Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MÉTODOS NUMÉRICOS
Regresión por mínimos cuadrados
Solución:
Se calculan las siguientes cantidades:
REGRESIÓN LINEAL. Ejemplo
Solución:
Mediante las ecuaciones:
REGRESIÓN LINEAL. Ejemplo
Solución:
Por lo tanto, el ajuste por mínimos
cuadrados es:
y = 0.07142857 + 0.8392857x
La línea, junto con los datos, se muestran
en la figura
REGRESIÓN LINEAL. Ejemplo
Solución:
Por lo tanto, el ajuste por mínimos
cuadrados es:
y = 0.07142857 + 0.8392857x
La línea, junto con los datos, se muestran
en la figura
REGRESIÓN LINEAL. Ejemplo
Solución:
Calcule la desviación estándar total, el error
estándar del estimado y el coeficiente de
correlación.
Las sumatorias se realizan:
REGRESIÓN LINEAL. Ejemplo
Solución:
𝑺𝒚=
√
𝟐𝟐,𝟕𝟏𝟒𝟑
𝟕−𝟏
• Cuantificar el error:
=𝟏,𝟗𝟒𝟓𝟕
𝑺𝒓 =∑ ( 𝒚 𝒊 −0.07142857−0 8392857∗𝒙 𝒊 ) =𝟐,𝟗𝟗𝟏𝟏
𝟐
REGRESIÓN LINEAL. Ejemplo
Solución:
• El error estándar del estimado es:
𝑺 𝒚/ 𝒙 =
√𝟐,𝟗𝟗𝟏𝟏
𝟕−𝟐
=¿𝟎,𝟕𝟕𝟑𝟓¿
REGRESIÓN LINEAL. Ejemplo
Solución:
• Como < , el modelo de regresión lineal es adecuado.
• La mejora se puede cuantificar mediante:
REGRESIÓN LINEAL. Ejemplo
Solución: