Você está na página 1de 7

Regresin lineal

La Regresin Lineal es un mtodo matemtico que modeliza la relacin entre una variable dependiente Y, las variables independientes Xi y un trmino aleatorio . Este modelo puede ser expresado como:

Donde 0 es la interseccin o trmino "constante", las son los parmetros respectivos a cada variable independiente, y p es el nmero de parmetros independientes a tener en cuenta en la regresin. La regresin lineal puede ser contrastada con la regresin no lineal. El modelo lineal relaciona la variable dependiente Y con K variables explicativas Xk (k = 1,...K), o cualquier transformacin de stas, que generan un hiperplano de parmetros k desconocidos: (2) donde es la perturbacin aleatoria que recoge todos aquellos factores de la realidad no controlables u observables y que por tanto se asocian con el azar, y es la que confiere al modelo su carcter estocstico. En el caso ms sencillo, con una sola variable explicativa, el hiperplano es una recta: .(3) El problema de la regresin consiste en elegir unos valores determinados para los parmetros desconocidos k, de modo que la ecuacin quede completamente especificada. Para ello se necesita un conjunto de observaciones. En una observacin cualquiera i-sima (i= 1,... I) se registra el comportamiento simultneo de la variable dependiente y las variables explicativas (las perturbaciones aleatorias se suponen no observables). ..(4) Los valores escogidos como estimadores de los parmetros, , son los coeficientes de regresin, sin que se pueda garantizar que coinciden con parmetros reales del proceso generador. Por tanto, en ..(5)

Carolina Ramrez Arias

I.Q 502

Mtodos Numricos

Los valores

son por su parte estimaciones de la perturbacin aleatoria o errores.

Para poder crear un modelo de regresin lineal, es necesario que se cumpla con los siguientes supuestos:3 La relacin entre las variables es lineal. Los errores en la medicin de las variables explicativas son independientes entre s. Los errores tienen varianza constante. (Homocedasticidad) Los errores tienen una esperanza matemtica igual a cero (los errores de una misma magnitud y distinto signo son equiprobables). El error total es la suma de todos los errores.

Regresin lineal simple Slo se maneja una variable independiente, por lo que slo cuenta con dos parmetros. Son de la forma:4 .(6) Donde que es el error asociado a la medicin del valor Xi y siguen los supuestos de modo (media cero, varianza constante e igual a un y con ).

Regresin lineal mltiple La regresin lineal nos permite trabajar con una variable a nivel de intervalo o razn, as tambin se puede comprender la relacin de dos o ms variables y nos permitir relacionar mediante ecuaciones, una variable en relacin a otras variables llamndose Regresin mltiple. Constantemente en la prctica de la investigacin estadstica, se encuentran variables que de alguna manera estn relacionados entre si, por lo que es posible que una de las variables puedan relacionarse matemticamente en funcin de otra u otras variables. Maneja varias variables independientes. Cuenta con varios parmetros. Se expresan de la forma:6 (13) Donde que es el error asociado a la medicin i del valor Xip y siguen los supuestos de modo (media cero, varianza constante e igual a un y con ).

Carolina Ramrez Arias

I.Q 502

Mtodos Numricos

Regresin polinomial
Regresin polinomial simple. Podemos verla como otra generalizacin de la regresin lineal simple, o como un caso particular de regresin lineal mltiple. Un solo carcter es explicativo. las funciones son los polinomios de grado .

Se puede considerar que los carcteres son explicativos para as situarnos en el caso precedente. Para un mismo conjunto de datos, si se aumenta , el error cuadrtico disminuir, hasta anularse cuando sobrepase a . Si es demasiado grande, la regresin no ser significativa. En la prctica es raro que una regresin polinomial vaya ms all del grado . Regresin polinomial mltiple. Cuando varios carcteres son explicativos se puede an realizar una regresin sobre una familia de polinomios en los diferentes carcteres, con grado fijo. Los trminos que hacen intervenir productos del tipo sern interpretados como trminos de interaccin entre los carcteres explicativos. En la prctica, uno se limita a polinomios de grado o . Presentamos para dos carcteres explicativos y , los modelos ms frecuentemente utilizados.

Modelo de orden

, sin interaccin:

Modelo de orden

, sin interaccin:

Modelo de orden

, con interaccin:

Modelo de orden

, con interaccin:

Carolina Ramrez Arias

I.Q 502

Mtodos Numricos

Interpolacin por polinomios de Newton


Se dispone de varios mtodos generales de interpolacin polinmica que permiten aproximar una funcin por un polinomio de grado m. El primero de estos polinomios es el mtodo de las diferencias divididas de Newton. Otro de los mtodos es la interpolacin de Lagrange, y por ltimo, la interpolacin de Hermite.

Mtodo de las diferencias divididas de Newton Sea una variable discreta de elementos y sea otra variable discreta de elementos los cuales corresponden, por parejas, a la imagen u ordenada y abcisa de los datos que se quieran interpolar, respectivamente, tales que:

Este mtodo es muy algortmico y resulta sumamente cmodo en determinados casos, sobre todo cuando se quiere calcular un polinomio interpolador de grado elevado. El polinomio de grado resultante tendr la forma

definiendo

como

y definiendo

como

Los coeficientes

son las llamadas diferencias divididas.

Una vez se hayan realizado todos los clculos, ntese que hay (muchas) ms diferencias divididas que coeficientes . El clculo de todos los trminos intermedios debe realizarse simplemente porque son necesarios para poder formar todos los trminos finales. Sin embargo, los trminos usados en la construccin del polinomio interpolador son todos aquellos que involucren a . Estos coeficientes se calculan mediante los datos que se conocen de la funcin Queda definido, como: .

Carolina Ramrez Arias

I.Q 502

Mtodos Numricos

Carolina Ramrez Arias

I.Q 502

Mtodos Numricos

Interpolacin de Lagrange.
Este mtodo es el ms explcito para probar existencia de solucin ya que la construye. Sin embargo su utilidad se reduce a eso: a dar una respuesta formal y razonada, pues no es eficiente en trminos de clculo (requiere muchas operaciones y tiene limitaciones tcnicas que despus nombraremos). Para calcular el polinomio interpolador P(x) asociado a una tabla de datos (xi, fi) con i = 0, . . . , n podemos plantearnos una simplificacin previa: qu ocurre si construimos polinomios li(x) de grado n que valgan 1 en el nodo xi y 0 en el resto?

Es inmediato que con esto se resuelve el problema original, tomando la suma de esos n + 1 Polinomios de grado n (con coeficientes adecuados): ( ) ( ). Es posible encontrar tales li(x)? Si damos el polinomio factorizado para que tenga en cada nodo ( ) una raz, el candidato es
( )( ) ( )( ) ( ) ( )

Lo nico que no conseguimos es que en xi valga 1, para ello hay que normalizar la funcin anterior. As, finalmente la frmula de interpolacin de Lagrange es: ( ) ( ) ( )

Los polinomios

( ) reciben el nombre de polinomios de Lagrange.

Carolina Ramrez Arias

I.Q 502

Mtodos Numricos

Bibliografa
http://es.wikipedia.org/wiki/Regresi%C3%B3n_lineal http://ljk.imag.fr/membres/Bernard.Ycart/emel/cours/sd/node15.html http://www.uhu.es/03006/ficheros/Temas/forcal3.pdf http://es.wikipedia.org/wiki/Interpolaci%C3%B3n_polin%C3%B3mica

Carolina Ramrez Arias

I.Q 502

Mtodos Numricos