Escolar Documentos
Profissional Documentos
Cultura Documentos
TEMARIO
U
II
INTRODUCCION
El trmino "regresin" fue acuado por Sir Francis Galton (1822-1911),
primo de Charles Darwin. Galton estudiaba la eugnica, trmino tambin
introducido por s mismo para definir el estudio de la mejora de la raza humana
a partir de los caracteres hereditarios.
Galton estudi la altura de los hijos con relacin a la altura de sus
padres, y prob que la altura de hijos altos regresaba hacia la media de la
altura de la poblacin a lo largo de sucesivas generaciones. En otras palabras,
hijos de padres extraordinariamente altos tendan a ser en promedio ms
bajos que sus padres, e hijos de padres muy bajos tendan a ser en promedio
ms altos que sus padres. En la actualidad, el trmino de regresin se utiliza
siempre que se busca predecir una variable en funcin de otra, y no implica que
se est estudiando si se est produciendo una regresin a la media.
Anteriormente a Galton se debe mencionar a Legendre (1752-1833), quien
introdujo el mtodo de los mnimos cuadrados utilizndolos para definir la
longitud de 1 metro como una diez millonsima parte del arco meridional. Con
posterioridad a Galton, las propiedades de las tcnicas de regresin fueron
estudiadas por Edgeworth, Pearson y Yule.
La tcnica de regresin lineal simple est indicada cuando se pretende explicar
una variable respuesta cuantitativa en funcin de una variable explicativa
cuantitativa tambin llamada variable independiente, variable regresora o
variable predictora. Por ejemplo, se podra intentar explicar el peso en funcin
de la altura. El modelo intentara aproximar la variable respuesta mediante una
funcin lineal de la variable explicativa.
Las suposiciones que se realizan al aplicar las tcnicas de regresin lineal son:
-El modelo propuesto es lineal (es decir existe relacin entre la variable
explicativa y la variable explicada, y esta relacin es lineal). Es decir se asume
que:
var.respuesta0var. explicativa1
Siendo 0el trmino independiente (constante o intercept), 1el coeficiente
de regresin de la variable explicativa (pendiente o slope) y es una variable
aleatoria que se llama error residual.
-La variable explicativa se ha medido sin error.
-El valor esperado de del modelo es cero.
-La varianza de (y por lo tanto de la variable respuesta) es constante.
-Los son independientes entre s.
-Si se desean realizar contrastes de hiptesis sobre los parmetros
(coeficientes) o sobre el modelo, tambin es necesario que la distribucin de
sea normal.
Para estudiar la validez del modelo es necesario confirmar estas hiptesis
mediante el estudio de los residuos (valores observados - valores predichos):
normalidad, tendencias, etc. Cuando no se cumplen los criterios de aplicacin es
necesario realizar transformaciones a las variables, o bien para obtener una
relacin lineal o bien para homogeneizar la varianza.
Regresin lineal simple. Tiene como objeto estudiar cmo los cambios en una
variable, no aleatoria, afectan a una variable aleatoria, en el caso de existir una
relacin funcional entre ambas variables que puede ser establecida por una
expresin lineal, es decir, su representacin grfica es una lnea recta. Cuando
la relacin lineal concierne al valor medio o esperado de la variable aleatoria,
estamos ante un modelo de regresin lineal simple. La respuesta aleatoria al
valor x de la variable controlada se designa por Yx y, segn lo establecido, se
tendr
Estimacin de parmetros.
8 10 11
7 10 14
peso 58 42 51 54 40 39 49 56
Existe una relacin lineal importante entre ambas variables? Calcular la recta de regresin
de la edad en funcin del peso y la del peso en funcin de la edad. Calcular la bondad del
ajuste En qu medida, por trmino medio, vara el peso cada ao? En cunto aumenta la
edad por cada kilo de peso?