Regresin lineal

Regresin lineal
En estadstica la regresin lineal o ajuste lineal es un mtodo matemtico que modela la relacin entre una variable dependiente Y, las variables independientes Xi y un trmino aleatorio . Este modelo puede ser expresado como:

: variable dependiente, explicada o regresando. : explicativas, regresores. : parmetros, miden la influencia que las variables explicativas tienen sobre el regresando. donde es la interseccin o trmino "constante", las son los parmetros respectivos a cada variable independiente, y es el nmero de parmetros independientes a tener en cuenta en la regresin. La regresin lineal variables o
Ejemplo de una regresin lineal con una variable dependiente y una variable independiente.

independientes

puede ser contrastada con la regresin no lineal.

Historia
La primera forma de regresiones lineales documentada fue el mtodo de los mnimos cuadrados, el cual fue publicado por Legendre en 1805,<ref ]], Gauss public un trabajo en donde desarrollaba de manera ms profunda el mtodo de los mnimos cuadrados,[1] y en dnde se inclua una versin del teorema de Gauss-Mrkov.

Etimologa
El trmino regresin se utiliz por primera vez en el estudio de variables antropomtricas: al comparar la estatura de padres e hijos, result que los hijos cuyos padres tenan una estatura muy superior al valor medio tendan a igualarse a ste, mientras que aquellos cuyos padres eran muy bajos tendan a reducir su diferencia respecto a la estatura media; es decir, "regresaban" al promedio.[2] La constatacin emprica de esta propiedad se vio reforzada ms tarde con la justificacin terica de ese fenmeno. El trmino lineal se emplea para distinguirlo del resto de tcnicas de regresin, que emplean modelos basados en cualquier clase de funcin matemtica. Los modelos lineales son una explicacin simplificada de la realidad, mucho ms gil y con un soporte terico por parte de la matemtica y la estadstica mucho ms extenso. Pero bien, como se ha dicho, podemos usar el trmino lineal para distinguir modelos basados en cualquier clase de aplicacin.

Regresin lineal

El modelo de regresin lineal

El modelo lineal relaciona la variable dependiente Y con K variables explicativas transformacin de stas, que generan un hiperplano de parmetros (2) donde es la perturbacin aleatoria que recoge todos aquellos factores de la realidad no controlables u observables y que por tanto se asocian con el azar, y es la que confiere al modelo su carcter estocstico. En el caso ms sencillo, con una sola variable explicativa, el hiperplano es una recta: (3) El problema de la regresin consiste en elegir unos valores determinados para los parmetros desconocidos , de modo que la ecuacin quede completamente especificada. Para ello se necesita un conjunto de observaciones. En una observacin cualquiera i-sima (i= 1,... I) se registra el comportamiento simultneo de la variable dependiente y las variables explicativas (las perturbaciones aleatorias se suponen no observables). (4) Los valores escogidos como estimadores de los parmetros, (5) Los valores son por su parte estimaciones de la perturbacin aleatoria o errores. , son los coeficientes de regresin, sin que se pueda desconocidos: (k = 1,...K), o cualquier

garantizar que coinciden con parmetros reales del proceso generador. Por tanto, en

Hiptesis modelo de regresin lineal clsico

1. Esperanza matemtica nula.

Para cada valor de X la perturbacin tomar distintos valores de forma aleatoria, pero no tomar sistemticamente valores positivos o negativos, sino que se supone que tomar algunos valores mayores que cero y otros menores, de tal forma que su valor esperado sea cero. 2. Homocedasticidad para todo t Todos los trminos de la perturbacin tienen la misma varianza que es desconocida. La dispersin de cada torno a su valor esperado es siempre la misma. 3. Incorrelacin. para todo t,s con t distinto de s en

Las covarianzas entre las distintas pertubaciones son nulas, lo que quiere decir que no estn correlacionadas o autocorrelacionadas. Esto implica que el valor de la perturbacin para cualquier observacin muestral no viene influenciado por los valores de la perturbacin correspondientes a otras observaciones muestrales. 4. Regresores no estocsticos. 5. No existen relaciones lineales exactas entre los regresores. 6. Suponemos que no existen errores de especificacin en el modelo ni errores de medida en las variables explicativas 7. Normalidad de las perturbaciones

Regresin lineal

Supuestos del modelo de regresin lineal

Para poder crear un modelo de regresin lineal, es necesario que se cumpla con los siguientes supuestos:[3] 1. 2. 3. 4. La relacin entre las variables es lineal. Los errores en la medicin de las variables explicativas son independientes entre s. Los errores tienen varianza constante. (Homocedasticidad) Los errores tienen una esperanza matemtica igual a cero (los errores de una misma magnitud y distinto signo son equiprobables). 5. El error total es la suma de todos los errores.

