You are on page 1of 7

Regresin lineal

En estadstica la regresin lineal o ajuste lineal es un mtodo matemtico que modela la relacin entre una variable dependiente Y, las variables independientes Xi y un trmino aleatorio . Este modelo puede ser expresado como:

: variable dependiente, explicada o regresando. : Variables explicativas, independientes o regresores. : Parmetros, miden la influencia que las variables explicativas tienen sobre el regresando. donde es la interseccin o trmino "constante", las son los parmetros respectivos a cada variable independiente, y es el nmero de parmetros independientes a tener en cuenta en la regresin. La regresin lineal puede ser contrastada con la regresin no lineal.

El modelo de regresin lineal


El modelo lineal relaciona la variable dependiente Y con K variables explicativas (k = 1,...K), o cualquier transformacin de stas, que generan un hiperplano de parmetros desconocidos:

donde es la perturbacin 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 carcter estocstico. En el caso ms sencillo, con una sola variable explicativa, el hiperplano es una recta:

El problema de la regresin consiste en elegir unos valores determinados para los parmetros desconocidos , de modo que la ecuacin quede completamente especificada. Para ello se necesita un conjunto de observaciones. En una observacin cualquiera i-sima (i= 1,... I) se registra el comportamiento simultneo de la variable dependiente y las variables explicativas (las perturbaciones aleatorias se suponen no observables).

Los valores escogidos como estimadores de los parmetros, , son los coeficientes de regresin, sin que se pueda garantizar que coinciden con parmetros reales del proceso generador. Por tanto, en

Los valores

son por su parte estimaciones de la perturbacin aleatoria o errores.

Hiptesis modelo de regresin lineal clsico


1. Esperanza matemtica nula.

Para cada valor de X la perturbacin tomar distintos valores de forma aleatoria, pero no tomar sistemticamente valores positivos o negativos, sino que se supone que tomar algunos valores mayores que cero y otros menores, de tal forma que su valor esperado sea cero. 2. Homocedasticidad para todo t Todos los trminos de la perturbacin tienen la misma varianza que es desconocida. La dispersin de cada en torno a su valor esperado es siempre la misma. 3. Incorrelacin . para todo t,s con t distinto de s Las covarianzas entre las distintas pertubaciones son nulas, lo que quiere decir que no estn correlacionadas o autocorrelacionadas. Esto implica que el valor de la perturbacin para cualquier observacin muestral no viene influenciado por los valores de la perturbacin correspondientes a otras observaciones muestrales. 4. Regresores no estocsticos. 5. No existen relaciones lineales exactas entre los regresores. 6. Suponemos que no existen errores de especificacin en el modelo ni errores de medida en las variables explicativas

7. Normalidad de las perturbaciones

Supuestos del modelo de regresin lineal


Para poder crear un modelo de regresin lineal, es necesario que se cumpla con los siguientes supuestos:3 1. La relacin entre las variables es lineal. 2. Los errores en la medicin de las variables explicativas son independientes entre s. 3. Los errores tienen varianza constante. (Homocedasticidad) 4. Los errores tienen una esperanza matemtica igual a cero (los errores de una misma magnitud y distinto signo son equiprobables). 5. El error total es la suma de todos los errores. Tipos de modelos de regresin lineal [editar] Existen diferentes tipos de regresin lineal que se clasifican de acuerdo a sus parmetros: Regresin lineal simple [editar] Slo se maneja una variable independiente, por lo que slo cuenta con dos parmetros. Son de la forma:4

donde

es el error asociado a la medicin del valor

y siguen los supuestos de y

modo que con ). Anlisis [editar]

(media cero, varianza constante e igual a un

Dado el modelo de regresin simple, si se calcula la esperanza (valor esperado) del valor Y, se obtiene:5

Derivando respecto a

e igualando a cero, se obtiene:5

Obteniendo dos ecuaciones denominadas ecuaciones normales que generan la siguiente solucin para ambos parmetros:4

