Documente Academic
Documente Profesional
Documente Cultură
INGENIERA INDUSTRIAL
Materia:
ESTADSTICA INFERENCIAL 2
Tema:
REGRESIN LINEAL SIMPLE Y MLTIPLE
Producto Acadmico:
INVESTIGACIN
Presenta:
EDGAR PALAYOT LPEZ
Docente:
ING. XCHITL DEL CARMEN ROMERO HIPLITO
NDICE
INTRODUCCIN......3
CONCLUSIN15
BIBLIOGRAFA..16
3
INTRODUCCIN
En esta investigacin, se tocaran los temas de regresin lineal simple y mltiple, que son,
produce un nmero que resume el grado de la fuerza de relacin entre dos variables; y el
anlisis de regresin da lugar a una ecuacin matemtica que describe dicha relacin. La
tcnica de regresin lineal simple est indicada cuando se pretende explicar una variable
La finalidad de una ecuacin de regresin es estimar los valores de una variable con base
en los valores conocidos de la otra. Otra forma de emplear una ecuacin de regresin es para
explicar los valores de una variable en trminos de otra. El anlisis de regresin nicamente
Las suposiciones que se realizan al aplicar las tcnicas de regresin lineal son:
El modelo propuesto es lineal (es decir existe relacin entre la variable explicativa
Para estudiar la validez del modelo es necesario confirmar estas hiptesis mediante el
estudio de los residuos (valores observados - valores predichos): normalidad, tendencias, etc.
5
variables, o bien para obtener una relacin lineal o bien para homogeneizar la varianza.
La regresin lineal simple comprende el intento de desarrollar una lnea recta o ecuacin
matemtica lineal que describa la relacin entre dos variables. La regresin puede ser
utilizada de diversas formas. Se emplean en situaciones en la que las dos variables miden
aproximadamente lo mismo, pero en las que una variable es relativamente costosa, o por el
contrario, es poco interesante trabajar con ella, mientras que con la otra variable no ocurre lo
La independencia de la recta
Donde:
Con esta expresin se hace referencia al proceso matemtico que sirve para ajustar una
lnea recta a travs de un conjunto de datos variables asentados en una grfica de dispersin.
(Variable x) y la otra se considera variable respuesta (Variable y). El modelo que se asume
es:
y = o + x 1 +
cuadrados.
Es el procedimiento ms utilizado por adaptar una recta aun conjunto de punto se le que
importantes:
Para un valor dado de X, por ejemplo, X1, habr una diferencia entre el valor Y1 y el
correspondiente valor de la curva C. Esta diferencia se denota por D1, que se conoce como
De todas las curvas de aproximacin a una serie de datos puntuales la curva que tiene la
propiedad de que: D21 + D22 + ... + D2N Se conoce como Mejor curva de ajuste
La suma de cuadrados de desviacin se le llama suma de cuadrados por falla (SCF). Esta
suma de cuadrados proporciona la medida de que tan bien se ajusta la lnea al conjunto
completo de puntos.
Si la SCF es cero, implica que los puntos caen exactamente sobre la lnea. Por el contrario
entre ms grande es SCF respecto de cero, menor es el ajuste. La recta que tenga una suma
de cuadrados menor para un conjunto de puntos, que cualquier otra lnea recta es la lnea
Las ecuaciones normales son un conjunto de ecuaciones cuya solucin produce un valor
nico para la pendiente B y la ordenada a asociada con los datos variables. Obtenindose as:
un conjunto de n observaciones:
(X1, Y1)
8
(X2, Y2)
.
(XN, YN)
De forma que se minimice el error. Las etapas en que se divide el proceso que se va a
Ordenada al origen:
9
Pendiente a la recta:
La correlacin, mtodo por el cual se relacionan dos variables se pude graficar con un
cuyos puntos ms cercanos de una recta hablaran de una correlacin ms fuerte, a esta recta
se le denomina recta de regresin, que puede ser positiva o negativa, la primera contundencia
regresin. La complejidad de la mayora de los mecanismos cientficos es tal que, con objeto
mltiple.
dependiente, pero hay dos o ms de tipo independiente. En esta operacin se desarrolla una
ecuacin la cual se puede utilizar para predecir valore de y, respecto a valores dados de la
11
Aunque hay muchos problemas en los cuales una variable puede predecirse con bastante
exactitud en trminos de otra, parece razonable que las predicciones deban mejorar si
cuadrados
Donde:
Se pueden aplicar tcnicas de mnimos cuadrados similares para estimar los coeficientes
independientes.
Este modelo representa n ecuaciones que describen cmo se generan los valores de
El grado de relacin existente entre tres o ms variables se llama correlacin mltiple. Los
Como se observ en la parte de regresin lineal mltiple, existe una ecuacin de regresin
existen las rectas de regresin de mnimos cuadrados de aproximacin a una serie de N datos
regresin de mnimos cuadrados que se ajustan a una serie de N datos puntuales (X1, X2,
ya sea por mnimos cuadrados o matricialmente, de acuerdo a nuestra parte de regresin lineal
mltiple.
Vamos a suponer una ecuacin de regresin para el caso de tres variables, como a
Esta ecuacin se llama ecuacin de regresin lineal de X1 sobre X2 y X3; con b1.23,
correlacin lineal entre las variables X1 y X2, X1 y X3, X2 y X3 se calculan como en la parte
de correlacin lineal simple y se denotan, respectivamente, por r12, r13, r23 (tambin
Tomando como base la teora de la regresin lineal simple como una generalizacin de
CONCLUSIN
Con toda esta informacin, podemos concluir que, el anlisis de regresin y correlacin
lineal constituyen mtodos que se emplean para conocer las relaciones y significacin entre
series de datos. Lo anterior, es de suma importancia para la industria ya que es aqu en donde
se presentan variables de respuesta e independientes las cuales interactan para originar las
variables continuas, cuando analiza dos variables a esta se l conoce como variable
de regresin es la de estimar los valores de una variable con base en los valores conocidos de
la otra. Del mismo modo, una ecuacin de regresin explica los valores de una variable en
trminos de otra. Es decir, se puede intuir una relacin de causa y efecto entre dos o ms
de existir una.
16
BIBLIOGRAFA
https://www.uam.es/personal_pdi/ciencias/abaillo/AmbEst/Tema4.pdf
https://docs.google.com/viewer?a=v&pid=sites&srcid=ZGVmYXVsdGRvbWFp
bnxjYWx2YXJpb3NwZWNpYWwyMDEyfGd4OjQxZmUxNjE4ZTAxYzNmM
DE
de
http://humanidades.cchs.csic.es/cchs/web_UAE/tutoriales/PDF/Regresion_lineal
_multiple_3.pdf