Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PLANTEL: El marqués
UNIDAD 1
GRUPO: M4K
La regresión lineal simple y regresión lineal múltiple, son métodos estadísticos que
estudian la relación lineal. Si bien es importante centralizar que se realiza un estudio
o análisis de las variables en estos dos tipos de regresión, sin embargo en la
variable de regresión lineal simple dicho estudio se realiza determinando los
coeficientes y que relacionan la variable de entrada con la variable de salida, y la
regresión lineal múltiple sigue el mismo modelo que la regresión lineal simple, pero
lo único que se amplía es la ecuación que se encarga de este análisis, ya que cuenta
con más de una variable de entrada para poder predecir la variable de salida (Y),
permitiendo identificar cuanto influye cada una de las variables, respecto a las otras
proporciones y notar su correspondiente afectación. Cada método de regresión
cuenta con sus respectivas características y que conllevan a desencadenar diversas
ventajas o viceversa mostrando desventajas, que solamente se muestran por lo
complejo que pudiera presentarse al momento de interpretar los datos arrojados,
pero cada uno de estos métodos es necesario conocerlos porque dependiendo de
los datos que se tenga se necesitará implementarlo.
En el presente documento se muestra un cuadro comparativo de los temas ya
resaltados que son la regresión lineal simple y regresión lineal múltiple,
completando y concluyendo el tema de manera que pudiera presentarse una mejor
interpretación de estos métodos, que sin duda alguna mejoran la habilidad de
solución e interpretación de problemas presentados.
Desarrollo
Cuadro comparativo
Los modelos de regresión lineal simple y múltiple tienen una relación, ya que ambos
son métodos estadísticos que trabajan con variables cuantitativas que permiten
hacer predicciones en el valor de una variable dentro de una situación, agrupando
datos relevantes que les permitan tener una información más detallada de lo que se
busca conocer y así pronosticar alguna de ellas. Sin embargo, el modelo de
regresión lineal simple sólo trabaja con dos variables, es decir, una variable x y una
variable y, prediciendo de esta manera el valor de una variable según el valor de
otra. Es decir, este busca una variable dependiente que es la variable que se desea
predecir y una independiente que es la que necesitará la antes mencionada.
Identificando qué tanto influye la variable predictora en la variable de respuesta,
para así trazar la línea lo más cerca posible a los datos y poder ir excluyendo
errores. Mientras que el modelo de regresión lineal múltiple, tiene una gran ventaja
ya que este permite identificar la relación que existe entre más de una variable, que
están afectando al resultado, de tal manera que permite identificar cuál es la variable
que causa más efecto y así proporcionar el grado de importancia a cada una de las
variables que influyen dentro de una situación que se busca resolver, asimismo
eliminar las variables independientes que tienen poca influencia o relación en el
problema a resolver. Y estas pueden ser lineales o no. Asimismo, con ambos
modelos se pueden predecir eventos a futuro, obteniendo información relevante que
ayude a la toma de decisiones más informadas, para saber desarrollar estrategias
que mejoren la calidad de productos y tener una mayor competitividad dentro del
mercado.
Referencias