Scribd
Cargar
84 vistas11 páginas

Regresión Lineal Simple

La regresión lineal simple es una técnica paramétrica utilizada para predecir una variable continua dependiente en función de una variable independiente. Minimiza la distancia vertical entre los datos y una línea recta mediante el método de mínimos cuadrados, que intenta reducir la suma de los errores al cuadrado para encontrar los mejores valores de los coeficientes. El modelo de regresión lineal simple relaciona la variable dependiente Y con la independiente X a través de la ecuación Y = a + Bx + E, donde a es la ordenada al origen, B la

Cargado por

Katy Yarel Arista Carrasco
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PPTX, PDF, TXT o lee en línea desde Scribd
84 vistas11 páginas

Regresión Lineal Simple

La regresión lineal simple es una técnica paramétrica utilizada para predecir una variable continua dependiente en función de una variable independiente. Minimiza la distancia vertical entre los datos y una línea recta mediante el método de mínimos cuadrados, que intenta reducir la suma de los errores al cuadrado para encontrar los mejores valores de los coeficientes. El modelo de regresión lineal simple relaciona la variable dependiente Y con la independiente X a través de la ecuación Y = a + Bx + E, donde a es la ordenada al origen, B la

Cargado por

Katy Yarel Arista Carrasco
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PPTX, PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 11

TEMA 3.6.

INTEGRANTES:
Arista Carrasco Katy Yarel
REGRESIÓN LINEAL González Meléndez Brenda
Roldan García Paulina Audelia
SIMPLE Tecuapacho Rodríguez María
Guadalupe
HISTORI
A
La primera forma de regresión lineal documentada fue el
método de los mínimos cuadrados que fue publicada en
1805.
Gauss publicó un trabajo en donde desarrollaba de
manera más profunda el método de los mínimos cuadrados.
El término regresión se utilizó por primera vez en el
estudio de variables antropométricas.
El término lineal se emplea para distinguirlo del resto de
técnicas de regresión, que emplean modelos basados en
cualquier clase de función matemática.
REGRESIÓN LINEAL SIMPLE
Técnica paramétrica utilizada para predecir variables continuas, dependientes, dado
un conjunto de variables independientes
Es de naturaleza paramétrica porque hace ciertas suposiciones basadas en el conjunto
de datos.
Se llama simple porque solo hay una variable independiente involucrada.
Tiene por objetivo minimizar la distancia vertical entre todos los datos y nuestra
línea.
ERROR
El error es algo inevitable al momento de la predicción, no importa que tan poderoso
sea el algoritmo que elijamos, siempre habrá un error.
Sabemos que no podemos eliminar por completo el error, pero aún podemos intentar
reducirlo al nivel más bajo.
TÉCNICA DE MÍNIMOS
CUADRADOS
Intenta reducir la suma de los errores al cuadrado buscando el mejor valor posible de
los coeficientes de regresión.
Utiliza un error cuadrado que tiene buenas propiedades matemáticas.
Es fácil de analizar y computacionalmente más rápido, es decir puede aplicarse
rápidamente conjuntos de datos que tienen miles de características.
La interpretación es mucho más fácil que otras técnicas.
MODELO DE REGRESIÓN
LINEAL SIMPLE
Un modelo de regresión es un modelo que permite describir como influye una variable
X sobre otra variable Y .
X: Variable independiente o explicativa o exógena
Y: Variable dependiente o respuesta o endógena
El objetivo es obtener estimaciones razonables de Y para distintos valores de X a partir
de una muestra de n pares de valores.
La base para el uso de un modelo estadístico se relaciona con la manera en
que la variable aleatoria Y cambia con X y el componente aleatorio.
El modelo también incluye lo que se asume acerca de las propiedades
estadísticas del componente aleatorio.
La respuesta Y se relaciona con la variable independiente x a través de la
ecuación:
Y=a+Bx+E
En donde a es la ordenada en el origen (el valor que toma Y cuando X vale
0), B es la pendiente de la recta (e indica cómo cambia Y al incrementar X
en una unidad) y E una variable que incluye un conjunto grande de factores,
cada uno de los cuales influye en la respuesta sólo en pequeña magnitud, a
la que llamaremos error.
El valor x de la variable regresora no es aleatorio y, de hecho, se mide
con un error despreciable.
La cantidad , que a menudo recibe el nombre de error aleatorio o
alteración aleatoria, tiene varianza constante. Es común que a esta parte
se le denomine suposición de varianza homogénea.
Una forma razonable de relación entre la respuesta Y y el regresor x es la relación
lineal,
Y = a + B x,
Donde:
a= es la intersección
b= es la pendiente.

También podría gustarte