Título de la tarea

Regresión Lineal

Nombre Alumno

Ivan Carillanca Salazar

Nombre Asignatura

Estadística

Instituto IACC

19 de Mayo del 2018

pág. 1
 Desarrollo

Le han solicitado elaborar un estudio de desempeño laboral en la empresa Luz Ltda. con el fin

de observar la incidencia y determinar si es relevante que un empleado realice actividades

personales en su horario de trabajo. Es por esto que se tomó como referencia el tiempo en

horas que un empleado navega en internet en su puesto durante la semana hábil y verificar si

existe relación entre el consumo de internet y las siguientes variables: edad, antigüedad

laboral, sueldo mensual que percibe y su escolaridad, además de si el sexo del funcionario

incide en este comportamiento de actividades no laborales en su lugar de trabajo.

De acuerdo con los datos entregados:

a) Realice un gráfico de dispersión e indique el tipo de relación entre las variables edad del

trabajador y horas conectadas a internet.

pág. 2
b) Con respecto a las mismas variables de la letra a), construya un modelo de regresión e

interprete el valor de la pendiente.

Resumen

Estadísticas de la regresión
Coeficiente de correlación
0,866131075
múltiple
Coeficiente de determinación
0,750183039
R^2
R^2 ajustado 0,749344727
Error típico 1,166916984
Observaciones 300

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 1 1218,544816 1218,544816 894,87337 9,37712E-92
Residuos 298 405,785184 1,361695248
Total 299 1624,33

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 27,39032965 0,541086305 50,62099964 2,172E-148 26,32549533 28,455164 26,32549533 28,45516396
Edad (años) -0,348758516 0,011658536 -29,91443414 9,3771E-92 -0,371702008 -0,32581502 -0,371702008 -0,325815023

Y= 27,3903 - 0,3487 * X
Horas conectado a Internet (semanal) = 27,3903 - 0,3487 * Edad del trabajador

Al ser b < 0, una variable aumenta, la otra disminuye es un modelo decreciente y es una relación

indirecta

c) Estime el número de horas que un trabajador está conectado a internet, si tiene 62 años.

Coeficientes
Intercepción 27,39032965
Edad (años) -0,348758516

62

Y= 27,3903 - 0,3487 * X

Estimación
Y= 5,767301674

La cantidad de horas que está conectado un trabajador de 62 años, es de 5,8 hrs. App

d) Si un trabajador está conectado 18 horas a internet, ¿qué edad se puede estimar que tiene

el trabajador?

pág. 3
 Coeficientes
Intercepción 27,3903296
Edad (años) -0,34875852

Y = 27.3903 - 0.3487 * X

18 = 27.3903 - 0.3487 * X

X= 26,925019

El trabajador tiene 27 años app.

e) Desde la gerencia se requiere establecer un modelo de regresión para las variables: sueldo

mensual y antigüedad de los trabajadores, para realizar estimaciones respecto a esas

variables. Entonces:

e.1) Construya el modelo lineal y exponencial.

Modelo lineal

pág. 4
Modelo exponencial

e.2) Estime qué modelo se ajusta mejor a los datos. Justifique su respuesta.

Modelo Lineal

y = 77,473x + 48,67

R² = 0,7678

Modelo exponencial

y = 274,45e0,1074x

R² = 0,8053

Al comparar ambos modelos, se puede determinar que el modelo que más se ajusta a los datos es

el modelo exponencial. Ya que su coeficiente de determinación es mayor, por ende las

estimaciones son más confiables.

pág. 5
e.3) Utilizando el modelo más adecuado, determine el sueldo mensual de un trabajador, si

lleva 15 años en la empresa.

Respuesta: Sabemos que el modelo que más se adecua es el Y = 274.45 𝑒 0.1074 𝑋

reemplazando X=15; de donde tenemos que Y = 274.45 𝑒 0.1074 (15) = 1374.395 entonces el

sueldo es de (1374.395).

e.4) Utilizando el mismo modelo anterior estime la antigüedad de un trabajador, con un

sueldo mensual de $750.000.

Respuesta: Sabemos que el modelo que más se adecua es el de Y = 274.45 𝑒 0.1074 𝑋

reemplazando los datos tenemos que 750,000 = 274.45 𝑒 0.1074 𝑋 y obtenemos que X=73.678

entonces la antigüedad del trabajador debe ser de 74 años app.

Respaldos Excel

Copia de
base_tarea_6 (1).xlsx

pág. 6
 Bibliografía

IACC (2018). Regresión lineal. Estadística. Semana 6

pág. 7