Curso: Matemática Aplicada a la Electrónica

Tema: Aplicación de Regresión Lineal

Semana: 2

Ing. Andrés Morocco A.

 CONTENIDOS A TRATAR

• Regresión lineal.
• Ajuste de curvas.
• Utilidad de la hoja de cálculo.

2
Regresión Lineal
Regresión Lineal

El análisis de regresión lineal es una técnica estadística utilizada para

estudiar la relación entre dos o más variables, ajustando algún modelo
matemático.

Tanto en el caso de dos variables (regresión simple) como en el de más

de dos variables (regresión múltiple), el análisis de regresión lineal puede
utilizarse para explorar y cuantificar la relación entre una variable llamada
dependiente o criterio (Y) y una o más variables llamadas independientes
o predictoras (X1,X2,….,Xk), así como para desarrollar una ecuación lineal
con fines predictivos.

4
Variables estadísticas
Variables estadísticas bidimensionales

Las variables estadísticas bidimensionales las representamos por el par (X; Y),
donde X es una variable unidimensional que toma los valores x1, x2, x3,…., xn e
Y es otra variable unidimensional que toma los valores y1, y2, y3,…., yn.

Por tanto, la variable estadística bidimensional (X, Y) toma los valores:

(x1, y1), (x2, y2), (x3, y3),…., (xn, yn).

5
Variables estadísticas bidimensionales
Se puede expresar los valores de los datos de una distribución
bidimensional mediante una tabla.
Ejemplo:

Valor de diversas medidas de corriente y voltaje en una experiencia de

circuitos eléctricos.

voltaje (V) corriente(mA)

50 10

55 14

63 17

73 22

75 24
6
Diagrama de Dispersión
Si cada par de valores que conforma una variable estadística bidimensional
lo tomamos como las coordenadas de un punto, la representación de todos
ellos sobre un diagrama cartesiano se llama diagrama de dispersión o nube
de puntos, ya que nos muestra lo juntos o separados que están los puntos
de la distribución; es decir, su dispersión en el plano.

Ejemplo:
voltaje (V) corriente(mA)
Representar el diagrama de
dispersión de la siguiente tabla 50 10
que nos da diversas medidas de
corriente y voltaje en una 55 14
experiencia de circuitos eléctricos.
63 17

73 22

75 24

7
Diagrama de Dispersión
Representar el diagrama de dispersión de la siguiente tabla que nos da
diversas medidas de corriente y voltaje en una experiencia de circuitos
eléctricos.

voltaje corriente
(V) (mA)
50 10
55 14
63 17
73 22
75 24

El diagrama de dispersión es una herramienta muy útil para hacer una

primera exploración, más cualitativa, de la existencia de relación entre las
variables.

8
Recta de regresión
La recta que mejor se adapta a la nube de puntos se llama recta de
regresión.
Para el ejemplo dibujar la recta de regresión

9
Recta de Regresión
Representar el diagrama de dispersión de la siguiente tabla que nos da
diversas medidas de corriente y voltaje en una experiencia de circuitos
eléctricos.

voltaje corriente
(V) (mA)
50 10
55 14
63 17
73 22
75 24

10
Correlación
La forma que tiene la nube de puntos de ajustarse a la recta de regresión
puede ser más o menos aproximada, dependiendo de la relación de
dependencia que exista entre ambas variables.

La relación que existe entre las variables de una distribución bidimensional

se llama correlación entre las variables.

Dependiendo de esta aproximación de la nube de puntos a la recta de

regresión, tendremos tres clases de correlación:

Correlación positiva:

Cuando al aumentar una variable, la otra

también aumenta.
La recta de regresión en este caso es una
recta creciente.

11
Correlación

Dependiendo de esta aproximación de la nube de puntos a la recta de

regresión, tendremos tres clases de correlación:
Correlación negativa:
Cuando al aumentar una variable, la otra
disminuye.
La recta de regresión en este caso es una
recta decreciente.

Correlación nula:
Se da cuando no hay dependencia de
ningún tipo entre las variables.
En este caso, la nube de puntos no se
ajusta a ninguna recta.
También se dice que las variables son
encorraladas y la nube de puntos tiene una
forma redondeada.
12
Análisis de la covarianza
El análisis de la covarianza es una técnica estadística que, utilizando un
modelo de regresión lineal múltiple, busca comparar los resultados obtenidos
en diferentes grupos de una variable cuantitativa, pero "corrigiendo" las
posibles diferencias existentes entre los grupos en otras variables que
pudieran afectar también al resultado.
La covarianza es una medida de la dependencia estadística entre dos
variables.

