Regresión

El análisis de la regresión es un proceso estadístico para estimar

las relaciones entre variables. Incluye muchas técnicas para el
modelado y análisis de diversas variables, cuando la atención se
centra en la relación entre una variable dependiente y una o más
variables independientes (o predictoras). Más específicamente, el
análisis de regresión ayuda a entender cómo el valor de la variable
dependiente varía al cambiar el valor de una de las variables
independientes, manteniendo el valor de las otras variables
independientes fijas.
Más comúnmente, el análisis de regresión estima la esperanza
condicional de la variable dependiente dadas las variables
independientes - es decir, el valor promedio de la variable
dependiente cuando se fijan las variables independientes. En
todos los casos, el objetivo de la estimación es una función de las
variables independientes llamada la función de regresión.
 TIPOS DE REGRESION
Podemos clasificar los tipos de regresión según diversos criterios.
En primer lugar, en función del número de variables independientes:
a) Regresión simple: Cuando la variable Y depende únicamente de una única
variable X.
b) Regresión múltiple: Cuando la variable Y depende de varias variables (X1,
X2, ..., Xr)
En segundo lugar, en función del tipo de función f(X):
a) Regresión lineal: Cuando f(X) es una función lineal.
b) Regresión no lineal: Cuando f(X) no es una función lineal.
En tercer lugar, en función de la naturaleza de la relación que exista entre las
dos variables:
• La variable X puede ser la causa del valor de la variable Y.
Por ejemplo, en toxicología, si X = Dosis de la droga e Y = Mortalidad, la
mortalidad se atribuye a la dosis administrada y no a otras causas.
COEFICIENTE DE CORRELACION
INTERPRETACION
Regresión Lineal
Tendencia lineal entre las variables método de mínimos
cuadrados :
y(x) = a x + b

𝑁 σ 𝑋𝑌−σ 𝑋 σ 𝑌
a=
𝑁 σ 𝑋2 − σ 𝑋 2

σ 𝑋 2 σ 𝑌−σ 𝑋 σ 𝑋𝑌
b=
𝑁 σ 𝑋2 − σ 𝑋 2
Otra forma de encontrar por
mínimos cuadrados
Ejemplo de aplicación
El dueño de una empresa que vende carros desea
determinar si hay relación lineal entre los años de
experiencia de sus vendedores y la cantidad de
carros que venden. Los siguientes datos representan
los años de experiencia (X) y las unidades de carros
vendidas al año (Y), de 10 vendedores de la empresa.
X 3 4 6 7 8 12 15 20 22 26
Y 9 12 16 19 23 27 34 37 40 45
Ejemplo de aplicación
El dueño de una empresa que vende carros desea
determinar si hay relación lineal entre los años de
experiencia de sus vendedores y la cantidad de
carros que venden. Los siguientes datos representan
los años de experiencia (X) y las unidades de carros
vendidas al año (Y), de 10 vendedores de la empresa.
X 3 4 6 7 8 12 15 20 22 26
Y 9 12 16 19 23 27 34 37 40 45

X 3 4 6 7 8 12 15 20 22 26 123
Y 9 12 16 19 23 27 34 37 40 45 262
XY 27 48 96 133 184 324 510 740 880 1170 4112
X2 9 16 36 49 64 144 225 400 484 676 2103
EJEMPLO DE APLICACION
Ejercicios de aplicacion
Regresión cuadrática
Una regresión cuadrática es el proceso de encontrar
la ecuación de la parábola que mejor se ajuste para
un conjunto de datos. Como resultado, obtenemos
una ecuación de la forma
Ejercicio de aplicación
y
7
6
6 5.5

5
4
4 3.5

3 2.5
2
2

1 0.5

0
0 2 4 6 8

Encuentre la ecuación de regresión cuadratica y establezca para 8 y 9

años el valor de y
x y x2 x3 x4 xy x2y x3Y
1 0.5 1 1 1 0.5 0.5 0.5
2 2.5 4 8 16 5 10 20
3 2 9 27 81 6 18 54
4 4 16 64 256 16 64 256
5 3.5 25 125 625 17.5 87.5 437.5
6 6 36 216 1296 36 216 1296
7 5.5 49 343 2401 38.5 269.5 1886.5
28 24 140 784 4676 119.5 665.5 3950.5
Regresion exponencial