Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Curva de ajuste.-
Es la relación entre dos ó más variables. Fundamentalmente se da entre dos variables.
Uno de los propósitos de la curva de ajuste es estimar una de las variables (dependiente) de
la otra (independiente). El proceso de estimaciones se conoce como regresión.
Regresión
Estudia la función matemática que relaciona a la variable dependiente o respuesta, con la o las
variables independientes o predictoras o explicativas.
Ejm.
- Tiempo de vida; depende de la alimentación, del estado físico, de la tranquilidad,
etc.
- En toxicología; los efectos letales de una droga se describen por la regresión del %
muertes sobre la cantidad de droga.
% de muertes Y causado por la cantidad de droga X.
- Interesa conocer el grado de dependencia entre: el % de carcasa y el peso vivo de
animales; entre el rendimiento de granos (trigo) y la caída de la lluvia, etc. es decir,
como se incrementan o disminuyen los valores de una característica al
incrementarse o disminuir los valores de otra característica.
- Una característica depende de la otra; ejm. el volumen del pan depende del % de
proteína del trigo; la estabilidad del néctar depende del tamaño de partículas así
como también de la concentración de estabilizante.
La regresión entre dos características puede ser lineal o curvilínea.
Correlación
Estudia el grado de asociación entre la variable respuesta y la o las variables
independientes. Se dice que la correlación es simple cuando se estudia una variable
independiente asociada con la variable dependiente. La correlación es parcial cuando en
una regresión múltiple estudiamos el grado de asociación de una variable independiente
con la variable dependiente o respuesta, permaneciendo las demás variables independientes
constantes.
Regresión lineal simple
Modelo estadístico
Yi = β0 + β1Xi + Ei
Donde:
Ei, es una variable aleatoria tomada de una distribución normal, con media cero y variancia
σ2, esto es, N(0, σ2).
Donde:
b0 es el estimador de β0 (b0 β0): b0 = ̂ 0
b1 es el estimador de β1 (b1 β1): b1 = ̂1
La población de valores de y correspondiente a una x seleccionada tiene una media µ que
yace en la recta:
µ = β0 + β1xi
Donde: β0 y β1 son parámetros
Yi = β0 + β1Xi + Ei
Yi = µy.x + Ei
Estimación de parámetros
Este método permite obtener los valores estimados de β 0 y β1 de modo que la suma de los
errores al cuadrado sea mínima, es decir, de lo que se trata es de calcular b 0 y b1 de modo
que:
i= 1, 2, 3,......n
yi = bo+ bix1
ei = yi - bo - bixi ---------(2)
dQ
= 2Σ (yi - bo – b1xi) (-1)
dbo
dQ
= 2Σ(yi – bo - b1xi) (-xi)
db1
Luego igualando a 0:
dQ dQ
=0 y =0
dbo db1
Ecuaciones normales
b0
y i
b1
x i
y b1 x
n n
yi xi
yx i i b1 xi b1 x12 0
n n
x
yi xi i n i b1 n i b1 xi2 0
2
( y )( x )
y x b x 2
yx i i i
n
i
i
x2
i
n
i
yi xi
i i n Suma _ de _ productos" xy" SPxy
x y
b1
xi
2
Suma _ de _ Cuadrados SCx
i n
x 2
Resolviendo:
b1
x x y y
1 i
( x x) i
2
SCregre .
r2 100%
SCtotal
SPXY
r 0,95 Varía: 1 r 1
SCX .SCY
- Un valor de –1, significa una perfecta correlación negativa, es decir todos los puntos caen sobre
una línea con pendiente negativa.
Un valor de +1, significa una perfecta correlación positiva, es decir, todos los puntos caen sobre
una línea con pendiente positiva.
Regresión no lineal
Modelo cuadrático:
: yi b0 b1 xi b2 xi ei ;.......Donde : i 1;2;..., n
2
Muestra
bo estima al parámetro β0
b1 estima al parámetro β1
b2 estima al parámetro β2
(1) yi b0 b1 xi b2 xi2 ei
ei yi b0 b1 xi b2 xi2
n n
Q Q Q
0, 0, 0
(3).Diferenciamos: b0 b1 b2 e igualamos a cero
1 2 3
Q
n
(4) En 1° 2 yi b0 b1 xi b2 xi2 (1) 0
b0 i 1
Q
(5) En 2°
b1
2 yi b0 b1 xi b2 xi2 ( xi ) 0
(6) En 3°
Q
b2
2 yi b0 b1 xi b2 xi2 xi2 0
Tenemos:
(9) de (6) x 2
i yi b0 xi2 b1 xi3 b2 xi4 0
b0
y i
b1
x i
b2
x 2
i
n n n
Reemplazando b0 en la ecuación (8) y (9) tenderemos:
(11)
yi x x 2
x y i i b1 i
b2 i
( xi ) b1 xi2 b2 xi3 0
n n n
Agrupando:
yi x i b x
2
xi2 xi
xi yi 1 x
2
i b2 xi
i 3
0
n
SPXY
n
n
SCX SPX . X 2
(12)
xi2 y1 n i b1 x x x
y 2
b1 xi3 b2 x i 0
i 1 4
b2 2
n
i
n
( yi )( x ) 2
x x 2
( xi2 ) 2
xi2 yi n
i
b1 i
n
i
b2
n
b1 xi3 b2 xi4 0
Agrupando:
( yi )( xi2 ) ( xi )( xi2 )
b2 xi4 i
( x2 )2
xi yi b1 xi 0
2 3
2 n n n
SPX Y SPX . X 2 SCX 2
Luego tendremos:
SPXY SPX . X 2
b1
SPX 2Y SCX 2
SPXY SCX 2 SPX . X 2 SPX 2 .Y
SCX SPX . X 2 SCX SCX 2 ( SPX . X 2 ) 2
SPX . X 2 SCX 2
SCX SPXY
b2
SPX . X 2 SPX 2Y
SCX SPX 2Y SPXY SPX . X 2
SCX SPX . X 2 SCX SCX 2 SPX . X 2 2
SPX . X 2 SCX 2
yˆ
0 Derivamos en función de X, de la ecuación (*)
x
yˆ
b1 2b2 x 0
x
b1
De donde obtenemos: X
2b2
Total SCY Y 2
Y 2
n-1
n
Regla de decisión: