Modelos y Simulacin

Regresin mltiple
I.
II.
III.
IV.
V.

Introduccin
Marco terico
Aplicacin
Conclusiones
Bibliografa

I.- INTRODUCCIN
Como la Estadstica Inferencial nos permite trabajar con una variable a nivel de
intervalo o razn, as tambin se puede comprender la relacin de dos o ms variables
y nos permitir relacionar mediante ecuaciones, una variable en relacin de la otra
variable llamndose Regresin Lineal y una variable en relacin a otras variables
llamndose Regresin mltiple.
Casi constantemente en la practica de la investigacin estadstica, se encuentran
variables que de alguna manera estn relacionados entre si, por lo que es posible que
una de las variables puedan relacionarse matemticamente en funcin de otra u otras
variables.
II.- MARCO TEORICO
Se define como un procedimiento mediante el cual se trata de determinar si
existe o no relacin de dependencia entre dos o ms variables. Es decir, conociendo los
valores de una variable independiente, se trata de estimar los valores, de una o ms
variables dependientes.
La regresin en forma grafica, trata de lograr que una dispersin de las frecuencias sea
ajustada a una lnea recta o curva.
Clases de Regresin
La regresin puede ser Lineal y Curvilnea o no lineal, ambos tipos de regresin pueden
ser a su vez:
a) Regresin Simple: Este tipo se presenta cuando una variable independiente ejerce
influencia sobre otra variable dependiente. Ejemplo: Y = f(x)
Esta regresin se utiliza con mayor frecuencia en las ciencias econmicas, y sus
disciplinas tecnolgicas. Cualquier funcin no lineal, es transformada en lineal para
su estudio y efectos.
Objetivo: Se utiliza la regresin lineal simple para:
1.- Determinar la relacin de dependencia que tiene una variable respecto a otra.
2.- Ajustar la distribucin de frecuencias de una lnea, es decir, determinar la forma
de la lnea de regresin.
3.- Predecir un dato desconocido de una variable partiendo de los datos conocidos
de otra variable.
Por ejemplo:
En una empresa de servicio de Internet busca relacionar las ganancias que obtiene
cada computadora con el numero de usuarios que ingresan a dicha cabina
diariamente. En la tabla representa Y (Ganancias S/.) e X (Numero de usuarios)

Informtica de Gestin

Pgina 1 de 9

Modelos y Simulacin
Y 100 98 99 102 102 111 97 104 102 96
X 116 96 110 105 99 106 100 109 98 108
Coeficiente de Regresin
Indica el nmero de unidades en que se modifica la variable dependiente Y por
efecto del cambio de la variable independiente X o viceversa en una unidad de
medida.
Clases de coeficiente de Regresin:
El coeficiente de regresin puede ser: Positivo, Negativo y Nulo.
Es positivo cuando las variaciones de la variable independiente X son directamente
proporcionales a las variaciones de la variable dependiente Y
Es negativo, cuando las variaciones de la variable independiente X son
inversamente proporcionales a las variaciones de las variables dependientes Y
Es nulo o cero, cuando entre las variables dependientes Y e independientes X
no existen relacin alguna.

30
20
10
0
0

10

15

20

Positivo

0,6
0,5
0,4
0,3
0,2
0,1
0
0

Negativo

Informtica de Gestin

Pgina 2 de 9

Modelos y Simulacin

25
20
15
10
5
0
0

10

15

20

25

Nulo

Procedimiento para hallar el Coeficiente de Regresin

Para determinar el valor del coeficiente de regresin de una manera fcil y exacta
es utilizando el mtodo de los Mnimos Cuadrados de dos maneras:
1.- Forma Directa
De la ecuacin de la recta:

Si a 0

a1 , se obtienen a partir de las ecuaciones normales:

Aplicando normales Y sobre X tenemos:

El Coeficiente de Regresin es

De la misma manera la recta de regresin de X sobre Y ser dada de la

siguiente manera:

Donde: b0 y b1 se obtienen a partir de las ecuaciones normales:

Informtica de Gestin

Pgina 3 de 9

Modelos y Simulacin

Aplicando normales X sobre Y tenemos:

2.- Forma Indirecta del Mtodo de los Mnimos Cuadrados.

