Regresion lineal
Valores observados y pronosticados
Supongamos que tenemos un conjunto de puntos de datos (x1, y1), ..., (xn, yn). Las n cantidades y1, y2, ..., yn se llaman los valoresobservados y. Si se modela estos datos con una ecuación lineal
y | = | mx + b | |
y | representa y "estimada" o "pronosticada". |
entonces los valores de y que se obtiene por sustituir x en laecuación por los valores dados de x se llaman los valores y pronosticados:
y1 | = | mx1 + b | | Sustituya x por x1 |
y2 | = | mx2 + b | | Sustituya x por x2 |
. . . || | | |
yn | = | mxn + b | | Sustituya x por xn |
Residuos y error suma de cuadrados, (SSE)
Si modelamos un conjunto de datos (x1, y1), ... , (xn, yn) con una ecuación lineal como másarriba, entonces los residuos son los n cantidades (Valor actual - valor pronosticado):
(y1 - y1), |
(y2 - y2), | . . . , |
(yn - yn) |
El error suma de cuadrados (SSE) es lasuma de cuadrados de los residuos:
SSE = |
(y1 - y1)2 + |
(y2 - y2)2 + | . . . + |
(yn - yn)2 + |
Recta de regresión
La recta de regreión (recta de mínimoscuadrados, recta de mejor ajuste) relacionada con los puntos (x1, y1), (x2, y2), . . ., (xn, yn) es la recta que se minimiza el valor de SSE.
La recta de regresión se representa por
y = mx + bdonde
m | = | n(Σxy) - (Σx)(Σy)
n(Σx2) - (Σx)2 |
b | = | Σy - m(Σx)
n |
n | = | número de puntos de datos |
Pruebe la utilidad en-línea de regresión si quiere ver la recta de regresión deunos puntos de datos.
Los modelos lineales constituyen una de las metodologías estadísticas mas ampliamente utilizadas en la modelización y el análisis de datos de todo tipo. Se introducen encampos tan diversos como la experimentación industrial, la construcción y validación de test psicológicos.
En estadística, el modelo lineal generalizado (MLG) es una flexible generalización de la...
Regístrate para leer el documento completo.