Professional Documents
Culture Documents
OBJETIVO
MARCO TEORICO
Regresin Lineal.
El ejemplo ms simple de aproximacin por mnimos cuadrados es ajustar una lnea recta a un conjunto de observaciones definidas por
puntos:
La expresin matemtica para la lnea recta es:
ao y a1 son coeficientes que representan la interseccin con el eje y y la pendiente, respectivamente.
e= es el error, o diferencia, entre el modelo y las observaciones, el cual se representa al reordenar la ecuacin(17.1) como
e y - a o - a1x
El error o residuo e es la discrepancia entre el valor verdadero de y y el valor aproximado a0 + a1x, el cual predijo la ecuacin lineal
Si se minimiza la suma de los errores residuales de todos los datos disponibles se tiene una mejor lnea de ajuste, es decir,
ei = (yi a0 a1xi); las sumas van de i=1 hasta n=nmero de puntos
Una mejor aproximacin es minimizar la suma de los valores absolutos
|ei| = | yi a0 a1xi |; para i=1 a n
Los dos criterios anteriores, sin embargo, no son adecuados pues no dan un nico mejor ajuste.
Un mejor criterio es el minimax, en donde la lnea de ajuste se elige para que se minimice la mxima distancia a la que se encuentra un
punto de la lnea. Esta tcnica tiene el inconveniente de que da excesiva influencia a puntos fuera del conjunto (un solo punto con un
gran error). Minimax es una tcnica adecuada para ajustar una funcin simple a una complicada. Consiste en minimizar la suma de los
cuadrados de los residuos entre la y medida y la calculada con el modelo lineal
Sr = ei2 = (yi,medida-yi,modelo)2 = (yi a0 a1xi)2 , para i=1 a n
S r
2 ( yi a0 a1 xi )
ao
0 yi a0 a1 xi
0 yi xi a0 xi a1 xi2
S r
2 ( yi a0 a1 xi ) xi
a1
y na x a
y x x a x a
i
i i
2
i
Ejemplo:
Ajuste a una lnea recta los valores x y y en las primeras columnas de la tabla
Tabla. Clculos para el anlisis de error en el ajuste lineal.
Esto se puede interpretar por medio del principio de la mxima probabilidad y se determina como sigue:
St es la magnitud del error residual asociado con la variable dependiente antes de la regresin.
Sr : Suma de los cuadrados.
Suma Inexplicable de los cuadrados: St- Sr
Con esto obtenemos:
En la regresin lineal no siempre se da el caso de que la relacin entre las variables dependientes e independientes es lineal. Este es un
dato que se debe averiguar siempre antes de realizar cualquier anlisis de regresin. Por ejemplo, si los datos son curvilneos, no se debe
utilizar el mtodo de regresin lineal por mnimos cuadrados .
Existen ocasiones en que los datos no son compatibles con la regresin lineal, por lo tanto, se debe recurrir a una transformacin. Estas
transformaciones matemticas son capaces de manipular las ecuaciones para que resulten de una manera lineal, y despus de esto
aplicar el mtodo de regresin lineal simple para ajustar las ecuaciones a los datos .
Ejemplo: Ecuacin de Potencias
y ax b
Como se trata de una ecuacin de potencias se puede aplicar logaritmo a ambos lados de la ecuacin. Tomando valores de a=0,5 y de
b=1,75 se obtiene la siguiente ecuacin.
