Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ALUMNO: MATRÍCULA:
Ricardo Bladimir Pérez Silva 16092162
FECHA DE
ENTREGA:
08/05/2019
Portada 5 5
Limpieza 5 5
Desarrollo 75 50
Conclusión 15 0
TOTAL 100 60
INTRODUCCIÓN
Una extensión útil de la regresión lineal es el caso en el que y es una función lineal de dos o
más variables independientes. Por ejemplo, y podría ser una función lineal de x1 y x2, como en:
y=a0 +a1 x 1+ a2 x 2 +e
En particular, tal ecuación es útil cuando se ajustan datos experimentales donde la variable
sujeta a estudio es una función de otras dos variables. En este caso bidimensional, la “línea” de
regresión se convierte en un “plano”, como se observa en la Fig.1.
Como en los casos anteriores, los “mejores” valores para los coeficientes se determinan al
realizar la suma de los cuadrados de los residuos:
n
2
Sr =∑ ( y i−a0−a1 x 1 i−a2 x 2i )
i=1
δ Sr
=−2 ∑ ( y i−a0 −a1 x1 i−a2 x 2 i )
δ a0
δ Sr
=−2 ∑ x 1 i ( yi −a0 −a1 x 1 i−a2 x 2 i )
δ a1
δ Sr
=−2 ∑ x 2 i ( yi −a0 −a1 x 1 i−a2 x 2 i )
δ a2
Los coeficientes que dan la suma mínima de los cuadrados de los residuos se obtienen al
igualar a cero las derivadas parciales y expresando el resultado en forma matricial:
n ∑ x1 i ∑ x2 i a0 ∑ yi
[ ∑ x 1i
∑ x 2i
∑ x 21 i ∑ x1 i x 2 i
∑ x1 i x2 i ∑ x 22 i ][ ] { }
a1 =
a2
∑ x 1i y i
∑ x 2i y i
y=a0 +a1 x 1+ a2 x 2
4. Los coeficientes que dan la suma mínima de los cuadrados de los residuos se obtienen al
igualar a cero las derivadas parciales y expresar el resultado de forma matricial.
EJEMPLO
X1 X2 Y
0 0 5
2 1 10
2.5 2 9
1 3 0
4 6 3
7 2 27
6 16.5 14 a0 54
[ 16.5 76.25 48 a1
14 48 54 a2
=
][ ] [ ]
243.5
100
La cual se resuelve mediante cualquier método de resolución de matrices, para obtener los
coeficientes:
APLICACIÓN
CONCLUSIÓN
Mediante el desarrollo de este reporte acerca de la regresión lineal múltiple, fue posible
conocer el procedimiento que se debe llevar a cabo para ajustar una serie de puntos a un plano, lo
cual da una perspectiva diferente y un poco más completa que una regresión lineal, debido a que
este método abarca los datos que dependan de 2 o más variables, pudiendo así observar un plano
que permite predecir alguno de los valores dentro de lo graficado que están muy relacionados a los
datos de muestra.