INSTITUTO UNIVERSITARIO POLITÉCNICO

“SANTIAGO MARIÑO”
INGENIERIA DE SISTEMAS
“47” EXTENSIÓN MARACAIBO

PROGRAMACIÓN NUMÉRICA
SISTEMA DE APRENDIJE INTECRACTIVO A DISTANCIA
(SAIA)
Anibal de Jesus Arraga BOZO

C.I. 27.196.278
 Regresión Tipos de Regresión
Diferencias

Lineal: La regresión
Es un proceso estadístico Lineal o ajuste lineal es
para estimar las relaciones Lineal Polinómica Un modelo matemático usado
entre variables. Incluye para aproximar la relación de
muchas técnicas para el La regresión Es parte de la
dependencia entre
modelado y análisis de Lineal es base. Regresión lineal.
Una variable dependiente Y, las
diversas variables, cuando la Permite hallar el Es una forma de variables independientes Xi y un
atención se centra en la valor esperado Regresión lineal.
término aleatorio ε.
relación entre una variable de una variable
aleatoria a
dependiente y una o más Polinómica: Es una forma de
cuándo b toma
variables independientes (o un valor análisis de regresión en el que la
predictoras). específico. relación entre
Requiere la Es un caso La variable independiente x y la
determinación especial de variable dependiente y se modela
de dos la Regresión como un n º
parámetros: la Lineal, extiende
Grado polinomio en x.
pendiente y la el modelo lineal
ordenada en el al agregar
origen de la predictores
recta de adicionales.
regresión.

Química
La concentración de un elemento es
uno de los parámetros de mayor
importancia en los procesos
químicos aplicados en la industria.
Esta cuantificación se puede obtener
mediante un espectrofotómetro,
dispositivo que requiere se calibrado.
Para ello se elabora una recta de
calibración que se obtiene a partir
de la correlación entre la
absorbencia de un patrón y la
concentración de la sustancia a
controlar.
Sensores
Calibración de un sensor de
temperatura (termopar) en función
de la caída de tensión y la
temperatura. Se estudia la forma
en que varía la temperatura de un
líquido al calentarlo. Se calibra el
sensor y simultáneamente se mide
la variación de temperaturas en un
líquido para representar los datos
obtenidos posteriormente
mediante Regresión Lineal.
Aplicabilidad
Electricidad
En electricidad se puede
obtener el valor de una
resistencia en un circuito y
su error mediante un
ajuste de regresión lineal
de pares de datos
experimentales de voltaje
e intensidad obtenidos
mediante un voltímetro y
un amperímetro.
Fabricación
Dos de los parámetros más
importantes de una
soldadura es la intensidad
aplicada al hilo y la velocidad
de alimentación del mismo.
Mediante técnicas de
regresión lineal se elaboran
las rectas que relacionan
estos parámetros con la
separación entre el hilo y la
zona a soldar.
Mecánica
En esta rama se utiliza la Regresión
Lineal entre otros para ajustar la
recta de Paris, una ecuación que
sirve para estudiar elementos
sometidos a fatiga en función del
número de ciclos a los que se
somete un material.
Física
Determinación del
coeficiente de rozamiento
estático de forma
experimental a partir de la
medición del ángulo de
inclinación de una rampa. Se
realiza un montaje ajustando
un circuito para medir el
ángulo de inclinación, y se
realizan mediciones variando
dicho. Mediante la regresión
lineal de los datos obtenidos,
se obtiene la ecuación y el
índice de correlación a fin de
saber el error.
 Ejemplos de Aplicación

Vamos a determinar la ecuación de la recta que mejor ajusta a los datos

representados en la figura. Se denomina error ei a la diferencia yi-y, entre el valor
observado yi, y el valor ajustado y= axi+b, tal como se ve en la figura inferior. El
criterio de ajuste se toma como aquél en el que la desviación cuadrática media
sea mínima, es decir, debe de ser mínima la suma.

El coeficiente de correlación es otra técnica de estudiar la distribución

bidimensional, que nos indica la intensidad o grado de dependencia
entre las variables X e Y. El coeficiente de correlación r es un número que
se obtiene mediante la fórmula.

El numerador es el producto de las desviaciones de los valores X

e Y respecto de sus valores medios. En el denominador tenemos
las desviaciones cuadráticas medias de X y de Y.

El coeficiente de correlación puede valer cualquier número

comprendido entre -1 y +1.
• Cuando r=1, la correlación lineal es perfecta, directa.
• Cuando r=-1, la correlación lineal es perfecta, inversa.
• Cuando r=0, no existe correlación alguna, independencia total de
los valores X e Y.
 Ejemplo de Aplicación de un Pronóstico
de Regresión Lineal

La juguetería Gaby desea estimar mediante regresión lineal simple las ventas para el mes de Julio de su nuevo carrito
Infantil «Mate». La información del comportamiento de las ventas de todos sus almacenes de cadena se presenta en el
Siguiente tabulado. El primer paso para encontrar el pronóstico del mes 7
consiste en hallar la pendiente, para ello efectuamos los
siguientes cálculos:
Mes Ventas
Enero 7000

Febrero 9000

Marzo 5000

Abril 11000

Mayo 10000

Junio 13000
Luego, y dado que ya tenemos el valor de la pendiente b procedemos a
Calcular el valor de a, para ello efectuamos los siguientes cálculos:

Ya por último, determinamos el pronóstico del mes 7, para ello

efectuamos el siguiente cálculo:

Podemos así determinar

que el pronóstico de
ventas para el período 7
es equivalente a 13067
unidades.
 Regresión Polinómica

Ajustar un polinomio a mínimos cuadrados es un procedimiento sencillo.

Por ejemplo, ajustaremos el siguiente polinomio de segundo grado:

La suma de los cuadrados de los residuos se obtendría de la siguiente manera:

Hay que recordar que debemos de obtener la derivada de la ecuación respecto a los coeficientes
desconocidos del polinomio. Posteriormente se igualan a cero y se redondean, todas las sumatorias
van desde i=1 hasta n.

Al final nos quedan tres ecuaciones lineales con incógnitas: a0, a1 y a2. Los coeficientes de las incógnitas
se evalúan de manera directa. El caso bidimensional se extiende con facilidad a un polinomio de m-ésimo
grado como sigue:
Los coeficientes de un polinomio de m-
Ésimo grado es equivalente a resolver un
sistema de m + 1 ecuaciones lineales
simultáneas. En este caso, el error
estándar es el siguiente: