Beruflich Dokumente
Kultur Dokumente
LINEAL Y MULTIPLE
Docente:
Mercedes Aida Osorio Maza
mosorio@uni.edu.pe
2019 - I
TEORIA
TEMAS A DESARROLLAR
Análisis de Regresión Lineal Simple;
Coeficiente de determinación, Coeficiente
de correlación.
Análisis de Regresión Polinomial de 1er y
2do grado.
Regresión Lineal Múltiple.
Regresión Lineal Múltiple con 2 variables
independientes.
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= f (xi )
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 diagrama de
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.
Otros diagramas de dispersión:
yi A Bx i i
Donde:
yi Variable dependiente
x i Variable indenpendiente
A, B Coeficientes
i Error
Si tenemos un diagrama de dispersión lineal y si asumimos
un modelo de estimación de la forma:
Tendremos: ŷ i a bx i
ŷ i a bx i (Modelo Muestral)
i
y i A Bx i (Modelo Poblaciona l)
Es decir:
n
y1 ŷ1 y 2 ŷ 2 ..................yi ŷi yi ŷi
2 2 2 2 2
i
i 1
i2 i2
0 0 Ecuaciones Normales
a b
Obtenemos las Ecuaciones Normales:
n n
y
i 1
i na b x i
i 1
2 da Ecuación Normal
n n n
x y
i 1
i i a x i b x 0
i 1 i 1
2
i
2.- ANÁLISIS DE REGRESIÓN EXPONENCIAL
y ab x
y* a * b * x
La estimación de a* y b* se halla igual que la regresión
lineal simple de las ecuaciones:
y* na * b * x i
2
Ecuaciones normales
xy* a * x b * x
i i
i
y*
na * b * i
x *
i i
x * *
y a * i i
x b x *2
COEFICIENTE DE DETERMINACIÓN (r2)
ŷ - y
2
r 2
i
y - y
i
2
yi Valor observado
ŷi Valor estimado en base al modelo ŷi a bx i
Gráficamente:
Se sabe:
y i Valor Observado
ŷ i Valor Estimado
yi - y Desviación yi con respecto al promedio y.
ŷi - y desviación de yi con respecto al promedio y.
i yi ŷi
Luego:
iy - y 2
iŷ - y 2
i
2
.
yi Bo B1x B2 x 2 B3 x 3 ..................i
i 1
2
i min
Luego:
i2
0
Bo
2
B̂0 x B̂1 x B̂2 x ........ yx
2 3 4
(Así sucesivamente)
4.1) REGRESIÓN POLINOMIAL (2do Grado)
Gráficamente:
B̂0 x 2 B̂1 x 3 B̂2 x 4 yx 2 de las Ecuaciones Normales
Del modelo:
y i xB̂ i
y i ŷ i i
Luego:
Ejemplo (n = 4)
y1 1 x1 x12 i
y 2
B̂0
2 1 x2 x 2 i
B̂
2 1
y 3 1 x3 x3 i
2
B̂2
y 4 1 x4 x 4 i
Para poder hallar los parámetros, aplicamos el método de los
mínimos cuadrados.
12 y xB̂ y xB̂
0 0
Bi Bi
n
xi i
x 2
x x x i
i
x 2
i
x 3
x i2 i
x 3
i
x 4
yi
x y xi yi
xi2 yi
El vector de coeficiente será:
Bˆ 0
B̂ xx xy B1
1
ˆ
Bˆ 2
i min.
2
Si:
i 1 i 1 i 1
Luego:
Q
0.
Bk
Nos dará estimadores mínimos cuadrados
Q Q
0, 0,..................
B1 B2
5.1) REGRESIÓN LINEAL MULTIPLE
(2 Variables Independientes)
Si:
i 1 i 1 i 1
y i xBi i
Ejemplo (n = 4)
y1 1 x11 x 21 1
y 1 B̂0
2 x12 x 22 2
B̂1
y3 1 x13 x 23 3
B̂2
y 4 1 x14 x 24 4
Luego:
y1 B̂0 B̂1x11 B̂2 x 21 1
y 2 B̂0 B̂1x12 B̂2 x 22 2
y 3 B̂0 B̂1x13 B̂2 x 23 3
y 4 B̂0 B̂1x14 B̂2 x 24 4
Los valores de B̂ i se hallan de:
i2
Bi
i2 y xB y xB
0
Bi Bi
Luego:
xx B̂ xy
B̂ xx xy
1
Hallamos(x’x)
1 x11 x 221
1 1 1 1
x 222
x x11 x14 1 x12
x12 x13 x
1 x13 x 223
x 221 x 222 x 223 x 224 2
1 x14 x 24
Luego: n n
n x 1i x 2i
n i 1
n n
i 1
xx x1i 1i
x 2
x x
1i 2i
i 1 i 1 i 1
n n n
x 2i x x 2i x 2i
i 1
1i
i 1 i 1
y1
1 1 1 1 y
x x11 x12 x13 x14 y 2
y3
x 221 x 222 x 223 x 224
y4
Luego:
yi
xy x1i yi
x 22i yi
Entonces:
B̂i
xx xy
1
Matriz Inversa.
(Metodo Gauss - Jordan y / o cofactores)
ŷ y 2
n
i
ry2.12 i 1
y y 2
n
i
i 1
4.5
3.5
3 Series1
y = 191.2e-1386x
LN(P)
Lineal (Series1)
R² = 0.879
Polinómica (Series1)
2.5 Exponencial (Series1)
y = -3631.x + 14.04
R² = 0.940
2
1.5
y = -5E+12x 4 + 5E+10x 3 - 2E+08x 2 + 45703x - 321.3
R² = 0.941
1
0.0026 0.0027 0.0028 0.0029 0.003 0.0031 0.0032 0.0033 0.0034 0.0035 0.0036
1/T
DIAGRAMA DE DISPERSIÓN CUADRATICA
8
7 7
5 5
4
Presión(P)
3 3
y = 0.000x3 - 0.114x2 + 39.08x - 4444.
R² = 0.998
2
y = 0.004x2 - 3.196x + 546.3 1.8
R² = 0.975
1 1.1
Series1
0.7
0.4
Polinómica (Series1)
0.15 0.17 0.2
0 0 Polinómica (Series1)
325 335 345 355 365 375 385
-1
Temperatura(T)
VIDEO INTRODUCTORIO DE ANÁLISIS DE
REGRESIÓN LINEAL Y MÚLTIPLE
VIDEO DE RESOLUCIÓN DE EJERCICIOS DE
ANÁLISIS DE REGRESIÓN LINEAL Y
MÚLTIPLE