Regresión lineal

Es un modelo matemático y el objetivo de esta funcion es hacer una deducción o estimacion a

[partir de ua muestra se logre un valor aproximado

a
µ
M 02 ,
O
,

ÍY Ó Ó
'

valor estimado
, ,

que son aproximadamente igual a

los valores r .
ates
9 M

Modelo de regresión lineal m = Pendiente

Inclinación es una variación o cambio en eje y
a medida que aumenta o disminuye una
Es una funcion lineal f- (x) =
mx + b
unidad en el eje x,

f ( x) = 3 ✗ -
2
6 =
intercepto
Pendiente positiva
La función del intercepto es buscar una mejor
función dependiendo del objetivo del ejercicio
Cuando aumenta x, también lo
hace y

(x ) 4
y f y =3 1 2
= +
✗ +
×

y
=
-0,25×-3
Ejemplo a medida que aumenta
los años aumenta en estatura

Pendiente negativa

Cuando aumenta x, y
disminuye

3
} ×
- -
 Valor independiente
Y = mx + b
'

Valor dependiente
Cualquier numero que
Dependiente del valor pertenezca a los reales
que tenga x XER

Modelo de regresión lineal

El análisis de regresión es una técnica estadistica para modelar la relación entre variable

Variables dependientes variable respuesta

Variables independientes variable regresoras

Entonces podemos plantear una relación de estas variables con una estructura lineal

Bo Intercepto
Y = Bo B,
Pendiente
Bi

Recibe el nombre de modelo de regresión lineal simple porque solo se involucra una variable
independiente o regresora siempre se trabajara sobre una muestra para saber si existe
relación

¿Cuando planteo modelos regresivos?

Cuando se quiere observar la relación entre dos variables

¿Cuando un modelo de regresión lineal?

Cuando las variables son de tipo cuantitativo

✗ y 1) plantear si estas dos Estatura. Peso

variables están
relacionadas
# # # #
2) identificar cual es la
# #
variable respuesta o
# #
dependiente
# # # #
 El peso ( Y ) depende de la estatura ( X )

Estatura. Peso

# #

Parejas ordenadas
# #

# #

El objetivo es estimar o ajuste una recta

ajustada de tal manera que se pueda
predecir el comportamiento futuro
presente o pasado
Observaciones
| La distancia del error entre la línea y las
observaciones sea la minima posible

Supuestos El error sea el mas

pequeño posible
espero que sea = 0
aproximado a 0 y que
la varianza no varíe y
sea contante
Buscar la recta que mejor explique los datos
 Varianza constante

Si mi supuestos no cumplen con algunos requisitos se les realza una transformación, si se le

realiza la transformación y no cumple con los requisitos se denomina estadistica no
magnética

La estimación de los parámetros en RLS se conoce como recta ajustada

Parametros poblacionales. Valores estimados valores numéricos aproximados

Bo Intercepto Bo Intercepto estimado

Pendiente Pendiente estimada

Bi Bi
1) formula

Distancia entre el valor ajustado y el valor real

Si hay 50 observaciones hay 50 residuales

¡ = 3 -

Sx Y =
¡ o + Á , × M = lo

ÁO = 3 PÍ ,
= -
S
y ,
= 2 Primera observación

1. Buscar residual

li =
Yi Ji en = 2 7 = -
5

2 .
Primera observación ajustada

¡ =
3 -
5 (2) reemplazo = 7

2 ) formula

li = 0

¡ =/
 3) Métodos de estimación por mínimos cuadrados

Lo que pretendo hacer mínimo es el error o los

Suma de cuadrados del error

Minimizacion para
encontrar la formula

^ r

Las formulas de Bo y B1 se obtienen a partir de minimizar Suma de Cuadrados del Error

Y valor promedio datos en

y
Áo =

y
-

§ ,
ni
Í valor promedio datos en ✗
I

Variabilidad total

Variabilidad en ✗

Variabilidad entre
✗
y y
formulas
relación

Variabilidad que
hay en la
Variable

dependiente
Sumas del cuadrado del error

SCE =

Syy -

B ,
Sxy

Los estimadores de Bo y B1 son insesgados

E Bo Bo E Á =p ,
y
=
.
,

Podemos calcular las varianzas mediante

i
'

V Á Ó
V pío
'
of
=
+
=
n
sxx
;
Sxx