Regresión lineal

La regresión lineal es una técnica de modelado utilizada para describir una variable ( γ i
<-dependiente o respuesta) en función de otras ( χ i <-independientes o predictores) y es
utilizada para comprender, modelar y predecir comportamientos de sistemas o analizar
conjuntos de datos siendo su modelo denotado por:
Y = β0 + ∑ β i X i +ϵ i

Donde β representa las estimaciones de parámetros lineales que se deben calcular y ϵ

representa los términos de error. La estimación de las relaciones se efectúa a partir de
información muestral acerca de los valores tomados por Y, X (Alfonso Novales,2010)
Se toma en cuenta dada la cantidad de posibles formas de relacionar variables, una
diversidad de tipos de regresión lineal desde las que usan solo un predictor hasta donde
existen múltiples X e Y:

- Regresión lineal simple: Solo utiliza un predictor (X) y es la relación mas

básica con la ecuación:

Y = β0 + β i X i +ϵ i
 Ilustración 1(MathWorks)

- Regresión lineal múltiple: Contiene múltiples Χi para predecir una sola Y

teniendo X dimensiones en el espacio, y es contenida en la ecuación:

Y = β0 + ∑ β i X i +ϵ i
 Ilustración 2-dim(x)=2 (Mathworks)

- Regresión lineal multivariante: Modelo con varias respuestas (Yi)

proveniente de un mismo Y, y son expresadas por formulas diferentes:

Y 1=β 0 1 + β 11 X 1 +ϵ 1
Y 2=β 0 2 + β 1 2 X 1 +ϵ 2
Y i=β 0 i + β 1 i X 1 + ϵ i
 Ilustración 3 (MathWorks)

- Regresión lineal múltiple multivariante: Este tipo de regresión utiliza

Xi predictores para explicar Yi respuestas y es la forma generalizada de las
ecuaciones:

Y 1=β 01 + β 11 X 1 1 + β1 2 X 1 2+ …+ β 1 n X 1n + ϵ 1

Y 2=β 0 2 + β 2 1 X 21 + β 22 X 22 +…+ β 2 n X 2 n +ϵ 2

..=…+…+…+ …+…+ …
Y m =β 0 m+ βm 1 X m 1 + β m 2 X m 2+ …+ β m n X m n +ϵ m
 Ilustración 4 (MathWorks)

Junto a esta clasificación también podemos encontrar subducciones relatadas por el

profesor Salinas:

- Relación directa o positiva: Cuando βi (pendiente) de la relación de los

datos es mayor que cero

Ilustración 5 (Hugo S. Salinas)

- Relación inversa o negativa: Cuando βi (pendiente) es negativa o menor

que cero
 Ilustración 6 (Hugo S. Salinas)

Bibliografía

- Alfonso Novales “Análisis de regresión” - (2010)

https://www.ucm.es/data/cont/docs/518-2013-11-13-Analisis%20de
%20Regresion.pdf
- Hugo S. Salinas “ESTADÍSTICA DESCRIPTIVA CON MAS DE UNA VARIABLE”- (2008)
https://mat.uda.cl/hsalinas/cursos/2008/spss/apuntes1.pdf
- MathWorks
https://la.mathworks.com/discovery/linear-regression.html