AJUSTE MULTIPLE

Hasta ahora hemos realizado ajustes para pares de puntos que involucran una variable independiente y
una variable dependiente, pero ¿qué sucede cuando tenemos más de una variable independiente?, para
ello debemos hacer un ajuste Multinomial o ajuste Múltiple.

k
El modelo de regresión múltiple es la extensión a variables explicativas del modelo de regresión
simple estudiado anteriormente. En general, una variable de interés y depende de varias variables

x1…xk y no sólo de una única variable de predicción x.

Algunos ejemplos de modelos de regresión múltiple pueden ser:
• El consumo de combustible de un vehículo, cuya variación puede ser explicada por la velocidad media
del mismo y por el tipo de carretera. Podemos incluir en el término de error, variables como el efecto
del conductor, las condiciones meteorológicas, etc.
• El presupuesto de una universidad, cuya variación puede ser explicada por el número de alumnos.
También podríamos considerar en el modelo variables como el número de profesores, el número de
laboratorios, la superficie disponible de instalaciones, personal de administración, etc.
Si suponemos un modelo de regresión teórico en el que las variables se pueden relacionar mediante una
función de tipo lineal, éste puede escribirse:

donde y
son los parámetros desconocidos que vamos a estimar, es la variable de
interés que queremos predecir, también llamada variable respuesta o variable dependiente. Las

x …xk se llaman variables independientes, explicativas o de predicción.

variables 1
EJEMPLO 1
Se recabaron datos de 70 pacientes de su IMC, colesterol y tensión arterial diastólica (TAD); se encontró
que los pacientes con TAD más alta son aquellos con valores mayores de colesterol e índice de masa
corporal.
EXPERIMENTO.xlsx

¿Qué TAD se espera para un paciente con colesterol de 312 e IMC de 31.22?

Obtén el modelo de regresión múltiple de la forma:

y = 21.4731+ 0.1793x1 + 0.6897x2

¿Qué TAD se espera para un paciente con colesterol de 312 e IMC de 31.22?

y(312,31.22)= 98.9327 = 99 TAD

Obtén las gráficas de datos experimentales y modelo múltiple.
Para encontrar los parámetros desconocidos, necesitamos un sistema de ecuaciones lineal múltiple:

[ ]
n B 0+ ¿ ∑ x 1 B1+ ¿ ∑ x2 B2
A = ∑ x 1 B0 +¿ ¿ ∑ x 12 B1+ ¿ ¿ ∑ x2 x 1 B2
∑ x 2 B0 +¿ ¿ ∑ x 2 x1 B 1+ ¿ ∑ x22 B 2

[ ]
∑y
B = ∑ x1 y
∑ x2 y
 y = 21.4731+ 0.1793x1 + 0.6897x2

y(312,31.22)= 98.9327 = 99 TAD

clc, clear all, close all
%Regresion Lineal Multiple
%Ejemplo1
datos=xlsread("EXPERIMENTO.xlsx",'Hoja1');

%% Variables independientes
x1=datos(:,1);%Colesterol
x2=datos(:,2);%IMC
%% Variable dependiente
y=datos(:,3);%TAD
%% Sistema de ecuaciones 3x3
n=length(x1);
A=[n,sum(x1),sum(x2)
sum(x1),sum(x1.^2),sum(x1.*x2)
sum(x2),sum(x1.*x2),sum(x2.^2)];
B=[sum(y);sum(x1.*y);sum(x2.*y)];
%% Solucion al sistema
s=inv(A)*B
B0=s(1)
B1=s(2)
B2=s(3)
%% Graficas 3D
plot3(x1,x2,y,'ro')
grid on
X1=min(x1):1:max(x1);
X2=min(x2):1:max(x2);
[X1,X2]=meshgrid(X1,X2);
hold on
Y=B0+B1*X1+B2*X2; %MODELO LINEAL MULTIPLE
mesh(X1,X2,Y)
%% EVALUACON colesterol de 312 e IMC de 31.22
x1=312; %COLESTEROL
x2=31.22; %IMC
TAD=B0+B1*x1+B2*x2 %tension arterial diastolica