La covarianza

Se llama covarianza de una variable

bidimensional (X, Y), a la media
aritmética de los productos de las
desviaciones de cada una de las
variables respecto a sus medias
respectivas.

13
Ejemplo:
Calcular la covarianza de la tabla que nos da las mediciones de corriente y
voltaje en una experiencia de circuitos eléctricos.

Voltaje (V) Corriente (mA)

2 1
3 3
4 2
4 4
5 4
6 4
6 6
7 4
7 6
8 7
10 9
10 10

14
Aún así resulta difícil interpretar el valor de la covarianza por lo que se
calcula el:

Coeficiente de correlación

El coeficiente de correlación mide el grado de

correlación entre dos variables, y se
representa por:

El coeficiente de correlación nos indica la fuerza con que están unidos los
puntos entre sí; o, dicho de otra manera, la proximidad que hay entre los
puntos.

Su valor está entre -1 y 1.

Su signo es el de la covarianza, si r>0 la correlación es directa, si r<0 inversa.
Si se aproxima a -1 ó a 1 la correlación es fuerte, si está próximo a 0 es débil.
Cuando vale -1 ó 1 es perfecta, los puntos están situados en una recta.

15
 Ejemplo:
Calcular el coeficiente de correlación de la tabla que nos da las mediciones
de corriente y voltaje en una experiencia de circuitos eléctricos.

Voltaje (V) Corriente (mA)

2 1
3 3
4 2
4 4
5 4
6 4
6 6
7 4
7 6
8 7
10 9
10 10

16
Cálculo de la recta de regresión

Hasta ahora hemos hecho el ajuste de la recta de regresión a una nube de

puntos de una forma poco precisa, trazándola a ojo en una posición que nos
parecía satisfactoria.

Ahora utilizaremos un método más preciso, que nos permita obtener, sin
ambigüedad, una única recta que se ajuste mejor a los puntos.

17
La recta de regresión
Llamamos línea de regresión a la curva que mejor se ajusta a nube de puntos,
es una curva ideal en torno a la que se distribuyen los puntos de la nube.
Se utiliza para predecir la variable dependiente (Y) a partir de la
independiente (X).

Para ello se suele utilizar el método de los mínimos cuadrados, que consiste
en determinar una recta tal que la suma de los cuadrados de las distancias
di de la figura sea mínima.

18
La recta de regresión

De la aplicación del método anterior obtenemos que la recta de regresión

pasa por los puntos
Por tanto, la ecuación buscada será de la forma:

Luego la ecuación de la recta de regresión es de la forma:

19
Ejemplo: Calcular la recta de regresión correspondiente a la la tabla que
nos da las mediciones de corriente y voltaje en una experiencia de circuitos
eléctricos.

Voltaje (V) Corriente (mA)

2 1
3 3
4 2
4 4
5 4
6 4
6 6
7 4
7 6
8 7
10 9
10 10

20
21
Se tomaron ocho medidas de la temperatura de una batería y de
su voltaje, y se obtuvieron los siguientes datos:

Cuál de las siguientes rectas es la recta de regresión.

1) y = 350 – 2,1x
2) y = 460 – 2,1x
3) y = 406 + 2,1x
Para 25 grados, ¿Qué voltaje sería razonable suponer?
Para el sensor de fuerza con circuito semipuente
desarrollado en laboratorio, se registraron los valores dados
en la siguiente tabla.
Encuentre la ecuación de la recta de regresión y determine
el peso correspondiente para un voltaje de 0.36 V.
24
25
Ejemplo: Calcular la recta de regresión de la siguiente tabla que nos da
diversas medidas de corriente y voltaje en una experiencia de circuitos
eléctricos, determine además:
La corriente correspondiente para un voltaje de 30 V.
El voltaje correspondiente para una corriente de 30 mA

voltaje (V) corriente(mA)

Xi Yi

50 10

55 14

63 17

73 22

75 24

26
 Enlaces
https://www.youtube.com/watch?v=XyMcJ5M2qqQ

https://www.youtube.com/watch?v=7ITModgGLpk

27
 Próxima Sesión
• Señales Eléctricas.
• Análisis de señales con Matlab.

28