MÉTODOS CUANTITATIVOS 1

Mg. María V. Hermenegildo Chávez

REGRESIÓN

Los empresarios, usualmente toman decisiones que se basan en las predicciones de hechos
futuros, si se puede determinar como se relaciona lo conocido con eventos futuros, se contribuirá al
proceso de toma de decisiones. Determinar la relación entre dos variables es el objetivo de este
capítulo.

AJUSTE DE CURVAS
Es un procedimiento con el cual a partir de datos observados podemos obtener una ecuación
matemática y utilizarla para predecir el valor de una variable a partir de un valor dado de otra.

Debemos resolver tres problemas:

1. Decidir que tipo de ecuación de “predicción” se utilizará.
2. Obtener la ecuación específica que sea en algún sentido la “mejor” de su tipo.
3. Formular ciertas preguntas relacionadas con la bondad de la ecuación específica o de las
predicciones hechas a partir de ella.

En las ecuaciones que se usarán:

x es la variable independiente, llamada variable de predicción.
y es una variable que depende de x, y es llamada variable que se predecirá.

Una ecuación de regresión puede tener más de una variable independiente.

El tipo de curvas que podemos emplear es:

a. y = a + bx

b. y = a + bx + cx2

c. y = a. bx , y otras más.

Por lo general, la curva de ajuste se elige por inspección de los datos, que se trazan o ubican en el
plano cartesiano, el resultado es un diagrama de dispersión.

Mientras más amplio es el patrón de dispersión, menor es el grado de asociación entre la variable
independiente y la dependiente.

.
MÉTODOS CUANTITATIVOS 2
Mg. María V. Hermenegildo Chávez

REGRESIÓN LINEAL

La ecuación más simple y de amplio uso para predecir valores de una variable y, a partir de
valores asociados de otra variable x, es la ecuación lineal con dos incógnitas:

y = a + bx
donde:
a: es el valor de y, cuando x = 0
b: es la pendiente de la recta (cambio en y cuando x aumenta en una unidad).

Debemos obtener la ecuación de la recta que proporcione en algún sentido el mejor ajuste a los
datos y que producirá pronósticos posibles de y a partir de x.

El criterio que se usa para definir un “mejor” ajuste se conoce como método de mínimos
cuadrados.

Consideremos n parejas de números (x1, y1), (x2, y2), . . . (xn, yn):

la ecuación:

ŷ = a + bx

donde ŷ se refiere a los valores situados sobre la recta.

El criterio de los mínimos cuadrados requiere que:

 (y - ŷ)2 =  [y – (a + bx)]2, sea la más chica posible.

La solución a este problema son las llamadas ecuaciones normales.

ECUACIONES NORMALES
Se tiene dos ecuaciones lineales con dos incógnitas, a y b:

 y = na + b(  x)

 x.y = a(  x) + b(  x2 )

donde:
n : el número de parejas de observaciones
x : suma de las x
y : suma de la y observadas
 x2 : suma de los cuadrados de la x
MÉTODOS CUANTITATIVOS 3
Mg. María V. Hermenegildo Chávez

 x.y : suma de los productos cruzados de las x y las y.

ŷ Recta de mínimos cuadrados

y ŷ-y

0 x X

Para resolver las ecuaciones normales, abreviando cálculos usar:

1
Sxx =  x2 - n (  x)2

1
Sxy =  xy - n (  x)(  y)
ó

Sxx =  x2 - n ( x )2

Sxy =  xy - n x y

Sxy
Luego: b = S (primero se calcula b)
xx

 y - b(  x)
a = n = y -bx (se reemplaza el valor de b)

Ejemplo:
Una mujer desea abrir una pequeña tienda de ropa. Antes de seleccionar un local, le gustaría poder
pronosticar la utilidad (en dólares) que se pueden esperar que logre la tienda por 1000 pies2 de espacio
de exhibición y venta. Ella recolecta la siguiente información de otros propietarios de tiendas
comparables.

