Documente Academic
Documente Profesional
Documente Cultură
Carrera:
Ingeniería Sistemas Computacionales.
Presenta:
Marco Antonio Mendoza Carranza
Samuel Alonso Correa
Eudorico Castillo Marín
Número de Control:
18141481
Actividad:
Regresión lineal
Asesor: Ing. Yuriko tanahi colina
Este método tomo su primera forma cuando se realizó el estudio de las variables
antropométricas, en donde se estipulaba que al comparar la estatura de padres e
hijos, donde resultó que los hijos cuyos padres tenían una estatura muy superior al
valor medio, tendían a igualarse a éste, mientras que aquellos cuyos padres eran
muy bajos tendían a reducir su diferencia respecto a la estatura media; es decir,
"regresaban" al promedio. La constatación empírica de esta propiedad se vio
reforzada más tarde con la justificación teórica de ese fenómeno.
Por cada recta que consideremos, tendremos una colección diferente de residuos.
Se trata de buscar la recta que dé lugar a los residuos más pequeños, es decir la
recta que hace mínima la suma de cuadrados de las distancias verticales entre cada
punto y la recta, de tal manera que se minimice la suma de los errores al cuadrado.
Mientras que el término lineal se empleó en la distinción de técnicas de regresión,
donde son empleados modelos basados en cualquier clase de función matemática,
es decir: Los modelos lineales son una explicación simplificada de la realidad,
mucho más ágiles y con un soporte teórico mucho más extenso por parte de la
matemática y la estadística.
Los valores seleccionados como estimadores de los parámetros son los coeficientes
de regresión sin que se pueda garantizar que coincidan con los parámetros reales
del proceso generado.
Tipos de regresión lineal
Dentro de la regresión es definida por el tipo de variables que esta tenga, uno de
estos tipos es la regresión lineal simple, en donde se estipula el uso de una variable
independiente por lo que solo cuenta con dos parámetros.
Además de esto los gráficos nos proporcionan la forma más sencilla e intuitiva de
estudiar la relación entre dos variables.
Nos ofrece una cierta idea de la naturaleza de la relación; si es lineal o no, su
intensidad, así como el sentido .El gráfico del diagrama de dispersión constituye una
primera aproximación no muy rigurosa al estudio de la linealidad.
Aparentemente lo es. Podemos completarlo mediante un gráfico en el que se
comparan las puntuaciones residuales y predichas.
Características
El error estándar en los casos reales, los ajustes absolutos a la realidad no se dan,
es por eso que existe una cierta medida que describe como de precisa es la
predicción de y en función de x. a esta medida se le denomina erros estándar de
estimación, y es utilizada en el análisis de regresión lineal para medir la dispersión
alrededor de la línea de regresión.
Supuestos del modelo, si las observaciones son de una muestra aleatoria que viene
de una población, entonces el interés estará en realizar inferencias sobre la misma.
Para que estas inferencias sucedan, se debe de cumplir con las siguientes
condiciones.
En la población, la relación entre variables X e Y debe ser aproximadamente
lineal.
Los residuos se distribuyen según una curva normal de media 0.
Además, los residuos son independientes unos de otros.
Los residuos tienen varianza constante.
La inferencia en el modelo de regresión, una vez calculada la recta de regresión y
la bondad de ajuste que se ha conseguido con el modelo, el siguiente paso es
realizar un contraste de hipótesis en el que la hipótesis nula se corresponderá con
la ausencia de relación y el rechazo de la hipótesis nula con la presencia de una
relación significativa.
Para esto se tiene que hacer un cierto contraste si la correlación entre ambas
variables es distinta de cero o si el modelo de regresión es válido en el sentido de
contrastar si el análisis de nuestra variable endógena (Y) es válido a través de la
influencia de la variable explicativa (X).
Características
Ventajas
Representa la relación entre dos variables de forma gráfica, lo que hace más
fácil visualizar e interpretar los datos.
Calculando la correlación de dos variables, permite cuantificar el grado de
relación entre ambas, así como su signo.
Utilidades
Medicina:
Las primeras evidencias relacionando la mortalidad con el fumar tabaco vinieron de
estudios que utilizaban la regresión lineal. Los investigadores incluyen una gran
cantidad de variables en su análisis de regresión en un esfuerzo por eliminar
factores que pudieran producir correlaciones espurias.
Informática:
Conclusión
Dentro de lo anteriormente mostrado se es entendido más el tema de la regresión
lineal, y como es que esta funciona, en pocas palabras la regresión lineal es una
clave para entender algunas relaciones entre variables en estadística. Además de
esto, es permitida para el uso en varios campos, debido a que maneja ciertas
probabilidades de cualquier suceso y es así como son calculadas algunos eventos,
todo es dependiendo del contexto en que se encuentre y que además las variables
deben ser coherentes conforme a la fórmula para que así esta tenga un resultado
preciso y no sea falso al momento de ser interpretado.
Referencias
Clara Laguna, xx/xx/xxxx, Correlación y regresión lineal,08/12/2019,
http://www.ics-aragon.com/cursos/salud-publica/2014/pdf/M2T04.pdf
Paula Villasante, 11/04/2019, Análisis de regresión lineal: concepto y
características,08/12/2019, https://lamenteesmaravillosa.com/analisis-de-
regresion-lineal-concepto-y-caracteristicas/
Microsoft Word,xx/xx/xxxx, Regresión lineal simple,08/12/2019,
https://personal.us.es/vararey/adatos2/Regsimple.pdf
Wikipedia, 29/10/2019, Regresión lineal,08/12/2019,
https://es.wikipedia.org/wiki/Regresi%C3%B3n_lineal