logx
logy
0,5
-0,301
1,7
0,301
0,226
3,4
0,477
0,534
5,7
0,602
0,753
8,4
0,699
0,922
Curvilinea
9
8
7
6
5
Curvilinea
4
3
2
1
0
0
Grfico de Y vrs X
Logaritmo
1
0,8
0,6
0,4
Logaritmo
0,2
0
0
0,2
0,4
0,6
0,8
-0,2
-0,4
Regresin Polinomial
Consiste en otra alternativa, para ajustar polinomios a los datos. Necesitamos ajustar a un polinomio de segundo grado cuadrtico:
y a0 a1 x a2 x 2 e
La suma de los cuadrados de los residuos es:
n
Sr ( yi a0 a1 xi a2 xi ) 2
i 1
2 ( yi a0 a1 x1 a2 xi )
2
2 xi ( yi a0 a1 x1 a2 xi )
2
2 xi ( yi a0 a1 xi a2 xi )
2
Igualamos a 0, y reordenamos:
N, hasta i 1
Tenemos un sistemas de ecuaciones, con 3 incgnitas (a0,a1,a2), entonces se puede extender un polinomio de m-simo grado como sigue:
y a0 a1 x a2 x 2 ...... am x m e
El error estndar se calcula de la siguiente manera
sy / x
sr
n (m 1)
PROCEDIMIENTO
REGRESION LINEAL
n X
Y
X^2
XY
(Y-)^2
(Y-a-a1X)^2
REGRESION POLINOMIAL
X^3
X^4
X^2*Y
PLOT
x
1
2
3
4
5
-0.450
-0.600
1.880
0.700
6.000
0.063
0.563
2.250
1.563
4.000
-0.113
-0.450
2.820
0.875
12.000
0.203
0.360
3.534
0.490
36.000
1.528
0.472
0.752
1.347
2.188
0.016
0.422
3.375
1.953
8.000
0.750
0.250
1.250
1.500
2.000
-0.600
-0.450
0.700
1.880
6.000
7.530
8.438
15.133
40.587
6.288
13.76
6
0.250
0.750
1.500
1.250
2.000
5.750
media
n
a1
a0
Sr
St
Sy/x
r
r^2
1.150
5
3.547
-2.573
6.288
40.587
1.448
0.919
0.845
0.004
0.316
5.063
2.441
16.00
0
23.82
4
(Y(a2*X^2+a1X+a0))
^2
-0.028125 0.001991948
-0.3375
0.011874188
4.23
0.017815576
1.09375
0.000313954
24
0.002809
28.958
0.035
^2
POLINOMIAL
MATRIZ
5
5.750
8.438
5.750
8.438
13.766
8.438
13.766
23.824
a0
a1
a2
7.530
15.133
28.958
n
X
X^2
X
X^2
X^3
X^2
X^3
X^4
a0
a1
a2
Y
XY
YX^2
a0
a1
a2
0.382
-3.9969
3.3897
POLINOMIAL
Sr
St
r
r2
Sy/x
0.035
40.587
0.99957114
0.99914247
0.1319179
7.000
6.000
5.000
4.000
Axis Title
3.000
Series1
2.000
Linear (Series1)
1.000
0.000
0.000
-1.000
0.500
1.000
1.500
2.000
2.500
-2.000
-3.000
Axis Title
La covarianza
Cu(x)
S (y)
0.1
0.0
0.1
0.1
0.1
0.2
XXmed
0.6433
0.6433
-
YYmed
2.5944
2.5044
-
(X-Xmed)2
(Y-Ymed)2
XY
X2
lnx
lnx)2
lny
lnY lnX
xLnY
6.7308
(X-Xmed)(YYmed)
1.6690
0.4139
0.0010
0.0100
5.3019
0.4139
6.2719
1.6111
0.0100
0.0100
5.7810
1.5468
0.0200
0.0100
4.6052
2.3026
-
10.603
8
5.3019
0.4139
2.3026
2.3026
-
0.4605
0.2303
-
5.3019
5.3019
3.7059
0.1
0.2
0.1
0.2
0.1
0.2
0.1
0.2
0.4
0.3
0.1
0.3
0.1
0.3
0.1
0.3
0.1
0.3
0.7
0.4
2.4
0.4
0.4
0.4
0.1
0.4
0.1
0.5
0.2
0.5
0.1
0.6
0.6433
0.6433
0.6433
0.6433
0.6433
0.3433
0.6433
0.6433
0.6433
0.6433
0.0433
1.6567
0.3433
0.6433
0.6433
0.5433
-
2.4044
2.4044
2.4044
2.4044
2.4044
