UNIDAD 4.

MODELOS DE REGRESIÓN LINEAL

PRONÓSTICO DE NEGOCIOS

Nombre de la materia
PRONÓSTICO DE NEGOCIOS.
Nombre de la Maestría
DIRECCIÓN EN VENTAS.

Nombre del alumno

JULIO CÉSAR RAMÍREZ ORTÍZ
Matrícula
010087982

Nombre de la Tarea
PROYECTO 6 DE INTEGRACIÓN
SEMANA 11
Unidad #
4. MODELOS DE REGRESIÓN LINEAL

Nombre del Tutor

RICARDO VARGAS DE BASTERRA.

Fecha
CD. DE MÉXICO 08 DE OCTUBRE 2019.
 UNIDAD 4. MODELOS DE REGRESIÓN LINEAL
PRONÓSTICO DE NEGOCIOS

CASO DE ESTUDIO PARTE 2

2. ANÁLISIS INFERENCIAL

a) SI ESTABLECES UN MODELO DE REGRESIÓN LINEAL SIMPLE, DETERMINAR

CÓMO SE INCREMENTA EL NÚMERO DE DÍAS DE MORA POR CADA PESO
ADICIONAL DE PRÉSTAMO QUE SE OTORGA.

En este caso como queremos saber si los dias de mora dependeran de la cantidad de
presntamo expresada en peso es dependiente haremos la gráfica correspondiente
teniendo los siguientes valores que se estaran graficando para sacar la regresion lineal.

MONTO DE DIAS DE
ADEUDO RETRASO
$ 300.00 20
$ 450.00 10
$ 600.00 40
$ 650.00 39.3
$ 850.00 46
$ 900.00 43
$ 1,100.00 92
$ 1,200.00 54
$ 1,250.00 99
$ 1,600.00 59
$ 1,625.00 82
$ 1,700.00 55
$ 1,900.00 60
$ 2,200.00 52.3
$ 2,250.00 72.5
$ 2,300.00 63
$ 2,350.00 80
$ 2,400.00 61
$ 2,450.00 79
$ 2,500.00 85
$ 2,550.00 96
$ 3,000.00 94
$ 3,100.00 122
$ 3,200.00 90.5
 UNIDAD 4. MODELOS DE REGRESIÓN LINEAL
PRONÓSTICO DE NEGOCIOS

$ 3,300.00 92
$ 3,350.00 97
$ 3,400.00 95
$ 3,500.00 93.75
$ 3,525.00 99
$ 3,700.00 95
$ 3,730.00 99
$ 3,750.00 95.5
$ 4,000.00 99
$ 4,200.00 102.25
$ 4,250.00 106
$ 4,275.00 105
$ 4,300.00 110
$ 4,350.00 107
$ 4,450.00 109
$ 4,500.00 119.75
$ 4,600.00 112.5
$ 4,650.00 112
$ 4,700.00 114
$ 4,800.00 116
$ 4,850.00 117
$ 4,900.00 116
$ 5,050.00 120
$ 5,200.00 134
$ 5,350.00 126
$ 5,600.00 125
$ 6,000.00 152
$ 6,200.00 126
$ 6,300.00 128
$ 6,400.00 134
$ 6,450.00 155
$ 6,700.00 125
$ 7,200.00 140.5
$ 7,250.00 142
$ 7,350.00 150
$ 7,500.00 144
$ 7,850.00 148
$ 9,000.00 160
 UNIDAD 4. MODELOS DE REGRESIÓN LINEAL
PRONÓSTICO DE NEGOCIOS

$ 9,100.00 166
$ 9,200.00 168
$ 9,850.00 148
$ 10,000.00 150
$ 10,300.00 175
$ 10,500.00 150
$ 11,300.00 190
$ 11,750.00 195
$ 13,200.00 180
$ 15,000.00 165

GRÁFICO MONTO DE MORA VS DIAS DE MORA

200
180
160
140
DÍAS DE MORA

120 y = 0.0114x + 53.162

100 R² = 0.8291
80
60
40
20
0
$100.00 $ 2 , 1 0 0 . 0 0 $ 4 , 1 0 0 . 0 0 $ 6 , 1 0 0 . 0 0 $ 8 , 1 0 0 . 0 0 $ 1 0 , 1 0 0 . 0 0$ 1 2 , 1 0 0 . 0 0$ 1 4 , 1 0 0 . 0 0
MONTO DE MORA ($)

DIAS DE RETRASO Lineal (DIAS DE RETRASO )

b) ¿CÓMO SE INTERPRETA EL COEFICIENTE DE DETERMINACIÓN EN ESTA

REGRESIÓN?