Tamaño de la tienda Utilidad

(cientos de pies2 ) (miles de dólares)
x y
MÉTODOS CUANTITATIVOS 4
Mg. María V. Hermenegildo Chávez

35 20
22 15
27 17
16 9
28 16
12 7
40 22
32 23

a. Determine la recta de mínimos cuadrados a partir de la cual la mujer puede pronosticar la

utilidad obtenida en la tienda en términos de su tamaño. ¿Qué utilidad espera recibir de una
tienda de tamaño adecuado de 1500 pies2?

b. Trace los ocho puntos de datos dados y la recta de mínimos cuadrados en una gráfica y tome la
respuesta del inciso a) de este ejercicio de la gráfica.

Solución a1
Determinado la recta de mínimos cuadrados: ŷ = a + bx

1. n = 8

x Y xy x2
35 20 700 1,225

22 15 330 484
27 17 459 729
16 9 144 256
28 16 448 784
12 7 84 144
40 22 880 1,600
32 23 736 1,024
 x = 212  y = 129  x.y = 3,781  x2 = 6,246

x = 26.5

y = 16.125

Sxx =  x2 - n ( x )2 =6,246 - 8 (26.5)2 =628

Sxy =  xy - n x y = 3781 - 8(26.5) (16.125) = 362.5

Sxy 362.5
Luego: b = S = 628 = 0.5772 (primero se calcula b)
xx

a = y - b x = 16.125 - 0.5772 (26.5) = 0.8292

MÉTODOS CUANTITATIVOS 5
Mg. María V. Hermenegildo Chávez

Así, la recta de mínimos cuadrados es:

ŷ = 0.8292 + 0.5772 x

Solución a2
¿Qué utilidad espera recibir de una tienda de tamaño adecuado de 1,500 pies2?
cuando x = 1500 pies2 , la utilidad esperada es:

ŷ = 0.8054 + 0.5781 (15)

ŷ = 9.4769

Solución b
- Hacer un diagrama de dispersión
- Trazar la recta de mínimos cuadrados.

30

25

20

15

10

0 10 20 30 40 50
x

La recta de ajuste pasa por: (12, 7.7426) y (40, 23.9294)

 MÉTODOS CUANTITATIVOS 6
Mg. María V. Hermenegildo Chávez

GRUPO DE EJERCICIOS Nº 1

1. William Hawkins, vicepresidente de personal de la International Motors, trabaja en la relación entre

el salario de un trabajador y el porcentaje de ausentismo. Hawkins dividió el intervalo de salarios de
International en doce grados o niveles (1 es el de menor grado, 12 el más alto) y después muestreo
aleatoriamente a un grupo de trabajadores. Determino el grado de salario de cada trabajador y el
número de días que ese empleado había faltado en los últimos tres años.

Categoría de salario 11 10 8 5 9 9 7 3
Ausencias 18 17 29 36 11 26 28 35

Categoría de salario 11 8 7 2 9 8 6 3
Ausencia 14 20 32 39 16 26 31 40

Construya un diagrama de dispersión para estos datos e indique el tipo de relación.

2. Un fabricante de pantalones de sabe que un presupuesto considerable para anunciar en televisión su

producto creará una demanda de éste entre los compradores de los almacenes. La tabla que sigue
muestra las cantidades (en miles de dólares) que se gastan para anunciar las líneas de otoño de
pantalones durante ocho años y el número de unidades (en miles) vendidas cada línea para el otoño.

Cantidad gastada en Número de pantalones

Año la publicidad por televisión Vendidos (en miles)
(en miles de dólares)
1979 50 45
1980 65 60
1981 75 80
1982 100 95
1983 125 120
1984 140 150
1985 170 145
1986 195 190

a. Obtenga la ecuación de la recta de mínimos cuadrados que nos permitirá predecir el número de
pantalones vendidos y, en términos de la cantidad gastada en la publicidad por televisión x.

b. Utilice las fórmulas de cálculos alternativa para calcular los valores de a y b.

