UNIVERSIDAD

PERUANA LOS ANDES

facultad de ciencias administrativas y
contables
Paucar Ganz,Cigrid
Farfan Navarro William
Pizarro De La Cruz
aves Aranda Denise
Rojas Romero Thalia
Gamboa Cardenas Jimmy
Santos Rojas Gheyson
Landa Pizarro Jhordy
Neyra Santiago Kevin
Egoavil Castro Marcela
Gamarra Guzmn Frecia
Cristobal Huamn Jeniffer
Paulet Bonifaz Brayan
RECTAS DE REGRESIN
MNIMOS CUADRADOS
La tcnica de mnimos cuadrados se usa comnmente en el ajuste de
curvas. Muchos otros problemas de optimizacin pueden expresarse tambin
en forma de mnimos cuadrados, minimizando la energa o maximizando la
entropa.
Mnimos cuadrados es una tcnica de anlisis numrico encuadrada dentro
de la optimizacin matemtica, en la que, dados un conjunto de pares (o
ternas, etc.), se intenta encontrar la funcin que mejor se aproxime a los
datos (un "mejor ajuste"), de acuerdo con el criterio de mnimo error
cuadrtico
El resultado del ajuste de un conjunto de datos a una funcin cuadrtica



Una de las fuentes habituales de problemas de mnimos
cuadrados son los problemas de ajustes de curvas. Cmo se
encuentra la mejor aproximacin que pase cerca (no por
encima de cada uno) de los puntos? El error cuadrtico
medio es la eleccin tradicional porque es mucho ms fcil
de minimizar computacionalmente que otros errores (por
ejemplo, error mximo y error medio). El enfoque de mnimos
cuadrados le da mucho ms peso a un punto que est fuera
de la tendencia de los datos, pero no permite que el punto
domine completamente a la aproximacin. Con base en la
teora estadstica, con este mtodo, conocido con el nombre
de regresin con mnimos cuadrados, se encuentra algn tipo
de funcin que con mayor probabilidad se aproxima a los
valores verdaderos.
En la ciencia y la ingeniera los experimentos producen un
conjunto de datos (x1; y1); :::; ( ; yn), con las abscisas {xk}
diferentes, y el problema que se plantea es determinar una
funcin y = f(x) que relacione los datos, lo mejor posible en
algn sentido. Evidentemente, el resultado depender del
tipo de funcin que se elija, por ejemplo, en la regresin f(x) =
ax + b es una recta, y para ajustar los parmetros libres se
pueden minimizar uno de los siguientes tres valores:

El error mximo


El error medio




El error medio cuadrtico



En el mtodo de mnimos cuadrados el error que se
minimiza es el error medio cuadrtico. Por tanto, la
recta de regresin ajusta los parmetros a y b para
minimizar el valor.



que son la solucin del sistema lineal conocido como
ecuaciones normales de Gauss

Sean los siguientes datos:
Obtener la recta de mnimos cuadrados:
Teoras de correlacin en
muestras
En probabilidad y estadstica, la correlacin indica
la fuerza y la direccin de una relacin
lineal y proporcionalidad entre dos variables
estadsticas. Se considera que dos variables
cuantitativas estn correlacionadas cuando los
valores de una de ellas varan sistemticamente
con respecto a los valores homnimos de la otra: si
tenemos dos variables (A y B) existe correlacin si al
aumentar los valores de A lo hacen tambin los de
B y viceversa. La correlacin entre dos variables no
implica, por s misma, ninguna relacin de
causalidad.
Se considera que dos variables de tipo cuantitativo
presentan correlacin la una respecto de la otra
cuando los valores de una ellas varen sistemticamente
con respecto a los valores homnimos de la otra.
Por ejemplo, si tenemos dos variables que se llaman A y
B, existir el mencionado fenmeno de correlacin si al
aumentar los valores de A lo hacen tambin los valores
correspondientes a B y viceversa.
De todas maneras, vale aclarar que la correlacin que
pueda darse entre dos variables no implicar por si misma
ningn tipo de relacin de causalidad. Los principales
elementos componentes de una correlacin de este tipo
sern: la fuerza, el sentido y la forma.
Fuerza, sentido y forma de la correlacin
La relacin entre dos variables cuantitativas queda
representada mediante la lnea de mejor ajuste, trazada a
partir de la nube de puntos. Los principales componentes
elementales de una lnea de ajuste y, por lo tanto, de una
correlacin, son la fuerza, el sentido y la forma:
La fuerza extrema segn el caso, mide el grado en que la
lnea representa a la nube de puntos: si la nube es estrecha y
alargada, se representa por una lnea recta, lo que indica
que la relacin es fuerte; si la nube de puntos tiene una
tendencia elptica o circular, la relacin es dbil.
El sentido mide la variacin de los valores de B con respecto a
A: si al crecer los valores de A lo hacen los de B, la relacin es
directa (pendiente positiva); si al crecer los valores de A
disminuyen los de B, la relacin es inversa (pendiente
negativa).
La forma establece el tipo de lnea que define el mejor ajuste:
la lnea recta, la curva monotnica o la curva no monotnica

Interpretacin geomtrica
Dados los valores muestrales de dos variables
aleatorias e que
pueden ser consideradas como vectores en un
espacio a dimensiones, pueden construirse los
"vectores centrados" como:
E

El coseno del ngulo alfa entre estos vectores es
dada por la frmula siguiente:


Pues es el coeficiente de correlacin muestral de
Pearson. El coeficiente de correlacin es
el coseno entre ambos vectores centrados:
Si r = 1, el ngulo , ambos vectores son colineales
(paralelos).
Si r = 0, el ngulo , ambos vectores son
ortogonales.
Si r =-1, el ngulo , ambos vectores son colineales
de direccin opuesto.
Ms generalmente: .

El trmino correlacin se utiliza generalmente para
indicar la correspondencia o la relacin recproca
que se da entre dos o ms cosas, ideas, personas,
entre otras.
En tanto, en probabilidad y estadstica, la
correlacin es aquello que indicar la fuerza y
la direccin lineal que se establece entre
dos variables aleatorias.
Propiedades

1. El coeficiente de correlacin no vara al hacerlo la escala de medicin.
Es decir, si expresamos la altura en metros o en centmetros el coeficiente de
correlacin no vara.

2. El signo del coeficiente de correlacin es el mismo que el de la covarianza.
Si la covarianza es positiva, la correlacin es directa.
Si la covarianza es negativa, la correlacin es inversa.
Si la covarianza es nula, no existe correlacin.

3. El coeficiente de correlacin lineal es un nmero real comprendido entre menos 1
y 1.
1 r 1

4. Si el coeficiente de correlacin lineal toma valores cercanos a 1 la correlacin
es fuerte e inversa, y ser tanto ms fuerte cuanto ms se aproxime r a 1.

5. Si el coeficiente de correlacin lineal toma valores cercanos a 1 la correlacin
es fuerte y directa, y ser tanto ms fuerte cuanto ms se aproxime r a 1.

6. Si el coeficiente de correlacin lineal toma valores cercanos a 0, la correlacin
es dbil.

7. Si r = 1 1, los puntos de la nube estn sobre la recta creciente o decreciente.
Entre ambas variables hay dependencia funcional.
Ejercicios

Las estaturas y pesos de 10 jugadores de
baloncesto de un equipo son:






Estatur
a (X)
186 189 190 192 193 193 198 201 203 205
Pesos
(Y)
85 85 86 90 87 91 93 103 100 101
Calcular el coeficiente de correlacin
x
i
y
i
x
i
2
y
i
2
x
i
y
i

186 85 34 596 7 225 15 810
189 85 35 721 7 225 16 065
190 86 36 100 7 396 16 340
192 90 36 864 8 100 17 280
193 87 37 249 7 569 16 791
193 91 37 249 8 281 17563
198 93 39 204 8 649 18 414
201 103 40 401 10 609 20 703
203 100 41 209 10 000 20 300
205 101 42 025 10 201 20 705
1 950 921 380 618 85 255 179 971
Correlacin positiva muy fuerte
Teoras de regresin en
muestra
La recta de regresin es la que mejor se ajusta a la nube de puntos.
La recta de regresin pasa por el punto llamado centro de gravedad.
Recta de regresin de Y sobre X
La recta de regresin de Y sobre X se utiliza para estimar los valores de la Y a partir de los de la
X.
La pendiente de la recta es el cociente entre la covarianza y la varianza de la variable X.



Recta de regresin de X sobre Y
La recta de regresin de X sobre Y se utiliza para estimar los valores de la X a partir de los de la
Y.
La pendiente de la recta es el cociente entre la covarianza y la varianza de la variable Y.





Si la correlacin es nula, r = 0, las rectas de regresin son perpendiculares entre s, y sus
ecuaciones son:
y =

x =

Ejemplo:
Las notas de 12 alumnos de una clase en
Matemticas y Fsica son las siguientes:





Hallar las rectas de regresin y representarlas.

Mate
mti
cas
2 3 4 4 5 6 6 7 7 8 10 10
Fsic
a
1 3 2 4 4 4 6 4 6 7 9 10
x
i
y
i
x
i
y
i
x
i
2
y
i
2

2 1 2 4 1
3 3 9 9 9
4 2 8 16 4
4 4 16 16 16
5 4 20 25 16
6 4 24 36 16
6 6 36 36 36
7 4 28 49 16
7 6 42 49 36
8 7 56 64 49
10 9 90 100 81
10 10 100 100 100
72 60 431 504 380
1 Hallamos las medias aritmticas.

2 Calculamos la covarianza.

3 Calculamos las varianzas.

4Recta de regresin de Y sobre X.

4Recta de regresin de X sobre Y.

Cinco nios de 2, 3, 5, 7 y 8 aos de edad pesan,
respectivamente, 14, 20, 32, 42 y 44 kilos.
1Hallar la ecuacin de la recta de regresin de la
edad sobre el peso.
2Cul sera el peso aproximado de un nio de seis
aos?
Solucin
Cinco nios de 2, 3, 5, 7 y 8 aos de edad pesan,
respectivamente, 14, 20, 32, 42 y 44 kilos.
1 Hallar la ecuacin de la recta de regresin de la
edad sobre el peso.
2 Cul sera el peso aproximado de un nio de seis
aos?

x
i
y
i
x
i
y
i
x
i
2
y
i
2

2 14 4 196 28
3 20 9 400 60
5 32 25 1 024 160
7 42 49 1 764 294
8 44 64 1 936 352
25 152 151 5 320 894
GRACIAS!!!