Anlisis de la regresin

1
Anlisis de la regresin
En estadstica, el anlisis de regresin es un proceso estadstico para la estimacin de relaciones entre variables.
Incluye muchas tcnicas para el modelado y anlisis de diversas variables, cuando la atencin se centra en la relacin
entre una variable dependiente y una o ms variables independientes. Ms especficamente, el anlisis de regresin
ayuda a entender cmo el valor tpico de la variable dependiente cambia cuando cualquiera de las variables
independientes es variada, mientras que se mantienen las otras variables independientes fijas. Ms comnmente, el
anlisis de regresin estima la esperanza condicional de la variable dependiente dadas las variables independientes -
es decir, el valor promedio de la variable dependiente cuando se fijan las variables independientes. Con menor
frecuencia, la atencin se centra en un cuantil, u otro parmetro de localizacin de la distribucin condicional de la
variable dependiente dadas las variables independientes. En todos los casos, el objetivo es la estimacin de una
funcin de las variables independientes llamada la funcin de regresin. En el anlisis de regresin, tambin es de
inters para caracterizar la variacin de la variable dependiente en torno a la funcin de regresin que puede ser
descrito por una distribucin de probabilidad.
El anlisis de regresin es ampliamente utilizado para la prediccin y previsin, donde su uso tiene superposicin
sustancial en el campo de aprendizaje automtico. El anlisis de regresin se utiliza tambin para comprender que
cuales de las variables independientes estn relacionadas con la variable dependiente, y explorar las formas de estas
relaciones. En circunstancias limitadas, el anlisis de regresin puede utilizarse para inferir relaciones causales entre
las variables independientes y dependientes. Sin embargo, esto puede llevar a ilusiones o falsas relaciones, por lo que
se recomienda precaucin, por ejemplo, la correlacin no implica causalidad.
Se han desarrollado muchas tcnicas para llevar a cabo anlisis de regresin. Mtodos familiares tales como
regresin lineal y ordinaria de mnimos cuadrados de regresin son paramtrica, en que la funcin de regresin se
define en trminos de un nmero finito de desconocidos parmetros que se estiman a partir de los datos. regresin no
paramtrica se refiere a las tcnicas que permiten que la funcin de regresin mienta en un conjunto especfico de
funciones, que puede ser de dimensin infinita.
El desempeo de los mtodos de anlisis de regresin en la prctica depende de la forma del proceso de generacin
de datos, y cmo se relaciona con el mtodo de regresin que se utiliza. Dado que la forma verdadera del proceso de
generacin de datos generalmente no se conoce, el anlisis de regresin depende a menudo hasta cierto punto de
hacer suposiciones acerca de este proceso. Estos supuestos son a veces comprobable si una cantidad suficiente de
datos est disponible. Los modelos de regresin para la prediccin a menudo son tiles incluso cuando los supuestos
son violados moderadamente, aunque pueden no funcionar de manera ptima. Sin embargo, en muchas aplicaciones,
sobre todo con pequeos efectos o las cuestiones de causalidad sobre la base de los datos de observacin, mtodos de
regresin pueden dar resultados engaosos.
[1][2]
Historia
La primera forma de regresin fue el mtodo de mnimos cuadrados, que fue publicado por Legendre en 1805,
[3]
y
por Gauss en 1809.
[4]
Legendre y Gauss tanto aplicaron el mtodo para el problema de determinar, a partir de
observaciones astronmicas, la rbitas de los cuerpos sobre el Sol (la mayora de los cometas, sino tambin ms
tarde el entonces recin descubiertos planetas menores). Gauss public un desarrollo posterior de la teora de los
mnimos cuadrados en 1821,
[5]
incluyendo una versin del teorema de Gauss-Markov.
El trmino "regresin" fue acuado por Francis Galton en el siglo XIX para describir un fenmeno biolgico. El
fenmeno fue que las alturas de los descendientes de ancestros altos tienden a regresar hacia abajo, hacia un
promedio normal (un fenmeno conocido como regresin hacia la media ). Para Galton, la regresin slo tena este
significado biolgico,,
[6][7]
pero su trabajo se extendi ms tarde por Udny Yule y Karl Pearson a un contexto
estadstico ms general. En la obra de Yule y Pearson, la distribucin conjunta de la respuesta y las variables
Anlisis de la regresin
2
explicativas se supone que es de Gauss. Esta suposicin se vio debilitada por RA Fisher en sus obras de 1922 y 1925.
Fisher supone que la distribucin condicional de la variable de respuesta es de Gauss, pero la distribucin conjunta
no es necesario. A este respecto, la asuncin de Fisher est ms cerca de la formulacin de Gauss de 1821.
En los aos 1950 y 1960, los economistas utilizan calculadoras electromecnicas para calcular regresiones. Antes de
1970, a veces tardaba hasta 24 horas para recibir el resultado de una regresin.
[8]
Los mtodos de regresin siguen siendo un rea de investigacin activa. En las ltimas dcadas, los nuevos mtodos
han sido desarrollados para la regresin robusta, la regresin que implica respuestas correlacionadas, tales como
series de tiempo y las curvas de crecimiento, regresin en la que los predictores o variables de respuesta son curvas,
imgenes, grficos y otros objetos de datos complejos, los mtodos de regresin Aceptar varios tipos de datos
faltantes, la regresin no paramtrica, bayesianos mtodos de regresin, regresin en el que las variables de
prediccin se miden con error, regresin con ms variables predictoras que las observaciones y la inferencia causal
con la regresin.
Modelos de regresin
Regresin lineal
Regresin lineal simple
Dadas dos variables (Y: variable dependiente; X: independiente) se trata de encontrar una funcin simple (lineal) de
X que nos permita aproximar Y mediante: = a + bX
a (ordenada en el origen, constante)
b (pendiente de la recta)
A la cantidad e=Y- se le denomina residuo o error residual.
As, en el ejemplo de Pearson: = 85 cm + 0,5X
Donde es la altura predicha del hijo y X la altura del padre: En media, el hijo gana 0,5 cm por cada cm del
padre.
Regresin lineal mltiple
Regresin no lineal
Regresin segmentada
Referencias
[1] David A. Freedman, Statistical Models: Theory and Practice, Cambridge University Press (2005)
[2] R. Dennis Cook; Sanford Weisberg Criticism and Influence Analysis in Regression (http:/ / links. jstor. org/
sici?sici=0081-1750(1982)13<313:CAIAIR>2.0.CO;2-3), Sociological Methodology, Vol. 13. (1982), pp. 313361
[3] A.M. Legendre. Nouvelles mthodes pour la dtermination des orbites des comtes (http:/ / books. google. ca/ books?id=FRcOAAAAQAAJ),
Firmin Didot, Paris, 1805. Sur la Mthode des moindres quarrs appears as an appendix.
[4] C.F. Gauss. Theoria Motus Corporum Coelestium in Sectionibus Conicis Solem Ambientum. (1809)
[5] C.F. Gauss. Theoria combinationis observationum erroribus minimis obnoxiae (http:/ / books. google. co. za/ books?id=ZQ8OAAAAQAAJ&
printsec=frontcover& dq=Theoria+ combinationis+ observationum+ erroribus+ minimis+ obnoxiae& as_brr=3#v=onepage& q=& f=false).
(1821/1823)
[6] Francis Galton. "Typical laws of heredity", Nature 15 (1877), 492495, 512514, 532533. (Galton uses the term "reversion" in this paper,
which discusses the size of peas.)
[7] Francis Galton. Presidential address, Section H, Anthropology. (1885) (Galton uses the term "regression" in this paper, which discusses the
height of humans.)
[8] Rodney Ramcharan. Regressions: Why Are Economists Obessessed with Them? (http:/ / www. imf. org/ external/ pubs/ ft/ fandd/ 2006/ 03/
basics. htm) March 2006. Accessed 2011-12-03.
Anlisis de la regresin
3
Enlaces externos
Francis Galton. "Regression Towards Mediocrity in Hereditary Stature," Journal of the Anthropological Institute,
15:246-263 (1886). (http:/ / www. mugu. com/ galton/ essays/ 1880-1889/ galton-1886-jaigi-regression-stature.
pdf)
A non-mathematical explanation of regression toward the mean. (http:/ / davidmlane. com/ hyperstat/ B153351.
html)
A simulation of regression toward the mean. (http:/ / onlinestatbook. com/ stat_sim/ reg_to_mean/ index. html)
Amanda Wachsmuth, Leland Wilkinson, Gerard E. Dallal. Galton's Bend: An Undiscovered Nonlinearity in
Galton's Family Stature Regression Data and a Likely Explanation Based on Pearson and Lee's Stature Data
(http:/ / www. spss. com/ research/ wilkinson/ Publications/ galton. pdf)
Fuentes y contribuyentes del artculo
4
Fuentes y contribuyentes del artculo
Anlisis de la regresin Fuente: http://es.wikipedia.org/w/index.php?oldid=75962502 Contribuyentes: Acratta, Amads, ConPermiso, Cpey, Ezarate, GermanX, Ihtizon, Ivanpares, Juan
Mayordomo, LP, Lauranrg, MarcoAurelio, Matdrodes, SrDonPatrn, Wikilptico, 37 ediciones annimas
Licencia
Creative Commons Attribution-Share Alike 3.0
//creativecommons.org/licenses/by-sa/3.0/