Investigación de tipos regresión

[pic 1]

UNIVERSIDAD MARIANO GALVEZ DE GUATEMALA

FACULTAD DE ADMINISTRACIÓN DE EMPRESAS

ESCUELA DE ADMINISTRACIÓN DE EMPRESAS

PLAN: Sabatino                         

CURSO: Estadística II

CATEDRÁTICA: Lic. Nery Morales

TEMA: 

Investigación de tipos regresión

ESTUDIANTE:                                                                                          CARNÉ:  Greycy Dayanna Ochoa Castellanos                                                0218-22-16759

Santa Elena, Flores, Petén, 9 de febrero 2024

Tipos de regresión

Regresión Lineal

La regresión lineal es un método estadístico que se utiliza para encontrar y entender la relación entre dos variables. Se supone que existe una relación lineal entre las dos variables, es decir, que los cambios en una variable están asociados con cambios proporcionales en la otra.

El proceso de regresión lineal implica ajustar la línea a los datos utilizando métodos estadísticos, como el método de mínimos cuadrados, que minimiza la suma de los cuadrados de las diferencias entre los valores observados y los valores predichos por la línea de regresión. Una vez ajustada la línea, se evalúa la calidad del ajuste y se interpretan los coeficientes en relación con el problema específico que se está investigando.

Regresión cuadrática

La regresión cuadrática es un método estadístico que se utiliza para modelar la relación entre dos variables cuando parece que la relación no es lineal, sino curva en forma de parábola. En lugar de ajustar una línea recta como en la regresión lineal, la regresión cuadrática ajusta una curva de segundo grado, es decir, una parábola.

Para entenderlo más claramente:

1. Datos: Comenzamos con un conjunto de datos que muestra la relación entre una variable independiente (por ejemplo, el tiempo, la temperatura, etc.) y una variable dependiente (por ejemplo, la velocidad, el precio, etc.).
2. Graficar los datos: Representamos gráficamente estos datos en un gráfico de dispersión para visualizar cómo se relacionan. Si observamos que la relación no es lineal y parece seguir una forma de parábola, entonces la regresión cuadrática puede ser apropiada.
3. Ajuste de la curva: Luego, ajustamos una curva de segundo grado (parábola) a los datos.
4. Estimación de coeficientes: Utilizando métodos estadísticos como el método de mínimos cuadrados, calculamos los valores de a, b, y c que mejor ajustan la parábola a nuestros datos.
5. Evaluación del modelo: Después de ajustar la parábola, evaluamos qué tan bien se ajusta a los datos. Esto puede incluir mirar visualmente si la parábola pasa cerca de los puntos de datos y también usar medidas estadísticas para evaluar la calidad del ajuste.
6. Interpretación de resultados: Finalmente, interpretamos los coeficientes y la forma de la parábola en relación con nuestro problema específico. Por ejemplo, si estamos modelando la caída de un objeto en función del tiempo, podríamos interpretar los coeficientes para entender cómo cambia la velocidad en función del tiempo y si hay un punto donde la velocidad alcanza su máximo.

La regresión cuadrática es útil cuando sospechamos que la relación entre nuestras variables no es lineal, sino que sigue una forma de parábola. Nos permite modelar y comprender esta relación curva y usarla para hacer predicciones o tomar decisiones informadas.

...