ESTADISTICA DESCRIPTIVA

AJUSTE Y REGRESIN
Ajuste de una funcin
matemtica
Es preciso diferenciar:
Covariacin funcional o exacta entre dos
variables: A cada valor de una de ellas
le corresponde solo uno de la otra.
Equivalente al concepto matemtico de
funcin. Es propia de los fenmenos
deterministas o causales.
Covariacin estadstica: A cada valor de
una de ellas le corresponden varios
valores de la otra. Propia de fenmenos
estadsticos/aleatorios Ej. Covariacin
entre peso y altura.
Ajuste de una funcin
matemtica
Representacin grfica:
Funcin matemtica
Diagrama de dispersin estadstica. Tendencia.
Relacin de causalidad:
Determinada
Como tendencia
Tipo de relacin:
Unilateral
Bilateral/multilateral


Ajuste de una funcin
matemtica
El anlisis estadstico tiene sentido cuando se
ha reconocido la existencia de relaciones
causales entre variables.
Sustitucin del campo de dispersin por una
relacin funcional.
El objetivo del ajuste es la sustitucin de la
dependencia estadstica por la dependencia
funcional.
Aporta conocimiento de la estructura y evolucin
del conjunto de observaciones
Ajuste de una funcin
matemtica
Las medidas de tendencia central y dispersin,
as como las de asimetra y la curtosis sitan el
fenmeno en estudio.
El ajuste permite conocer su estructura y su
evolucin.
Fases de todo ajuste:
Determinar la forma de la funcin (familia de curvas)
a ajustar, a partir de la huella emprica del
fenmeno. Optar por la forma de la funcin en
consonancia (ajustada) con los valores observados.
Determinar la funcin concreta, calculando los
parmetros que la identifican.
Ajuste puntos
i x x
j y
N
u
b
e

d
e

p
u
n
t
o
s
i
x
x
j
y
Nube de
( ) , , ;
0 0 0
b a x
i
u
Ajuste de una funcin matemtica
Cuantas ms observaciones, mayor ser la
aproximacin de la funcin de ajuste.
Mediante el ajuste se sustituye la funcin
emprica por la funcin analtica conocida,
expresada en forma matemtica.
Conocidas numerosas funciones matemticas:
lineal, potencial, exponencial, circular...
Por cada valor de una variable se dispondr de
un valor (o varios) emprico y un valor terico
ofrecido (ajustado) por la funcin matemtica
Ajuste de una funcin
matemtica
Problema a resolver: Una vez seleccionada la
familia de curvas, obtener aqulla que mejor se
adapte a la funcin emprica, haciendo mnima
la diferencia entre valor emprico y valor terico.
Criterio o mtodo a aplicar:
Criterio mnimo cuadrtico: Hacer mnimas las
diferencias cuadrticas.
Justificacin del Mtodo de mnimos cuadrados:
Evita la compensacin de diferencias y la
reducida operatividad de los valores absolutos.
Por otra parte, es una medida de mnimos.
Ajuste de una funcin matemtica
Planteamiento general: Estimar los
parmetros (a,b,c...) que definen una
funcin, dentro de una familia de curvas
g(x
i
, a, b, c,...), que hace mnima la suma
de los cuadrados de las discrepancias
entre valor emprico y valor terico.

| |

= =
= = = u
n
i
n
i
i i i
mnimo b a x g x f d b a
1
2
1
2
,...) , , ( ) ( ,...) , (
Ajuste de una funcin
matemtica
Condiciones de mnimo:
En este caso, la condicin necesaria y
suficiente es que las primeras derivadas
sean igual a cero. (La 2 condicin de que
el hessiano sea mayor que cero, al igual
que la 2 derivada, siempre se cumple).

