Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ensayo 4
Ensayo 4
ENSAYO VI
REGRESIÓN LINEAL - CAPITULO V –
APARTADO 17
GORGAS GARCÍA JAVIER, CARDIEL LÓPEZ NICOLÁS Y ZAMORANO
CALVO JAIME
INTEGRANTES:
1
INTRODUCCIÓN
Si sabemos que existe una relación entre una variable denominada dependiente y otras
denominadas independientes (como por ejemplo las existentes entre: la experiencia profesional de
los trabajadores y sus respectivos sueldos, las estaturas y pesos de personas, la producción agraria
y la cantidad de fertilizantes utilizados, etc.), puede darse el problema de que la dependiente asuma
causalidad. Así, para un mismo número de unidades producidas, pueden existir niveles de costo,
Si se da ese tipo de relaciones, se suele recurrir a los estudios de regresión en los cuales se
obtiene una nueva relación pero de un tipo especial denominado función, en la cual la variable
recordar que en términos generales, una función es un tipo de relación en la cual para cada valor
1
REGRESIÓN LINEAL
Se basa en dos variables ya que uno de ellos e identifica como variable independiente y la otra
Se sabe que la variable dependiente que se desea pronosticar o interpretar es depende de las
variables independientes. En tal sentido se podría decir que la variable independiente influye en
la variable dependiente, y por ende son la causa de los resultados obtenidos en el pasado.
También podemos esto reemplazarlo por variables (x,y) como también podemos poner (a,b)
como constante ya que al ejecutar un ejercicio nos sería más fácil para poder saber la recta corta
del eje.
La recta de regresión también se conoce como ajuste lineal o regresión lineal, que significa un
modelo matemático utilizado para aproximar la dependencia que existe entre un grupo de
El ajuste de la recta de regresión permite pronosticar la puntuación que alcanzará cada sujeto
Para hallar la recta que mejor se ajusta a la nube de puntos observada se usa el método de
mínimos cuadrados.
yˆ = a + bx
Sin embargo, raramente la nube de puntos que representa la relación entre dos variables X e Y
adopta la forma de una línea recta perfecta. En el caso en que exista una relación alta entre las
variables, la nube de puntos tiende a parecerse a una recta. Sólo en el caso de rxy=1 la nube de
2
puntos se ajusta perfectamente a la línea recta. Para que la recta a determinar sea la que mejor se
ajuste a la nube de puntos de entre todas las rectas posibles, dichas distancias deberán ser lo más
pequeñas posible
Teniendo esto en cuenta, la recta de regresión es la línea recta que mejor se ajusta a la nube de
puntos para dos variables X e Y, es decir, la que permitiría minimizar el error medio cometido al
hacer los pronósticos como si la nube de puntos tuviera una forma lineal.
Covarianza
aleatorias respecto a sus medias. Es el dato básico para determinar si existe una dependencia
entre ambas variables y además es el dato necesario para estimar otros parámetros básicos,
para nombrar al valor que refleja el grado de variación conjunta que se registra en dos
La covarianza, por lo tanto, nos permite descubrir si las variables mantienen un vínculo
positivo la recta será creciente y al contrario. En el caso de que byx = 0 la recta será
3
Se puede observar además que ambos coeficientes de regresión tienen el mismo signo (el
signo de la covarianza, ya que las varianzas siempre son positivas). Esto implica que las dos
Correlación lineal
correlación significa analizar hasta hasta que punto es significativa la dependencia de una
variable de la otra. Ejemplo cuando exista una dependencia funcional entre ambas variables
diremos que tenemos una correlación perfecta y tiene (ej. radio y área de un círculo). Por el
contrario cuando no exista ninguna dependencia entre las variables diremos que nos hay
correlación (ej. La primera letra del apellido y altura de un individuo). Correlación lineal que
desviaciones estándar de cada uno a través del cálculo del coeficiente “r” de Pearson.
- Correlación positiva: ocurre cuando una variable aumenta y la otra también. Por ejemplo, la
altura de una persona y el tamaño de su pie; mientras aumenta la altura, el pie también.
estudio y el tiempo que pasas jugando videojuegos, tienen una correlación negativa, ya que
cuando tu tiempo de estudio aumenta, no te queda tanto tiempo para jugar videojuegos.
- Sin correlación: no hay una relación aparente entre las variables. Los puntos en tus
4
Coeficiente de correlación lineal y varianza residual
una medida de regresión que pretende cuantificar el grado de variación conjunta entre dos
variables.
Por tanto, es una medida estadística que cuantifica la dependencia lineal entre dos
variables, es decir, si se representan en un diagrama de dispersión los valores que toman dos
De una forma menos coloquial, la podemos definir como el número que mide el grado de
Siendo:
Varianza residual
valor fijo x:
yest = a + bx
(Sy)2 (1 − r2)
5
La raíz cuadrada de la varianza residual es conocida como el error típico.
La varianza residual coincide también con la suma de cuadrados de las diferencias entre
Ya que la varianza residual, como la varianza, en muchas ocasiones han de ser positivas, por
lo tanto, en conclusión podemos deducir que el valor que puede tomar el coeficiente de
de la recta de una forma directa o también llamado recta positiva. Si se encuentra un coeficiente
de correlación negativa, nos muestra que esto será de una forma inversa o indirecta. Y si
serán nulos.
- Cuando las medidas en particulares se alejan demasiado a la tendencia central, este resulta
muy afectado.
6
- En caso se consigue un coeficiente de correlación elevado, no siempre significa que va
7
BIBLIOGRAFÍA
https://www.clubensayos.com/Ciencia/Regresi%C3%B3n-Lineal-Simple/116230.html
http://dm.udc.es/asignaturas/estadistica2/sec6_8.html
https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/pron%C3%B3stico-de-ventas/regresi%C3%B3n-lineal/
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo13/B0C13m1t6.ht
lineal.html