Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ndice
[ocultar]
1 Marco terico
o 1.1 Regresin lineal simple
o 1.2 Regresin mltiple (varias variables)
2 Aplicaciones
o 2.1 Qumica
o 2.2 Mecnica
o 2.3 Electricidad
o 2.4 Sensores
o 2.5 Fsica
o 2.6 Fabricacin
o 2.7 Diseo de experimentos
o 2.8 Construccin
4 Vase tambin
5 Referencias
6 Bibliografa
1: Se trata del cociente entre la interaccin obtenida entre ambas variables y la suma de
cuadrados de los valores de la variable dependiente. Este valor corresponde a la
pendiente de la recta.
Ei es el residuo e indica la bondad del ajuste realizado para cada punto. Se calcula de la
siguiente forma:
n= nmero de datos. Se compara F0 con valor F crtico (tabla F de Scnedecor) con valor
de significacin , 1, y n-2 grados de libertad concluyendo: Si F0< Ft, el modelo es
apropiado, Si F0> Ft, el modelo utilizado no es apropiado.
Para los casos en los que un modelo lineal no sea el ms adecuado, se pueden aplicar los
llamados modelos intrnsecamente lineales que transforman la recta en otro tipo de
funcin. Un ejemplo sera la funcin exponencial:
[editar] Aplicaciones
El modelo de regresin lineal es aplicado en un gran nmero de campos, desde el
mbito cientfico hasta el mbito social, pasando por aplicaciones industriales ya que en
multitud de situaciones se encuentran comportamientos lineales. Estos son algunos
ejemplos aplicados a diversos campos:
[editar] Qumica
En esta rama se utiliza la Regresin Lineal entre otros para ajustar la recta de Paris , una
ecuacin que sirve para estudiar elementos sometidos a fatiga en funcin del nmero de
ciclos a los que se somete un material. La bondad del ajuste se comprueba
representando el conjunto de valores discretos a-Nm obtenidos experimentalmente,
frente a la curva correspondiente a la recta de Paris definida por los valores C y m.2
mentiras akiii
[editar] Electricidad
Tabla 1
De esta manera se observa que las especificaciones son muy justas y cualquier ajuste
equivoco de pigmentacin en la pintura ocasionar, material en condiciones NG,
proporcionando indicadores negativos a la empresa como prdida de tiempo, dinero,
aumento de scrap as como sus indicadores de PPMS internos y con su cliente.
Haciendo una corrida amplia y manipulando el pigmento blanco se toma de lecturas de
las condiciones de la pintura son conforme a la Tabla 2.
El valor de 0 es:
0 = -25,44567
SOLUCIN
Aplicando las frmulas citadas anteriormente obtendremos los resultados de todos los
datos que sern necesarios para el clculo de la Tabla ANOVA.
En primer lugar se ajustara el modelo lineal y= 0 + 1x1+ 2x2+ a los datos, se
realizar la estimacin de los coeficientes, y obtendremos la varianza residual:
S2 =1,04881
Tras esto a partir de los residuos calculados y representados en una tabla se calcula el
coeficiente de determinacin:
R2 =0,959559
Por ltimo se calculan las varianzas asociadas a cada uno de los estimadores de los
parmetros:
Parmetro
0
1
2
Sbi
4,24411
0,74162
0,02472
Al comparar el to asociado a cada bi con la t0.025,5 puede observarse que los efectos
tanto de la temperatura como de la concentracin son significativos a un nivel de
confianza del 95%. El modelo ajustado es por tanto:
Y = 39.75 + 3.0 . X concentracin + 0.25 . X temperatura
La validacin del modelo se hara en base al anlisis de los residuos, a travs de los
siguientes grficos:
-grfico de probabilidad normal de los residuos
-grfico de los residuos frente a los valores predichos
-grficos de los residuos frente a cada variable
Un anlisis de los grficos de los residuos contra las variables concentracin y
temperatura permitir concluir si el factor concentracin presenta un efecto muy
importante sobre la variabilidad del rendimiento, en funcin de si una mayor
concentracin reduce la variabilidad en cuanto al rendimiento de la reaccin qumica.
Regresin lineal
De Wikipedia, la enciclopedia libre
Saltar a: navegacin, bsqueda
Para otros usos de este trmino, vase Funcin lineal (desambiguacin).
Ejemplo de una regresin lineal con una variable dependiente y una variable
independiente.
En estadstica la regresin lineal o ajuste lineal es un mtodo matemtico que modela
la relacin entre una variable dependiente Y, las variables independientes Xi y un
trmino aleatorio . Este modelo puede ser expresado como:
ndice
[ocultar]
1 Historia
o 1.1 Etimologa
5.1.1 Anlisis
6 Rectas de regresin
8 Vase tambin
9 Referencias
10 Bibliografa
11 Enlaces externos
[editar] Historia
La primera forma de regresiones lineales documentada fue el mtodo de los mnimos
cuadrados, el cual fue publicado por Legendre en 1805,1 y en dnde se inclua una
versin del teorema de Gauss-Mrkov.
