REGRESIÓN LINEAL

ESTADISTICA DESCRIPTIVA

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. 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). Donde β representa las estimaciones de parámetros
lineales que se deben calcular y ϵ representa los términos de error.

REGRESION LINEAL
SIMPLE
modelos que utilizan un único
predictor. La ecuación general es:

REGRESIÓN LINEAL
MULTIPLE
modelos que utilizan múltiples
predictores. Esta regresión tiene
múltiples Xi para predecir la
respuesta, Y . Este es un
ejemplo de la ecuación:

REGRESIÓN LINEAL
MULTIVARIANTE
modelos para varias variables de
respuesta. Esta regresión tiene múltiples
Yi que derivan de los mismos datos Y .
Se expresan con fórmulas diferentes. Este
es un ejemplo del sistema con 2
ecuaciones:

REGRESION LINEAL
MULTIPLE VARIANTE
modelos que utilizan varios predictores
para múltiples variables de respuesta.
Esta regresión tiene múltiples Xi para
predecir varias respuestas Yi . Esta es
una generalización de las ecuaciones:

¿LO SABÍAS?
Aplicaciones de la regresión lineal
La regresión lineal cuenta con ciertas
características ideales para las siguientes
aplicaciones:
Predicción o pronóstico: utilice un modelo
de regresión para crear un modelo de
pronóstico para un conjunto de datos
específico. A partir de la moda, puede usar
la regresión para predecir valores de
respuesta donde solo se conocen los
predictores.
Fuerza de la regresión: utilice un modelo
de regresión para determinar si existe una
relación entre una variable y un predictor, y
cuán estrecha es esta relación.

¡PREPÁRENSE!

Los ingenieros suelen crear modelos de regresión lineal simple con MATLAB. Para la
regresión lineal múltiple y multivariante, puede utilizar Statistics and Machine
Learning Toolbox™ desde MATLAB. Permite la regresión por pasos, robusta y
multivariante para:
Generar predicciones
Comparar ajustes de modelos lineales
Representar los valores residuales
Evaluar la bondad de ajuste
Detectar valores atípicos
 REGRESIÓN LINEAL
ESTADISTICA DESCRIPTIVA

Para este ejemplo vamos a realizar una proyección de ventas de una tienda
virtual de enero hasta el mes de junio, pero ya que no sabemos cuanto vamos
a vender el mes de junio vamos a realizar una proyección de acuerdo a los
meses anteriores.