INTRODUCCION
En este tema abordaremos el
tema de regresión lineal que a pesar de ser un método matemático nos sirve en
la estadística ya que nos permite hallar el valor esperado de una variable
aleatoria.
REGRESIÓN LINEAL
El modelo de pronóstico de
regresión lineal permite hallar el valor esperado de una variable aleatoria a
cuando b toma un valor específico. La aplicación de este método implica un
supuesto de linealidad cuando la demanda presenta un comportamiento creciente o
decreciente, por tal razón, se hace indispensable que previo a la selección de este
método exista un análisis de regresión que determine la intensidad de las
relaciones entre las variables que componen el modelo.
La regresión lineal nos
permite calcular el valor de estos dos parámetros, definiendo la recta que
mejor se ajusta a esta nube de puntos.
La regresión nos permite
además, determinar el grado de dependencia de las series de valores X e Y,
prediciendo el valor y estimado que se obtendría para un valor x que no esté en
la distribución.
El análisis de regresión es
una técnica estadística para investigar la relación funcional entre dos o más
variables, ajustando algún modelo matemático. La regresión lineal simple
utiliza una sola variable de regresión y el caso más sencillo es el modelo de
línea recta. Supóngase que se tiene un conjunto de n pares de observaciones
(xi,yi), se busca encontrar una recta que describa de la mejor manera cada uno
de esos pares observados.
Se considera que la variable
X es la variable independiente o regresiva y se mide sin error, mientras que Y
es la variable respuesta para cada valor específico xi de X; y además Y es una
variable aleatoria con alguna función de densidad para cada nivel de X.
El análisis de regresión es
una de las técnicas estadísticas la cual se utiliza en la investigación al
relacionar entre dos o más variables, una de sus utilizaciones está en la
construcción de modelos que permitan predecir el comportamiento de una variable
Y (dependiente, respuesta) en función de una o más variables (independientes,
predictivas) X.
El comportamiento de estas
variables suelen definirse de manera previa lo que nos remite a un modelo
teórico, o bien, se tiene el caso de que no exista una relación establecida
entre estas y sea necesario establecer una primera aproximación del
comportamiento de las mismas.
Lo anterior se puede lograr
usando una herramienta gráfica denominada diagrama de dispersión lo que nos
conduciría a desarrollar un modelo empírico de la relación que mantienen las
variables en estudio.
Ventajas
ü Es
objetivo, solo depende de los resultados experimentales.
ü Es
reproducible, proporciona la misma ecuación no importa de quien realice el
análisis.
ü Proporciona
una estimación probabilística de la ecuación que representa a unos datos
experimentales.
ü Proporciona
intervalos pequeños de error.
ü Restricciones
ü Solo
sirve para ajustar modelos lineales
ü Requiere
tener al menos diez mediciones bajo las mismas circunstancias experimentales.
ü Se
requiere de algún equipo de cálculo, de lo contrario, es muy engorroso el
procesamiento de la información
Como podemos notar la regresión
lineal nos permite ver la relación entre dos variable tanto en forma creciente como en dcreciente,
e l análisis de regresión es una técnica estadística para investigar la
relación funcional entre dos o más variables, ajustando algún modelo
matemático. La regresión lineal simple utiliza una sola variable de regresión y
el caso más sencillo es el modelo de línea recta. Supóngase que se tiene un
conjunto de n pares de observaciones (xi,yi), se busca encontrar una recta que
describa de la mejor manera cada uno de esos pares observados.
BIBLIOGRAFIA
No hay comentarios:
Publicar un comentario