Tipos de modelos de regresin lineal

Existen diferentes tipos de regresin lineal que se clasifican de acuerdo a sus parmetros:

Regresin lineal simple

Slo se maneja una variable independiente, por lo que slo cuenta con dos parmetros. Son de la forma:[4] (6) donde es el error asociado a la medicin del valor y y siguen los supuestos de modo que con ).

(media cero, varianza constante e igual a un Anlisis

Dado el modelo de regresin simple, si se calcula la esperanza (valor esperado) del valor Y, se obtiene:[5] (7) Derivando respecto a (9) (10) Obteniendo dos ecuaciones denominadas ecuaciones normales que generan la siguiente solucin para ambos parmetros:[4] (11) (12) La interpretacin del parmetro es que un incremento en Xi de una unidad, Yi incrementar en y e igualando a cero, se obtiene:[5]

Regresin lineal mltiple

La regresion lineal nos permite trabajar con una variable a nivel de intervalo o razn, as tambin se puede comprender la relacin de dos o ms variables y nos permitir relacionar mediante ecuaciones, una variable en relacin a otras variables llamndose Regresin mltiple. Constantemente en la prctica de la investigacin estadstica, se encuentran variables que de alguna manera estn relacionados entre si, por lo que es posible que una de las variables puedan relacionarse matemticamente en funcin de otra u otras variables. Maneja varias variables independientes. Cuenta con varios parmetros. Se expresan de la forma:[6] (13)

Regresin lineal donde es el error asociado a la medicin del valor y y siguen los supuestos de modo que con ).

(media cero, varianza constante e igual a un

Rectas de regresin
Las rectas de regresin son las rectas que mejor se ajustan a la nube de puntos (o tambin llamado diagrama de dispersin) generada por una distribucin binomial. Matemticamente, son posibles dos rectas de mximo ajuste:[7] La recta de regresin de Y sobre X: (14) La recta de regresin de X sobre Y: (15) La correlacin ("r") de las rectas determinar la calidad del ajuste. Si r es cercano o igual a 1, el ajuste ser bueno y las predicciones realizadas a partir del modelo obtenido sern muy fiables (el modelo obtenido resulta verdaderamente representativo); si r es cercano o igual a 0, se tratar de un ajuste malo en el que las predicciones que se realicen a partir del modelo obtenido no sern fiables (el modelo obtenido no resulta representativo de la realidad). Ambas rectas de regresin se intersecan en un punto llamado centro de gravedad de la distribucin.

Aplicaciones de la regresin lineal

Lneas de tendencia
Una lnea de tendencia representa una tendencia en una serie de datos obtenidos a travs de un largo perodo. Este tipo de lneas puede decirnos si un conjunto de datos en particular (como por ejemplo, el PBI, el precio del petrleo o el valor de las acciones) han aumentado o decrementado en un determinado perodo.[8] Se puede dibujar una lnea de tendencia a simple vista fcilmente a partir de un grupo de puntos, pero su posicin y pendiente se calcula de manera ms precisa utilizando tcnicas estadsticas como las regresiones lineales. Las lneas de tendencia son generalmente lneas rectas, aunque algunas variaciones utilizan polinomios de mayor grado dependiendo de la curvatura deseada en la lnea.

Medicina
En medicina, las primeras evidencias relacionando la mortalidad con el fumar tabaco[9] vinieron de estudios que utilizaban la regresin lineal. Los investigadores incluyen una gran cantidad de variables en su anlisis de regresin en un esfuerzo por eliminar factores que pudieran producir correlaciones espurias. En el caso del tabaquismo, los investigadores incluyeron el estado socio-econmico para asegurarse que los efectos de mortalidad por tabaquismo no sean un efecto de su educacin o posicin econmica. No obstante, es imposible incluir todas las variables posibles en un estudio de regresin.[10][11] En el ejemplo del tabaquismo, un hipottico gen podra aumentar la mortalidad y aumentar la propensin a adquirir enfermedades relacionadas con el consumo de tabaco. Por esta razn, en la actualidad las pruebas controladas aleatorias son consideradas mucho ms confiables que los anlisis de regresin.

