Scribd
Cargar
4 vistas7 páginas

Introducción a la Regresión Lineal y Logarítmica

La regresión lineal es una técnica estadística que modela una variable de respuesta continua en función de una o más variables predictoras, permitiendo comprender y predecir comportamientos en diversos campos. Existen varios tipos de regresión lineal, incluyendo simple, múltiple y multivariante, cada uno con diferentes aplicaciones en predicción y análisis de relaciones. La regresión logarítmica se utiliza cuando el modelo lineal no es adecuado, modelando fenómenos con crecimiento acelerado que luego se desacelera.

Cargado por

Julio Huayaney
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PPTX, PDF, TXT o lee en línea desde Scribd
4 vistas7 páginas

Introducción a la Regresión Lineal y Logarítmica

La regresión lineal es una técnica estadística que modela una variable de respuesta continua en función de una o más variables predictoras, permitiendo comprender y predecir comportamientos en diversos campos. Existen varios tipos de regresión lineal, incluyendo simple, múltiple y multivariante, cada uno con diferentes aplicaciones en predicción y análisis de relaciones. La regresión logarítmica se utiliza cuando el modelo lineal no es adecuado, modelando fenómenos con crecimiento acelerado que luego se desacelera.

Cargado por

Julio Huayaney
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PPTX, PDF, TXT o lee en línea desde Scribd

REGRESION 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 y (también conocida como la respuesta) como una función de una o varias
variables independientes Xi (denominadas predictores). La ecuación general correspondiente a un
modelo de regresión lineal es:

donde β representa las estimaciones de parámetros lineales que se deben calcular y ϵ representa los
términos de error.
Tipos de regresión lineal
Regresión lineal simple: modelos que utilizan un único predictor. La ecuación general es:
Tipos de regresión lineal
Regresión lineal múltiple: modelos que utilizan múltiples predictores. Esta regresión tiene múltiples  XiXi para predecir la respuesta, YY. Este es un
ejemplo de la ecuación:
Tipos de regresión lineal
Regresión lineal multivariante: modelos para varias variables de respuesta. Esta regresión tiene múltiples Yi
que derivan de los mismos datos Y . Se expresan con fórmulas diferentes. Este es un ejemplo del sistema con 2
ecuaciones:
Aplicaciones de la regresión lineal
• 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 usar 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.
REGRESION
LOGARITMICA
Este modelo de regresión es una alternativa cuando el modelo lineal no logra un coeficiente de
determinación apropiado, o cuando el fenómeno en estudio tiene un comportamiento que puede
considerarse potencial o logarítmico.
La regresión logarítmica es un tipo de regresión que se utiliza para modelar situaciones en las que el
crecimiento o el deterioro se acelera rápidamente al principio y luego se ralentiza con el tiempo.

La ecuación de un modelo de regresión logarítmica tiene la siguiente forma:

y = a + b * ln (x)

dónde:
•y: la variable de respuesta
•x: la variable predictora
•a, b: Los coeficientes de regresión que describen la relación
entre x y y
La población crece a la misma tasa que para el ultimo periodo censal,
considerando que el crecimiento obedece a la siguiente expresión:

• = *
r1 = tasa de crecimiento logarítmica

También podría gustarte