Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 213 vistas

    Regresion Lineal

    Cargado por

    Dafne Flores
    1. El documento habla sobre regresión lineal simple, regresión lineal múltiple y regresión no lineal. 2. Explica que la regresión lineal predice valores para una variable dependiente basada en una o más variables independientes usando una línea recta. 3. La regresión lineal múltiple usa dos o más variables independientes, mientras que la simple usa una sola variable.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Regresion Lineal

    Cargado por

    Dafne Flores
    213 vistas5 páginas
    1. El documento habla sobre regresión lineal simple, regresión lineal múltiple y regresión no lineal. 2. Explica que la regresión lineal predice valores para una variable dependiente basada en una o más variables independientes usando una línea recta. 3. La regresión lineal múltiple usa dos o más variables independientes, mientras que la simple usa una sola variable.

    Descripción original:

    REGRESION LINEAL ESTADSTICA

    Título original

    REGRESION LINEAL-

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    1. El documento habla sobre regresión lineal simple, regresión lineal múltiple y regresión no lineal. 2. Explica que la regresión lineal predice valores para una variable dependiente basada en una o más variables independientes usando una línea recta. 3. La regresión lineal múltiple usa dos o más variables independientes, mientras que la simple usa una sola variable.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    213 vistas5 páginas

    Regresion Lineal

    Cargado por

    Dafne Flores
    1. El documento habla sobre regresión lineal simple, regresión lineal múltiple y regresión no lineal. 2. Explica que la regresión lineal predice valores para una variable dependiente basada en una o más variables independientes usando una línea recta. 3. La regresión lineal múltiple usa dos o más variables independientes, mientras que la simple usa una sola variable.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    Está en la página 1de 5

    TECNOLÓGICO NACIONAL DE MÉXICO

    INSTITUTO TECNOLÓGICO DE NUEVO LEÓN

    SUBDIRECCIÓN ACADÉMICA
    DEPARTAMENTO DE EDUCACIÓN A DISTANCIA
    INGENIERÍA EN GESTION EMPRESARIAL

    ESTADISTICA INFERENCIAL II

    TEMA #2

    INVESTIGACION

    Catedrático.
    ROCIO SALAZAR

    Presenta:
    ISAI GILBERTO GONZALEZ MARROQUIN 19481082

    Cd. Guadalupe, Nuevo León; a 22/02/2022


    REGRESION LINEAL

    Regresión lineal. Permite 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.

    Tipos de Modelos de Regresión Lineal

    • Regresión lineal simple


    La regresión lineal simple se basa en estudiar los cambios en una
    variable, no aleatoria, afectan a una variable aleatoria, en el caso de
    existir una relación funcional entre ambas variables que puede ser
    establecida por una expresión lineal, es decir, su representación
    gráfica es una línea recta. Es decir, se está en presencia de una
    regresión lineal simple cuando una variable independiente ejerce
    influencia sobre otra variable dependiente.
    Ejemplo: Y = f(x)

    • Regresión lineal múltiple

    La regresión lineal permite trabajar con una variable a nivel de


    intervalo o razón, así también se puede comprender la relación de
    dos o más variables y permitirá relacionar mediante ecuaciones, una
    variable en relación a otras variables llamándose Regresión múltiple.
    O sea, la regresión lineal múltiple es cuando dos o más variables
    independientes influyen sobre una variable dependiente.
    Ejemplo: Y = f(x, w, z)

    CARACTERISTICAS

    Las principales características del modelo son las siguientes:

    1. Su esperanza matemática nula: E (εi) = 0. Para cada valor de X la


    perturbación tomará distintos valores de forma aleatoria, pero no
    tomará sistemáticamente valores positivos o negativos, sino que se
    supone que tomará algunos valores mayores que cero y otros
    menores, de tal forma que su valor esperado sea cero.
    2. Homocedasticidad: Todos los términos de la perturbación tienen la
    misma varianza que es desconocida. La dispersión de cada ε en
    torno a su valor esperado es siempre la misma.

    3. Incorrelación: Cov(εt,εs) = (εt − Eεt)(εs − Eεs) = Eεtεs = 0. Las


    covarianzas entre las distintas pertubaciones son nulas, lo que
    quiere decir que no están correlacionadas o auto correlacionadas.
    Esto implica que el valor de la perturbación para cualquier
    observación muestral no viene influenciado por los valores de la
    perturbación correspondientes a otras observaciones muéstrales.

    4. Regresores no estocásticos.

    5. No existen relaciones lineales exactas entre los regresores.

    6. T > k + 1 Suponemos que no existen errores de especificación en


    el modelo ni errores de medida en las variables explicativas.

    7. Normalidad de las perturbaciones ε − > N(0,σ2)

    DIFERENCIAS ENTRE REGRESION LINEAL


    SIMPLE Y REGRESION LINEAL MULTIPLE

    Se le llama regresión lineal simple. Establece la relación entre dos


    variables mediante una línea recta. ... Si dos o más variables
    explicativas tienen una relación lineal con la variable dependiente, la
    regresión se denomina regresión lineal múltiple. Adjunto
    información en tabla hasta abajo

    Regresion No lineal simple

    Regresión no lineal es un método para encontrar un modelo no lineal


    para la relación entre la variable dependiente y un conjunto de
    variables independientes. A diferencia de la regresión lineal
    tradicional, que está restringida a la estimación de modelos lineales,
    la regresión no lineal puede estimar modelos con relaciones
    arbitrarias entre las variables independientes y las dependientes. Esto
    se lleva a cabo usando algoritmos de estimación iterativos. Tenga en
    cuenta que este procedimiento no es necesario para los modelos
    polinómicos simples de la forma Y = A + BX**2. Definiendo W = X**2,
    obtenemos un modelo lineal simple, Y = A + BW, que se puede
    estimar usando métodos tradicionales como el procedimiento
    Regresión lineal.

    Un modelo de regresión no lineal es una ecuación que describe la


    relación no lineal entre la variable respuesta y la variable predictora
    cuando esta no puede ser formada adecuadamente mediante una
    relación lineal, es decir, se utilizan cuando los datos no se ajustan a
    la recta de mejor ajuste tanto como el investigador

    Tipo Caracteristicas Diferencia


    Regresión lineal Trata de explicar la Establece la
    simple relación que existe relación entre dos
    entre una variable variables usando una
    dependiente (variable línea recta
    respuesta) Y un
    conjunto de variables
    independientes
    (variables
    explicativas) X1,...,
    Xn.
    Regresión lineal identifica que Si dos o más
    múltiple variables variables explicativas
    independientes tienen una relación
    (causas) explican lineal con la variable
    una variable dependiente la
    dependiente regresión se
    (resultado) denomina regresión
    Compara y lineal múltiple.
    comprueba modelos
    explicativos
    Regresión no lineal Si existe una variable
    categórica se debe
    de usar variables
    Dummy, las cuales
    sustituirían las
    variables categóricas
    por los números 0 y
    1.

    También podría gustarte