Regresin lineal

Referencias
[1] C.F. Gauss. Theoria combinationis observationum erroribus minimis obnoxiae. (1821/1823) [2] Introduction to linear regression (http:/ / www. curvefit. com/ linear_regression. htm) Curvefit.com (en ingls) [3] "Anlisis de regresin lineal" (http:/ / www. ucm. es/ info/ socivmyt/ paginas/ profesorado/ benitacompostela/ tema2. doc), Universidad Complutense de Madrid [4] "Frmulas", Probabilidad y Estadstica. Cs. Bsicas. U.D.B. Matemtica. Universidad Tecnolgica Nacional, Facultad Regional Buenos Aires. Editorial CEIT-FRBA. (Cdigo BM2BT2) [5] Modelo de regresin lineal simple. (http:/ / www. einsteinnet. com/ econometria/ Introeconometria/ regsimple. htm) EinsteinNet. [6] Tcnicas de regresin: Regresin Lineal Mltiple. (http:/ / www. fisterra. com/ mbe/ investiga/ regre_lineal_multi/ regre_lineal_multi. asp) Prtega Daz, S., Pita Fernndez, S. Unidad de Epidemiologa Clnica y Bioestadstica. Complejo Hospitalario de La Corua (Espaa) [7] Apunte sobre Rectas de regresin. (http:/ / descartes. cnice. mec. es/ materiales_didacticos/ bidimensional_lbarrios/ regresion_est. htm) Ministerio de Educacin y Ciencia. Gobierno de Espaa. [8] Utilizacin de las lneas de tendencia (http:/ / www. paritech. com/ paritech-site/ education/ technical/ indicators/ trend/ linear3. asp), Paritech (en ingls) [9] Doll R, Peto r, Wheatley K, Gray R et al. Mortality in relation to smoking: 40 years' observations on male British doctors .BMJ 1994;309:901-911 (8 de octubre] [10] "Environmental Tobacco Smoke and Adult Asthma" (http:/ / ajrccm. atsjournals. org/ cgi/ content/ full/ 158/ 1/ 170) Division of Pulmonary and Critical Care Medicine, Division of Occupational and Environmental Medicine; Department of Medicine, Institute for Health Policy Studies; and Department of Epidemiology and Biostatistics, Universidad de California, San Francisco, California. (en ingls) [11] Efecto del tabaquismo, los sntomas respiratorios y el asma sobre la espirometra de adultos de la Ciudad de Mxico (http:/ / www. scielosp. org/ scielo. php?script=sci_arttext& pid=S0036-36342005000500002& lng=pt), Justino Regalado-Pineda; Alejandro Gmez-Gmez; Javier Ramrez-Acosta; Juan Carlos Vzquez-Garca

Bibliografa
Devore, Jay L.; Probabilidad y Estadstica para Ingeniera y Ciencias. International Thomson Editores. Mxico. ISBN-10: 9706864571. Walpole, Ronald E.; Raymond H.; Myers, Sharon L.; Probabilidad y Estadstica para Ingenieros. Pretice-Hall Hispanoamericana, S.A. Mxico. ISBN-10: 9701702646. Canavos, George C.; Probabilidad y Estadstica. Aplicaciones y Mtodos. McGraw-Hill. Mxico. ISBN-10: 9684518560.

Enlaces externos
Clculo de regresiones lineales en lnea. (http://www.wessa.net/esteq.wasp) (en ingls) ZunZun.com (http://zunzun.com/) Ajuste de curvas y superficies en lnea. (en ingls) xuru.org (http://www.xuru.org/rt/LR.asp) Herramientas de regresin lineal en lnea. (en ingls) (http://cajael.com/mestadisticos/T4DProbabilidad/node8.php) Simulacin de la recta de regresion de una variable bidimensional continua con R (lenguaje de programacin)

Fuentes y contribuyentes del artculo

Fuentes y contribuyentes del artculo

Regresin lineal Fuente: http://es.wikipedia.org/w/index.php?oldid=66185352 Contribuyentes: Acratta, AldanaN, Alefisico, Alfonso Aguilar, Alvaro qc, Andreasmperu, Antn Francho, Banfield, Carro e, Chomolungma, ConPermiso, Daniel De Leon Martinez, Davius, Dhcp, Diego D E, Dnu72, El Quinche, Elwikipedista, Fbport, Felipealvarez, Gaeddal, Gafotas, Gecime, GermanX, Ggenellina, HUB, HanPritcher, Hlnodovic, Hucknall, Icchu, Ingenioso Hidalgo, Jcoronelf, Jkbw, JorgeGG, Joseaperez, Juan Mayordomo, Juan renombrado, Kved, Laura Fiorucci, Madmaxsrx, Maria Antonia Aguilar C., Marvelshine, Matdrodes, Mcapdevila, Pacomegia, Raulshc, Riviera, Rjgalindo, Roberpl, Rouxfederico, Sergio Andres Segovia, Snakeeater, SuperBraulio13, Tano4595, Technopat, Tirithel, TorQue Astur, Vitamine, Xabier, Yeza, 151 ediciones annimas

Fuentes de imagen, Licencias y contribuyentes

Archivo:Linear regression.svg Fuente: http://es.wikipedia.org/w/index.php?title=Archivo:Linear_regression.svg Licencia: Public Domain Contribuyentes: Sewaqu

Licencia
Creative Commons Attribution-Share Alike 3.0 Unported //creativecommons.org/licenses/by-sa/3.0/