Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PRESENTADO POR:
FILADELFIA ZARCO
CEDULA: 11-701-612
PROFESOR / INSTRUCTOR:
LUIS EDUARDO DELGADO MANTILLA
2
GENERALIDADES SOBRE REGRESIÓN LINEAL Y NO LINEAL,
DISTRIBUCIÓN BINOMIAL Y POISSON.
1. REGRESIÓN LINEAL
Y = β0 + ∑ β i X +ϵ i
3
Donde β representa las estimaciones de parámetros lineales que se deben
calcular y ϵ representa los términos de error.
Y = β0 + β i X +ϵ i
Y = β0 + β 1 X 1 + β 2 X 2 + ϵ
4
Figura 2. Ejemplo de regresión lineal múltiple, que predice las millas por
galón (MPG) de diferentes coches (variable de respuesta, Y ) en función
del peso y la potencia (variables predictivas, Xj ).
Y 1=β 01 + β 11 X 1 +ϵ 1
Y 2=β 02 + β 12 X 1 +ϵ 2
2. REGRESIÓN NO LINEAL
5
mx + b), mientras que la regresión no lineal conecta las dos variables en una
relación no lineal (curva) (Equipo editorial Krypton Solid, s.f.).
2.1.1. SIMILITUDES
2.1.2. DIFERENCIAS
6
Una función de regresión lineal debe ser lineal en los parámetros, lo cual
restringe la ecuación a una sola forma básica. Los parámetros son lineales cuando
cada término del modelo es aditivo y contiene solo un parámetro que multiplica el
término:
O, Y = β0 + β 1 X 1 + β 2 X 2 +…+ β k X k
3. DIAGRAMA DE DISPERSIÓN
Las líneas o curvas se ajustan dentro del gráfico para ayudar en el análisis
y se dibujan tan cerca de todos los puntos como sea posible para mostrar cómo se
condensaron todos los puntos en una sola línea. Esto se conoce normalmente
7
como “línea de mejor ajuste” o “línea de tendencias” y se puede utilizar para hacer
estimaciones mediante interpolación.
Figura 3. Anatomía
8
Figura 4. Tipo y fuerza de correlación
E ( y )=Y =β 0+ β1 x
9
En la figura siguiente se presentan ejemplos de posibles rectas de
regresión. La recta de regresión de la gráfica A indica que el valor medio de y está
relacionado positivamente con x. La recta de regresión de la gráfica B indica que
el valor medio de y está relacionado negativamente con x, valores menores de y
E ( y )corresponden a valores mayores de x. La recta de regresión de la gráfica C
muestra el caso en el que el valor medio de y no está relacionado con x; es decir,
el valor medio de y es el mismo para todos los valores de x.
^y =b0 +b1 x
10
A la gráfica de la ecuación de regresión simple estimada se le llama recta
de regresión estimada; b 0 es la intersección con el eje y y b 1 es la pendiente.
5. COEFICIENTE DE CORRELACIÓN
11
Con la nube de puntos podemos apreciar si existe o no una tendencia entre
las dos variables, pero si queremos cuantificar esta asociación debemos calcular
un coeficiente de correlación.
12
5.1.1. CÓMO SE CALCULA EL COEFICIENTE DE CORRELACIÓN DE
PEARSON
r xy =
∑ zx z y
N
Donde:
13
Correlación igual a cero: Cuando la correlación es igual a cero
significa que no es posible determinar algún sentido de covariación.
Sin embargo, no significa que no exista una relación no lineal entre
las variables. Cuando las variables son independientes significa que
éstas se encuentran correlacionadas, pero esto no significa que el
resultado sea verdadero.
14
Ahora, para explicar la definición anterior, tenemos que establecer que, una
función monótona es aquella que nunca disminuye o nunca aumenta, ya que es un
incremento variable independiente. Puede ser explicada usando la imagen de
abajo:
6∑ D
2
ρ=1− 2
N (N −1)
15
Se tiene que considerar la existencia de datos idénticos a la hora de
ordenarlos, aunque si estos son pocos, se puede ignorar tal circunstancia
Para muestras mayores de 20 observaciones, podemos utilizar la siguiente
aproximación a la distribución t de Student (Coeficiente de correlación de
Spearman, s.f.):
ρ
t=
√ ( 1− ρ2 )
(n−2)
Resultado:
n=6
p=0.7
q=1−0.7=0.3
k =2
B ( 6 , 0.8 )
16
()
p ( X=k )= n p k × qn −k
k
Donde:
( nk)= k ! ( n−k
n!
=
6!
) ! 2 ! ( 6−2 ) !
=15
Sustituyendo,
()
p ( X=2 )= 6 0.7 2 × 0.36−2=15 ×0.7 2 × 0.34 =¿
2
p ( X=2 )=15∗0.49∗0.0081=0.060
Partimos de:
x=6
λ=15 cheques por día
ε =2.718
Y la ecuación:
x −λ
λ ∗ε
p ( x , λ)=
x!
Sustituyendo,
17
6 −15
15 ∗2.718
p ( x=6 , λ=15 )=
6!
p ( x=6 , λ=15 )=0. 0048
La probabilidad de que reciba seis cheques en un día es 0.0048 o 0.48%
Partimos de:
c) x=9
d) λ=15 cheques por dia=30 cheques por 2 dias
e) ε =2.718
9 −30
30 ∗2.718
p ( x=9 , λ=30 )=
9!
p ( x=9 , λ=30 )=0.0000050
18
CONCLUSIONES
19
No obstante, siempre es una buena idea examinar la relación entre las
variables con una gráfica de dispersión; ya que los coeficientes de correlación solo
miden relaciones lineales (Pearson) o monótonas (Spearman), pero, son posibles
otras relaciones.
20
BIBLIOGRAFÍA
21
Laguna, C. (s.f.). Correlación Y Regresión Lineal. Instituto Aragones de Ciencias
de la Salud. Obtenido de
https://d1wqtxts1xzle7.cloudfront.net/59332501/Lectura_sobre_correlacione
s_y_regresiones_lineales_220190520-95554-1vgfdcr-libre.pdf?
1558391871=&response-content-disposition=inline%3B+filename
%3DCORRELACION_Y_REGRESION_LINEAL_Autor_Cla.pdf&Expires=16
714457
Regresión no lineal [En Wikipedia]. (s.f.). Obtenido de
https://es.wikipedia.org/wiki/Regresi%C3%B3n_no_lineal
Rojo, J. (2007). Regresión lineal múltiple. IEG, Laboratorio de Estadistica.
Obtenido de
https://d1wqtxts1xzle7.cloudfront.net/36787341/REGRESION_LINEAL_MU
LTIPLE_3-libre.PDF?1424993235=&response-content-disposition=inline
%3B+filename
%3DRegresion_lineal_multiple.pdf&Expires=1671445775&Signature=BpEb
oQEcYF7evOtm13E5rdj4yYQazxuUKlG3FCLZIlvw95kzq
22