Estimacion de Funciones Lineales

ESTIMACION.LINEAL (funcin ESTIMACION.
LINEAL) - Soporte de Office Page 1 of 15
ESTIMACION.LINEAL (funcin
ESTIMACION.LINEAL)
En este artculo se describen la sintaxis de la frmula y el uso de la funcin
ESTIMACION.LINEAL en Microsoft Excel. Encontrar vnculos con ms informacin
sobre cmo crear grficos y realizar un anlisis de regresin en la seccin Vea
tambin.
Descripcin
La funcin ESTIMACION.LINEAL calcula las estadsticas de una lnea con el mtodo
de los "mnimos cuadrados" para calcular la lnea recta que mejor se ajuste a los datos
y despus devuelve una matriz que describe la lnea. Tambin puede combinar
ESTIMACION.LINEAL con otras funciones para calcular las estadsticas de otros tipos
de modelos que son lineales en los parmetros desconocidos, incluidas series
polinmicas, logartmicas, exponenciales y de potencias. Debido a que esta funcin
devuelve una matriz de valores, debe ser especificada como frmula de matriz.
Encontrar las instrucciones correspondientes tras los ejemplos de este artculo.
La ecuacin para la lnea es la siguiente:
y = mx + b
- O bien -
y = m1x1 + m2x2 + ... + b
si hay varios rangos de valores x, donde los valores y dependientes son funcin de los
valores x independientes. Los valores m son coeficientes que corresponden a cada
valor x, y b es un valor constante. Observe que y, x y m pueden ser vectores. La matriz
que devuelve la funcin ESTIMACION.LINEAL es {mn,mn-1,...,m1,b}.
ESTIMACION.LINEAL tambin puede devolver estadsticas de regresin adicionales.
https://support.office.com/client/ESTIMACION-LINEAL-funci%C3%B3n-ESTIMACIO... 14/07/2017
ESTIMACION.LINEAL (funcin ESTIMACION.LINEAL) - Soporte de Office Page 2 of 15
Sintaxis
ESTIMACION.LINEAL(conocido_y, [conocido_x], [constante], [estadstica])
La sintaxis de la funcin ESTIMACION.LINEAL tiene los siguientes argumentos:
Sintaxis
Conocido_yObligatorio. Es el conjunto de valores y que se conocen en la
relacin y = mx+b.
Si el rango de conocido_y ocupa una sola columna, cada columna de

conocido_x se interpreta como una variable independiente.
Si el rango de conocido_y ocupa una sola fila, cada fila de conocido_x se

interpreta como una variable independiente.
Conocido_xOpcional. Es un conjunto de valores x que pueden conocerse en la

relacin y = mx+b.
El rango de conocido_x puede incluir uno o varios conjuntos de variables. Si usa

una sola variable, conocido_y y conocido_x pueden ser rangos con cualquier
forma, siempre y cuando sus dimensiones sean iguales. Si usa ms de una
variable, conocido_y tiene que ser un vector (es decir, un rango compuesto por
una fila o por una columna).
Si omite conocido_x, se supone que es la matriz {1,2,3,...} que tiene el mismo

tamao que conocido_y.
ConstanteOpcional. Es un valor lgico que especifica si se fuerza la constante b

para que sea igual a 0.
Si omite el argumento constante o es VERDADERO, b se calcula normalmente.
Si constante es FALSO, b se establece como igual a 0 y los valores m se ajustan

para adaptarse a y = mx.
EstadsticaOpcional. Es un valor lgico que especifica si se deben devolver

estadsticas de regresin adicionales.
Si estadstica es VERDADERO, ESTIMACION.LINEAL devuelve las estadsticas

de regresin adicionales, de forma que la matriz devuelta es
{mn,mn-1,...,m1,b;sen,sen-1,...,se1,seb;r2,sey;F,df;ssreg,ssresid}.
Si omite estadstica o es FALSO, ESTIMACION.LINEAL solo devuelve los

coeficientes m y la constante b.
Las estadsticas de regresin adicional son las siguientes.
Estadstica Descripcin
se1,se2,...,sen Los valores de error estndar para los coeficientes m1,m2,...,mn.
seb El valor de error estndar para la constante b (seb = #N/A cuando

constante es FALSO).
r2 El coeficiente de determinacin. Compara los valores y calculados y

reales, y los rangos con valor de 0 a 1. Si es 1, hay una correlacin
perfecta en la muestra,es decir, no hay diferencia entre el valor y
calculado y el valor y real. En el otro extremo, si el coeficiente de
determinacin es 0, la ecuacin de regresin no es til para predecir
un valor y. Para obtener informacin sobre el clculo de r2, vea la
seccin de "Observaciones" ms adelante en este tema.
sey El error estndar para el clculo y.
F La estadstica F o valor F observado. Use la estadstica F para

determinar si la relacin observada entre las variables dependientes
e independientes se produce por azar.
Estadstica Descripcin
df Grados de libertad. Use los grados de libertad para encontrar valores

F crticos en una tabla estadstica. Compare los valores que
encuentre en la tabla con la estadstica F devuelta por
ESTIMACION.LINEAL para determinar un nivel de confianza para el
modelo. Para obtener informacin sobre el clculo de df, vea la
seccin "Observaciones" ms adelante en este tema. El ejemplo 4
muestra el uso de F y df.
ssreg La suma de regresin de los cuadrados.
ssresid La suma residual de los cuadrados. Para obtener informacin sobre

el clculo de ssreg y ssresid, vea la seccin "Observaciones" ms
adelante en este tema.
La ilustracin siguiente muestra el orden en que se devuelven las estadsticas de

regresin adicionales.
Observaciones
Puede describir cualquier lnea recta con la pendiente y la interseccin y:
Pendiente (m):
Para hallar la pendiente de una lnea, frecuentemente indicada por m, tome dos
puntos de la lnea, (x1,y1) y (x2,y2); la pendiente es igual a (y2 - y1)/(x2 - x1).
Interseccin y (b):
La interseccin y de una lnea, frecuentemente indicada por b, es el valor de y en el
punto en que la lnea cruza el eje x.
La ecuacin de una lnea recta es y = mx + b. Si conoce los valores de m y b, puede

calcular cualquier punto de la lnea insertando el valor y o x en esa ecuacin.
Tambin puede usar la funcin TENDENCIA.
Si solo tiene una variable x independiente, puede obtener los valores de la

pendiente y de la interseccin y directamente con las frmulas siguientes:
Pendiente:
=INDICE(ESTIMACION.LINEAL(conocido_y,conocido_x),1)
Interseccin y:
=INDICE(ESTIMACION.LINEAL(conocido_y,conocido_x),2)
La exactitud de la lnea calculada por la funcin ESTIMACION.LINEAL depende del

grado de dispersin de los datos. Cuanto ms lineales sean los datos, ms exacto
ser el modelo de ESTIMACION.LINEAL. ESTIMACION.LINEAL usa el mtodo de
los mnimos cuadrados para determinar el mejor ajuste para los datos. Si solo tiene
una variable x independiente, los clculos para m y b se basan en las frmulas
siguientes:
Donde x e y son medias de muestras, es decir, x = PROMEDIO(conocido_x) e y =

PROMEDIO(conocido_y).
Las funciones de ajuste de lnea y de curva ESTIMACION.LINEAL y

ESTIMACION.LOGARITMICA pueden calcular la lnea recta o la curva exponencial
que mejor se ajuste a los datos. Sin embargo, debe decidir cul de los dos
resultados se ajusta mejor a sus datos. Puede calcular TENDENCIA
(conocido_y,conocido_x) para una lnea recta o CRECIMIENTO
(conocido_y,conocido_x) para una curva exponencial. Estas funciones, sin el
argumento nueva_matriz_x, devuelven una matriz de valores y pronosticados en la
lnea o curva en los puntos de datos reales. Despus, puede comparar los valores
pronosticados con los valores reales. Puede crear un grfico con ambos para
realizar una comparacin visual.
En el anlisis de regresin, Excel calcula para cada punto la diferencia al cuadrado

