CAPITULO I

REGRESON
1.1.

DEFINICIN MATEMTICA

Dada una nube de puntos

( X 0 , Y 0 ) , ( X 1 ,Y 1 ) , ( X 2 , Y 2 ) ( X n , Y n )

debo de

encontrar una curva que se ajuste aproximadamente a dicha nube de

puntos.

El Mtodo ms simple de ajustar una curva es trazar sus puntos y

unirlos con una lnea recta.
Pero los resultados dependen de la precisin de quien traza la curva. Un
buen ajuste de curvas se logra cuando el coeficiente de correlacin es
muy cercano a 1.
Los mtodos a describir son:

Regresin Lineal

Regresin Polinomial

Regresin Lineal Mltiple

1.2.
El

REGRESIN LINEAL POR LA TCNICA DE MNIMOS CUADRADOS

mtodo

consiste

en

encontrar

una

lnea

recta

que

pasa

aproximadamente por un conjunto de puntos en el plano, de tal manera

que la suma de los cuadrados residuales que se dan entre dichos puntos
y la lnea recta se minimice.
La expresin de una lnea recta es:
Y =a0 +a1 X

Pero la recta a trazar va a generar un

error

ei

, quedando definido como la

diferencia entre el valor real y el valor

aproximado
e i=Y iY^ i

La mejor estrategia a emplear para obtener una buen ajuste de curva es

minimizando la suma de los cuadrados residuales.
S r ( a 0 , a1 ) =e 12 + e22 +e 32+ +e n2

Y i a0a1 X i

S r ( a 0 , a1 ) =
i=1

La funcin suma de los cuadrados residuales se minimiza cuando los

a0

valores de

a1

son los puntos crticos de dicha funcin. Se

determina los puntos crticos de la funcin

SR

encontrando sus

derivadas parciales e igualando a cero.

( Y ia 0a 1 X i )=0
n
Sr
=2
a0
i=1

( Y ia 0a 1 X i ) X i=0
n
Sr
=2
a0
i=1

i=1

i=1

i=1

a0 n+ a1 X i= Y i ( X i)

i=1

i=1

i=1

a0 X i + a1 X i2= Y iX i (n)

Estas se llaman ecuaciones normales, y se resuelven en forma

simultnea.
n

Yi
a0 =

i=1

a1 X i

i=1

a0 =Y a 1 X

i=1

i=1

i=1

i=1

a0 n X i + a1 ( X i ) = Y i X i

i=1

i=1

a0 n X ia1 n X i =n Y iX i

i=1

i=1

i=1

i=1

i=1

a1 ( X i) a1 n X i2= X i Y in X iY i
i=1

X i Y i n X iY i

a1= i=1

i=1

i=1
n

( X i ) n X i2
i=1

i=1

i=1
n

i =1

n X iY i X i Y i
a1=

i=1

n X i2( X i)
i=1

1.2.1.

i=1

CUANTIFICACIN DEL ERROR EN LA REGRESIN LINEAL

a) ERROR ESTNDAR DE LA ESTIMACIN

Cuantifica la dispersin alrededor de la lnea de regresin:

SY / X=

Donde

Sr
n2

Sr

es la suma de los cuadrados residuales alrededor de la

lnea recta. El subndice

predicho de

Y/X

designa que el error es para un valor

Y correspondiente a un valor particular de

X .

Tambin observe que ahora dividimos entre

usaron dos datos estimados

(a0 y a1 )

n2

debido a que se

b) DESVIACIN ESTNDAR ORIGINAL

Cuantifica la dispersin alrededor de la media.

St
n1

Donde

St

SY =

media y

es la suma de los cuadrados residuales alrededor de la

n1

la diferencia entre el nmero de puntos tomados para

la regresin y el grado de la curva que se requiere ajustar.

FIGURA. Datos de regresin que muestran a) la dispersin de

los datos alrededor de la media de la variable dependiente y b)
la dispersin de los datos alrededor de la lnea de mejor ajuste.
c) COEFICIENTE DE DETERMINACIN

r 2=

S t S r
St

Donde

se conoce como el coeficiente de determinacin y

coeficiente de correlacin

( r 2) . En un ajuste perfecto,

es el

S r =0

r=r 2=1 , significa que la lnea explica el 100% de la variabilidad de los

2
datos. Si r=r =0 ,

S r =S t

el ajuste no representa alguna mejora.

COEFICIENTE DE CORRELACIN

r=

S t S r
St

Una representacin alternativa para

implementarse en una computadora es:

Xi

Yi

2
n X i2

n X i Y i X i Y i
r=

que es ms conveniente para

CAPITULO II
INTERPOLACIN
1.3.

DEFINICIN MATEMTICA
Dada una nube de puntos

( X 0 , Y 0 ) , ( X 1 ,Y 1 ) , ( X 2 , Y 2 ) ( X n , Y n ) debo de

encontrar una curva que pase por todos los puntos a dicha nube.

El mtodo ms comn que se usa para este propsito es la

interpolacin polinomial.
Existen diversas formas matemticas en la que podemos expresar
este polinomio, pero solo mencionaremos los siguientes mtodos:
Interpolacin de Newton
Interpolacin de Lagrange

2.1

INTERPOLACIN DE NEWTON
Consiste en determinar el nico polinomio de n-simo orden que
se ajusta a los n+1 puntos dados. Este polinomio proporciona una
frmula para calcular los valores intermedios.
El polinomio de n-simo grado es:
Pn ( x )=a0 +a1 x+ a2 x 2 ++ an xn
El objetivo es encontrar los coeficientes

a0 , a1 , a2 , ,a n

2.2

INTERPOLACIN DE LAGRANGE