3. El gerente de un servicio de mensajería local desea obtener una ecuación que relacione el número de
millas recorridas en cada viaje por los vehículos de la agencia, con los ingresos brutos que se perciben
por viaje. El obtiene información de 10 viajes seleccionados al azar, que muestran:

Recorrido (en millas) Ingresos Brutos ($)

MÉTODOS CUANTITATIVOS 7
Mg. María V. Hermenegildo Chávez

x y
10.2 57.52
16.5 92.53
14.2 67.75
18.7 84.83
10.1 70.72
17.6 77.51
5.5 30.96
12.2 73.10
9.0 40.44
6.1 38.11

a. Obtenga la ecuación de la recta de mínimos cuadrados que permitirá al ejecutivo pronosticar el

ingreso bruto por viaje a partir del número de millas recorridas.
b. Pronostique el ingreso bruto de un recorrido de 13.4 millas.

ERROR ESTÁNDAR DE LA ESTIMACIÓN

El error estándar de la estimación se simboliza con Se y es similar a la desviación estándar en

cuanto a que ambas son medidas de dispersión. Mientras que la desviación estándar se utiliza para
medir la dispersión de un conjunto de observaciones respecto a la media, el error estándar de la
estimación, por otra parte, mide la variabilidad o dispersión, de los valores observados alrededor de la
línea de regresión. Mientras más grande sea el error estándar de estimación, mayor será la dispersión
de los puntos alrededor de la línea de regresión.

 (y - ŷ)2
Se = n-2

 (y - ŷ)2
de donde: Se =
2
n-2 ; cantidad minimizada por el método de mínimos cuadrados.

Para un estadístico, la línea tendrá un “buen ajuste” si minimiza el error entre los puntos
estimados en la línea y los verdaderos puntos observados que se utilizaron para trazarla.

Si Se = 0 , se espera que la ecuación de estimación sea un estimador perfecto de la variable

dependiente. En ese caso todos los puntos de datos caerían directamente sobre la línea de regresión, y
no habría puntos dispersos alrededor.

Se supone que los valores observados para y están normalmente distribuidos alrededor de cada
valor estimado de ŷ.

Para el ejemplo anterior:

ŷ = 0.8292 + 0.5772x
MÉTODOS CUANTITATIVOS 8
Mg. María V. Hermenegildo Chávez

x Y ŷ y-ŷ (y - ŷ)2
35 20 21.0312 1.0312 1.0633734
22 15 13.5276 -1.4724 2.1679618
27 17 16.4136 -0.5864 0.343865
16 9 10.0644 1.0644 1.1329474
28 16 16.9908 0.9908 0.9816846
12 7 7.7556 0.7556 0.5709314
40 22 23.9172 1.9172 3.6756558
32 23 19.2996 -3.7004 13.69296
 x = 212  y = 129  (y - ŷ)2 = 23.62938

n=8

 (y - ŷ)2
Se2 = n-2 = 3.9382

luego:

Se = $1.9845

En la gráfica se observa los límites alrededor de la línea de regresión a ±1, ±2, ±3 errores estándar
de estimación.
MÉTODOS CUANTITATIVOS 9
Mg. María V. Hermenegildo Chávez

30

25

20

15

10

0 10 20 30 40 50
x

GRUPO DE EJERCICIOS Nº 2

1. Supongamos que usted tiene a su cargo el dinero de la región de Piedmont. Se le dan los
siguientes datos de antecedentes sobre el suministro de dinero y el producto nacional bruto (ambos en
millones de dólares; Piedmont es una región pequeña):

Suministro de dinero Producto Nacional Bruto

2.0 5.0
2.5 5.5
3.2 6.0
3.6 7.0
3.3 7.2
4.0 7.7
4.2 8.4
4.6 9.0
4.8 9.7
5.0 10.0

a. Desarrolle la ecuación de estimación para predecir el producto nacional bruto y del suministro
de dinero x.
b. Como se interpreta la pendiente de la línea de regresión.
c. Calcule e interprete el error estándar de la estimación.
 MÉTODOS CUANTITATIVOS 10
Mg. María V. Hermenegildo Chávez

d. Calcule un intervalo de predicción de aproximadamente 90% para el producto nacional bruto

cuando el suministro de dinero es 8.0.

