Regresión

Técnica estadística utilizada para

estudiar la relación entre variables

Ing. César Gutiérrez Cuba

Ing. César Gutiérrez Cuba
 Diagramas de dispersión
• Ofrece una idea aproximada del tipo de
relación existente entre variables.
• También sirve para cuantificar en una forma
aproximada, el grado de relación entre
variables.

Ing. César Gutiérrez Cuba

 Análisis de Regresión

Se puede aplicar para correlacionar datos en una

amplia variedad de problemas: correlacionar
propiedades; análisis de una reacción química en
un reactor como función de temperatura, tiempo
de reacción, tipo de catalizador, etc…..

Ing. César Gutiérrez Cuba

• Frecuentemente una función lineal es asumida.
• En casos donde la función lineal no ajusta los datos, se
puede probar funciones polinomiales o exponenciales.

Ing. César Gutiérrez Cuba

 Regresión Lineal
• Es el caso más simple de las relaciones funcionales entre dos
variables.
• La forma general de una ecuación lineal puede ser escrita como:

Variable independiente

Variable dependiente

Ing. César Gutiérrez Cuba

𝑦𝑖 − 𝛽0 − 𝛽0 𝑥𝑖

Ing. César Gutiérrez Cuba

Ing. César Gutiérrez Cuba
Ing. César Gutiérrez Cuba
 Coeficiente de correlación Lineal (R)
• Es útil disponer de alguna indicación precisa del
grado en que la recta ajusta los puntos
• El coeficiente de correlación lineal es una medida de
la relación entre dos variables.
• El coeficiente de correlación mide cuan cercanos
están los puntos alrededor de la línea de regresión.
• Si R=1, implica una correlación lineal positiva
perfecta
• Si R=-1, implica una correlación lineal negativa
perfecta

Ing. César Gutiérrez Cuba

Ing. César Gutiérrez Cuba
Ing. César Gutiérrez Cuba
Para datos que pasan por el Origen

𝑛
𝜕𝐿
= ෍ 2 𝑦𝑖 − 𝛽1 𝑥𝑖 −𝑥1 = 0
𝜕𝛽1
𝑖=1

σ 𝑦𝑖 𝑥𝑖
𝛽1 =
σ 𝑥𝑖 2
Ing. César Gutiérrez Cuba
Ing. César Gutiérrez Cuba
Linealización de Ecuaciones no Lineales

• La regresión lineal provee una técnica potente

para ajustar los datos a una línea recta.
• Una alternativa simple es emplear
manipulaciones analíticas a modelos no
lineales, para transformar estas ecuaciones a
una forma lineal, entonces la regresión lineal
puede ser empleada para ajustar los datos.

Ing. César Gutiérrez Cuba

 Funciones no lineales
• 1) Ajuste a una exponencial:

Ing. César Gutiérrez Cuba

• 2) Ajuste a una hipérbola
Para ajustar una tabla de puntos (xi,yi), donde:

Basta hacer:

Ing. César Gutiérrez Cuba

• 3) Ajuste de una exponencial del tipo:

Basta hacer las siguientes transformaciones,

considerando y>0:

Ing. César Gutiérrez Cuba

• 4) Ajuste de una curva geométrica:

Basta hacer las siguientes transformaciones,

considerando x>0 y y>0:

Ing. César Gutiérrez Cuba

Ing. César Gutiérrez Cuba
Ing. César Gutiérrez Cuba
 Regresión Múltiple
• Regresión múltiple puede ser empleado para
desarrollar una ecuación cuantitativa que
relacione una variable dependiente con varias
variables independientes.
• En regresión lineal múltiple, cualquier número
de variables independientes puede ser
considerado:

Ing. César Gutiérrez Cuba

Ing. César Gutiérrez Cuba
Modelo lineal de 1er orden sin Interacciones:

Modelo lineal de 1er orden con Interacciones:

Modelo de 2do Orden (Cuadrático):

Ing. César Gutiérrez Cuba

Ing. César Gutiérrez Cuba
Ing. César Gutiérrez Cuba
 Polinomial

Efecto de variables con

interacción

Ing. César Gutiérrez Cuba

Modelo cuadrático completo para dos variables: Incluye efecto
principal de cada variable, efecto debido a interacciones entre
variables y presencia de curvatura en los efectos, que son tomados en
cuenta por los términos cuadráticos de cada variable.
Ing. César Gutiérrez Cuba
Ing. César Gutiérrez Cuba
Ing. César Gutiérrez Cuba
En General:

Ing. César Gutiérrez Cuba

Por ejemplo, para un análisis de regresión múltiple
que considera el efectos de 2 variables se tendría:

Ing. César Gutiérrez Cuba

SOLUCION DEL SISTEMA POR METODO MATRICIAL:

Ing. César Gutiérrez Cuba

Ing. César Gutiérrez Cuba
 Modelos polinomiales en una sola variable
• Un modelo polinomial de orden k en una sola
variable está dado por:

• Si entonces el modelo es
de tipo de regresión múltiple en k variables
explicatorias: Entonces las
técnicas de ajuste de regresión lineal múltiple
pueden ser empleados para hacer ajuste de
modelos polinomiales:

Ing. César Gutiérrez Cuba

Ing. César Gutiérrez Cuba
Para un sistema polinomial considerar
para el método matricial a X como:

Ing. César Gutiérrez Cuba