Analisis De Regresion
ANÁLISIS DE REGRESIÓN
Consiste en emplear métodos estadísticos que determinen matemáticamente un modelo de la curva que más se ajusta a los datos.
Es decir: y = [pic]
Donde:
y = variable dependiente
x = variable independiente
f = función
Para elegir la relación funcional que más se ajusta a los datos lo 1ro que debemos hacer es el diagramade dispersión.
Diagrama de Dispersión.- Es la gráfica de los valores (xi , yi) este diagrama permite visualizar la tendencia que siguen los puntos ya sea lineal, exponencial, etc.
En base a la tendencia que siguen los datos nosotros analizamos los diferentes tipos de regresión.
1. ANÁLISIS DE REGRESIÓN LINEAL.- Es aquel análisis cuando la relación entre “x” e “y” es de tipo lineal.Matemáticamente el modelo será:
Donde:
Si tenemos un diagrama de dispersión lineal y si asumimos un modelo de estimación de la forma:
Tendremos:
Para que el modelo estimado [pic], este muy próximo al modelo real [pic], nosotros debemos minimizar el error.
Tomando una observación el error será [pic].
← Luego la recta que mejor se ajusta será aquellaque minimice la suma cuadrado del error:
Es decir:
← Para hallar los estimadores “a” y “b” que hagan mínimo el error se estimara de:
Hallando:
Primera ecuación normal
Reemplazando:
Segunda ecuación normal
2. REGRESION EXPONENCIAL.- Cuando el diagrama de dispersión se nos presenta en la siguiente forma:
← El modelo serálinealizado tomando logaritmo natural y/o función logaritmo.
← La estimación de a* y b* se halla igual que la regresión lineal simple de las ecuaciones:
La regresión exponencial se presenta en muchos problemas de Física, Química Economía. Etc.
3. MODELO POTENCIAL.- Si se presenta un modelo [pic] la manera de linealizarlo es mediante ln y/o log.Las ecuaciones serán:
COEFICIENTE DE DETERMINACION (r2). - Es aquella medida conocida también como coeficiente de bondad de ajuste ya que indica en que porcentaje se ajusta la línea de regresión al conjuntos de datos.
Gráficamente:
Gráficamente el coeficiente de determinación se observa:
Se sabe:
Luego:Coeficiente de no Determinación (1 – r2).- Nos indica el % porcentaje de la variación de y que no depende de la variación de “x”, su variación se debe a los factores aleatorios.
Coeficiente de correlación [pic].- Mide el grado de asociación entre “x” e “y”.
En la regresión múltiple:
4. REGRESIÓN POLINOMIAL:
Se aplica cuando en el diagrama de dispersión los puntos no siguenuna tendencia lineal sino una tendencia curva. Ya sea de 2do grado, 3ro grado, etc.
Luego:
Hallando la primera ecuación normal:
Como:
De igual forma:
Luego tendremos:
Nosotros veremos el caso especial de regresión polinomial (2do grado).
1. REGRESIÓN POLINOMIAL (Segundo Grado). -
Gráficamente:Expresando matricialmente tenemos:
Del modelo:
Matricialmente será:
Luego:
← Ejemplo (n = 4)
Para hallar los [pic] matricialmente, aplicamos el método de los mínimos cuadrados:
Para (n = 4)
Hallamos(x’x) y (x’y)
luego:
El vector decoeficiente será:
El modelo matricial será:
REGRESIÓN LINEAL MÚLTIPLE
Sean x1, x2, ..................., xP, p variables independientes, y una variable aleatoria que depende de las “k” variables independientes.
El método matemático de regresión lineal múltiple es:
El problema al igual que en la regresión lineal es estimar los parámetros [pic], esto se halla...
Regístrate para leer el documento completo.