Ajuste de una funcin
matemtica
Planteamiento general: Obtencin del
sistema de ecuaciones:



( ) ( ) | | mnimo b a x g x f b a
n
i
i i
= =

=
2
1
,... , , ...) , (
( ) ( ) | |
( ) ( ) | |

=
=
=
c
c
=
c
c
=
c
c
=
c
c
n
i
i i
n
i
i i
b
g
b a x g x f
b
a
g
b a x g x f
a
1
1
0 ,... , , 2
......... ..........
0 ... , , 2

Ajuste de una recta

g(x
i
, a, b...) = a + bx; y = a + bx


f(x
i
)=y
i
; Tanto x
i
como y
i
son datos dados.


El problema est en identificar los parmetros a y
b de la recta que haga mnima la diferencia
cuadrtica entre valores observados y valores
tericos.

( ) ( ) | |

= =
= = =
n
i
n
i
i i i
mnimo bx a x f d b a
1 1
2
2
,
( ) | |

= =
= = =
n
i
n
i
i i i
mnimo bx a y d b a
1 1
2
2
,
Ajuste de una recta
Obtencin del sistema de ecuaciones:








Resolviendo el sistema, se obtienen los valores
de a y b que definen la recta y = a + bx

| | | |

= =
= = =
c
c
n
i
n
i
i i i i
bx a y bx a y
a
1 1
0 0 2

| | | |

= =
= = =
c
c
n
i
i i i i
n
i
i i i
bx ax y x x bx a y
b
1
2
1
0 0 2

= =
+ =
n
i
n
i
i i
x b na y
1 1

= = =
+ =
n
i
n
i
n
i
i i i i
x b x a y x
1 1 1
2
Referencias importantes
Significado de b: Incremento de la variable y
ante variaciones unitarias de x.
La recta de ajuste expresa la tendencia en
la relacin entre ambas variables.
Posible referencia al concepto de
elasticidad.
Posible referencia al concepto de
propensin marginal
Ajuste de una parbola 2 grado
Planteamiento general

Sistema de ecuaciones:



( )
( ) | |

=
=
+ + = =
n
i
i i i
cx bx a y c b a
cx bx a y x g
1
2
2
2
min , , min
| |

= = = =
+ + = = =
c
c
n
i
i
n
i
n
i
i i
n
i
i i i
x c x b na y cx bx a y
a
1
2
1 1 1
2
0 2

| |
| |


= = = = =
= = = = =
+ + = = =
c
c
+ + = = =
c
c
n
i
n
i
n
i
n
i
i i i i i
n
i
i i i i
n
i
n
i
n
i
n
i
i i i i i
n
i
i i i i
x c x b x a y x x cx bx a y
c
x c x b x a y x x cx bx a y
b
1 1 1 1
4 3 2 2
1
2 2
1 1 1 1
3 2
1
2
0 2
0 2

Ajuste de parbola de grado p

Planteamiento general:


Sistema de ecuaciones:

( )
( ) | |
2
1
2
2 1 0 2 1 0
2
2 1 0 2 1 0
... min .. , , min
... .. , , ,

=
=
+ + + + =
n
i
p
i p i i i p
p
i p i i p
x a x a x a a y a a a a
x a x a x a a a a a a x g

= = =
+ +
= =
= = = =
+
=
= = = =
+ + + =
+ + + =
+ + + =
n
i
n
i
n
i
p
i p
p
i
p
i
n
i
p
i
n
i
i
p
i
n
i
n
i
n
i
n
i
p
i p i i
n
i
i i i
n
i
n
i
n
i
n
i
p
i p i i i
x a x a x a x a y x
x a x a x a x a y x
x a x a x a na y
1 1 1
2 2
2
1
1
1
0
1
1 1 1 1
1 3
2
2
1
1
0
1 1 1 1
2
2 1 0
...
. .......... .......... .......... .......... .......... .......... .......... ..........
...
...
Ajuste de una funcin
potencial
Funcin potencial:
Tomando logaritmos se linealiza la
funcin:
Planteamiento general

