1

Algunos tipos de Regresión (existen mas)

Tipo de regresión Uso típico
Lineal Simple Predicción de una variable de respuesta cuantitativa a partir de una variable predictora cuantitativa
Polinomial Predicción de una variable de respuesta cuantitativa a partir de una variable predictora cuantitativa,
donde la relación se modela como una función polinomial de orden n
Lineal múltiple Predicción de una variable de respuesta cuantitativa a partir de dos o más variables predictoras
cuantitativas
Multivariada Predicción de más de una variable de respuesta cuantitativa a partir de una o más variables predictoras
cuantitativas
Logística Predicción de una variable categórica a partir de una o más predictoras
De Poisson Predicción de una variable de respuesta que representa un conteo a partir de una o más predictoras
no lineal Predicción de una variable de respuesta cuantitativa a partir de una o más predictoras, donde
el modelo no es lineal
Robusta Predicción de una variable de respuesta cuantitativa a partir de una o más predictoras,
usando una aproximación resistente al efecto de observaciones influyentes
 2
Regresión Polinomial
En algunos casos, las tendencias de las ecuaciones se representan mejor
ajustando una curva a los datos presentados, y siendo una línea recta
una representación pobre del patrón.
El procedimiento de Regresión Lineal se ajusta a un polinomio de un m-ésimo
grado. 3
y = a 0 + a 1 x + a 2 𝒙𝟐 + … + a m 𝒙𝒎
La suma de los cuadrados de los residuos es:

Sr = (yi − a0 − a1xi − a2xi2 − ⋯ − amxim )2

Se deriva con respecto a cada coeficiente y se obtiene el sistema de ecuaciones

resultante. Se puede resolver el sistema aplicando cualquiera de los métodos
descritos anteriormente, con m+1 ecuaciones y m+1 incógnitas.

a0n + a1∑xi + a2∑xi2 … + am∑xim = ∑yi

a0∑xi + a1∑xi2 + a2∑xi3 … + am∑xim+1 = ∑ xi yi
a0∑xi2 + a1∑xi3 + a2∑xi4 … + am∑xim+2 = ∑ xi2yi
… … … … … …
a0∑xim + a1∑xim+1 + a2∑xim+2 … + am∑xi2m = ∑ xim yi
Error Estándar de la Aproximación: 4
𝑺𝒓
𝑺=
𝒏 − (𝒎 + 𝟏)

Coeficiente de Determinación:
𝑆𝑣 − 𝑆𝑟
𝑟2 =
𝑆𝑣
Coeficiente de Correlación:

𝑺𝒗 − 𝑺𝒓
𝑺=
𝑺𝒗
 5
Ejemplo
Ajústese un Polinomio de 2do Orden a los siguientes datos:

X 0 1 2 3 4 5
Y 2.10 7.70 13.60 27.20 40.90 61.10

n= 6, m = 2
DEBER 4 6
1.- Utilice Regresión polinomial para ajustar los siguientes datos y calcule Error Estándar,
Coeficiente de Correlación, grafique los puntos y la curva: EN FORMA MANUAL Y COMPROBAR
LOS RESULTADOS EN EXCEL, MATLAB y EN CURVE FITTING.

X 5 10 15 20 25 30 35 40 45 50
Y 17 25 30 33 36 38 39 40 41 42

2.- Utilice Regresión polinomial para ajustar los siguientes datos y calcule Error Estándar,
Coeficiente de Correlación, grafique los puntos y la curva: EN FORMA MANUAL Y COMPROBAR
LOS RESULTADOS EN EXCEL, MATLAB y EN CURVE FITTING.

x y
1 3
1.2 3.89
1.5 5
2 2
3 4.1
3.7 5
4 7
4.5 6.5
 7

GRACIAS