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: Podra ser una regresin de tipo mltiple:
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

440

50

105

75

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

y
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:

Para poder resolver se puede utilizar programas informticos como AD+, SPSS y
Minitab y Excel.
El error estndar de la regresin mltiple

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

: 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
Mide la tasa porcentual de los cambios de Y que pueden ser explicados por
y

simultneamente.

III.- APLICACION DE REGRESION MULTIPLE

Mediante el siguiente problema podremos ilustrar la aplicacin de Regresin Multiple:
En la Facultad de Ingeniera de Sistemas y Computo de la Universidad "Inca Garcilaso
de la Vega" 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.
Alumno

PHP

13

13

13

15

16

15

12

13

13

10

13

11

11

12

14

13

15

14

15

15

15

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:

El Error Estndar de Regresin Mltiple

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 si siguiente formula:

REGRESIN EXPONENCIAL
Fue Francis Galton (1822-1911) quien utiliz por primera vez el trmino regresin para
indicar que, aunque influida por la estatura de sus padres, la estatura de los hijos
"regresaba" a la media general.
La regresin examina la relacin entre dos variables, pero restringiendo una de ellas con
el objeto de estudiar las variaciones de una variable cuando la otra permanece constante.
En otras palabras, la regresin es un mtodo que se emplea para predecir el valor de una
variable en funcin de valores dados a la otra variable.
En todos los casos de regresin existe una dependencia funcional entre las variables. En
el caso de dos variables, siendo una de ellas (X) variable independiente y la otra (Y) la
dependiente, se habla de regresin de Y sobre X; Por ejemplo, los ingenieros forestales
utilizan la regresin de la altura de los rboles sobre su dimetro, lo cual significa que
midiendo el dimetro (variable independiente) y reemplazando su valor en una relacin
definida segn la clase de rbol se obtiene la altura, y aun sin necesidad de clculos
aprecian la altura utilizando grficas de la funcin de dependencia, altura = funcin del
dimetro.
Cuando la curva de regresin de y sobre x es exponencial, es decir para cualquier x
considerada, la media de la distribucin est dada por la siguiente ecuacin predictora:

Ejemplo ilustrativo: Las cifras siguientes son datos sobre el porcentaje de llantas
radiales producidas por cierto fabricante que an pueden usarse despus de recorrer
cierto nmero de millas:
Miles de Millas recorridas
1
2
5
15
25
30
35
40
(X)
Porcentaje til (Y)

99

95

85

55

30

24

20

15

1) Ajustar una curva exponencial aplicando el mtodo de mnimos cuadrados.

2) Calcular la ecuacin predictora.
3) Estimar qu porcentaje de las llantas radiales del fabricante durarn 50000 millas.
Solucin:
1) Se llena la siguiente tabla:

2) Reemplazando en la ecuacin predictora se obtiene:

3) La estimacin del porcentaje de llantas radiales que durarn 50000 millas se obtiene
reemplazando en la ecuacin predictora el valor de X = 50

Entonces el porcentaje sera de 9,106%