Act.1 INVESTIGACIÓN 1 - MORALES ESPINOSA JUAN CARLOS

Instituto Tecnológico de Tuxtla Gutiérrez
INSTITUTO TECNOLÓGICO DE TUXTLA GUTIÉRREZ

INGENÍERÍA BIOQUÍMICA
ESTADISTICA I
Proyecto
INVESTIGACIÓN I
Presenta
MORALES ESPINOSA JUAN CARLOS
ASESOR
GILBERT FRANCIS PEREZ GARCIA
TUXTLA GUTIÉRREZ, CHIAPAS, MÉXICO 11 NOVIEMBRE 2021

REGRESIÓN LINEAL
La regresión lineal es una técnica de modelado estadístico que se
emplea para describir una variable de respuesta continua como
una función de una o varias variables predictoras. Puede ayudar
a comprender y predecir el comportamiento de sistemas
complejos o a analizar datos experimentales, financieros y
biológicos.
Las técnicas de regresión lineal permiten crear un modelo lineal.

Este modelo describe la relación entre una variable dependiente
yy (también conocida como la respuesta) como una función de
una o varias variables independientes XiXi (denominadas
predictores). La ecuación general correspondiente a un modelo
de regresión lineal es:
Y=β0+∑ βiXi+ϵiY=β0+∑ βiXi+ϵi
donde ββ representa las estimaciones de parámetros li neales que

se deben calcular y ϵϵ representa los términos de error.
La regresión lineal cuenta con ciertas características ideales para

las siguientes aplicaciones:
• Predicción o pronóstico: utilice un modelo de regresión para

crear un modelo de pronóstico para un conjunto de datos
específico. A partir de la moda, puede u sar la regresión para
predecir valores de respuesta donde solo se conocen los
predictores.
• Fuerza de la regresión: utilice un modelo de regresión para

determinar si existe una relación entre una variable y un predictor,
y cuán estrecha es esta relación.

Hemos usado una regresión lineal para encontrar los parámetros
de la línea que minimiza el error de los datos que tenemos. El
proceso de aprendizaje consiste en estimar los parámetros w y b.
Así nos queda que, para estos datos, los mejores valores son:
w= 0.0918 \\ b = 1.2859w=0.0918b=1.2859
así que nos queda:
y = 0.0918x + 1.2859y=0.0918x+1.2859
Podemos usar este modelo de regresión lineal para estimar cuáles

serán los resultados para otros valores de x. Por ejemplo, si
queremos saber el resultado para x = 5, usaremos el modelo
anterior y veremos que el resultado es 1.7449:
y = 0.0918 \cdotp 5 + 1.2859 = 1.7449y=0.0918⋅5+1.2859=1.7449

REGRESIÓN MULTIPLE
La regresión lineal múltiple permite generar un modelo lineal en el que el
valor de la variable dependiente o respuesta (Y) se determina a partir de
un conjunto de variables independientes llamadas predictores (X1, X2,
X3…). Es una extensión de la regresión lineal simple, por lo que es
fundamental comprender esta última. Los modelos de regresión múltiple
pueden emplearse para predecir el valor de la variable dependiente o
para evaluar la influencia que tienen los predictores sobre ella (esto último
se debe que analizar con cautela para no malinterpretar causa-efecto).
Los modelos lineales múltiples siguen la siguiente ecuación:

Yi=(β0+β1X1i+β2X2i+⋯+βnXni) +ei
• β0: es la ordenada en el origen, el valor de la variable dependiente Y

cuando todos los predictores son cero.
• βi: es el efecto promedio que tiene el incremento en una unidad de

la variable predictora Xi sobre la variable dependiente Y, manteniéndose
constantes el resto de variables. Se conocen como coeficientes parciales
de regresión.
• ei: es el residuo o error, la diferencia entre el valor observado y el

estimado por el modelo.
Es importante tener en cuenta que la magnitud de cada coeficiente

parcial de regresión depende de las unidades en las que se mida la
variable predictora a la que corresponde, por lo que su magnitud no está
asociada con la importancia de cada predictor. Para poder determinar
qué impacto tienen en el modelo cada una de las variables, se emplean
los coeficientes parciales estandarizados, que se obtienen al estandarizar
(sustraer la media y dividir entre la desviación estándar) las variables
predictoras previo ajuste del modelo.

INTERPOLACIÓN DE DATOS
En el subcampo matemático del análisis numérico, se
denomina interpolación a obtención de nuevos puntos partiendo del
conocimiento de un conjunto de puntos.
En ingeniería y algunas ciencias es frecuente disponer de un cierto

número de puntos obtenidos por muestreo o a partir de un experimento y
pretender construir una función que los ajuste.
Otro problema estrechamente ligado con el de la interpolación es

la aproximación de una función complicada por una más simple. Si
tenemos una función cuyo cálculo resulta costoso, podemos partir de un
cierto número de sus valores e interpolar dichos datos construyendo una
función más simple. En general, por supuesto, no obtendremos los mismos
valores evaluando la función obtenida que si evaluamos la función
original, si bien dependiendo de las características del problema y del
método de interpolación usado la ganancia en eficiencia puede
compensar el error cometido.
En todo caso, se trata de, a partir de n parejas de puntos (xk, yk), obtener
una función f que verifique
a la que se denomina función interpolante de dichos puntos. A los

puntos xk se les llama nodos. Algunas formas de interpolación que se
utilizan con frecuencia son la interpolación lineal, la interpolación
polinómica (de la cual la anterior es un caso particular), la
interpolación por medio de spline o la interpolación polinómica de
Hermite.

