4.

3 REGRESIN POR MNIMOS

CUADRADOS: LINEAL Y
CUADRTICA.

La dependencia entre dos (o ms) variables puede ser tal que se base en una relacin
velocidad y la distancia recorrida por un mvil; o puede ser estadstica. La dependenc
conocidos los valores de la (las) variable (variables) independiente(s) no puede deter
aunque si se puede llegar a determinar un cierto comportamiento (global) de la mism
los individuos de una poblacin es una relacin estadstica) .

Pues bien, el anlisis de la dependencia estadstica admite dos planteamientos (aunqu

El estudio del grado de dependencia existente entre las variables que queda recogido

La determinacin de la estructura de dependencia que mejor exprese la relacin, lo qu

Una vez determinada la estructura de esta dependencia la finalidad ltima de la regre

Y en un individuo del que conocemos que toma un determinado valor para la variable

En el caso bidimensional, dadas dos variables X e Y con una distribucin conjunta de f

( Y/X) a una funcin que explique la variable Y para cada valor de X, y llamaremos reg
variable X para cada valor de Y.(Hay que llamar la atencin, como se ver ms adelan
coincidir).

MTODO DE CUADRADOS MNIMOS REG

Hemos enfatizado sobre la importancia de las representaciones grficas y hemos visto

Y) junto a las distintas maneras de llevar a cabo la linealizacin. A menudo nos confron
existe una relacin lineal entre las variables X e Y.
Surge de modo natural la pregunta: cul es la relacin analtica que mejor se ajusta
procedimiento general que nos permite responder esta pregunta. Cuando la relacin
cuadrados mnimos se denomina tambin mtodo de regresin lineal.
Observamos o suponemos una tendencia lineal entre las variables y nos preguntamos
y(x) = a x + b
Que representa este caso de inters. Es til definir la funcin:

Que es una medida de la desviacin total de los valores observados yi respecto de los
valores de la pendiente a y la ordenada al origen b son aquellos que minimizan esta de
la Ec.(1) minimizan la funcinc2. Ec.(2). Los parmetros a y b pueden obtenerse usand
diferencial. Aplicando estas tcnicas, el problema de minimizacin se reduce al de reso

Actualmente, la mayora de los programas de anlisis de datos y planillas de clculo, r

dan los resultados de los mejores valores de a y b, o sea los valores indicados por las e

Grfico
de
representa
la
el modelo y(x).

datos
asociados
desviacin
de

a
cada

un
modelo
observacin
de

l
y

El criterio de mnimos cuadrados reemplaza el juicio personal de quien mire los grfic

Excel, se realiza usando la herramienta regresin lineal o ajuste lineal. Los resulta
la variable dependiente tienen la misma incertidumbre absoluta y la incertidumbre de

REGRESIN MNIMO-CUADR

Consiste en explicar una de las variables en funcin de la otra a travs de un determi

de forma que la funcin de regresin se obtiene ajustando las observaciones a la fun
(M.C.O.).

Elegido el tipo de funcin ( ) la funcin de regresin concreta se obtendr minimizand

(yj - (xi ) ) 2. nij en el caso de la regresin de Y/X

(xi - (yj ) ) 2. nij en el caso de la regresin de X/Y

Puede probarse que es equivalente ajustar por mnimos cuadrados la totalidad de la

ajuste de los puntos obtenidos por la regresin de la media; de forma que la reg
consecucin de una expresin analtica operativa para la regresin en sentido estricto.
Coeficientes de regresin.
Se llama coeficiente de regresin a la pendiente de la recta de regresin:
en la regresin Y/X : b = Sxy / Sx2
en la regresin X/Y b' = Sxy / Sy2

El signo de ambos coincidir con el de la covarianza, indicndonos la tendencia (dire

que b.b'= r2

BONDAD DEL AJUSTE (Varianza residual, varianza de la regresin y coeficient

Por bondad del ajuste hay que entender el grado de acoplamiento que existe entre los
la regresin. Obviamente cuanto mejor sea el ajuste, ms til ser la regresin a la pre

Obtener indicadores de esta bondad de ajuste es fundamental a la hora de optar por u

Puesto que la media de los residuos se anula, el primer indicador de la bondad del aj

medio, o varianza del residuo, o varianza residual :

Considerando la regresin Y/X:

Que ser una cantidad mayor o igual que cero.De forma que cuanto ms baja se
vale cero el ajuste ser perfecto (ya que no existir ningn error ).

Del hecho de que yi=y*i+ei ,y de que las variables y* e estn incorrelacionadas se t

Donde S2y* es la llamada varianza de la regresin y supone la varianza de la variab

Igualdad fundamental anterior de la que se deduce que la varianza total de la va

explicada por la regresin( la varianza de la regresin) y otra parte no explicada (la va

Considerando que la varianza nos mide la dispersin de los datos este hecho hay que
parte explicada por la regresin y en parte no.Cuanto mayor sea la proporcin de vari
el ajuste y tanto ms til la regresin.

A la proporcin de varianza explicada por la regresin se le llama coeficiente de dete

que evidentemente estar siempre comprendido entre 0 y 1 y, en consecuencia, da cu

Una consecuencia importante en la prctica es que la varianza residual ser obviamen

Es sencillo probar que en el caso lineal que nos ocupa el coeficiente de determinacin
R 2 = r2

Con lo cual la varianza residual y la varianza debida a la regresin pueden calcularse a

REGRESIN MNIMO CUADRTICA N

La regresin mnimo-cuadrtica puede plantearse de forma que la funcin de ajuste se

sera similar, aunque obviamente habra que minimizar el cuadrado de los residuos e
travs de la funcin no-lineal considerada.

Regresin parablica .Desarrollaremos someramente la regresin Y/X y debe queda

Supongamos para simplificar que los datos no estn agrupados por frecuencias.

En tal caso, obtener la funcin parablica y* = a 0+a1x+a2 x2 se llevar a cabo det

minimicen :
y (a0,a1,a2)=S (yi- (a0+a1x+a2 x2))

Igualando a cero las tres derivadas parciales se obtendr las ecuaciones normales, que

Sistema de ecuaciones del que se pueden despejar los valores de los coeficientes de re