entre el valor y calculado para ese punto y su valor y real. La suma de estas
diferencias al cuadrado se denomina suma de los cuadrados residual, ssresid. Excel
calcula a continuacin la suma total de los cuadrados, sstotal. Si omite el
argumento constante o es VERDADERO, la suma total de los cuadrados es la suma
de las diferencias al cuadrado entre los valores y reales y la media de los mismos.
Cuando el argumento constante = FALSO, la suma total de los cuadrados es la
suma de los cuadrados de los valores y reales (sin restar el valor y medio de cada
valor y individual). Puede hallar la suma de regresin de los cuadrados, ssreg, a
partir de ssreg = sstotal - ssresid. Cuanto menor sea la suma residual de los
cuadrados, en comparacin con la suma total de los cuadrados, mayor ser el valor
del coeficiente de determinacin, r2, que es un indicador de hasta qu punto la
ecuacin resultante del anlisis de regresin explica la relacin entre las variables. El
valor de r2 es igual a ssreg/sstotal.
En algunos casos, una o varias de las columnas x (supongamos que y y x estn en

columnas) pueden no tener valor predictivo adicional en presencia de las otras
columnas x. En otras palabras, eliminar una o varias columnas x puede producir
valores y pronosticados que son igualmente exactos. En ese caso, estas columnas x
redundantes deberan omitirse del modelo de regresin. Este fenmeno se
denomina colinealidad porque cualquier columna x redundante se puede
expresar como una suma de mltiplos de las columnas x no redundantes.
ESTIMACION.LINEAL comprueba la colinealidad y quita cualquier columna x
redundante del modelo de regresin cuando las identifica. Puede reconocer las
columnas x eliminadas en el resultado de ESTIMACION.LINEAL como aquellas con
coeficientes 0 as como con valores de 0. Si quita una o varias columnas por
redundantes, entonces df se ve afectado porque df depende del nmero de
columnas x usadas con fines predictivos. Para ms informacin sobre el clculo de
df, vea el ejemplo 4. Si modifica df modifica porque ha quitado las columnas x
redundantes, los valores de sey y F tambin se vern afectados. La colinealidad
debera ser relativamente inslita en la prctica. No obstante, un caso en el que es
ms probable que se produzca es cuando algunas columnas x contienen solo
valores 0 y 1 como indicadores de si un sujeto de un experimento pertenece o no a
un grupo en concreto. Si omite constante o es VERDADERO, ESTIMACION.LINEAL
inserta una columna x adicional de todo unos (1) para dar forma a la interseccin. Si
tiene una columna con un 1 para cada sujeto que sea varn, o 0 si no lo es, y tiene
tambin una columna con un 1 para cada sujeto que sea mujer, o 0 si no lo es, esta
ltima columna es redundante porque puede obtener las entradas de la misma de
restar la entrada de la columna "indicador de varn" de la entrada de la columna
adicional de todo unos (1) agregada por ESTIMACION.LINEAL.
Calcule el valor de df como sigue, no se quite ninguna columna x del modelo

debido a la colinealidad: si hay k columnas de conocido_x y omite constante o es
VERDADERO, entonces df = n k 1. Si constante = FALSO, entonces df = n - k. En
ambos casos, cada columna x quitada debido a la colinealidad aumenta df en 1.
Debe especificar las frmulas que devuelven matrices como frmulas de matriz.
NOTA:En Excel Online no puede crear frmulas de matriz.
Cuando especifique como argumento una constante de matriz (como conocido_x),

use comas para separar los valores contenidos en una misma fila y puntos y comas
para separar las filas. Los caracteres separadores pueden ser diferentes segn la
configuracin regional.
Observe que los valores y pronosticados por la ecuacin de regresin pueden no

ser vlidos si quedan fuera del rango de los valores y empleados para determinar la
ecuacin.
El algoritmo subyacente usado en la funcin ESTIMACION.LINEAL es diferente del

algoritmo subyacente usado en las funciones PENDIENTE e INTERSECCION.EJE. La
diferencia entre estos algoritmos puede producir resultados distintos cuando los
datos son indeterminados y colineales. Por ejemplo, si los puntos de datos del
argumento conocido_y son 0 y los puntos de datos del argumento conocido_x son
1:
ESTIMACION.LINEAL devuelve un valor 0. El algoritmo de la funcin

