Introducción

En la industria con mucha frecuencia es necesario resolver problemas que

implican conjuntos de variables, cuando se sabe que existe alguna relación
inherente entre ellas. A partir de lo anterior, es necesario establecer modelos que
expliquen dicha relación.
Cuando, simultáneamente, contemplamos dos variables continuas, aunque por
extensión se pueden emplear para variables discretas cuantitativas, surgen
preguntas y problemas específicos. Esencialmente, se emplearán estadísticos
descriptivos y técnicas de estimación para contestar esas preguntas, y técnicas
de contraste de hipótesis específicos para resolver dichos problemas. La mayoría
de estos métodos están encuadrados en las técnicas regresión y correlación.
En forma más especifica el análisis de correlación y regresión comprende el
análisis de los datos muestrales para saber qué es y cómo se relacionan entre si
dos o más variables en una población. El análisis de correlación produce un
número que resume el grado de la fuerza de relación entre dos variables; y el
análisis de regresión da lugar a una ecuación matemática que describe dicha
relación.
La técnica de regresión lineal simple está indicada cuando se pretende explicar
una variable respuesta cuantitativa en función de una variable explicativa
cuantitativa también llamada variable independiente, variable regresará o variable
predictora. Por ejemplo, se podría intentar explicar el peso en función de la altura.
El modelo intentaría aproximar la variable respuesta mediante una función lineal
de la variable explicativa.
A partir de la presente investigación, se pretende mostrar la aplicación práctica de
la regresión y correlación lineal simple y múltiple, al igual que los conceptos
principales. La aplicación de las técnicas estadísticas contribuye a la optimización
de los procesos.