Las regresiones lineales en linea
-
Upload
johan-andres -
Category
Documents
-
view
230 -
download
5
description
Transcript of Las regresiones lineales en linea
Autores: Johan Méndez Víctor Briceño Marcos Fernández Camila Montilla
𝑌𝑖 = 𝛽𝑜 + 𝛽1X1 + ⋯ 𝛽pXp + ε
LA CIENCIA REGRESIVA
¿Sabes quién Soy? Yi = βο + β1X1+… βpXp + ε
¡HOooo no sé quién eres!
Yi = βο + ∑ βiXipi + εi
Año de Edición Junio de 2016
Autores: Johan Méndez Víctor Briceño
Marcos Fernández Camila Montilla
Danny Ovalle
D I R E C C I Ó N . E L L L A N I T O D E L A O T R A B A N D A E S T A D O M É R I D A
LAS REGRESIONES LINEALES Y
MULTIPLES EN LAS MATEMÁTICAS
Indagaremos un poco sobre la historia
¿Quieres conocerla? ¡Lee conmigo!
La primera forma de regresión lineal documentada fue el método de los
mínimos cuadrados que fue publicada por Legendre en 1805, Gauss publicó un
trabajo en donde desarrollaba de manera más profunda el método de los
mínimos cuadrados, y en dónde se incluía una versión del teorema de
Gauss-Márkov.
El término regresión se utilizó por primera vez en el estudio de variables antropométricas; El término lineal se emplea para distinguirlo del resto de técnicas de regresión, que emplean
modelos basados en cualquier clase de función matemática.
Modelo de regresión lineal
El modelo lineal relaciona la variable dependiente Y con K
variables explícitas (k = 1,...K), o cualquier transformación de éstas
que generen un hiperplano de parámetros desconocidos:
Donde es la perturbación aleatoria que recoge todos
aquellos factores de la realidad no controlables u observables y que
por tanto se asocian con el azar, y es la que confiere al modelo su
carácter estocástico.
El análisis de la regresión lineal es una técnica
estadístico utilizada para estudiar la relación entre variable. Se adapta a una
amplia variedad de situaciones. En la
investigación social, el análisis de regresión se utiliza para predecir un
amplio rango de fenómenos, desde medida económica
hasta diferente aspecto del comportamiento humano. En
física se utiliza para caracterizar la relación entre
variable o para calibrar medida. Tanto en el caso de
dos variables (regresión simple) como en el de más de
dos variables (regresión múltiples), la regresión lineal
puede utilizarse para explorar y cuantificar la relación entre
una variable llamada dependiente o criterio (Y) y
una o más variables llamada independientes o predictoras
(X1, X2, ...Xk)
¿Quieres conocer la regresión?
En ella podemos encontrar la existencia de relación en la
dependencia de dos o más variables y de forma gráfica se puede encontrar
la dispersión de las frecuencias ajustadas a una línea recta o curva.
Conoceremos su objetivo
Su objetivo es investigar la relación Estadística que existe entre una Variable dependiente y una o más Variables independientes, Debido a su simplicidad analítica.
vestigar
la relación
Clases de Regresión Lineal
Regresión Lineal simple: Tiene como objeto estudiar cómo los
cambios en una variable, no aleatoria, afectan a una
variable aleatoria, en el caso de existir una relación funcional
entre ambas variables que puede ser establecida por una expresión lineal, es decir, su
representación gráfica es una línea recta.
Regresión Lineal Multiple: Es una extensión de regresión lineal simple para tomar en cuenta más de una variable
independiente. Con el uso de más de una variable
independiente se debe hacer un mejor trabajo de explicar la
variación en (Y) y en consecuencia hacer
predicciones más precisas
Supuesto del modelo de regresión lineal
Para poder crear un modelo de regresión lineal es necesario que se cumpla con los siguientes supuestos:
Que la variación entre las variables sea lineal Que los errores en la medición de las variables
explicitas sean independientes entre sí. Que los errores tengan varianza constante. Que los errores tengan una esperanza
matemática igual a cero ( los errores de una misma magnitud y distinto signo son equiprobables)
Que el error total sea la suma de todos los errores
Líneas de tendencia Una línea de tendencia representa una tendencia en una serie de datos obtenidos a través de un largo período. Este tipo de líneas puede decirnos si un
conjunto de datos en particular (como por ejemplo, el PBI, el precio del petróleo o el valor de las acciones) han
aumentado o decreciendo en un determinado período.
Medicina: En medicina, las primeras evidencias relacionando la mortalidad con el fumar tabaco9 vinieron de estudios que utilizaban la regresión
lineal. Los investigadores incluyen una gran cantidad de variables en su análisis de regresión en un esfuerzo por eliminar factores que pudieran
producir correlaciones espurias.
Informática: Ejemplo de una rutina que utiliza una recta de regresión lineal para proyectar un valor futuro: Código escrito
en PHP.
¿Dónde podemos
aplicar las regresiones
lineales?
PUBLICIDAD
10
58
110
150
10 20 25 30 10
60
110
10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40
REGRESION LINEAL
liebre tortuga
Esta grafica representa regresión lineal: En lo que el eje de las (X) es el tiempo (t) y el eje de las (Y) representa metros (m) Se puede explicar que la liebre recorre más metros en menos tiempo, y la tortuga recorre menos metros en más tiempo.
Regresión Lineal Simple
Regresión Lineal Múltiple
Representaciones Gráficas