Академический Документы
Профессиональный Документы
Культура Документы
UNIDAD V
“REGRESION LINEAL”
Nombre de los integrantes:
INTRODUCCION
REGRESION LINEAL
REGRESION Y CORRELACION
CORRELACION
DIAGRAMA DE DISPERSION
CORRELACION Y DE DETERMINACION
CONCLUSION
BIBLIOGRAFIA
INTRODUCCION
Durante el curso de probabilidad y estadística se aprendieron diferentes
procesos y fenómenos de la probabilidad con el fin de poder aplicarlo a la
vida cotidiana y mejor aún en la carrera de Ing. Biomédica. Todo esto de
manera que sea posible valorar riesgos y dar mayor certidumbre al
momento de tomar decisiones o interpretar un resultado.
describir la forma de la relación entre estas variables y para derivar una función
matemática óptima que modele esta relación
REGRESION LINEAL
La regresión lineal es la predicción de una variable de respuesta cuantitativa a partir de
una variable predictora cuantitativa; en otras palabras es una un modelo matemático
usado para aproximar la relación de dependencia entre una variable dependiente Y,
las variables independientes Xi y un término aleatorio ε.
Tipos de regresión
regresión lineal simple: solo se maneja una variable independiente, por lo que
solo cuenta con dos parámetros.
regresión lineal multiple: La regresión lineal permite trabajar con una variable a
nivel de intervalo o razón. De la misma manera, es posible analizar la relación
entre dos o más variables a través de ecuaciones, lo que se denomina regresión
múltiple o regresión lineal múltiple.
rectas de regresión: son las rectas que mejor se ajustan a la nube de puntos
(o también llamado diagrama de dispersión) generada por una distribución
binomial. Matemáticamente, son posibles dos rectas de máximo ajuste.
CORRELACIÓN
Indica la fuerza y la dirección de una relación lineal y proporcionalidad entre dos
variables estadísticas. Se considera que dos variables cuantitativas están
correlacionadas cuando los valores de una de ellas varían sistemáticamente con
respecto a los valores homónimos de la otra: si tenemos dos variables (A y B) existe
correlación entre ellas si al disminuir los valores de A lo hacen también los de B y
viceversa. La correlación entre dos variables no implica, por sí misma, ninguna relación
de causalidad.
La fuerza extrema según sea el caso, mide el grado en que la línea representa a
la nube de puntos: si la nube es estrecha y alargada, se representa por una línea
recta, lo que indica que la relación es fuerte; si la nube de puntos tiene una
tendencia elíptica o circular, la relación es débil.
El sentido mide la variación de los valores de B con respecto a A: si al crecer los
valores de A lo hacen los de B, la relación es directa (pendiente positiva); si al
crecer los valores de A disminuyen los de B, la relación es inversa (pendiente
negativa).
La forma establece el tipo de línea que define el mejor ajuste: la línea recta, la
curva monotónica o la curva no monotónica.
Correlación
La correlación estadística determina la relación o dependencia que existe entre las dos
variables que intervienen en una distribución bidimensional.
Es decir, determinar si los cambios en una de las variables influyen en los cambios de la
otra. En caso de que suceda, diremos que las variables están correlacionadas o que hay
correlación entre ellas.
Relación entre las variables
La correlación puede decir algo acerca de la relación entre las variables. Se utiliza para
entender:
En el caso del ingreso familiar y el gasto familiar, es fácil ver que ambos suben o bajan
juntos en la misma dirección. Esto se denomina correlación positiva.
Los diagramas de dispersión son una forma fenomenal de expresar datos de dos
variables, y hacer predicciones basadas en los datos. Al contrario de los histogramas y
los diagramas de caja, los de dispersión muestran valores de datos individuales.
Este es el diagrama de dispersión que expresa la cantidad de dinero que se ganó Mateo
cada semana trabajando en la tienda de su padre.
En este diagrama podemos ver que en la semana 2 Mateo se ganó alrededor de $125, y
en la semana 18 estuvo cerca de los $165. Pero más importante aún es la tendencia.
Por ejemplo, con estos datos podemos ver que Mateo gana cada vez más según pasan
las semanas. Quizá su padre le da más horas a la semana o más responsabilidades.
Línea de ajuste
Usamos la "línea de ajuste" para hacer predicciones basándonos en datos pasados. Hay
muchas y muy complicadas fórmulas para encontrar esta recta, pero por ahora solo la
dibujaremos a través de los puntos en la gráfica para que se ajuste a la tendencia que
nos marcan los datos. Cuando dibujes la recta, asegúrate de que encaje con la
mayor parte de los datos. Si hay un punto que está muy por encima o muy por
debajo con respecto al resto (los atípicos) déjalo fuera de la recta.
Las relaciones entre las variables pueden ser directas o también inversas.
Relación directa: la pendiente de esta línea es positiva, porque la variable Y
crece a medida que la variable X también lo hace.
Coeficiente de Correlación
−1 ≤ r ≤ 1
Coeficiente de determinación
En estadística, el coeficiente de determinación, denominado R² y pronunciado R
cuadrado, es un estadístico usado en el contexto de un modelo estadístico cuyo
principal propósito es predecir futuros resultados o probar una hipótesis. El coeficiente
determina la calidad del modelo para replicar los resultados, y la proporción de
variación de los resultados que puede explicarse por el modelo.
Hay varias definiciones diferentes para R² que son algunas veces equivalentes. Las más
comunes se refieren a la regresión lineal. En este caso, el R² es simplemente el
cuadrado del coeficiente de correlación de Pearson, lo cual es sólo cierto para la
regresión lineal simple.
Cálculo
R2 = SCReg/SCT = 1 − ( SCE/SCT );
0 ≤ R2 ≤ 1
Propiedades:
Son aquellas en las que cada individuo le corresponden los valores de dos variables, las
representamos por el par (Xi,Yi). Si representamos cada par de valores como las
coordenadas de un punto, el conjunto de todos ellos se llama nube de puntos o
diagrama de dispersión. Sobre la nube de puntos puede trazarse una recta que se
ajuste a ellos lo mejor posible, llamada recta de regresión.
Ejemplo:
Las notas de 12 alumnos de una clase de matemáticas y física fueron las
siguientes