Sistema de ecuaciones, haciendo
log y
i
=V
i
;
log a= A; log x
i
= U
i


( )
b
x a y b a x g . , , = =
x b a b a x g log log ) , , ( log + =
( ) | | | |

= =
= =
n
i
n
i
i
b
x b a y ax y b a
1
2
1
2
log log log min min , min


= = =
= =
=
+ =
n
i
i
n
i
i
n
i
i i
n
i
n
i
i i
U b U A V U
U b nA V
1
2
1 1
1 1
Ajuste de una func.
exponencial
Funcin exponencial:
Tomando logaritmos se linealiza la
funcin:
Planteamiento general

Sistema de ecuaciones, haciendo
log y
i
=V
i
;
log a= A; log b = B



( )
x
b a y b a x g . , , = =
b x a y b a x g log log log ) , , ( log + = =
( ) | | | |

= =
= =
n
i
n
i
i
x
b x a y ab y b a
1
2
1
2
log log log min min , min


= = =
= =
+ =
+ =
n
i
i
n
i
i
n
i
i i
n
i
n
i
i i
x B x A V x
x B nA V
1
2
1 1
1 1
Propiedades de las
estimaciones m.c.
La suma de las diferencias es cero

La recta ajustada pasa por el centro de
gravedad
Importancia de la seleccin de familia de
curvas
Cuantos ms valores observados, mejor
ajuste.


= = = = =
= = =
n
i
n
i
n
i
n
i
n
i
i i l i i
x b na y y y d
1 1 1 1 1
*
0
( ) y x ,
Ajuste mnimo-cuadrtico
Cambio de variable:
Puede introducirse un cambio de variable
ms operativo.
Una vez obtenida la funcin ajustada sobre
los valores arbitrarios, ha de deshacerse
el cambio para obtener la funcin en
valores originales.

Ajuste estadstico
Aunque los anteriores ajustes pueden
entenderse efectuados sobre valores con
frecuencia unitaria, puede plantearse el
ajuste estadstico, dando entradas a las
diferentes frecuencias que pudieran
afectar a cada valor de la variable: Se
tratara de obtener la siguiente funcin:

( ) ( ) | |

= =
=
n
i
m
j
ij i j
n c b a x g y c b a
1 1
2
... , , , min ... , ,
Ajuste-Regresin
Ajuste: Planteamiento matemtico. Obtencin
de la funcin matemtica que ofrece la parte
esencial de la marcha del fenmeno en estudio.
Regresin: Planteamiento estadstico. La
funcin obtenida, a travs del procedimiento del
ajuste, ofrece el comportamiento esperado de la
variable, expresado en trminos de media
condicionada.
Regresin y correlacin
En el estudio de las distribuciones
bidimensionales y multidimensionales
adquiere gran relevancia el estudio de las
distribuciones condicionadas.
La variable o variables condicionantes aportan
informacin sobre el comportamiento de la
variable condicionada en trminos medios
(Regresin, expresada como a
1
(x), ).
La mejora del promedio es mayor cuanto ms
acentuada sea la dependencia. El estudio de
esta dependencia y mejora se efecta a
travs de la correlacin.
( ) x
y
Grado de dependencia
Distribucin unidimensional: Se obtiene la media
y se evala la dispersin sobre la misma a
travs de la varianza:
Distribucin bidimensional: Se obtiene la media
condicionada o regresin y la varianza residual:

Disminucin de la dispersin=Ganancia de
representatividad de la media condicionada y de
informacin sobre el comportamiento de la
variable condicionada:
2
;
y
S y
( ) ( )
2 2
1 1
; /
r
x
y x x
S S x a a y = = =
2 2
r y
S S
Grado de dependencia
Grado de dependencia en trminos relativos:
Coeficiente de determinacin = r
2


El coeficiente de determinacin seala en tanto
por uno lo que mejora el promedio en
representatividad.
Casos extremos:
Significado de varianza residual igual a cero o
igual a varianza inicial:

) 1 ( 1
2 2 2 2
2
2
2
2 2
2
r S S S
S
S
S
S S
r
y r
x
y
y
x
y
y
x
y y
x
y
= = =

=
1 1 1 0
2
s s s s r r
2 2 2 2 2
0 ; 0 1
y r r
S S r S r = = = =
Regresin
Regresin emprica o en sentido estricto:
Lugar geomtrico de las medias
condicionadas.


