UNIDAD EDUCATIVA “TOMAS FRIAS” FISICA BASICA Y LABORATORIO
REGRESION LINEAL
Para hacer predicciones no se requiere de una bola de cristal. Se
necesita la regresión lineal.
¿Qué es la regresión lineal?
La regresión lineal es un modelo matemático que describe la relación entre varias variables.
Los modelos de regresión lineal son un procedimiento estadístico que ayuda a predecir el
futuro. Se utiliza en los campos científicos y en los negocios, y en las últimas décadas se ha
utilizado en el aprendizaje automático.
La tarea de la regresión en el aprendizaje automático consiste en predecir un parámetro (Y)
a partir de un parámetro conocido X.
¿Por qué es importante la regresión lineal?
Los modelos de regresión lineal son muy populares en diversos campos de investigación
gracias a su rapidez y facilidad de interpretación.
Debido a su capacidad para transformar datos, pueden utilizarse para simular una amplia
gama de relaciones, y debido a su forma, que es más simple que la de las redes neuronales,
sus parámetros estadísticos se analizan y comparan con facilidad, lo que permite que se les
extraiga información valiosa.
La regresión lineal no sólo se utiliza con fines de predicción: también ha demostrado su
eficacia para describir sistemas. Si quieres modelar los valores de una variable numérica,
tendrás una lista relativamente corta de variables independientes y, como esperas que el
modelo sea comprensible, es probable que elijas la regresión lineal como herramienta de
modelización.
PROFESOR: ELOY EMILIO CHOQUE MAMANI 1
UNIDAD EDUCATIVA “TOMAS FRIAS” FISICA BASICA Y LABORATORIO
Tipos de regresión lineal
Dependiendo de los objetivos del estudio, puedes elegir entre diversos tipos de análisis de
regresión:
Simple
En una regresión lineal, se trata de establecer una relación entre una variable independiente
y su correspondiente variable dependiente. Esta relación se expresa como una línea recta.
No es posible trazar una línea recta que pase por todos los puntos de un gráfico si estos se
encuentran ordenados de manera caótica. Por lo tanto, sólo se determina la ubicación
óptima de esta línea mediante una regresión lineal. Algunos puntos seguirán distanciados de
la recta, pero esta distancia debe ser mínima. El cálculo de la distancia mínima de la recta a
cada punto se denomina función de pérdida.
La ecuación de una línea recta tiene la siguiente forma:
Y = β₀ + β₁X + ε,
donde:
1. Y es la variable independiente.
2. β₀ y β₁ son dos constantes desconocidas que representan el punto de intersección y
la pendiente respectivamente.
3. ε (epsilon) es la función de pérdida.
A continuación, se muestra un ejemplo gráfico de un modelo de una regresión lineal simple:
PROFESOR: ELOY EMILIO CHOQUE MAMANI 2
UNIDAD EDUCATIVA “TOMAS FRIAS” FISICA BASICA Y LABORATORIO
Aplicación de la regresión lineal simple:
1. Para predecir la cosecha en función de la precipitación, con la precipitación como
variable independiente y la cosecha como variable dependiente.
2. Para saber qué calificación obtendrán los alumnos en función del número de horas
que estudien: aquí la cantidad de horas de estudio representa la variable
independiente y las calificaciones, la dependiente.
3. Para prever el salario basado en la experiencia: la experiencia se convierte en la
variable independiente y el salario en la variable dependiente.
Limitaciones de la regresión lineal simple:
La regresión lineal simple establece que existe una relación entre las variables, pero no revela
una relación causal: Y depende de, pero no implica que genere a Y.
Si necesitas establecer algo más que la existencia de una relación, tendrás que hacer análisis
adicionales.
Ejemplos:
PROFESOR: ELOY EMILIO CHOQUE MAMANI 3