[editar] Etimologa
El trmino regresin se utiliz por primera vez en el estudio de variables
antropomtricas: al comparar la estatura de padres e hijos, result que los hijos cuyos
padres tenan una estatura muy superior al valor medio tendan a igualarse a ste,
mientras que aquellos cuyos padres eran muy bajos tendan a reducir su diferencia
respecto a la estatura media; es decir, "regresaban" al promedio.2 La constatacin
emprica de esta propiedad se vio reforzada ms tarde con la justificacin terica de ese
fenmeno.
El trmino lineal se emplea para distinguirlo del resto de tcnicas de regresin, que
emplean modelos basados en cualquier clase de funcin matemtica. Los modelos
lineales son una explicacin simplificada de la realidad, mucho ms gil y con un
soporte terico por parte de la matemtica y la estadstica mucho ms extenso.
Pero bien, como se ha dicho, podemos usar el trmino lineal para distinguir modelos
basados en cualquier clase de aplicacin.
Para cada valor de X la perturbacin tomar distintos valores de forma aleatoria, pero
no tomar sistemticamente valores positivos o negativos, sino que se supone que
tomar algunos valores mayores que cero y otros menores, de tal forma que su valor
esperado sea cero.
2. Homocedasticidad
para todo t
Todos los trminos de la perturbacin tienen la misma varianza que es desconocida. La
dispersin de cada en torno a su valor esperado es siempre la misma.
3. Incorrelacin.
t,s con t distinto de s
para todo
Las covarianzas entre las distintas pertubaciones son nulas, lo que quiere decir que no
estn correlacionadas o autocorrelacionadas. Esto implica que el valor de la
perturbacin para cualquier observacin muestral no viene influenciado por los valores
de la perturbacin correspondientes a otras observaciones muestrales.
4. Regresores no estocsticos.
5. No existen relaciones lineales exactas entre los regresores.
6.
Suponemos que no existen errores de especificacin en el modelo ni
errores de medida en las variables explicativas
7. Normalidad de las perturbaciones
Slo se maneja una variable independiente, por lo que slo cuenta con dos parmetros.
Son de la forma:4
(6)
donde
que
con
).
[editar] Anlisis
Dado el modelo de regresin simple, si se calcula la esperanza (valor esperado) del
valor Y, se obtiene:5
(7)
Derivando respecto a
(9)
(10)
Obteniendo dos ecuaciones denominadas ecuaciones normales que generan la siguiente
solucin para ambos parmetros:4
(11)
(12)
La interpretacin del parmetro
incrementar en
modo que
).
con
(14)
(15)
La correlacin ("r") de las rectas determinar la calidad del ajuste. Si r es cercano o
igual a 1, el ajuste ser bueno y las predicciones realizadas a partir del modelo obtenido
sern muy fiables (el modelo obtenido resulta verdaderamente representativo); si r es
cercano o igual a 0, se tratar de un ajuste malo en el que las predicciones que se
realicen a partir del modelo obtenido no sern fiables (el modelo obtenido no resulta
representativo de la realidad). Ambas rectas de regresin se intersecan en un punto
llamado centro de gravedad de la distribucin.
Una lnea de tendencia representa una tendencia en una serie de datos obtenidos a travs
de un largo perodo. Este tipo de lneas puede decirnos si un conjunto de datos en
particular (como por ejemplo, el PBI, el precio del petrleo o el valor de las acciones)
han aumentado o decrementado en un determinado perodo.8 Se puede dibujar una lnea
[editar] Medicina
En medicina, las primeras evidencias relacionando la mortalidad con el fumar tabaco9
vinieron de estudios que utilizaban la regresin lineal. Los investigadores incluyen una
gran cantidad de variables en su anlisis de regresin en un esfuerzo por eliminar
factores que pudieran producir correlaciones espurias. En el caso del tabaquismo, los
investigadores incluyeron el estado socio-econmico para asegurarse que los efectos de
mortalidad por tabaquismo no sean un efecto de su educacin o posicin econmica. No
obstante, es imposible incluir todas las variables posibles en un estudio de regresin.10 11
En el ejemplo del tabaquismo, un hipottico gen podra aumentar la mortalidad y
aumentar la propensin a adquirir enfermedades relacionadas con el consumo de tabaco.
Por esta razn, en la actualidad las pruebas controladas aleatorias son consideradas
mucho ms confiables que los anlisis de regresin
ecnologas
en los sistemas productivos.
Publicado por:
Lic. Hctor Daniel Aguilar Rivero
Subdirector Acadmico
Extensin 311
- Enviar correo -