REGRESIN LINEAL

Funcin lineal
Sean X, Y dos variables relacionadas entre s por una funcin de la forma:

Y = A + BX
donde A y B son dos constantes, X es la variable independiente y Y la variable dependiente, de acuerdo a la relacin dada.

 Una funcin de esa forma se conoce como funcin lineal porque si la graficamos en el espacio X-Y obtenemos una lnea recta, sobre la que se cumple, para cualquier par de valores (X, Y), que:

B = tg

YA =B X

 La regresin lineal consiste en ajustar la mejor recta a un conjunto de pares de valores experimentales (Xi, Yi) que, debido a los inevitables errores de medida no coinciden exactamente sobre una lnea recta.

 Sea:

Y = A + BX

La funcin que buscamos. La recta que pasa entre los puntos deber cumplir la condicin de que:

nY nA + BnX Y A + BX

(Y Y ) 0 (Y A BX ) 0 Y nA B X 0
i i i i i i

 Entonces, la primera condicin que impondremos es que la recta ajustada pase por el punto:

( X ,Y )

35 30 25 20 15 10 5 0 0 5 X 10 15

 Ahora vamos a razonar de la siguiente manera: Si unimos este punto con cada uno de los puntos experimentales mediante lneas rectas, obtendremos diferentes pendientes y podemos decir que la pendiente de nuestra recta ajustada sea un promedio de estas pendientes:

Yi Y Bi = Xi X

Sin embargo, no puede ser un simple promedio, sino un promedio ponderado. Qu quiere decir esto? Que vamos a asignar a cada pendiente un factor que le d mayor o menor peso segn su importancia. En la figura, hemos trazado dos de las posibles pendientes. Una uniendo nuestro punto de los promedios con un punto experimental cercano y otra unindolo con un punto experimental lejano. Se puede ver que mientras ms cerca est, la pendiente tiende a ser grande, en cambio mientras ms alejado est, la pendiente tiende a ser menor. Es claro que las pendientes resultantes de unir el punto de los promedios con puntos experimentales ms lejanos deben ser ms importantes, a la hora de ponderar la pendiente de nuestra recta ajustada, que las resultantes de unir con puntos cercanos. Un promedio ponderado es de la forma:

PB B= P
i i

 Nuestro criterio para asignarle un peso a cada posible pendiente es: cun lejos se encuentra el punto experimental del de los promedios. No importa si est delante o detrs, slo cun lejos est. Entonces podemos definir nuestro peso como:

Pi = ( X i X )
i

( X X )(Y Y ) B= (X X )
i 2 i

Desarrollando esta expresin:

(X B=

X )Yi Y ( X i X )

Pero : ( X i X ) = 0
i i 2

(X

X)

( X X )Y B= (X X ) n X Y X Y B= n X ( X )
i i i 2 i 2 i

Conocido el coeficiente B, podemos obtener A de:

A =Y BX

Clculo de los errores de A y B.

Aplicando las propiedades de la desviacin cuadrtica media a B, teniendo en cuenta que se considera que la variable independiente x no tiene error:

(X X ) ( B) = ( ( X X )
2 i i

(Yi ) )

2 2

La desviacin cuadrtica de cada medida en particular es la desviacin cuadrtica muestral:

(Yi Yi ) 2 2 (Yi ) = = n2 2 (Yi A BX i ) 2 = n2

Entonces:
( B) = 2 (Xi X )
2 2

n ( B) = 2 2 n X i ( X i )
2

( B) = ( B)
2

De la misma manera:

( A) = (Y ) + X ( B )
2 2 2 2

2 2 ( A) = + X ( B) N
2 2

( A) = ( B )
2

Experimento demostrativo
Con el carril de aire, graficar la velocidad media en funcin de tiempo.

1 2 X = at 2 x 1 v = = at t 2