ESTIMACION.LINEAL est diseado para devolver resultados razonables para
los datos colineales y, en este caso, se puede encontrar al menos una respuesta.
PENDIENTE e INTERSECCION.EJE devuelven un error #DIV/0!. El algoritmo de

PENDIENTE e INTERSECCION.EJE est diseado para buscar solo una respuesta
y en este caso puede haber varias.
Adems de usar ESTIMACION.LOGARITMICA para calcular estadsticas para otros

tipos de regresin, puede usar ESTIMACION.LINEAL para calcular un rango de
tipos de regresin diferentes escribiendo funciones de las variables x e y como
series x e y para ESTIMACION.LINEAL. Por ejemplo, la frmula siguiente:
=ESTIMACION.LINEAL(valores y, valores x^COLUMNA($A:$C))
funciona si se dispone de una nica columna de valores y y una nica columna de

valores x para calcular la aproximacin cbica (polinmica de orden 3) de esta
forma:
y = m1*x + m2*x^2 + m3*x^3 + b
Puede ajustar esta frmula para calcular otros tipos de regresin, pero en algunos
casos, es necesario ajustar los valores de salida y otras estadsticas.
El valor de la prueba F que devuelve la funcin ESTIMACION.LINEAL y el que

devuelve la funcin PRUEBA.F son diferentes. ESTIMACION.LINEAL devuelve la
estadstica F, mientras que PRUEBA.F devuelve la probabilidad.
Ejemplos
Ejemplo 1: Pendiente e interseccin con eje y

Copie los datos del ejemplo en la siguiente tabla y pguelos en la celda A1 de una
nueva hoja de clculo de Excel. Para las frmulas que muestren resultados,
seleccinelas, presione F2 y, a continuacin, presione Entrar. Si lo necesita, puede
ajustar los anchos de la columna para ver todos los datos.
Y conocido X conocido
1. {0}
9 4.
Y conocido X conocido
5. 2.
7. 3.
Resultado (pendiente) Resultado (interseccin y)
2. 1.
Frmula (frmula de matriz en celdas A7:B7)
=ESTIMACION.LINEAL(A2:A5;B2:B5;;FALSO)
Ejemplo 2: Regresin lineal simple

Mes Ventas
1. $3.100
2. $4.500
3. $4.400
Mes Ventas
4. $5.400
5. $7.500
6. $8.100
Frmula Resultado
=SUMA(ESTIMACION.LINEAL 11000 $
(B1:B6, A1:A6)*{9,1})
Calcula la estimacin de las ventas en el noveno

mes, basndose en las ventas de los meses 1 al
6.
Ejemplo 3: Regresin lineal mltiple

Superficie (x1) Oficinas Entradas Antigedad Valor

(x2) (x3) (x4) tasado
(y)
2310 2 2 20 142000
$

(y)
2333 2 2 12 144000
$
2356 3 1,5 33 151000

$
2379 3 2 43 150000
$
2402 2 3 53 139000
$
2425 4 2 23 169000
$
2448 2 1,5 99 126000

$
2471 2 2 34 142900
$
2494 3 3 23 163 000

$
2517 4 4 55 169 000

$

(y)
2540 2 3 22 149000
$
-234,2371645
13,26801148
0,996747993
459,7536742
1732393319
Frmula (frmula de matriz

especificada en A14:A18)
=ESTIMACION.LINEAL
(E2:E12;A2:D12;VERDADERO;VERDADERO)
Ejemplo 4: Usar las estadsticas F y r2

En el ejemplo anterior, el coeficiente de determinacin, o r2, es 0,99675 (vea la celda
A17 en el resultado de ESTIMACION.LINEAL), que indicara una relacin estrecha
entre las variables independientes y el precio de venta. Puede usar la estadstica F para
determinar si estos resultados, con este valor r2 tan alto, se produjeron por azar.
Suponga por un momento que en realidad no existe relacin entre las variables, pero
que ha extrado una muestra peculiar de 11 edificios de oficinas que hace que el
anlisis estadstico demuestre una relacin marcada. El trmino "alfa" se usa para la
probabilidad de llegar a la conclusin errnea de que existe una relacin.
Los valores F y df del resultado de la funcin ESTIMACION.LINEAL se pueden usar

