REGRESIÓN POLINOMIAL
Algunas veces cuando la relación entre las variables dependientes e
independientes es no lineal, es útil incluir términos polinomiales para
ayudar a explicar la variación de nuestra variable dependiente.
Las regresiones polinomiales se pueden ajustar la variable
independiente con varios términos
m
m
Que, derivando respecto a cada uno de los coeficientes nos da el
planteamiento un sistema de ecuaciones, donde n es el número de pares
de datos, es decir de X e Y
n
n
Conociendo los siguientes datos determinar el polinomio de Regresión
lineal para m=2, el coeficiente de correlación, el coeficiente de
determinación, la desviación estándar y el error estándar.
REGRESIÓN MÚLTIPLE
➢Construir un modelo que represente la dependencia lineal de
una variable respuesta cuantitativa Y simultáneamente
respecto de varias variables explicativas cuantitativas X1, . . .
,XK.
➢Determinar la función de regresión lineal óptima.
➢Partiendo de un conjunto de regresores X1, . . . ,XK, estudiar
cuáles son significativos para explicar la respuesta.
➢Estimar el valor esperado de la respuesta y predecir un valor
futuro de ésta para unos valores prefijados de las variables
explicativas.
➢Determinar la precisión de la estimación y la predicción.
➢Analizando los residuos, estudiar si se verifican las hipótesis
básicas del modelo. Proponer alternativas si no es así.
2
Sr
Análisis de Regresión Múltiple
Dispone de una ecuación con dos variables independientes adicionales:
Y : Valores observados en la muestra
y´: Valores estimados a partir a partir de la
ecuación de regresión
n : Número de datos
m : Número de variables independientes
Coeficiente de Correlación Múltiple
Indica la correlación entre una de las variables independientes y la variable dependiente, manteniendo la otra u otras
variables independientes estadísticamente constante.
El Error Estándar de Regresión Múltiple
APLICACION DE REGRESION MULTIPLE
Mediante el siguiente problema podremos ilustrar la aplicación de
Regresión Múltiple:
En la Facultad de Ingeniería de Sistemas y Computo de
la Universidad "Inca Garcilaso de la Vega" se quiere entender los factores
de aprendizaje de los alumnos que cursan la asignatura de PHP, para lo
cual se escoge al azar una muestra de 15 alumnos y ellos registran notas
promedios en las asignaturas de Algoritmos, Base de
Datos y Programación como se muestran en el siguiente cuadro.
Lo que buscamos es construir un modelo para determinar la
dependencia que exista de aprendizaje reflejada en las notas de la
asignatura de PHP, conociendo las notas de las asignaturas Algoritmos,
Base de Datos y Programación.
Se presentara la siguiente ecuación a resolver:
Coeficiente de Determinación