R - Regresión lineal

R 语言实例Ejemplos de lenguaje R

En estadística, la regresión lineal (Linear Regression) es un análisis de regresión que utiliza la función de mínimos cuadrados, llamada ecuación de regresión lineal, para modelar la relación entre una o más variables independientes y una variable dependiente.

En términos simples, es un método de análisis estadístico utilizado para determinar la relación cuantitativa de interdependencia entre dos o más variables.

En el análisis de regresión, si solo se incluye una variable independiente y una variable dependiente, y la relación entre ambas puede aproximarse con una línea recta, este análisis de regresión se denomina análisis de regresión lineal simple. Si el análisis de regresión incluye dos o más variables independientes y la relación entre la variable dependiente y las independientes es lineal, se denomina análisis de regresión lineal múltiple.

Ecuación matemática del análisis de regresión lineal simple:

y = ax + b
  • yes el valor de la variable dependiente.

  • xes el valor de la variable independiente.

  • aybson los parámetros de la ecuación de regresión lineal simple.

A continuación, podemos crear un modelo de predicción de altura y peso corporal:

  • 1. Recopilar datos de muestra: altura y peso.
  • 2. Usar la función lm() para crear un modelo de relación.
  • 3. Encontrar los coeficientes del modelo creado y crear la ecuación matemática.
  • 4. Obtener el resumen del modelo de relación para comprender el error promedio, es decir, los residuos (diferencia entre el valor estimado y el valor real).
  • 5. Usar la función predict() para predecir el peso de una persona.

Preparar los datos

Los siguientes son los datos de altura y peso de las personas:

# 身高,单位 cm
151, 174, 138, 186, 128, 136, 179, 163, 152, 131

# 体重,单位 kg
63, 81, 56, 91, 47, 57, 76, 72, 62, 48

Función lm()

En R, puedes realizar una regresión lineal mediante la función lm().

La función lm() se utiliza para crear un modelo de relación entre la variable independiente y la variable dependiente.

La sintaxis de la función lm() es la siguiente:

lm(formula,data)

Descripción de parámetros:

  • formula: una fórmula simbólica que representa la relación entre x e y.
  • data: los datos a aplicar.

Crear el modelo de relación y obtener los coeficientes:

Ejemplo

# Datos de muestra
x <- c(151, 174, 138, 186, 128, 136, 179, 163, 152, 131)
y <- c(63, 81, 56, 91, 47, 57, 76, 72, 62, 48)

# Enviar a la función lm()
relation <- lm(y~x)

print(relation)

Ejecutar el código anterior produce el siguiente resultado:

Call:
lm(formula = y ~ x)

Coefficients:
(Intercept)            x  
    -38.4551       0.6746  

Usarsummary()función para obtener el resumen del modelo de relación:

Ejemplo

x <- c(151, 174, 138, 186, 128, 136, 179, 163, 152, 131)
y <- c(63, 81, 56, 91, 47, 57, 76, 72, 62, 48)

# Enviar a la función lm()
relation <- lm(y~x)

print(summary(relation))

Ejecutar el código anterior produce el siguiente resultado:

Call:
lm(formula = y ~ x)

Residuals:
    Min      1Q     Median      3Q     Max 
-6.3002    -1.6629  0.0412    1.8944  3.9775 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept) -38.45509    8.04901  -4.778  0.00139 ** 
x             0.67461    0.05191  12.997 1.16e-06 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 3.253 on 8 degrees of freedom
Multiple R-squared:  0.9548,    Adjusted R-squared:  0.9491 
F-statistic: 168.9 on 1 and 8 DF,  p-value: 1.164e-06

Función predict()

La función predict() se utiliza para predecir valores basándose en el modelo que hemos creado.

La sintaxis de la función predict() es la siguiente:

predict(object, newdata)

Descripción de parámetros:

  • object: la fórmula creada por la función lm().
  • newdata: los valores a predecir.

En el siguiente ejemplo, predecimos un nuevo valor de peso:

Ejemplo

# Datos de muestra
x <- c(151, 174, 138, 186, 128, 136, 179, 163, 152, 131)
y <- c(63, 81, 56, 91, 47, 57, 76, 72, 62, 48)

# Enviar a la función lm()
relation <- lm(y~x)

# Determinar el peso para una altura de 170 cm
a <- data.frame(x = 170)
result <-  predict(relation,a)
print(result)

Ejecutar el código anterior produce el siguiente resultado:

1 
76.22869 

También podemos generar un gráfico:

Ejemplo

# Datos de muestra
x <- c(151, 174, 138, 186, 128, 136, 179, 163, 152, 131)
y <- c(63, 81, 56, 91, 47, 57, 76, 72, 62, 48)
relation <- lm(y~x)

# Generar imagen PNG
png(file = "linearregression.png")

# Generar gráfico
plot(y,x,col = "blue",main = "Height & Weight Regression",
abline(lm(x~y)),cex = 1.3,pch = 16,xlab = "Weight in Kg",ylab = "Height in cm")

El gráfico es el siguiente:

R 语言实例Ejemplos de lenguaje R

Otras extensiones