comentario

el metodo de minimos cuadrados, es el medio por el cual se llega a encontrar la función para un mejor ajuste de las variables que se esten estudiando.

metodos de minimos cuadrados

Mínimos cuadrados es una técnica de optimización matemática que, dada una serie de mediciones, intenta encontrar una función que se aproxime a los datos (un "mejor ajuste"). Intenta minimizar la suma de cuadrados de las diferencias ordenadas (llamadas residuos) entre los puntos generados por la función y los correspondientes en los datos. Específicamente, se llama mínimos cuadrados promedio (LMS) cuando el número de datos medidos es 1 y se usa el método de descenso por gradiente para minimizar el residuo cuadrado. Se sabe que LMS minimiza el residuo cuadrado esperado, con el mínimo de operaciones (por iteración). Pero requiere un gran número de iteraciones para converger.

Un requisito implícito para que funcione el método de mínimos cuadrados es que los errores de cada medida estén distribuidos de forma aleatoria. El teorema de Gauss-Markov prueba que los estimadores mínimos cuadráticos carecen de sesgo y que el muestreo de datos no tiene que ajustarse, por ejemplo, a una distribución normal. También es importante que los datos recogidos estén bien escogidos, para que permitan visibilidad en las variables que han de ser resueltas (para dar más peso a un dato en particular, véase mínimos cuadrados ponderados).

La técnica de mínimos cuadrados se usa comúnmente en el ajuste de curvas. Muchos otros problemas de optimización pueden expresarse también en forma de mínimos cuadrados, minimizando la energía o maximizando la entropía

comentario

la tendencia variable es lo que no tiene un valor fijo de la constante que es un valor fijo. la estocastica su valor se encuentra en el oscilador o al azar. Y la constante que su valor se encuentra en vp.

clases de tendencia

variable:
de la función parametro incognita etc. que no es constante. Variable independiente o explicativo, que puede explicar o predecir el comportamiento de otra o otras variables.

Estocastica:
es un oscilador que se mueve entre 0 y 100 y que mediante el cruce de la linea del oscilador y de su media movil proporciona señales de compra o de venta. es un algoritmo que basa su resultado en probabilidad.

Constante:
en os procedimientos de la regresión la constante es el valor de vp cuando todas las v. toman el valor cero.

comentario

la regresion:
es el metodo por el cual llegamos a estudiar fenomenos a traves de lapsos de tiempo y asi poder hacer predicciones en el futuro con base a datos pasados.

Correlación:
Es el metodo por el cual se llega a encontrar la rrelación que hay entre las variables que se estan estudiando.

regresión y correlación

La regresión estadística o regresión a la media es la tendencia de una medición extrema a presentarse más cercana a la media en una segunda medición. La regresión se utiliza para predecir una medida basándonos en el conocimiento de otra.

tipos de regresión:
Regresión lineal simple
Dadas dos variables (Y: variable dependiente; X: independiente) se trata de encontrar una función simple (lineal) de X que nos permita aproximar Y mediante: Ŷ = a + bX

a (ordenada en el origen, constante)
b (pendiente de la recta)
A la cantidad e=Y-Ŷ se le denomina residuo o error residual.

Regreseión no lineal
En estadística, la regresión no lineal es un problema de inferencia para un modelo tipo:


basado en datos multidimensionales x,y, donde f es alguna función no lineal respecto a algunos parámetros desconocidos θ. Como mínimo, se pretende obtener los valores de los parámetros asociados con la mejor curva de ajuste (habitualmente, con el método de los mínimos cuadrados). Con el fin de determinar si el modelo es adecuado, puede ser necesario utilizar conceptos de inferencia estadística tales como intervalos de confianza para los parámetros así como pruebas de bondad de ajuste.


Correlación
En probabilidad y estadística, la correlación indica la fuerza y la dirección de una relación lineal entre dos variables aleatorias. Se considera que dos variables cuantitativas están correlacionadas cuando los valores de una de ellas varían sistemáticamente con respecto a los valores homónimos de la otra: si tenemos dos variables (A y B) existe correlación si al aumentar los valores de A lo hacen también los de B y viceversa. La correlación entre dos variables no implica, por sí misma, ninguna relación de causalidad (Véase Cum hoc ergo propter hoc).

comentario

las series estacionarias se caracterizan en que es constante la cantidad que hay entre un dato a otro no varia mucho. Al contrario de la no estacionaria que si tiende a variar mucho