Regresin en sentido amplio: Aproximacin
mediante el ajuste de una funcin matemtica.


Ambas pueden coincidir.
( ) ( )

= =
j
i j j i
x a n y x y
1 /
( ) ( ) ,... , , , c b a x g x y
i i
=
Regresin mnimo-cuadrtica
Supuesta una familia de curvas, se trata de
obtener los parmetros de la que haga
mnimas las diferencias cuadrticas respecto
a las medias condicionadas o regresin en
sentido estricto:


La funcin obtenida tiene el carcter de media
condicionada.

( ) | |
i
n
i
i i i
h b a x g x a b a x
2
1
1
,...) , , ( / min ,... , ,

=
=
Ejemplo: Calcular la recta regresin en sentido amplio y en sentido estricto de
la siguiente distribucin bidimensional
Ejemplo



x
y
3 4 5
j
n
-
j j
n y
-

j j
n y
-
2
ij
i
i
n x

ij
i
i j
n x y


1 1 1 1 1 3 3
2 1 1 2 4 8 16 17 34
3 3 2 5 15 45 22 66
- i
n
2 4 4 10 24 62
42
103
- i i
n x
6 16 20
42
- i i
n x
2
18 64 100 182
ij
j
j
n y

3 11 10 24
ij
j
j i
n y x


9 44 50 103


Ejemplo
a. Regresin en sentido estricto
Primero tenemos que calcular las medias condicionadas:
3
1
= x y
j

1 / j
n
1 / j j
n y
1 1 1
2 1 2
Total 2
1
=
-
n 3

5 , 1
2
3
/
1
1 / 1
= = =

=
m
j
j j
f y x y
4
2
= x y
j

2 / j
n
2 / j j
n y
2 1 2
3 3 9
Total 4
2
=
-
n 11

75 , 2
4
11
/
1
2 / 2
= = =

=
m
j
j j
f y x y
5
3
= x y
j

3 / j
n
3 / j j
n y
2 2 4
3 2 6
Total
4
3
=
-
n 10

5 , 2
4
10
/
1
3 / 3
= = =

=
m
j
j j
f y x y
Ejemplo
a. Regresin en sentido estricto
Para ajustar una funcin lineal habr que encontrar los valores a y b que
hacen mnima la expresin:
( ) | |

=
-
=
n
i
i i i
f bx a x y b a
1
2
/ min , min
( )
| |

=
-
= =
c
c
n
i
i i i
f bx a x y
a
b a
1
0 / 2
,
( )
| |

=
-
= =
c
c
n
i
i i i i
f x bx a x y
b
b a
1
0 / 2
,

=
-
=
-
+ =
n
i
i i
n
i
i i
f x b a f x y
1 1
/

=
-
=
-
=
-
+ =
n
i
i i
n
i
i i
n
i
i i i
f x b f x a f x x y
1
2
1 1
/
i
x y /
i
x
- i
f
-

i i
f x y /
-

i i i
f x x y /
- i i
f x
- i i
f x
2

3/2 3 2/10 3/10 9/10 6/10 18/10
11/4 4 4/10 11/10 44/10 16/10 64/10
4/10 10/10 50/10 20/10 100/10 10/4 5
1 2,4 10,3 4,2 18,2

b a 2 , 4 4 , 2 + =
b a 2 , 18 2 , 4 3 , 10 + =
x y 392 , 0 75 , 0
1
+ =
Regresin mnimo-cuadrtica
Se demuestra que el ajuste a las medias
condicionadas es igual al ajuste a la
nube de puntos o valores observados:

Agrupados por binomios=

Expresin que equivale a:






( ) | | ( ) | |

= = = =
+ =
n
i
n
i
ij
m
j
i x x j ij
m
j
i j
n b a x g a a y n b a x g y
1 1
2
1
/ 1 / 1
2
1
,... , , ,... , ,
( ) ( ) | | ( ) ( ) ( )

= = = = = =
+ +
n
i
m
j
n
i
n
i
m
j
ij i x x ij
m
j
i x ij x j
n b a x g a a y n b a x g a n a y
j
1 1 1 1 1
/ 1 / 1
2
1
, / 1
2
/ 1
,... , , 2 ,... ,
( ) ( ) | |

= = =
+ +
n
i
m
j
n
i
i i x ij x j
h b a x g a n a y
1 1 1
2
/ 1
2
/ 1
0 ,... , ,
Regresin mnimo-cuadrtica
(II)
La expresin no depende de
la funcin g, ni de los parmetros a, b,...
pendiente de calcular.Por lo tanto, el
ajuste mnimo cuadrtico a los puntos
originales coincide con el ajuste a las
medias condicionadas o regresin en
sentido estricto.

( )
ij
n
i
m
j
x j
n a y

= =

1 1
2
/ 1
( ) ( ) ( ) | |

= = =
=
n
i
n
i
i x ij
m
j
i j
h b a x g a n b a x g y
1
1
2
1
/ 1
2
1
,... , , min ,... , , min
Ejemplo anterior
b. Regresin en sentido amplio
Se trata de minimizar la siguiente expresin:
( ) | |

= =
=
n
i
m
j
ij i j
f bx a y b a
1 1
2
, min
( )
| | 0 2
,
1 1
= =
c
c

= =
n
i
m
j
ij i j
f bx a y
a
b a
( )
| | 0 2
,
1 1
= =
c
c

= =
n
i
m
j
ij i i j
f x bx a y
b
b a
10 01
ba a a + =
20 10 11
ba aa a + =
b a 2 , 4 4 , 2 + =
b a 2 , 18 2 , 4 3 , 10 + =
Aplicando Cramer:
75 , 0
2 , 18 2 , 4
2 , 4 1
2 , 18 3 , 10
2 , 4 4 , 2
= = a 392 , 0
2 , 18 2 , 4
2 , 4 1
3 , 10 2 , 4
4 , 2 1
= = b
x y 392 , 0 75 , 0 + =
Regresin mnimo-cuadrtica (III)
Regresin en sentido amplio: La funcin
obtenida mediante el ajuste mnimo-
cuadrtico. Dado que matemticamente
coincide con el ajuste a las medias
condicionadas, a la funcin obtenida se le
atribuye el significado de media
condicionada, con independencia de que,
en este caso, predomine el medio (ajuste)
sobre el fin (media condicionada)
Regresin lineal
Se ha optado en el ajuste por una familia de
rectas: y = a + bx. Una vez efectuada esta
opcin, se trata de obtener la recta que
haga mnima la suma de las diferencias
cuadrticas entre puntos observados y
estimados:
( ) ( )

= =
= =
n
i
m
j
ij i j
mnimo n bx a y b a
1 1
2
,
Regresin lineal
Condiciones de mnimo:


Resolviendo, se obtiene el siguiente sistema
de ecuaciones:

( )
( )( )

= =
= =
= =
c
c
= =
c
c
n
i
m
j
ij i i j
n
i
m
j
ij i j
n x bx a y
b
n bx a y
a
1 1
1 1
0 2
0 2

20 10 11
10 01
ba aa a
ba a a
+ =
+ =
Regresin lineal
Resuelto el sistema de ecuaciones, se
obtiene:



La utilizacin de estas equivalencias permite
obtener distintas formulaciones de la recta
de regresin.