para determinar la probabilidad de que se produzca por azar un valor F ms elevado.
F se puede comparar con los valores crticos de las tablas de distribucin F publicadas
o se puede usar la funcin DISTR.F de Excel para calcular la probabilidad de que se
produzca por azar un valor F mayor. La distribucin F apropiada tiene los grados de
libertad v1 y v2. Si n es el nmero de puntos de datos y omite la constante o es
VERDADERO, entonces v1 = n df 1 y v2 = df. Si la constante = FALSO, entonces v1
= n df y v2 = df. La funcin DISTR.F (con la sintaxis DISTR.F(F,v1,v2)) devolver la
probabilidad de que se produzca por azar un valor F superior. En este ejemplo, df = 6
(celda B18) y F = 459,753674 (celda A18).
Suponiendo un valor alfa de 0,05, v1 = 11 6 1 = 4 y v2 = 6, el valor crtico de F es

4,53. Puesto que F = 459,753674 es mucho ms elevado que 4,53, es extremadamente
improbable que un valor F tan elevado se produzca por azar. (Con Alfa = 0,05, la
hiptesis de que no hay relacin entre conocido_y y conocido_x hay que rechazarla
cuando F sobrepasa el nivel crtico, 4,53). Puede usar la funcin DISTR.F de Excel para
obtener la probabilidad de que un valor F tan elevado se produzca por azar. Por
ejemplo, DISTR.F(459,753674; 4; 6) = 1,37E-7, una probabilidad sumamente pequea.
Se puede concluir, bien buscando el nivel crtico de F en una tabla, bien con la funcin
DISTR.F, que la ecuacin de regresin es til para predecir el valor tasado de los
edificios de oficinas de esta rea. Recuerde que es vital usar los valores correctos de
v1 y v2 calculados en el prrafo anterior.
Ejemplo 5: Calcular la estadstica t

Otra prueba hipottica determinar si cada coeficiente de la pendiente es til para
calcular el valor tasado de un edificio de oficinas del ejemplo 3. Por ejemplo, para
probar si el coeficiente de antigedad es significativo estadsticamente, divida -234,24
(coeficiente de la pendiente de antigedad) por 13,268 (el error estndar calculado de
los coeficientes de antigedad en la celda A15). El siguiente es el valor t observado:
t = m4 se4 = -234,24 13,268 = -17,7
Si el valor absoluto de t es suficientemente alto, puede deducirse que el coeficiente de

la pendiente es til para calcular el valor tasado del edificio de oficinas del ejemplo 3.
La siguiente tabla muestra los valores absolutos de los 4 valores t observados.
Si consulta una tabla de un manual de estadstica, observar que el valor t crtico, de

dos colas, con 6 grados de libertad y alfa = 0,05 es 2,447. Este valor crtico puede
encontrarse tambin con la funcin DISTR.T.INV de Excel. DISTR.T.INV(0,05,6) =
2,447. Puesto que el valor absoluto de t, 17,7, es superior a 2,447, la antigedad es
una variable importante para calcular el valor tasado de un edificio de oficinas. El
significado estadstico de cada una de las dems variables independientes puede
probarse de forma similar. Los siguientes son los valores t observados para cada una
de las variables independientes.
Variable valor t observado
Superficie 5,1
Nmero de oficinas 31,3
Nmero de entradas 4,8
Edad 17,7
Todos estos valores tienen un valor absoluto superior a 2,447; por tanto, todas las
variables usadas en la ecuacin de regresin son tiles para predecir el valor tasado
de los edificios de oficinas de esta rea.
Le ha sido til esta informacin?
S No

Estimacion de Funciones Lineales

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Estimacion de Funciones Lineales

Transféré par

Droits d'auteur :

Formats disponibles

ESTIMACION.LINEAL (funcin ESTIMACION.

