Investigacion Documental

ALAN ENRIQUEZ BACA
INVESTIGACION DOCUMENTAL
La regresión no lineal es un problema de inferencia para un modelo tipo:
Basado en datos multidimensionales x,y, donde F es alguna función no

lineal respecto a algunos parámetros desconocidos θ. Como mínimo, se pretende
obtener los valores de los parámetros asociados con la mejor curva de
ajuste (habitualmente, con el método de los mínimos cuadrados). Con el fin de
determinar si el modelo es adecuado, puede ser necesario utilizar conceptos de
inferencia estadística tales como intervalos de confianza para los parámetros así
como pruebas de bondad de ajuste.
El objetivo de la regresión no lineal se puede clarificar al considerar el caso de
la regresión polinomio, la cual es mejor no tratar como un caso de regresión no
lineal. Cuando la función F toma la forma:
Regresión lineal múltiple

La regresión lineal es una técnica estadística destinada a analizar las causas de
por qué pasan las cosas. A partir de los análisis de regresión lineal múltiple
podemos:
 identificar que variables independientes (causas) explican una variable
dependiente (resultado)
 comparar y comprobar modelos causales
 predecir valores de una variable, es decir, a partir de unas características
predecir de forma aproximada un comportamiento o estado
Este tutorial enseña a analizar la regresión lineal múltiple en 4 sencillos pasos, sin
complicaciones ni lenguaje sofisticado, todo directo y claro para que seamos
capaces de entender investigaciones que aplican regresión lineal y ser capaces de
usarla en nuestros estudios cuando queramos averiguar las causas de algún
fenómeno.
Qué es la regresión lineal múltiple:

La regresión lineal múltiple es la gran técnica estadística para comprobar hipótesis
y relaciones causales. Ante de empezar, una serie de condiciones que se deben
cumplir para poder aplicar la regresión lineal múltiple:
 La variable dependiente (resultado) debe ser ordinal o escalar, es decir, que
las categorías de la variable tengan orden interno o jerarquía, p.ej. nivel de
ingresos, peso, número de hijos, justificación del aborto en una escala de 1-
nunca a 10-siempre.
 Las variables independientes (causas) deben ser ordinales o escalares
ALAN ENRIQUEZ BACA
 Hay otras condiciones como: las variables independientes no puede estar

altamente correlacionadas entre sí, las relaciones entre las causas y el
resultado deben ser lineales, todas variables deben seguir la distribución
normal y deben tener varianzas iguales. Estas condiciones no son tan estrictas
y hay maneras de tratar los datos si se incumple. Sobre ello volveremos en
futuras entradas
Diferencia entre modelo regresión lineal simple y múltiple

LINEAL SIMPLE
MULTIPLE
Importancia del análisis de la regresión este es un proceso estadístico para

estimar las relaciones entre variables. Incluye muchas técnicas para el modelado y
análisis de diversas variables, cuando la atención se centra en la relación entre
una variable dependiente y una o más variables independientes (o predictores).
Más específicamente, el análisis de regresión ayuda a entender cómo el valor de
la variable dependiente varía al cambiar el valor de una de las variables
independientes, manteniendo el valor de las otras variables independientes fijas.
Más comúnmente, el análisis de regresión estima la esperanza condicional de la
variable dependiente dadas las variables independientes - es decir, el valor
promedio de la variable dependiente cuando se fijan las variables independientes.
Con menor frecuencia, la atención se centra en un cuartil, u otro parámetro de
localización de la distribución condicional de la variable dependiente dadas las
variables independientes. En todos los casos, el objetivo de la estimación es
ALAN ENRIQUEZ BACA
una función de las variables independientes llamada la función de regresión. En

el análisis de regresión, también es de interés caracterizar la variación de la
variable dependiente en torno a la función de regresión, la cual puede ser descrita
por una distribución de probabilidad.
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. Sin embargo, esto puede llevar a ilusiones o
relaciones falsas, por lo que se recomienda precaución, por ejemplo, la correlación
no implica causalidad.
Muchas técnicas han sido desarrolladas para llevar a cabo el análisis de regresión.
Métodos familiares tales como la regresión lineal y la regresión por cuadrados
mínimos ordinarios son paramétricos, en que la función de regresión se define en
términos de un número finito de parámetros desconocidos que se estiman a partir
de los datos. La regresión no paramétrica se refiere a las técnicas que permiten
que la función de regresión consista en un conjunto específico de funciones, que
puede ser de dimensión infinita.
El desempeño de los métodos de análisis de regresión en la práctica depende de
la forma del proceso de generación de datos, y cómo se relaciona con el método
de regresión que se utiliza. Dado que la forma verdadera del proceso de
generación de datos generalmente no se conoce, el análisis de regresión depende
a menudo hasta cierto punto de hacer suposiciones acerca de este proceso. Estos
supuestos son a veces comprobables si una cantidad suficiente de datos está
disponible. Los modelos de regresión para la predicción son frecuentemente útiles
aunque los supuestos sean violados moderadamente, aunque no pueden
funcionar de manera óptima. Sin embargo, en muchas aplicaciones, sobre todo
con pequeños efectos o las cuestiones de causalidad sobre la base de datos
observacionales, los métodos de regresión pueden dar resultados engañosos.

Investigacion Documental

Cargado por

Copyright:

Formatos disponibles

Investigacion Documental

Cargado por

Información del documento

Descripción 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

Investigacion Documental

Cargado por

Copyright:

Formatos disponibles

ALAN ENRIQUEZ BACA

La regresión no lineal es un problema de inferencia para un modelo tipo:

Basado en datos multidimensionales x,y, donde F es alguna función no

Regresión lineal múltiple

Qué es la regresión lineal múltiple:

 Hay otras condiciones como: las variables independientes no puede estar

Diferencia entre modelo regresión lineal simple y múltiple

Importancia del análisis de la regresión este es un proceso estadístico para

una función de las variables independientes llamada la función de regresión. En

También podría gustarte