El coeficiente de determinación es 𝑅" = 0. 8291 lo que quiere decir es que casi es cercano a
1 por lo que podemos mencionar que los datos tendran un comportamiento a una recta que
podriamos predecir en un 82.91% el comporamiento de los dias de retraso con respecto a
la cantidad prestada.

c) ¿CÓMO SE INTERPRETA EL COEFICIENTE DE CORRELACIÓN EN ESTA

REGRESIÓN?

El coeficiente de corelación es 𝑅 = 0.9105, por lo que la correlacion es positiva e intesa ya

que casi tiene una correlaion perfecta los datos La finalidad de la correlación es examinar la
 UNIDAD 4. MODELOS DE REGRESIÓN LINEAL
PRONÓSTICO DE NEGOCIOS

dirección y la fuerza de la asociación entre dos variables cuantitativas que es los dias de
mora con respecto a la cantidad de prestamo de dinero .

d) OBTEN EL COEFICIENTE DE DETERMINACIÓN Y DE CORRELACIÓN DEL NUMERO

DE SOLICITUDES DE CLIENTES DE HIDALGO (DATOS DEL ANEXO 1)

El coeficiente de determinación es 𝑅" = 0. 8291

El coeficiente de corelación es 𝑅 = 0.9105

e) ¿CÓMO INTERPRETAS ESOS VALORES PARA LA ATENCIÓN DE CLIENTES?

El coeficiente de determinación es 𝑅" = 0. 8291 lo que quiere decir es que casi es

cercano a 1 por lo que podemos mencionar que los datos tendran un comportamiento a
una recta que podriamos predecir en un 82.91% el comporamiento de los dias de
retraso con respecto a la cantidad prestada.

El coeficiente de corelación es 𝑅 = 0.9105, por lo que la correlacion es positiva e intesa

ya que casi tiene una correlaion perfecta los datos La finalidad de la correlación es
examinar la dirección y la fuerza de la asociación entre dos variables cuantitativas que
es los dias de mora con respecto a la cantidad de prestamo de dinero

3. DETERMINACIÓN DEL PERFIL DE CLIENTE

A. SI PUDIERAS AGREGAR VARIABLES CUANTITATIVAS AL ESTUDIO PARA

ANALIZAR EL COMPORTAMIENTO DE LA CARTERA VENCIDA Y PODER DEFINIR
UN PERFIL MÁS COMPLETO DEL CLIENTE,

i. ¿CUÁLES AGREGARÍAS?

Yo en mi caso agreagria cuanto el cliente tiene de linea de crédito para saber que
cantidad es viable prestar. Los plazos que el cliente cliente una vez prestado el
dinero y las garantias que se ofrece para que se preste el dinero. Un poco más
estricto pediria sexo de las personas y adicional los salrios e ingresos que tiene
cada uno de los clientes.

ii. ¿POR QUÉ ESAS?

Considero que estas variables son interesantes ya que nos indicarian si es viable
prestar o no la cantidad de dinero a los clientes y por otra parte saber si cuentan
con los recursos para poder pagar el prestamo y asi saldar deudas y disminuir los
dias de atraso con la finalidad de no alterar tanto su economia a los solicitantes.
 UNIDAD 4. MODELOS DE REGRESIÓN LINEAL
PRONÓSTICO DE NEGOCIOS

iii. ¿CUÁL SERÍA TU HIPÓTESIS DE COMPORTAMIENTO PARA ESAS

VARIABLES?

Ho= El cuenta con ingresos menores o iguales a $5000 podria solicitar prestamos y
pagarlos en menos de 165 dias.

H1= El cuenta con ingresos mayores a $5000 podria solicitar prestamos y pagarlos en
menos de 165 dias.