2.3044
2.3044
2.3044
2.3044
2.3044
2.2044
2.2044
2.2044
2.2044
2.1044
2.1044
-
0.4139
5.7810
1.5468
0.0200
0.0100
0.4139
5.7810
1.5468
0.0200
0.0100
0.4139
5.7810
1.5468
0.0200
0.0100
0.4139
5.7810
1.5468
0.0200
0.0100
0.1179
5.3101
0.7912
0.1200
0.1600
0.4139
5.3101
1.4825
0.0300
0.0100
0.4139
5.3101
1.4825
0.0300
0.0100
0.4139
5.3101
1.4825
0.0300
0.0100
0.4139
5.3101
1.4825
0.0300
0.0100
0.0019
4.8593
0.0955
0.2800
0.4900
2.7445
4.8593
-3.6519
0.9600
5.7600
0.1179
4.8593
0.7568
0.1600
0.1600
0.4139
4.8593
1.4181
0.0400
0.0100
0.4139
4.4284
1.3538
0.0500
0.0100
0.2952
4.4284
1.1434
0.1000
0.0400
0.4139
4.0175
1.2895
0.0600
0.0100
2.3026
2.3026
2.3026
2.3026
2.3026
0.9163
2.3026
2.3026
2.3026
2.3026
0.3567
0.8755
0.9163
2.3026
2.3026
1.6094
-
5.3019
5.3019
5.3019
5.3019
0.8396
5.3019
5.3019
5.3019
5.3019
0.1272
0.7664
0.8396
5.3019
5.3019
2.5903
5.3019
1.6094
1.6094
1.6094
1.6094
1.6094
1.2040
1.2040
1.2040
1.2040
1.2040
0.9163
0.9163
0.9163
0.9163
0.6931
0.6931
-
3.7059
3.7059
3.7059
3.7059
1.1032
2.7722
2.7722
2.7722
2.7722
0.3268
0.8022
0.8396
2.1098
1.5960
1.1156
1.1762
0.1609
0.1609
0.1609
0.1609
0.1609
0.4816
0.1204
0.1204
0.1204
0.1204
0.6414
2.1991
0.3665
0.0916
0.0693
0.1386
-
0.3
0.6
0.1
0.7
5.9
1.2
0.6433
0.4433
0.6433
5.1567
7.0
1.2
6.2567
1.3
1.3
0.5567
0.1
1.4
0.1
1.4
0.1
1.4
0.1
1.4
0.1
1.4
0.1
1.4
1.0
1.5
0.6433
0.6433
0.6433
0.6433
0.6433
0.6433
0.2567
0.3
1.5
1.5
1.6
0.1
1.6
0.1
1.6
0.4433
0.7367
0.6433
-
2.0044
2.0044
1.9044
1.4044
1.4044
1.3044
1.2044
1.2044
1.2044
1.2044
1.2044
1.2044
1.1044
1.1044
1.0044
1.0044
-
0.1965
4.0175
0.8886
0.1800
0.0900
0.4139
3.6266
1.2251
0.0700
0.0100
26.5912
1.9723
-7.2419
7.0800
39.1459
1.9723
-8.7867
8.4000
0.3099
1.7014
-0.7261
1.6900
34.810
0
49.000
0
1.6900
0.4139
1.4505
0.7748
0.1400
0.0100
0.4139
1.4505
0.7748
0.1400
0.0100
0.4139
1.4505
0.7748
0.1400
0.0100
0.4139
1.4505
0.7748
0.1400
0.0100
0.4139
1.4505
0.7748
0.1400
0.0100
0.4139
1.4505
0.7748
0.1400
0.0100
0.0659
1.2196
-0.2835
1.5000
1.0000
0.1965
1.2196
0.4896
0.4500
0.0900
0.5427
1.0088
-0.7399
2.3680
2.1904
0.4139
1.0088
0.6461
0.1600
0.0100
0.4139
1.0088
0.6461
0.1600
0.0100
2.3026
1.2040
2.3026
1.7750
3.1505
0.5108
0.5108
0.3567
0.1823
0.3236
0.0511
0.1532
0.0357
1.0757
1.9459
3.7866
0.1823
0.3548
1.2763
0.2624
0.0688
0.2624
0.0688
0.3411
2.3026
2.3026
2.3026
2.3026
2.3026
2.3026
0.0000
5.3019
0.3365
0.0336
5.3019
0.3365
5.3019
0.3365
5.3019
0.3365
5.3019
0.3365
5.3019
0.3365
0.0000
0.4055
0.7748
0.7748
0.7748
0.7748
0.7748
0.7748
0.0000
1.2040
0.3920
1.4496
0.4055
0.1216
0.1537
