Sunteți pe pagina 1din 4

Modulo: Regresin lineal

Introduccin:
La regresin es un mtodo para determinar la relacin existente entre una variable independiente y otra dependiente, con fines de prediccin de esta ltima variable ante los cambios de la primera. La variable independiente o predictora suele representarse por X y la variable dependiente por Y. En algunos casos, la variable independiente se asocia Con medidas de causa y la dependiente con medidas de efecto. En la produccin industrial pueden ser variables independientes: el nmero de trabajadores, el tiempo de labor semanal, la cantidad de materia prima, entre otras. Y variables dependientes: el nmero de artculos producidos, los ingresos semanales, el posicionamiento en el mercado, etc. Obsrvese que las variables dependientes se muestran como efecto de las variables independientes o causa del proceso de produccin .Por ejemplo, una compaa de bienes races residenciales en una ciudad desea predecir los costos mensuales del alquiler de apartamentos, basado en el rea en metros cuadrados. La Regresin Lineal es un modelo estadstico que utiliza una frmula para explicar la relacin lineal entre una variable y en trminos de otras variables xi, para i=1, 2,, p en un conjunto de individuos o unidades analizadas. RECUERDE: La variable y es la variable a ser explicada o tambin llamada variable dependiente, y las variables x se las denomina variables de explicacin o variables independientes. El modelo es de la forma: y = + x + x +... + p x p + Los valores i para i=1,2,, p son llamados coeficientes de regresin (parmetros del modelo), y sern calculados (estimados) por un mtodo estadstico. El valor es la expresin de la variable aleatoria del error del modelo conformado por todos los i.errores en cada individuo u observaciones. En esta clase vamos a estudiar el modelo ms sencillo de anlisis de regresin en el cual solo intervienen Dos variables, la variable de explicacin o independiente x y la variable a ser explicada o dependiente y; a este modelo se lo conoce como modelo de Regresin Lineal Simple.

Objetivos:
Saber construir un modelo de regresin lineal simple que describa Como influye una variable X sobre otra variable Y Saber obtener estimaciones puntuales de los parmetros de dicho Modelo Saber estimar el valor promedio de Y para un valor de X CONOCIMIENTOS PREVIOS AL TEMA DE REGRESION LINEAL:
Un modelo de regresin es un modelo que permite describir cmo influye Una variable X sobre otra variable Y.

X: Variable independiente o explicativa o exgena. Y: Variable dependiente o respuesta o endgena. El objetivo es obtener estimaciones razonables de Y para distintos valores De X a partir de una muestra de n pares de valores (x1, y1),. . ., (xn, yn).

Tipos de relacin
Determinista: Conocido el valor de X, el valor de Y queda Perfectamente establecido. Son del tipo:

y = f (x)
Ejemplo: La relacin existente entre la temperatura en grados Centgrados (X) y grados Fahrenheit (Y ) es:

y = 1,8x + 32

No determinista: Conocido el valor de X, el valor de Y no queda Perfectamente establecido. Son del tipo:

y = f (x) + U
Donde u es una perturbacin desconocida (variable aleatoria). Ejemplo: Se tiene una muestra del volumen de produccin (X) y el Costo total (Y) asociado a un producto en un grupo de empresas.

Lineal: Cuando la funcin f (x) es lineal, f (x) = 0 + 1*X I Si 1> 0 hay relacin lineal positiva. I Si 1 < 0 hay relacin lineal negativa.

No lineal: Cuando la funcin f (x) no es lineal. Por ejemplo, f (x) = log (x), f (x) = x2 + 3, . . .

Ajuste de una recta por el mtodo de mnimos cuadrados: Sobre el diagrama de dispersin se puede trazar un sin nmero de lneas Rectas que represente el conjunto de datos y facilite la prediccin para la Variable dependiente. Sin embargo, este mtodo intuitivo es demasiado Subjetivo. El objeto de la regresin lineal consiste en determinar una recta de la forma yi = b0 +b xi , que sea representativa del conjunto de datos mustrales; este Proceso se conoce como ajuste de una recta y se utiliza como procedimiento El mtodo de mnimos cuadrados. En este sentido, el mtodo de mnimos cuadrados es objetivo y no depende De la apreciacin personal del investigador, sino de relaciones matemticas preestablecidas. La tarea esta en determinar los parmetros b0 y b en la ecuacin de Regresin lineal simple yi = b0 +b xi , donde xi : es el i-esimo valor de la variable X. yi: es el i-esimo valor de la variable y b0 : es el valor que toma la variable dependiente "y", cuando la variable Independiente "x" vale 0, y es el punto donde la recta cruza el eje vertical. b : determina la pendiente de la recta, su grado de inclinacion.
Una vez hallados los parmetros b0 y b , los valores calculados a partir de La ecuacin de regresin se denomina valores estimados, y se representan Por Yi estimado. En el mtodo de mnimos cuadrados se emplean los datos de la muestra Para determinar los parmetros 0 b y b que minimizan la suma de los Cuadrados de las desviaciones entre los valores observados de la variable Dependiente yi y los valores estimados de la variable dependiente Yi . La desviacin se obtiene entre la diferencia de los valores reales Yi y los Valores estimados Yi ; por tanto, la suma de los cuadrados de las Desviaciones debe ser mnima. Esto es,

Min (yi- yi ) Con el clculo diferencial se puede demostrar que los parmetros bo y b Que minimizan el cuadrado de las desviaciones son: