REGRESION LINEAL

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. Puede ayudar a comprender y
predecir el comportamiento de sistemas complejos o a analizar datos experimentales, financieros y
biológicos.
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). La ecuación general correspondiente a un
modelo de regresión lineal es:

donde β representa las estimaciones de parámetros lineales que se deben calcular y ϵ representa los
términos de error.
 Tipos de regresión lineal
Regresión lineal simple: modelos que utilizan un único predictor. La ecuación general es:
 Tipos de regresión lineal
Regresión lineal múltiple: modelos que utilizan múltiples predictores. Esta regresión tiene múltiples  XiXi para predecir la respuesta, YY. Este es un
ejemplo de la ecuación:
 Tipos de regresión lineal
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:
 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.
 REGRESION
LOGARITMICA
Este modelo de regresión es una alternativa cuando el modelo lineal no logra un coeficiente de
determinación apropiado, o cuando el fenómeno en estudio tiene un comportamiento que puede
considerarse potencial o logarítmico.
La regresión logarítmica es un tipo de regresión que se utiliza para modelar situaciones en las que el
crecimiento o el deterioro se acelera rápidamente al principio y luego se ralentiza con el tiempo.

La ecuación de un modelo de regresión logarítmica tiene la siguiente forma:

y = a + b * ln (x)

dónde:
•y: la variable de respuesta
•x: la variable predictora
•a, b: Los coeficientes de regresión que describen la relación
entre x y y
La población crece a la misma tasa que para el ultimo periodo censal,
considerando que el crecimiento obedece a la siguiente expresión:

• = *
r1 = tasa de crecimiento logarítmica