0.4700
0.4882
0.1843
2.3026
-
5.3019
0.4700
0.0470
5.3019
0.4700
1.0822
-
1.4496
5.3019
0.6150
0.8213
0.0336
0.0336
0.0336
0.0336
0.0336
0.4055
0.6956
0.0470
0.6433
0.6433
1.9567
0.1
1.6
2.7
2.4
0.1
2.9
0.1
3.6
0.7
3.8
0.2
6.0
1.4
7.6
0.6433
0.6433
0.0433
0.5433
0.6567
1.2
0.9
8.2
8.8
0.7
9.0
0.6
9.2
1.9
1.0044
1.0044
0.2044
0.2956
0.4139
1.0088
0.6461
0.1600
0.0100
3.8285
0.0418
-0.3999
6.4800
7.2900
0.4139
0.0874
-0.1902
0.2900
0.0100
0.9956
0.4139
0.9913
-0.6405
0.3600
0.0100
1.1956
0.0019
1.4295
-0.0518
2.6600
0.4900
3.3956
0.2952
11.5303
-1.8450
1.2000
0.0400
4.9956
0.4312
24.9563
3.2805
1.9600
0.4567
0.1567
5.5956
6.1956
0.2085
0.0245
31.3110
38.3858
2.5553
0.9706
10.640
0
9.8400
7.9200
6.3956
0.0019
40.9040
-0.2771
6.3000
0.4900
6.5956
0.0205
43.5023
-0.9454
5.5200
0.3600
16.6
0.0433
0.1433
1.1567
1.3379
195.8775
16.1883
1.4
18.3
0.6567
0.4312
246.3526
10.3068
35.68
00
125.
01
0.0000
13.995
6
15.695
6
0.0000
87.6683
764.6072
40.5049
31.540
0
25.620
0
133.42
90
0.743
3
2.60
44
0.0000
0.0000
1.8264
15.9293
0.8439
2.7798
2.3790
2.3026
2.3026
0.9933
5.3019
0.4700
0.9865
0.8755
2.3026
2.3026
0.3567
1.6094
0.3365
5.3019
1.0647
5.3019
1.2809
0.1272
1.3350
2.5903
1.7918
0.1132
2.0281
0.0332
0.0111
2.1041
2.1748
0.1272
2.1972
0.2609
2.2192
3.6100
0.1823
0.1054
0.3567
0.5108
0.6419
0.4120
1.9600
0.3365
114.19
04
61.271
7
1.2765
1.4400
0.8100
1.0822
1.0822
0.8696
0.0470
2.3638
2.4516
2.9495
0.4762
2.8837
0.6824
0.1065
2.5250
1.9573
2.8094
0.3836
0.2291
0.7837
1.1336
1.8032
0.1132
2.9069
0.9781
4.0697
157.84
61
0.7198
40.783
1
21.543
3
3.2885
0.0150
0.8496
0.4488
0.1281
0.9345
0.3584
2.8394
1.5381
1.3315
5.3379
CONTAR
48
COVARIANZA
MEDIA X
MEDIA Y
VARIANZA X
VARIANZA Y
MEDIA XY
MEDIA X2
STD X
STD Y
r
0.8438521 0.8439
0.7433333
2.604375
1.8264222
15.929316
2.7797708
2.3790
1.3514519
3.9911548
0.156447
0.0244757
a1
0.6244041
Cu
0.1000
0.1000
0.1000
0.1000
0.1000
0.1000
0.1000
0.1000
0.1000
0.1000
0.1000
0.1000
0.1000
0.1000
0.1000
0.1000
0.1000
0.1000
0.1000
0.1000
0.1000
0.1000
0.1000
0.1000
0.1000
0.1000
0.2000
0.2000
S
0.0100
0.1000
0.2000
0.2000
0.2000
0.2000
0.2000
0.3000
0.3000
0.3000
0.3000
0.4000
0.5000
0.6000
0.7000
1.4000
1.4000
1.4000
1.4000
1.4000
1.4000
1.6000
1.6000
1.6000
2.9000
3.6000
0.5000
6.0000
0.3000
0.3000
0.4000
0.4000
0.6000
0.7000
0.7000
0.7000
0.9000
1.0000
1.2000
1.3000
1.4000
1.4000
1.4800
1.9000
2.4000
2.7000
5.9000
7.0000
0.6000
1.5000
0.3000
0.4000
9.2000
0.4000
3.8000
9.0000
8.8000
1.5000
8.2000
1.3000
7.6000
18.3000
1.6000
16.6000
0.4000
2.4000
1.2000
1.2000
RESULTADO
CONCLUSIONES