Documentos de Académico
Documentos de Profesional
Documentos de Cultura
5 Regresión y correlación
Actividad No. 1 Investigación documental
Carrera: Ingeniería en Agronomía (modalidad mixta)
Alumna: Alexia Zachamy Santillán Jimenez
Docente: Ireri Onchi Espinosa
No. De control: 21850611
Materia: Estadística 4M
Regresión
Un modelo de regresión es aquel que permite describir cómo influye una variable X
sobre otra variable Y.
X: Variable independiente o explicativa.
Y: Variable dependiente o respuesta.
El objetivo es obtener estimaciones razonables de Y para distintos valores de X a
partir de una muestra de n pares de valores (x1, y1), …, (xn, yn).
Ejemplos:
Estudiar cómo influye la estatura del padre sobre la estatura del hijo.
Estimar el precio de una vivienda en función de su superficie.
Predecir la tasa de paro para cada edad.
Aproximar la calificación obtenida en una materia según el número de horas
de estudio semanal.
Prever el tiempo de computación de un programa en función de la velocidad
del procesador.
Regresión lineal
Es una técnica de modelado estadístico que se emplea para describir una variable
de respuesta continua como una función de una o varias variables predictoras.
Puede ayudar a comprender y predecir el comportamiento de sistemas complejos o
a analizar datos experimentales, financieros y biológicos.
Las técnicas de regresión lineal permiten crear un modelo lineal. Este modelo
describe la relación entre una variable dependiente y (también conocida como la
respuesta) como una función de una o varias variables
independientes Xi (denominadas predictores). La ecuación general correspondiente
a un modelo de regresión lineal es:
Fuente: https://la.mathworks.com/discovery/linear-regression.html
donde β representa las estimaciones de parámetros lineales que se deben calcular y ϵ representa
los términos de error.
Fuente: https://la.mathworks.com/discovery/linear-regression.html
Fuente: https://la.mathworks.com/discovery/linear-regression.html
Fuente: https://statologos.com/regresion-no-lineal/
Donde:
X = un vector de p predictores,
β = un vector de k parámetros,
f(-) = una función de regresión conocida,
ε = un término de error.
Coeficiente de determinación
Supongamos que pretendemos medir la variación del conjunto de valores de
repuesta Y1, . . ., Yn correspondientes al conjunto de valores de entrada x1, . . ., xn.
Una medida estadística estándar de la variación del conjunto de valores Y1, . . ., Yn
viene dada por:
Coeficiente de correlación
El Coeficiente de Correlación es un valor cuantitativo de la relación entre dos o más
variables.
El coeficiente de correlación puede variar desde -1.00 hasta 1.00. La correlación de
proporcionalidad directa o positiva se establece con los valores +1.00 y de
proporcionalidad inversa o negativa, con -1.00. No existe relación entre las variables
cuando el coeficiente es de 0.00.
Correlación Lineal
Si disponemos de dos series de datos emparejadas, con frecuencia es útil conocer
si ambas variables están relacionadas, y, en caso afirmativo, encontrar la expresión
que refleja dicha relación. Si la ecuación que mejor relaciona dichas variables es la
de una recta, decimos que existe correlación lineal.
Bibliografía
Benites, L. (2021). Regresión no lineal. Obtenido de https://statologos.com/regresion-no-lineal/