Regresión lineal múltiple

Una regresión lineal múltiple permite generar un modelo lineal en el que el valor
de la variable dependiente o respuesta (Y) se determina a partir de un conjunto
de variables independientes llamadas predictores (X1, X2, X3…). Es una
extensión de la regresión lineal simple, por lo que es fundamental comprender
esta última. Los modelos de regresión múltiple pueden emplearse para predecir
el valor de la variable dependiente o para evaluar la influencia que tienen los
predictores sobre ello.
Donde la ecuación es la siguiente:

β0: es la ordenada en el origen, el valor de la variable dependiente Y cuando

todos los predictores son cero.
βi: es el efecto promedio que tiene el incremento en una unidad de la variable
predictor Xi sobre la variable dependiente Y, manteniéndose constantes el resto
de variables. Se conocen como coeficientes parciales de regresión.
ei: es el residuo o error, la diferencia entre el valor observado y el estimado por
el modelo.
Para determinar los coeficientes de la suma de los cuadrados de los residuos se
tiene que:

Después derivando con respecto a cada uno de los coeficientes desconocidos

Luego ordenamos 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:

Condiciones suficientes más no necesarias para la regresión lineal múltiple:

 Si el coeficiente de determinación R2 es alto pero ninguno de los
predictores resulta significativo, hay indicios de colinialidad.
 Calcular una matriz de correlación en la que se estudia la relación lineal
entre cada par de predictores. Se puede dar el caso de tener una relación
lineal casi perfecta entre tres o más variables y que las correlaciones
simples entre pares de estas mismas variables no sean mayores que 0.5.
 Generar un modelo de regresión lineal simple entre cada uno de los
predictores frente al resto. Si en alguno de los modelos el coeficiente de
determinación R2 es alto, estaría señalando a una posible colinialidad.
Ejemplo:
Los siguientes datos se calcularon con la ecuación y =5 + 4x1 – 3x2:

Utilice la regresión lineal múltiple para ajustar estos datos. Aplicando la fórmula
de recurrencia se obtiene que:

Que se resuelve mediante un método como el de eliminación de Gauss,

obteniéndose a0 = 5, a1 = 4, a2 = –3
Que es consistente con la ecuación original, de la cual se obtienen los datos.
Polinomios de interpolación de Lagrange
Se trata de encontrar un polinomio de grado n que pase por los puntos (x0, f(x0)),
(x1, f(x1)),... (xn, f(xn)), se construye un cociente Ln, k(xk) con la propiedad de que
Ln, k(xi) = 0 cuando i ¹ k y Ln, k(xk) = 1
Se requiere entonces que el numerador contenga
(x – x0) (x – x1)... (x – xk–1)(x – xk+1)... (x – xn)
El denominador debe coincidir con el numerador cuando x = xk.

En pocas palabras el polinomio de interpolación de Lagrande es simplemente

una reformulación del polinomio de Newton que evita el cálculo de las diferencias
divididas, y se representa así:

Una vez reformulado el polinomio de Newton toma la siguiente forma que sería
la fórmula de recurrencia del polinomio de interpolación de Lagrange

Desventajas de la interpolación de Lagrange

 Si se aumenta el número de puntos a interpolar con la intención de
mejorar la aproximación a una función, también lo hace el grado del
polinomio interpolador así obtenido, por norma general. De este modo,
aumenta la dificultad en el cálculo, haciéndolo poco operativo
manualmente a partir del grado 4.
 La tecnología actual permite manejar polinomios de grados superiores sin
grandes problemas, a costa de un elevado consumo de tiempo de
computación. Pero, a medida que crece el grado, mayores son las
oscilaciones entre puntos consecutivos.
  Otra gran desventaja, respecto a otros métodos de interpolación, es la
necesidad de recalcular todo el polinomio para verificar los números.
Ejemplo:
Suponga la siguiente tabla de datos:

Construya las funciones cardinales para el conjunto dado y el polinomio de

interpolación de Lagrange correspondiente.
Primero usamos la fórmula de recurrencia de Lagrange

Al remplazar tenemos:

Donde el polinomio de interpolación de Lagrange es:

Coeficientes de un polinomio de interpolación

Para obtener una representación de los datos por medio de un polinomio de la
forma convencional mostrada en la ecuación, con la cual se pueda determinar
valores intermedios entre los datos, es necesario generar un sistema de n + 1
ecuaciones con n + 1 incógnitas, donde n es el grado del polinomio, y las
incógnitas corresponden a los coeficientes a del polinomio de la ecuación.
Para entender mejor la ecuación mostrada anteriormente vamos a dar un
ejemplo, si se desean calcular los coeficientes de un polinomio de grado dos, se
requieren tres datos:

Luego se sustituye en cada dato en un polinomio representado como en la

primera ecuación, se tiene un sistema de ecuaciones simultáneas, esto es:

Como se puede ver las ecuaciones tienen forma matricial y las ordenaremos:

Donde el vector de incógnitas son los coeficientes “a”.

Este sistema se puede resolver con cualquier método de eliminación. Una
observación que se debe de hacer, es que este procedimiento para encontrar un
polinomio convencional de interpolación de la forma mostrada en la ecuación
principal, solo funciona para polinomios de orden inferior. De cualquier forma se
recomienda verificar los resultados.