REGRESION CUADRATICA

El modelo de regresión cuadrática es una alternativa cuando el modelo lineal no logra un

coeficiente de determinación apropiado, o cuando el fenómeno en estudio tiene un comportamiento
que puede considerarse como parabólico.  La forma más simple de tratar de establecer la
tendencia es a través de un diagrama de dispersión o nube de puntos.

Ecuación característica
La función que define el modelo es la siguiente:

Yi=A+Bxi+Cxi2+E
En la cual:
Yi:                  Variable dependiente, i-ésima observación
A, B, C:          Parámetros de la ecuación, que generalmente son desconocidos
E:                    Error asociado al modelo
Xi :                   Valor de la í-esima observación de la variable independiente

Al sustituir los parámetros por estimadores, el modelo adopta la siguiente forma:

yi=a+bxi+cxi2
Regresión

Desacuerdo a los videos vistos y en clase se puede llegar a decir que la regresión
se analiza como seleccionar la mejor aproximación lineal para un conjunto de
datos (regresión lineal). Y la regresión no lineal este caso se extiende a la
posibilidad de dos o más variables estudiando las regresiones lineales múltiples.
Para esto se realizan por decir 3 pasos que son

Obtener la función S de acuerdo con el criterio de ajuste seleccionado.

Se calcular las derivadas parciales de esta función con respecto a los parámetros
que estudiamos.

Resolver el sistema de ecuaciones (en este caso no lineales) que se obtendrán

por decir

También cabe mencionar que una medida de dispersión no sólo cuantifica la

variabilidad de un conjunto de datos o de una distribución, sino que también es
necesaria para completar la descripción de éstos. Por tanto, diferentes medidas de
dispersión la cuantificarán de manera distinta y completarán la descripción o el
resumen de un conjunto de datos de forma complementaria. De la misma manera
que diferentes medidas de centro (como la media, la mediana o la moda) nos dan
informaciones complementarias

Aporta una información diferente e interesa para según qué colección de datos

Como hemos dicho anteriormente la variabilidad aleatoria tiene omnipresencia en

la vida cotidiana. Pero más concretamente, en cuanto se comienza el estudio de lo
aleatorio, ya estamos en contacto con la variabilidad.

Y tomando en cuenta el método matricial en primer lugar es interesante hacer un

breve análisis de diversas características que presentan este método frente a los
cálculos