Académique Documents
Professionnel Documents
Culture Documents
Departamento de Matemática
Título:
INVESTIGACIÓN REGRESIÓN LINEAL Y REGRESIÓN CUADRATICA
Alumno:
Catedrático:
Asignatura y código:
Análisis Numérico (MM-412)
En el siguiente informe se presenta una definición sobre los modelos de regresión específicamente los
modelos de regresión lineal y regresión cuadrática, para lo cual se detallan ejercicios prácticos para
trata de ajustar una línea a los datos proporcionados, buscando que la diferencia entre la línea y los
datos sea lo menor posible. Cabe resaltar que existen diferentes tipos de regresiones, donde cada una de
ellas cuenta con sus distintas condiciones y características, por lo que es importante saber para qué casos
qué tipo de regresión conviene más aplicar. El uso de estos métodos de regresión es muy útil para
encontrar soluciones a distintas aplicaciones específicamente para un mejor ajuste de curva a datos. Los
2 objetivos del modelo de regresión son: anticipar el valor que tomará la respuesta; y cuantificar la
El objetivo es obtener estimaciones razonables de Y para distintos valores de X a partir de una muestra
de n pares de valores (x1,y1),...,(xn,yn)
REGRESION LINEAL
La regresión lineal o ajuste lineal es un modelo matemático usado para aproximar la relación de
dependencia entre una variable dependiente y variables independientes. Se trata de ajustar una línea a
los datos proporcionados, buscando que la diferencia entre la línea y los datos sea lo menor posible.
La regresión lineal es un procedimiento por el cual, dado conjunto de puntos, se obtiene una línea recta
que mejor se ajusta a ellos. A diferencia de la interpolación, en la regresión lineal no importa cuantos
puntos se tienen, siempre se busca la línea recta. La función que se busca es:
𝑦 = 𝑎𝑥 + 𝑏
La recta de regresión tiene como objetivo obtener estimaciones que se ajusten lo mejor posible a los
datos
El análisis de regresión es ampliamente utilizado para la predicción y previsión, donde su uso tiene
superposición sustancial en el campo de aprendizaje automático. El análisis de regresión se utiliza
también para comprender cuales de las variables independientes están relacionadas con la variable
dependiente, y explorar las formas de estas relaciones. En circunstancias limitadas, el análisis de
regresión puede utilizarse para inferir relaciones causales entre las variables independientes y
dependientes.
REGRESION CUADRATICA
Una regresión cuadrática es el proceso de encontrar la ecuación de la parábola que mejor se ajuste para
un conjunto de datos. Como resultado, obtenemos una ecuación de la forma:
𝑦 = 𝑎𝑥 2 + 𝑏𝑥 + 𝑐
Donde
𝑎≢0
La potencia predictiva relativa de un modelo cuadrático está denotada por R2 . El valor de R2 varía entre
0 y 1. Mientras más cercano el valor esté de 1, más preciso será el modelo.
La regresión cuadrática es el proceso por el cuál encontramos los parámetros de una parábola que mejor
se ajusten a una serie de datos que poseemos, ya sean mediciones hechas o de otro tipo. Bueno, pero
por que habríamos de querer ajustar nuestros datos precisamente a una parábola y no a otra función.
Entonces lo que nos interesa es encontrar los valores de a, b y c que hacen que el valor de y calculado
sea lo más cercano posible al medido. Dichos valores se obtienen de resolver el siguiente sistema de
ecuaciones:
Una vez se haya reemplazado el valor de N, y de las sumatorias, sólo habrá que solucionar el sistema
de ecuaciones por su método preferido. Después de que ha solucionado el sistema de ecuaciones
entonces tendrá el valor de los parámetros: a,b,c.
Ejercicios prácticos modelo de regresión lineal
1. Cinco niños de 2, 3, 5, 7 y 8 años de edad pesan, respectivamente, 14, 20, 32, 42 y 44
kilos.
Hallar la ecuación de la recta de regresión de la edad sobre el peso.
¿Cuál sería el peso aproximado de un niño de seis años?
xi yi xi² yi² xi · yi
2 14 4 196 28
3 20 9 400 60
5 32 25 1 024 160
7 42 49 1 764 294
8 44 64 1 936 352
8 15
7 19
6 25
4 23
2 34
1 40
Si desea recibir a 5 clientes, ¿a qué distancia del núcleo de población debe situarse?
8 15 120 64 225
7 19 133 49 361
6 25 150 36 625
4 23 92 16 529
2 34 68 4 1 156
1 40 40 1 1 600
Matemáticas Química
6 6.5
4 4.5
8 7
5 5
3.5 4
6 6.5 36 42.25 39
4 4.5 16 20.25 18
8 7 64 49 56
5 5 25 25 25
3.5 4 12. 25 16 14
xi yi fi xi · fi xi² · fi yi · fi yi² · fi xi · yi · fi
6 4 3 18 108 12 48 72
9 2 10 90 810 20 40 180
10 1 1 10 100 1 1 10
X 25 42 33 54 29 36
Y 42 72 50 90 45 48
Se pudo establecer una diferencia entre los modelos de regresión lineal y regresión
cuadrática cumpliéndose el objetivo de anticipar el calor que tomara la respuesta y
cuantificar la precisión de la predicción.