La regresión lineal, también llamado ajuste lineal, es un modelo matemático que relaciona la variable dependiente e independiente; de manera que pueda expresarse en una función.
La regresión nos permite además, determinar el grado de dependencia de las series de valores X e Y, prediciendo el valor y estimado que se obtendría para un valor x que no esté en la distribución.
Para complementar falto la interpretación de las variables, no simplemente es calcular y nada más,ademas esta se puede calcular exactamente con el modelo FX 570 ... y más no con otros modelos.
para complementar los cálculos con la calculadora vamos interpretar los valores de la regresión lineal. Ejemplo y=Ax+B sabiendo los valores de A y B, podemos interpretar de la siguiente manera la ecuación se lee. Por cada incremento unitario de "X" la "Y" aumenta "A" números. Esta interpretación claro está cuando la pendiente es positiva.Cuando la pendiente es positiva nos indica que a medida que aumente la variable "X" también aumentará la variable "Y", es decir, directamente proporcional.
En un grupo de datos es posible trazar muchas rectas diferentes. Obviamente, no todas ellas se ajustaran igualmente bien al grupo de datos. Se trata de encontrar la recta capaz de convertirse en el mejor representante del conjunto total de puntos.Existen diferentes procedimientos para ajustar una función simple, cada uno de las cuales intenta minimizar una medida diferente del grado de ajuste. La elección preferida ha sido, la recta que hace mínima la suma de los cuadrados de las distancias verticales entre cada punto y la recta. Esto significa que de todas las rectas posibles, existe una y solo una que consigue que las distancias verticales entre cada punto y la recta sean mínimas.
La regresión lineal, también llamado ajuste lineal, es un modelo matemático que relaciona la variable dependiente e independiente; de manera que pueda expresarse en una función.
ResponderEliminarLa regresión nos permite además, determinar el grado de dependencia de las series de valores X e Y, prediciendo el valor y estimado que se obtendría para un valor x que no esté en la distribución.
ResponderEliminarEste comentario ha sido eliminado por el autor.
ResponderEliminarEste comentario ha sido eliminado por el autor.
ResponderEliminarPara complementar falto la interpretación de las variables, no simplemente es calcular y nada más,ademas esta se puede calcular exactamente con el modelo FX 570 ... y más no con otros modelos.
ResponderEliminarpara complementar los cálculos con la calculadora vamos interpretar los valores de la regresión lineal. Ejemplo
y=Ax+B sabiendo los valores de A y B, podemos interpretar de la siguiente manera la ecuación se lee. Por cada incremento unitario de "X" la "Y" aumenta "A" números. Esta interpretación claro está cuando la pendiente es positiva.Cuando la pendiente es positiva nos indica que a medida que aumente la variable "X" también aumentará la variable "Y", es decir, directamente proporcional.
En un grupo de datos es posible trazar muchas rectas diferentes. Obviamente, no todas ellas se ajustaran igualmente bien al grupo de datos. Se trata de encontrar la recta capaz de convertirse en el mejor representante del conjunto total de puntos.Existen diferentes procedimientos para ajustar una función simple, cada uno de las cuales intenta minimizar una medida diferente del grado de ajuste. La elección preferida ha sido, la recta que hace mínima la suma de los cuadrados de las distancias verticales entre cada punto y la recta. Esto significa que de todas las rectas posibles, existe una y solo una que consigue que las distancias verticales entre cada punto y la recta sean mínimas.
ResponderEliminar