El fundamento de este mtodo es de las desviaciones de X respecto a su media
aritmtica. X

Ecuacin de y sobre x

Ecuacin de y sobre x

Donde:

x, y = desviaciones
X = media aritmtica

Informtica de Gestin

Pgina 4 de 9

Modelos y Simulacin
Y = media aritmtica
b) Regresin Mltiple: Este tipo se presenta cuando dos o ms variables
independientes influyen sobre una variable dependiente. Ejemplo: Y = f(x, w, z).
Por ejemplo:
Una Empresa de desarrollo de software establece relacionar sus Ventas en funcin
del numero de pedidos de los tipos de software que desarrolla (Sistemas,
Educativos y Automatizaciones Empresariales), para atender 10 proyectos en el
presente ao.
En la Tabla representa Y (Ventas miles de S/.) e X (N pedidos de sistemas), W (N
de pedidos de Aplicaciones Educativas) y Z (N de pedidos de Automatizaciones
empresariales).
Y
X
W
Z

440
50
105
75

455
40
140
68

470
35
110
70

510
45
130
64

506
51
125
67

480
55
115
72

460
53
100
70

500
48
103
73

490
38
118
69

450
44
98
74

Objetivo: Se presentara primero el anlisis de regresin mltiple al desarrollar y

explicar el uso de la ecuacin de regresin mltiple, as como el error estndar
mltiple de estimacin. Despus se medir la fuerza de la relacin entre las
variables independientes, utilizando los coeficientes mltiples de determinacin.
Anlisis de Regresin Mltiple
Dispone de una ecuacin con dos variables independientes adicionales:

Se puede ampliar para cualquier nmero m de variables independientes:

Para poder resolver y obtener a ,b1 y b2 en una ecuacin de regresin mltiple el

clculo se presenta muy tediosa porque se tiene atender 3 ecuaciones que se
generan por el mtodo de mnimo de cuadrados:

Informtica de Gestin

Pgina 5 de 9

Modelos y Simulacin

Para poder resolver se puede utilizar programas informticos como AD+, SPSS y
Minitab y Excel.
El error estndar de la regresin mltiple ( S xy )
Es una medida de dispersin la estimacin se hace ms precisa conforme el grado
de dispersin alrededor del plano de regresin se hace mas pequeo.
Para medirla se utiliza la formula:

Y : Valores observados en la muestra

Y : Valores estimados a partir a partir de la ecuacin de regresin

n : Nmero de datos
m : Nmero de variables independientes
El coeficiente de determinacin mltiple

(r )

Mide la tasa porcentual de los cambios de Y

x2

x3

que pueden ser explicados por

x1 ,

simultneamente.

III. APLICACION DE REGRESION MULTIPLE

Mediante el siguiente problema podremos ilustrar la aplicacin de Regresin
Mltiple:
En la Facultad de Ingeniera de Sistemas se quiere entender los factores de aprendizaje
de los alumnos que cursan la asignatura de PHP, para lo cual se escoge al azar una
muestra de 15 alumnos y ellos registran notas promedios en las asignaturas de
Algoritmos, Base de Datos y Programacin como se muestran en el siguiente cuadro.
Informtica de Gestin

Pgina 6 de 9

Modelos y Simulacin

Alumno
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

PHP
13
13
13
15
16
15
12
13
13
13
11
14
15
15
15

Algoritmos
15
14
16
20
18
16
13
16
15
14
12
16
17
19
13

Base de
Datos
15
13
13
14
18
17
15
14
14
13
12
11
16
14
15

Programacin
13
12
14
16
17
15
11
15
13
10
10
14
15
16
10

Lo que buscamos es construir un modelo para determinar la dependencia que exista

de aprendizaje reflejada en las notas de la asignatura de PHP, conociendo las notas de
las asignaturas Algoritmos, Base de Datos y Programacin.
Se presentara la siguiente ecuacin a resolver:

Utilizando las formulas de las ecuaciones normales a los datos obtendremos los
coeficientes de regresin o utilizando Regresin de Anlisis de datos, en la Hoja de
Calculo de Excel podemos calcular tambin los coeficientes de regresin:

Por lo tanto podemos construir la ecuacin de regresin que buscamos:

Informtica de Gestin

Pgina 7 de 9

Modelos y Simulacin

El Error Estndar de Regresin Mltiple ( S x ,y )

Mediante esta medida de dispersin se hace ms preciso el grado de dispersin
alrededor del plano de regresin, se hace ms pequeo.
Para calcularla se utiliza la formula siguiente:

En los resultados de Excel se llama error tpico y para explicar la relacin del
aprendizaje de PHP que se viene desarrollando es de 0.861
El coeficiente de determinacin mltiple (r2)
Utilizaremos para determinar la tasa porcentual de Y para ser explicados las variables
mltiples, utilizando la siguiente formula:

r2 =

r2 =

SCregresin
SCTotal

18.7737874
= 0.69704656
26.9333333

IV.- CONCLUSIONES
El 69.70% del aprendizaje del Curso de PHP puede ser explicado mediante las
notas obtenidas por las asignaturas de Algoritmos, Base de Datos y Programacin.

Informtica de Gestin

Pgina 8 de 9

Modelos y Simulacin
V.- BIBLIOGRAFIA DE REGRESION
Galdos Clculo y Estadstica III Edicin Unica. Grupo La Republica. Lima Per;
2005.
Cannavos G. Probabilidad y Estadstica Aplicacin y mtodos. Ed. en espaol Mc
GRAW- HILL/INTERAMERICANA DE MEXICO.1995.

Informtica de Gestin

Pgina 9 de 9