Documentos de Académico
Documentos de Profesional
Documentos de Cultura
La 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,
consiste en modelar una ecuación de una recta .
Y=β0+∑ βiXi+ϵi
Recta de regresión
Es la que pasa por los puntos del diagrama de dispersión, es una línea recta tal que la
distancia entre cada uno de los puntos y la línea recta es la mínima posible, es la que
mejor se ajusta a la nube de puntos
No tienen dimensión
Siempre toma valores en [-1 ; 1] (BaseMaster, 2017)
Ejemplo
Hemos usado una regresión lineal para encontrar los parámetros de la línea que
minimiza el error de los datos que tenemos. El proceso de aprendizaje consiste en
estimar los parámetros w y b. Así nos queda que para estos datos, los mejores
valores son:
w= 0.0918 \\ b = 1.2859w=0.0918b=1.2859
así que nos queda:
y = 0.0918x + 1.2859y=0.0918x+1.2859
Podemos usar este modelo de regresión lineal para estimar cuáles serán los
resultados para otros valores de x. Por ejemplo, si queremos saber el resultado
para x = 5, usaremos el modelo anterior y veremos que el resultado es 1.7449:
Regresión lineal simple: Es una técnica estadística usada para predecir o estimar una
variable cuantitativa en función de otra variable cuantitativa
Y=β0+βiX+ϵiY=β0+βiX+ϵi
Ejemplo
Supongamos que queremos explicar la cantidad de goles que anota Cristiano
Ronaldo según la cantidad de partidos que juega. Suponemos que, a mayor cantidad
de partidos jugados, más goles meterá. Los datos pertenecen a las últimas 8
temporadas. De tal manera, tras extraer los datos, el modelo arroja la siguiente
estimación:
Referencias
Artificial Net. (2018). Artificial Net. Obtenido de Artificial Net:
https://www.iartificial.net/regresion-lineal-con-ejemplos-en-python/