10 01
2 2 2
11
2
10 20
01 10 11
;
ba a a
S
S
r
S
S rS
S
S
S
m
a a
a a a
b
x
y
x
y x
x
xy
x
=
= = = =

=
Regresin lineal
Distintas formulaciones de la recta de
regresin: y = a + bx
Primera:
Segunda:

Tercera:
) ( x x b y y bx x b y y = =
) ( x x
S
S
r y y x
S
S
r x
S
S
r y y
x
y
x
y
x
y
= =
x y
S
x x
r
S
y y
=

Regresin lineal
Frmulas de x sobre y (x/y): x = a + by
Primera:
Segunda:

Tercera:
( ) y y b x x = '
( ) ( ) y y
S
S
r x x
y
x
=
( ) ( )
y x
S
y y
r
S
x x
=

Referencias importantes
Las dos rectas de regresin pasan por el
punto del centro de gravedad
Las dos rectas se cruzan en el centro de
gravedad. La mayor o menor apertura
depende del valor de r.
Para r = 1, ambas rectas coinciden. Es
posible la reversibilidad.
b, b, r y S
xy
tienen el mismo signo: Positivo:
correlacin positiva. Negativo: Correlacin
negativa. Igual a cero: Incorrelacin y, en su
caso, independencia.
( ) y x,
Referencias importantes (II)
b, b son los coeficientes de regresin: variacin
de una variable ante variacin unitaria de la
otra.
Las rectas de regresin tienen significado de
media condicionada.
r aparece siempre del lado de la condicionante.
Interpretacin cuantitativa.
Coeficiente de determinacin: Capacidad
explicativa del modelo, en cuanto promedio.


Varianza residual
Dispersin sobre la recta de regresin:

Agrupando los trminos:

Desarrollando:





( )
ij
n
i
m
j
x
y
j x y r
n x x
S
S
r y y S S
2
1 1
2
/
2

= =
(

|
|
.
|

\
|
= =
( ) ( )

= =
(

=
n
i
m
j
ij
x
y
j r
n x x
S
S
r y y S
1 1
2
2
( ) ( )( ) ( )

= = = = = =
+ =
n
i
m
j
ij
x
y
ij
n
i
m
j
x
y
n
i
m
j
ij r
n x x
S
S
r n x x y y
S
S
r n y y S
1 1
2
2
2
2
1 1 1 1
2
2
2
0 ) 1 ( 2
2 2 2 2 2 2 2 2
> = + = r S S r S r S S
y y y y r
Propiedades
La varianza residual mide la dispersin en torno
a la recta de regresin.






El coeficiente de determinacin es la media
geomtrica de los coef. de regresin.
Anlisis cualitativo y cuantitativo de r
2 2
2
2
2
2
2
2
2 2
' .
1 1 1 1
0
y x
xy
y
x
x
y
y
r
y r
S S
S
S
S
r
S
S
r b b r
r r
S
S
r
S S
= = =
s s s =
s s
Interpretacin cuantitativa de r
2

r
2
muestra (a tanto por uno o en tanto por ciento) la
varianza total explicada por la informacin dada por
la variable condicionante. Indica la mejora en la
prediccin de la variable condicionada. Cuanto
mayor, ms fiabilidad de la prediccin, mayor
representatividad de la media (regresin).
Si r
2
= 0, entonces la varianza residual es igual a la
varianza inicial. La prediccin no ha mejorado.
Si r
2
= 1, entonces la varianza residual es cero. La
prediccin ha mejorado al mximo.
Anlisis cualitativo y cuantitativo de r:
La varianza residual o de la regresin
lineal
2
2
2
1
y
r
s
s
r =
1
2
s r 1 1 s s r
y x y x
s s
m
s
m
s
m
b b r
11
2
11
2
11
= = ' =
1. Cuando r > 0 hay correlacin positiva:
2. Cuando r < 0 hay correlacin negativa:
x
y
0 > r
x
y
0 < r
;
; y
3. Interpretaciones extremas:
La varianza residual o de la regresin
lineal
a. Si r = 1 hay correlacin perfecta o dependencia rgida lineal 0
2
=
r
s
b. Si r = 0 hay incorrelacin
2 2
y r
s s =
x
y
1 = r
x
y
1 = r
x
y
0 = r
4. Casos intermedios: si grado de correlacin
La varianza residual o de la regresin
lineal
1 1 < < r
x
y
5. Interpretacin cuantitativa de r: r
2
nos indica el porcentaje (100 r
2
), en
que hemos mejorado nuestra prediccin de y con la introduccin de la
recta de regresin, comparada con aquella situacin en la que no se
supona ninguna relacin lineal entre las variables, es decir, cuando
utilizbamos la media marginal en lugar de la recta de regresin.
Regresin parablica (2 grado)
Se ha optado por la familia de parbolas de
2 grado:
Condiciones de mnimo:

( ) | | mnimo n cx bx a y c b a
ij
n
i
m
j
i i j
= =

= =
2
1 1
2
, , |
( )
( )
( ) 0 ) ( 2
0 ) ( 2
0 2
2
1 1
2
1 1
2
1 1
2
= =
c
c
= =
c
c
= =
c
c

= =
= =
= =
ij i
n
i
m
j
i i j
ij i
n
i
m
j
i i j
ij
n
i
m
j
i i j
n x cx bx a y
c
n x cx bx a y
b
n cx bx a y
a
|
|
|
Regresin parablica (II)
Sistema de ecuaciones:



Resolviendo el sistema se obtiene la
parbola de segundo grado:
y = a + bx
i
+ cx
i
2

40 30 20 21
30 20 10 11
20 10 01
ca ba aa a
ca ba aa a
ca ba a a
+ + =
+ + =
+ + =
Varianza residual
Mide la dispersin respecto a la parbola
obtenida.



Multiplicando trmino a trmino:


| |
( )( )

= =
= =
=
= = =
n
i
m
j
ij i i j i i j
n
i
m
j
ij i i j r x y
n cx bx a y cx bx a y
n cx bx a y S S
1 1
2 2
1 1
2
2 2 2
/
( )

= =
=
n
i
m
j
ij j i i j x y
n y cx bx a y S
1 1
2 2
/
0 0 0
Varianza residual
Resolviendo la formulacin anterior:


Si la parbola pasa por el origen (a=0):


Interpretacin cuantitativa de r
2





( )
21 11 01 02
1 1
2 2
/
ca ba aa a n y cx bx a y S
ij j
n
i
m
j
i i j x y
= =

= =
21 11 02
2
/
ca ba a S
x y
=
Otros tipos de regresin no
lineal
Ajuste de una funcin potencial:


Ajuste de una funcin exponencial:


b
ax y =
x
ab y =
Razn de correlacin de K.
Pearson
Expresin basada en la regresin en
sentido estricto:


En esta expresin es la
varianza residual de la regresin en
sentido estricto.

( )

= =

n
i
m
j
ij x j
n a y
i
1 1
2
/ 1
( )
2
1 1
2
/ 1
1
y
n
i
m
j
ij x j
x
y
S
n a y
Q
i

= =

=
Propiedades de la razn de
correlacin de K. Pearson
Al igual que r
2
:
Si Q
y/x
=1, , lo que significa que la
varianza residual es cero, es decir, que el diagrama
de dispersin coincide con la regresin en s.
estricto.
Si Q
y/x
=0, entonces la varianza residual coincide con
la inicial, lo que supone que la regresin coincide
con la media marginal. No se ha ganado
informacin: Estamos ante variables
incorrelacionadas y posiblemente independientes.
Si la regresin en s. estricto coincide con la
regresin en s. amplio, Q
y/x
= r
2


1 s s
x
y
Q o
( ) 0
1 1
2
/ 1
=

= =
n
i
m
j
ij x j
n a y
i