LINEAL) - Soporte de Office Page 1 of 15

La ecuacin para la lnea es la siguiente:

y = m1x1 + m2x2 + ... + b

La sintaxis de la funcin ESTIMACION.LINEAL tiene los siguientes argumentos:

Si el rango de conocido_y ocupa una sola columna, cada columna de

Si el rango de conocido_y ocupa una sola fila, cada fila de conocido_x se

Conocido_xOpcional. Es un conjunto de valores x que pueden conocerse en la

El rango de conocido_x puede incluir uno o varios conjuntos de variables. Si usa

Si omite conocido_x, se supone que es la matriz {1,2,3,...} que tiene el mismo

ConstanteOpcional. Es un valor lgico que especifica si se fuerza la constante b

Si omite el argumento constante o es VERDADERO, b se calcula normalmente.

Si constante es FALSO, b se establece como igual a 0 y los valores m se ajustan

EstadsticaOpcional. Es un valor lgico que especifica si se deben devolver

Si estadstica es VERDADERO, ESTIMACION.LINEAL devuelve las estadsticas

Si omite estadstica o es FALSO, ESTIMACION.LINEAL solo devuelve los

Las estadsticas de regresin adicional son las siguientes.

se1,se2,...,sen Los valores de error estndar para los coeficientes m1,m2,...,mn.

seb El valor de error estndar para la constante b (seb = #N/A cuando

r2 El coeficiente de determinacin. Compara los valores y calculados y

sey El error estndar para el clculo y.

F La estadstica F o valor F observado. Use la estadstica F para

df Grados de libertad. Use los grados de libertad para encontrar valores

ssreg La suma de regresin de los cuadrados.

ssresid La suma residual de los cuadrados. Para obtener informacin sobre

La ilustracin siguiente muestra el orden en que se devuelven las estadsticas de

La ecuacin de una lnea recta es y = mx + b. Si conoce los valores de m y b, puede

Si solo tiene una variable x independiente, puede obtener los valores de la

La exactitud de la lnea calculada por la funcin ESTIMACION.LINEAL depende del

Donde x e y son medias de muestras, es decir, x = PROMEDIO(conocido_x) e y =

Las funciones de ajuste de lnea y de curva ESTIMACION.LINEAL y

En el anlisis de regresin, Excel calcula para cada punto la diferencia al cuadrado

En algunos casos, una o varias de las columnas x (supongamos que y y x estn en

Calcule el valor de df como sigue, no se quite ninguna columna x del modelo

NOTA:En Excel Online no puede crear frmulas de matriz.

Cuando especifique como argumento una constante de matriz (como conocido_x),

Observe que los valores y pronosticados por la ecuacin de regresin pueden no

El algoritmo subyacente usado en la funcin ESTIMACION.LINEAL es diferente del

ESTIMACION.LINEAL devuelve un valor 0. El algoritmo de la funcin

PENDIENTE e INTERSECCION.EJE devuelven un error #DIV/0!. El algoritmo de

Adems de usar ESTIMACION.LOGARITMICA para calcular estadsticas para otros

=ESTIMACION.LINEAL(valores y, valores x^COLUMNA($A:$C))

funciona si se dispone de una nica columna de valores y y una nica columna de

y = m1*x + m2*x^2 + m3*x^3 + b

El valor de la prueba F que devuelve la funcin ESTIMACION.LINEAL y el que

Ejemplo 1: Pendiente e interseccin con eje y

Resultado (pendiente) Resultado (interseccin y)

Frmula (frmula de matriz en celdas A7:B7)

Ejemplo 2: Regresin lineal simple

Calcula la estimacin de las ventas en el noveno

Ejemplo 3: Regresin lineal mltiple

Superficie (x1) Oficinas Entradas Antigedad Valor

Superficie (x1) Oficinas Entradas Antigedad Valor

2356 3 1,5 33 151000

2448 2 1,5 99 126000

2494 3 3 23 163 000

2517 4 4 55 169 000

Superficie (x1) Oficinas Entradas Antigedad Valor

Frmula (frmula de matriz

Ejemplo 4: Usar las estadsticas F y r2

Los valores F y df del resultado de la funcin ESTIMACION.LINEAL se pueden usar

Suponiendo un valor alfa de 0,05, v1 = 11 6 1 = 4 y v2 = 6, el valor crtico de F es

Ejemplo 5: Calcular la estadstica t

t = m4 se4 = -234,24 13,268 = -17,7

y = m1x + m2x^2 + m3*x^3 + b