nombre del modelo Ecuacin del Transformacin Modelo Linealizado
Modelo
Lineal Y 0 1 X NA Y 0 1 X

Exponencial Y 0 e 1 X Y ' ln Y Y ' 0 1 X

Logartmico Y 0 1 log X X ' log X Y 0 1 X '

Doblemente Y 0 X 1 Y ' log Y , X ' log X Y ' log 0 1 X '

logartmico o
potencia

Hiperblico 1 1 Y 0 1 X '
Y 0 X '
X X

Doblemente inverso X 1 1 Y ' 0 1 X '

Y Y ' , X '
0 X 1 Y X

Cul de estos modelos produce los valores ms prximos

a los reales, errores de estimacin?
ERRORES DE ESTIMACIN
Error inexplicado
representa la
proporcin de la
desviacin total que
no esta explicada o
tomada en cuenta por
la introduccin de la
recta de regresin

Error explicado -
muestra en cuanto
disminuye la
desviacin total si la
recta de regresin
se ajusta a los
puntos
 MEDIDAS DE DISPERSIN
O VARIABILIDAD

Variabilidad total en
Medida de los valores Mediada de
dispersin de los observados de Y dispersin de los
valores observados que se toma en valores de Y en
de Y entorno a su cuenta mediante la torno a la recta
media relacin lineal entre de regresin
los valores
observados de X y Y
 COEFICIENTE DE
DETERMINACIN R 2
Bondad de ajuste de un modelo
estadstico describe lo bien que
se ajusta un conjunto de
observaciones
Sc exp.regresin
r
2
Sc total
La proporcin de variacin
entre los valores de Y
explicada por la X
Mide la proximidad del ajuste
de la ecuacin de regresin a
los valores observados Y
CRITERIO DE INFORMACIN DE
AKAIKE (AIC)

Es una medida de la calidad relativa de un modelo

estadstico, para un conjunto dado de datos.

AIC n ln SCresidual 2 p
AIC maneja un penalizacin entre la bondad de ajuste del
modelo y la complejidad del modelo
Se basa en la entropa de informacin:
AIC no puede dar una idea de la calidad del modelo
Si todos los modelos candidatos encajan mal, AIC no dar
ningn aviso de ello
SUPUESTO DEL MODELO
DE REGRESIN LINEAL
Linealidad
La ecuacin de regresin adopta una forma particular

Independencia
Los residuales son independientes entre s, los residuos
constituyen una variable aleatoria

Homocedaticidad
Para cada valor de la variable independiente, la varianza de
los residuos es constante

Normalidad
Residuos se distribuyen normalmente con media cero
 HOMOCEDASTICIDAD

Si la dispersin es
semejante en todo el
rango de
concentraciones, la curva
cumple con el criterio de
homocedasticidad
 Grfico de los residuales
0.25
0.2
0.15
0.1
Residuos

0.05
0
-0.050.00 100.00 200.00 300.00 400.00 500.00 600.00 700.00
-0.1
-0.15
-0.2
Variable X