You are on page 1of 4

Regresin y Correlacin Regresin simple El anlisis de regresin es un conjunto de mtodos estadsticos para la formulacin matemtica de modelos de relaciones entre

variables, las cuales pueden ser usadas para predecir o hacer inferencias estadsticas. El anlisis de regresin tiene los siguientes usos, el primero es obtener los estimadores de los parmetros, estimar la varianza del error, obtener los errores estndares de los parmetros estimados, probar las hiptesis sobre los parmetros, calculo de valores estimados basados en la ecuacin estimada, estimar el ajuste o la falta de ajuste del modelo. Propiedades del modelo de regresin - La forma del modelo es correcta, o sea que todas las variables independientes importantes estn incluidas. El valor estimado del error es igual a cero. - La varianza de los errores es constante para todas las observaciones. - Los errores no estn correlacionados, o sea que son independientes. Recta de regresin Supongamos que en una variable bidimensional queremos precisar la relacin que existe entre las dos variables que la forman. En concreto queremos expresar mediante una relacin cmo depende una de ellas (variable dependiente) de la otra (variable independiente). Normalmente se elige como y la variable dependiente y como x la independiente. Si esa relacin se expresa mediante una funcin lineal del tipo y = ax + b, su grfica correspondera a una recta. En el caso que nos ocupa nos interesa la recta que mejor "se ajuste" a los puntos de la nube de puntos de la variable. Dicha recta se denomina: recta de regresin. Con ello la expresin de la recta de regresin ser: ( )

Esta es la llamada "Recta de regresin de y sobre x". Si se deseara estudiar la dependencia de x respecto a y slo habra que cambiar en la expresin de la recta x por y, obtenindose la recta regresin de x sobre y.

En la imagen siguiente se muestra la recta de regresin de y (peso) sobre x (talla) del ejemplo 1 de este tema. En este caso se supone que represente cmo depende el peso de una persona de su talla. Regresin mltiple Polinomial El problema general de aproximar un conjunto de datos usando el procedimiento de mnimos cuadrados se ataca de manera similar y requiere de la eleccin de CTES a0, a1.....an para minimizar el error de mnimos cuadrados.

Luego derivando con respecto a cada una de las coeficientes. Cuyo objetivo es resolver el sistema que tenga Xi soluciones. Representacin de la funcin . Los cuadros con la lnea continua representan los valores tabulados utilizando el polinomio obtenido por el programa y las cruces son los datos Potencial Teniendo los datos Histricos observados sobre la Demanda, Oferta o la variable que se quiera proyectar, podemos graficar la nube de puntos y poder apreciar la distribucin de los mismos y poder apreciar si los puntos se aproximan a alguna funcin, en el caso de la funcin exponencial se puede recurrir a la siguiente relacin:

Para linealizar esta funcin se aplica logaritmos a ambos miembros, mediante este procedimiento se obtiene una ecuacin logartmica lineal: Sustituyendo valores se tiene:

Una vez realizada la sustitucin, los resultados se escriben en la forma lineal: ( )

La ecuacin logartmica puede resolverse tambin a travs de las siguientes ecuaciones normales:

Exponencial Otro tipo de Funcin que tiene aplicacin en el anlisis de Regresin, es la funcin exponencial que esta por la expresin:

En todo caso, al igual que la Funcin Potencial, la Regresin Exponencial puede tambin ser linealizada aplicando logaritmos a ambos miembros, resultado de ello se tiene la relacin siguiente: ( ) Sustituyendo valores:

Recordemos que la ecuacin exponencial logartmica puede resolverse tambin a travs de ecuaciones normales:

Logartmica En esta opcin se obtiene la regresin logartmica. El modelo es el siguiente:

( ) Para este modelo se obtiene el logaritmo natural de cada dato y. Multinomial Regresin logstica multinominal La regresin logstica viene definida por la existencia de una variable dependiente con dos categoras y una o ms variables independientes que pueden ser tanto categricas como cuantitativas. En ocasiones el modelo de regresin logstica precisa incluir como variable dependiente ms de dos categoras (c); en este caso se definen c-1 logit o ecuaciones simultneas, cada uno de ellos comparando una determinada categora con la definida como de referencia, que en el caso particular de la regresin logstica multinomial debe ser la categora de valor ms bajo. ) ( ) Es importante tener claro que el modelo ms simple de esta regresin, donde la variable independiente es categrica binaria, equivale a una tabla de contingencia. Sin embargo el modelo se va a ir complicando conforme aadamos categoras a la variable independiente o introduzcamos un predictor variable independiente) cuantitativo. Este tipo de regresin a diferencia de la previamente tratada no supone definir logis respecto a una categora de referencia, sino que se trabaja con una categora no representada y codificada con el valor mayor. ( ( ( ( ( ( ) ) ) ) ) ( ) ( ( )

You might also like