0 calificaciones0% encontró este documento útil (0 votos)
6 vistas2 páginas
La regresión lineal es un modelo matemático que aproxima la relación entre una variable dependiente y una o más variables independientes, con un término aleatorio. La ecuación de regresión mide la influencia de las variables independientes sobre la variable dependiente y puede usarse para predecir valores de esta última al introducir valores de las variables explicativas. Los valores de pendiente indican la influencia relativa de cada variable independiente sobre la dependiente.
La regresión lineal es un modelo matemático que aproxima la relación entre una variable dependiente y una o más variables independientes, con un término aleatorio. La ecuación de regresión mide la influencia de las variables independientes sobre la variable dependiente y puede usarse para predecir valores de esta última al introducir valores de las variables explicativas. Los valores de pendiente indican la influencia relativa de cada variable independiente sobre la dependiente.
La regresión lineal es un modelo matemático que aproxima la relación entre una variable dependiente y una o más variables independientes, con un término aleatorio. La ecuación de regresión mide la influencia de las variables independientes sobre la variable dependiente y puede usarse para predecir valores de esta última al introducir valores de las variables explicativas. Los valores de pendiente indican la influencia relativa de cada variable independiente sobre la dependiente.
estadística, la regresión lineal o ajuste lineal es un modelo matemático usado para
aproximar la relación de dependencia entre una variable dependiente , variables independientes con y un término aleatorio . Este método es aplicable en muchas situaciones en las que se estudia la relación entre dos o más variables o predecir un comportamiento, algunas incluso sin relación con la tecnología. En caso de que no se pueda aplicar un modelo de regresión a un estudio, se dice que no hay correlación entre las variables estudiadas. Este modelo puede ser expresado como:
Ejemplo de una regresión lineal con una variable dependiente y una variable independiente.
donde:
es la variable dependiente o variable de respuesta.
son las variables explicativas, independientes o regresoras. son los parámetros del modelo, miden la influencia que las variables explicativas tienen sobre el regrediendo.
,y
El término lineal se emplea para distinguirlo del resto de técnicas de regresión, que
emplean modelos basados en cualquier clase de función matemática. Los modelos lineales son una explicación simplificada de la realidad, mucho más ágiles y con un soporte teórico mucho más extenso por parte de la matemática y la estadística. El modelo de regresión lineal es aplicado en un gran número de campos, desde el ámbito científico hasta el ámbito social, pasando por aplicaciones industriales ya que en multitud de situaciones se encuentran comportamientos lineales. Estos son algunos ejemplos aplicados a diversos campos:X
Líneas de tendencia Véase también: Tendencia
Una línea de tendencia representa una tendencia en una serie de datos obtenidos a través
de un largo período. Este tipo de líneas puede decirnos si un conjunto de datos en particular (como por ejemplo, el PIB, el precio del petróleo o el valor de las acciones) han aumentado o decrementado en un determinado período.[X La ecuación de regresión proporciona información valiosa sobre la influencia de cada variable explicativa sobre los valores predichos, incluido el coeficiente de regresión de cada variable explicativa. Los valores de pendiente se pueden comparar para determinar la influencia relativa de cada variable explicativa sobre la variable dependiente; cuanto más alejado esté el valor de pendiente del cero (ya sea positivo o negativo), mayor será la influencia. La ecuación de regresión también se puede utilizar para predecir valores para la variable dependiente introduciendo valores para cada variable explicativa.