Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Regresión Lineal Simple
Regresión Lineal Simple
Se refiere a encontrar la línea recta que mejor se ajuste a los datos. El mejor
ajuste puede definirse de varias maneras. Quizá la más sencilla sea encontrar la
línea recta para la cual las diferencias entre los valores reales y los valores
pronosticados a partir de la recta ajustada de regresión sean tan pequeñas como
sea posible. Sin embargo, como estas diferencias son positivas para algunas
observaciones y negativas para otras, en términos matemáticos se minimiza la
suma de los cuadrados de las diferencias.
El modelo propuesto es lineal (es decir existe relación entre la variable explicativa
y la variable explicada, y esta relación es lineal). Es decir se asume que:
Siendo:
b0: el término independiente (constante)
b1: el coeficiente de regresión de la variable explicativa (pendiente)
e: es una variable aleatoria que se llama error residual
En la sección anterior estudiamos pruebas de hipótesis para verificar que hay una
relación significativa entre X y Y ; sin embargo, no hemos visto si tal relación
permite hacer estimaciones con una precisión aceptable. Por ejemplo, es de
interés saber qué tanta de la variabilidad presente en Y fue explicada por el
modelo, además si se cumplen los supuestos de los residuos.
Error estándar de estimación. 𝜎.: Una medición sobre la calidad del ajuste de un
modelo lo da el error estándar de estimación, que es una estimación de la
desviación estándar del error . En el caso de la regresión lineal simple, está dado
por:
Las gráficas que suelen hacerse para completar el diagnóstico del modelo
consisten en:
1.- En la hoja de cálculo de Excel (pantalla principal) hacer clic con el puntero en el
símbolo del sistema localizado en el extremo superior izquierdo
activamos
Ejemplo:
La regresión lineal permite trabajar con una variable a nivel de intervalo o razón.
De la misma manera, es posible analizar la relación entre dos o más variables a
través de ecuaciones.
EJEMPLO
La siguiente tabla muestra los pesos Y a la libra más cercana, las estaturas X1 a la pulgada más
cercana y las edades X2 al año más cercano de 12 muchachos.
Pruebas de hipótesis en regresión lineal múltiple
Intervalos de confianza y predicción en regresión múltiple
Para capturar la tabla de datos para el análisis de regresión lineal múltiple, primeramente
capturamos los datos en la hoja de cálculo, posteriormente activamos Datos seguido de Análisis de
datos y seleccionamos Regresión, y aceptar
Utilizando Minitab En Minitab la secuencia de captura para la regresión lineal simple o múltiple en
la hoja de cálculo una vez capturada las columnas de datos seleccionamos Estadísticas luego
Regresión seguida de Regresión nuevamente
Regresión no lineal
Para encontrar los valores de a, b y c que hacen mínima la expresión anterior, deberemos igualar
las derivadas parciales de D con respecto a dichos parámetros a cero y resolver el sistema
resultante. Las ecuaciones que forman dicho sistema se conocen como ecuaciones normales de
Gauss (igual que en el caso de la regresión lineal simple)