Documentos de Académico
Documentos de Profesional
Documentos de Cultura
El análisis de regresión es uno de los métodos más utilizados para hacer estimaciones, y se emplea cuando existe relación entre dos
o más variables. El análisis de regresión se basa en las observaciones que se realizan para cada una de las variables, donde se da
a conocer una ecuación matemática que indica la relación de estas variables; cuando se tiene una ecuación esta se utiliza para
poder estimar valores futuros que puede tener una variable. En cualquier tipo de problema se deben de tener muy bien estudiadas e
identificadas las variables que existen en dicho problema. La regresión se emplea en la estimación de una relación que puede existir
en una población.
Para continuar con la realización de esta actividad continuare con el estudio del caso de la empresa productora de autopartes para
que de esta forma procese estadísticamente la información que obra en la tabla de la actividad 2 del segundo tema de la presente
unidad; a través del método de los cuadros para el ajuste a una línea a una serie de observaciones, en el cual utilizare valores
variables independientes la cual puede afectar a una variable dependiente.
Año Trimestre Ventas totales Ventas de juntas para Valor de piezas de Número de reuniones
(miles de caja de velocidades juntas para caja de llevadas a cabo entre
pesos) para vehículos velocidades el cliente y el
híbridos rechazadas por el proveedor con
(miles de pesos) cliente relación al diseño y
(miles de pesos) calidad de autopartes
2010 I 10,000 8,000 10 0
II 10,000 7,000 5 1
III 15,000 2,000 0 2
IV 15,000 7,000 5 1
2011 I 10,000 9,000 5 0
II 12,000 5,000 0 2
III 15,000 5,000 5 1
IV 17,000 8,000 10 0
2012 I 10,000 4,000 8 0
II 15,000 4,000 8 1
III 15,000 5,000 8 0
IV 10,000 5,000 8 0
TOTALES 154,000 69,000 72 8
AÑO 2010
ESTADISTICAS DE LA REGRESIÓN
Coeficiente de correlación múltiple 0.99654576
Coeficiente de determinación R^2 0.98965517
R^2 ajustado 7
Error típico 316.22776
Observaciones 4
ANALISIS DE VARIANZA
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior Inferior Superior
95% 95.0% 95.0%
Intercepción 7500 387.2983 19.3649167 0.00265605 5833.589763 9166.41024 5833.58976 9166.410237
TRIMESTRE 2400 141.4214 16.9705627 0.00345424 1791.513016 3008.48698 1791.51302 3008.486984
AÑO 2011
ESTADISTICAS DE LA REGRESIÓN
Coeficiente de correlación múltiple 0.99654576
Coeficiente de determinación R^2 0.99310345
R^2 ajustado 0.98965517
Error típico 316.227766
Observaciones 4
ANALISIS DE VARIANZA
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior Inferior Superior
95% 95.0% 95.0%
Intercepción 7500 387.298335 19.36492 0.00266 5833.59 9166.4102 5833.5896 9166.410237
TRIMESTRE 2400 141.421356 16.97056 0.00345 1791.513 3008.487 1791.513 3008.486984
AÑO 2012
ESTADISTICAS DE LA REGRESIÓN
Coeficiente de correlación múltiple 1.2207E-08
Coeficiente de determinación R^2 1.4901E16
R^2 ajustado -0.5
Error típico 3535.53391
Observaciones 4
ANALISIS DE VARIANZA
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior Inferior Superior
95% 95.0% 95.0%
Intercepción 7500 387.2983 19.3649167 0.00265605 5833.589763 9166.41024 5833.58976 9166.410237
TRIMESTRE 2400 141.4214 16.9705627 0.00345424 1791.513016 3008.48698 1791.51302 3008.486984
Línea múltiple
ESTADISTICAS DE LA REGRESIÓN
Coeficiente de correlación múltiple 0.039149
Coeficiente de determinación R^2 0.000158
R^2 ajustado -0.098242
Error típico 35135824
Observaciones 12
ANALISIS DE VARIANZA
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior Inferior Superior
95% 95.0% 95.0%
Intercepción 14636.036 2481.08082 5.89905654 0.00015125 9107.84347 20164.2286 9107.84347 20164.228
Variable X 1 -0.31351351 0.40834728 -0.76776197 0.46037315 -1.22336795 0.59634093 -1.22336796 0.5963409
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior Inferior Superior
95% 95.0% 95.0%
Intercepción 2.2702703 2.8886687 0.7859227 0.450134 -4.166085 8.7066253 - 8.706625328
4.16608478
8
Variable X 1 0.0006486 0.0004754 1.3643413 0.2023749 -0.001708 0.001708 - 0.001707973
0.00041067
5
ESTADISTICAS DE LA REGRESIÓN
Coeficiente de correlación múltiple 0.03999831
Coeficiente de determinación R^2 0.1599865
R^2 ajustado -0.026683
Error típico 3.4019876
Observaciones 12
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior Inferior Superior
95% 95.0% 95.0%
Intercepción 1.2444278 6.4331194 0.1934408 0.850909 13.3083 15.797155 13.3083 15.79715503
Variable X 1 7.009E-05 0.0003874 0.1809296 0.8604315 -0.000806 0.0009464 -0.000806 0.000946425
Variable X 2 0.0006706 0.0005148 1.3027606 0.2250017 -0.000494 0.0018351 -0.000494 0.001835115
Así que:
El nivel de error y su comportamiento del modelo estimado es superior a lo razonable lo cual previene de los fenómenos aleatorios
que afectan a los datos y sus correcciones. Los modelos son los adecuados para representar a las variables.
Entorno de negocios
CONCLUSION
Se debe analizar las relaciones de las variables con el fin de conocer las consecuencias de los proyectos asi también la cantidad de
las reuniones que se realizan.
Los modelos demuestran los coeficientes en relación con las variables analizadas demostrando que son confiables para que la
empresa incremente su productividad y competitividad.
FUENTES
Componentes analíticos de la inteligencia de negocio. División de Ciencias Sociales y Administrativas Sitio web:
https://unadmexico.blackboard.com/bbcswebdav/institution
biplot.usal.es/problemas/regresion/teoria/regsimple.htm
eio.usc.es/eipc1/BASE/BASEMASTER/.../Mat_50140128_RegresionMultiple.pdf