La interpretacin del parmetro incrementar en

es que un incremento en Xi de una unidad, Yi

Regresin lineal mltiple


La regresion lineal nos permite trabajar con una variable a nivel de intervalo o razn, as tambin se puede comprender la relacin de dos o ms variables y nos permitir relacionar mediante ecuaciones, una variable en relacin a otras variables llamndose Regresin mltiple. Constantemente en la prctica de la investigacin estadstica, se encuentran variables que de alguna manera estn relacionados entre si, por lo que es posible que una de las variables puedan relacionarse matemticamente en funcin de otra u otras variables. Maneja varias variables independientes. Cuenta con varios parmetros. Se expresan de la forma:6 (13) donde es el error asociado a la medicin del valor ). y siguen los supuestos y

de modo que con

(media cero, varianza constante e igual a un

Rectas de regresin
Las rectas de regresin son las rectas que mejor se ajustan a la nube de puntos (o tambin llamado diagrama de dispersin) generada por una distribucin binomial. Matemticamente, son posibles dos rectas de mximo ajuste:7

La recta de regresin de Y sobre X:

La recta de regresin de X sobre Y:

La correlacin ("r") de las rectas determinar la calidad del ajuste. Si r es cercano o igual a 1, el ajuste ser bueno y las predicciones realizadas a partir del modelo obtenido sern muy fiables (el modelo obtenido resulta verdaderamente representativo); si r es cercano o igual a 0, se tratar de un ajuste malo en el que las predicciones que se realicen a partir del modelo obtenido no sern fiables (el modelo obtenido no resulta representativo de la realidad). Ambas rectas de regresin se intersecan en un punto llamado centro de gravedad de la distribucin.

Regresin mltiple
La estimacin de los coeficientes de una regresin mltiple es un clculo bastante complicado y laborioso, por lo que se requiere del empleo de programas de computacin especializados. Sin embargo, la interpretacin de los coeficientes es similar al caso de la regresin simple: el coeficiente de cada variable independiente mide el efecto separado que esta variable tiene sobre la variable dependiente. El coeficiente de determinacin, por otro lado, mide el porcentaje de la variacin total en Y que es explicado por la variacin conjunta de las variables independientes. El modelo de regresin que involucra ms de un variable regresadora se llama modelo de regresin mltiple. Como un ejemplo, supngase la vida eficaz de una herramienta de corte depende de la velocidad y del ngulo de corte. Un modelo de regresin mltiple que podr describir estas relaciones Dnde: Y representa la vida de la herramienta, x1, la rapidez de corte y,x2, el ngulo de corte. Ests un modelo de regresin lineal mltiple con dos regresores. El trmino lineal se emplea debido a que la ecuacin 15-1 es la funcin lineal de los parmetros desconocidos x0, x1 y x2. Ntese que el modelo describe un plano en el espacio bidimensional x1, x2. Parmetro x0 define la ordenada al origen del plano. Unas veces llamados a x1 y x2 coeficientes de regresin parciales, Porque x1 mide el cambio esperado en Y por un cambio unitario en x1 cuando x2 se mantiene constante, y x2 cambio esperado en y por cambio unitario x2 cuando x1 se mantiene constante. En General la variable dependiente o respuesta y puede relacionarse con k variables independientes. El modelo de regresin mltiple (lineal)(15-2)Se denomina modelos de regresin lineal mltiple con k variables independientes. Los parmetros j, j= 0, 1, . . . , k, se llaman coeficientes de regresin . Este modelo describe un hiperplano en el espacio k-dimensional de las variables regresoras {xj}. El parmetro xj representa el cambio esperado en la respuesta y por cambio unitario en xj todas las variables independientes restantes xj(ixj) se mantienen constantes. Los parmetros xj, j = 1, 2, . . . , k, se denominan algunas veces coeficientes de regresin parciales, porque ellos describen el efecto parcial de una variable independiente cuando las otras variables independientes en el modelo se mantienen constantes .Los modelos de regresin lineal mltiple se utilizan a menudo como funciones de aproximacin. Esto es, la verdadera relacin funcional entre y y x1, x2,. Se desconoce, aunque sobre ciertos intervalos de las variables independientes .. Variable independiente (regresiva o regresora) Variable dependiente:

Y= vida de la herramienta X1= rapidez de corte X 2 = n u l o d e c o r t e Coeficientes de regresin.

You might also like