Uno de los métodos de interpolación más sencillos es el lineal. En general,
en la interpolación lineal se utilizan dos puntos, (xa, ya) y (xb, yb), para
obtener un tercer punto interpolado (x, y) a partir de la siguiente fórmula:
La interpolación lineal es rápida y sencilla, pero en ciertos casos no

muy precisa.

MÉTODOS NUMÉRICOS
Los métodos numéricos son una sucesión de operaciones matemáticas
utilizadas para encontrar una solución numérica aproximada a un
problema determinado. Es decir, se trata de una serie de cálculos para
acercarnos lo más posible a una solución numérica con una precisión
razonablemente buena. Los métodos numéricos son utilizados en
ingeniería para facilitar la resolución de problemas que conllevan una
enorme cantidad de cálculos, lo que permite ahorrar tiempo. Por lo
general, los métodos numéricos se utilizan en ordenadores, dispositivos
electrónicos o software especializados en ingeniería, los cuales, ya tienen
incluidos los métodos numéricos en sus algoritmos de resolución, siendo
vitales en el área de simulación de procesos y para dar respuestas
rápidas donde una solución analítica se vuelve compleja. En este artículo
definiremos los métodos numéricos, el análisis numérico y los usos del
análisis numérico. Entendiéndose como cálculos aritméticos a las
operaciones aritméticas básicas, cálculos de funciones, consultas de
tablas de datos, etc., podemos decir entonces, que los métodos
numéricos son una lista finita de instrucciones precisas, las cuales
requieren una secuencia de operaciones algebraicas y lógicas
(algoritmo). Dichas secuencias dan como resultado una solución
aproximada a un problema determinado.
los métodos numéricos son algoritmos utilizados para resolver

operaciones matemáticas complejas mediante el uso de un programa
informático, siendo varias las razones para utilizar métodos numéricos en
vez de métodos de resolución analíticos, sin embargo, las podemos
resumir en dos razones fundamentales:
• Resolver problemas muy complejos, en los cuales no se puede hallar

una solución analítica.

• Resolver problemas con gran cantidad de cálculos, que harían casi
imposible su resolución manual

CONCEPTO DE DERIVADA
La derivada es uno de los conceptos más importante en matemáticas. La
derivada es el resultado de un límite y representa la pendiente de la recta
tangente a la gráfica de la función en un punto. Pero vayamos por partes.
La definición de derivada es la siguiente:
Podría, pues, no existir tal límite y ser la función no derivable en ese punto.
En esta primera práctica vamos a ver qué significa cada uno de los
términos que aparecen en la formula anterior.

Act.1 INVESTIGACIÓN 1 - MORALES ESPINOSA JUAN CARLOS

Cargado por

Copyright:

Formatos disponibles

Act.1 INVESTIGACIÓN 1 - MORALES ESPINOSA JUAN CARLOS

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Act.1 INVESTIGACIÓN 1 - MORALES ESPINOSA JUAN CARLOS

Cargado por

Copyright:

Formatos disponibles

Instituto Tecnológico de Tuxtla Gutiérrez

INSTITUTO TECNOLÓGICO DE TUXTLA GUTIÉRREZ

TUXTLA GUTIÉRREZ, CHIAPAS, MÉXICO 11 NOVIEMBRE 2021

Las técnicas de regresión lineal permiten crear un modelo lineal.

Y=β0+∑ βiXi+ϵiY=β0+∑ βiXi+ϵi

donde ββ representa las estimaciones de parámetros li neales que

La regresión lineal cuenta con ciertas características ideales para

• Predicción o pronóstico: utilice un modelo de regresión para

• Fuerza de la regresión: utilice un modelo de regresión para

TUXTLA GUTIÉRREZ, CHIAPAS, MÉXICO 11 NOVIEMBRE 2021

así que nos queda:

Podemos usar este modelo de regresión lineal para estimar cuáles

y = 0.0918 \cdotp 5 + 1.2859 = 1.7449y=0.0918⋅5+1.2859=1.7449

TUXTLA GUTIÉRREZ, CHIAPAS, MÉXICO 11 NOVIEMBRE 2021

Los modelos lineales múltiples siguen la siguiente ecuación:

• β0: es la ordenada en el origen, el valor de la variable dependiente Y

• βi: es el efecto promedio que tiene el incremento en una unidad de

• ei: es el residuo o error, la diferencia entre el valor observado y el

Es importante tener en cuenta que la magnitud de cada coeficiente

TUXTLA GUTIÉRREZ, CHIAPAS, MÉXICO 11 NOVIEMBRE 2021

En ingeniería y algunas ciencias es frecuente disponer de un cierto

Otro problema estrechamente ligado con el de la interpolación es

a la que se denomina función interpolante de dichos puntos. A los

TUXTLA GUTIÉRREZ, CHIAPAS, MÉXICO 11 NOVIEMBRE 2021

La interpolación lineal es rápida y sencilla, pero en ciertos casos no

TUXTLA GUTIÉRREZ, CHIAPAS, MÉXICO 11 NOVIEMBRE 2021

los métodos numéricos son algoritmos utilizados para resolver

• Resolver problemas muy complejos, en los cuales no se puede hallar

TUXTLA GUTIÉRREZ, CHIAPAS, MÉXICO 11 NOVIEMBRE 2021

TUXTLA GUTIÉRREZ, CHIAPAS, MÉXICO 11 NOVIEMBRE 2021

La definición de derivada es la siguiente:

TUXTLA GUTIÉRREZ, CHIAPAS, MÉXICO 11 NOVIEMBRE 2021

También podría gustarte