2. William Andrews, consultor de comportamiento organizacional de Victory Motorycles, ha

diseñado una prueba para mostrar a los supervisores de la compañía los peligros de sobresupervisar a
sus trabajadores. Un trabajador de la línea de ensamblaje tiene a su cargo una serie de tareas
complicadas. Durante el desempeño del trabajador, un inspector, lo interrumpe constantemente para
ayudarlo a terminar las tareas. El trabajador, después de terminar su trabajo, recibe una prueba
sicológica diseñada para medir la hostilidad del trabajador hacia la autoridad (una alta puntuación
implica una hostilidad baja). A ocho distintos trabajadores se les asignaron las tareas y luego se les
interrumpió con propósitos de asistencia de instrucción un número variable de veces (línea X). Sus
calificaciones correspondientes en la prueba de hostilidad se revelan en la línea Y.

X (número de veces de interrupción del trabajador) 5 10 10 15 15 20 20 25

Y (calificación del trabajador en la prueba de 58 41 45 27 26 12 16 3
hostilidad)

a. Represente gráficamente estos datos.

b. Desarrolle la ecuación que mejor describa la relación entre el número de veces de interrupción
y la calificación de la prueba.
c. Pronostique la calificación de la prueba si el trabajador es interrumpido 18 veces.

3. Una compañía administra a sus vendedores una prueba en adiestramiento de ventas antes de
permitirles salir a trabajar. La administración de la compañía esta interesada en determinar la relación
entre las calificaciones de la prueba y las ventas hechas por esos vendedores al final de un año de
trabajo. Los siguientes datos se recolectaron de 10 agentes de ventas que han estado en el campo
durante un año.

Nº vendedor Calif. de la Prueba Nº unidades vendidas

(T) (S)
1 2.6 95
2 3.7 140
3 2.4 85
4 4.5 180
5 2.6 100
6 5.0 195
7 2.8 115
8 3.0 136
9 4.0 175
10 3.4 150

a. Encuentre la línea de regresión de mínimos cuadrados que podría usarse para predecir ventas
de las calificaciones de las personas en adiestramiento.
b. ¿En cuánto se incrementa el número esperado de unidades vendidas por cada incremento de 1
punto en una calificación de a prueba?
 MÉTODOS CUANTITATIVOS 11
Mg. María V. Hermenegildo Chávez

c. Utilice la línea de regresión de mínimos cuadrados para predecir el número de unidades que
vendería una persona en adiestramiento que recibió una calificación de prueba promedio.

4. En economía, la función de demanda de un producto a menudo se estima mediante la regresión

de la cantidad vendida (Q) sobre el precio (P). La compañía Bamsy esta tratando de estimar la función de
demanda para su nueva muñeca, y ha recabado los siguientes datos:

P 20.0 17.5 16.0 14.0 12.5 10.0 8.0 6.5

Q 125 156 183 190 212 238 250 276

a. Represente gráficamente estos datos.

b. Calcule la línea de regresión de mínimos cuadrados.
c. Trace la línea de regresión ajustada en su gráfica del inciso a.

5. Los contadores con frecuencia estiman los gastos generales basándose en el nivel de
producción. Se recabó información sobre gastos generales y unidades producidas en diferentes plantas, y
se desea estimar una ecuación de regresión para predecir gastos generales futuros.

Gastos Generales 191 170 272 155 280 173 234 116 153 178
Unidades 40 42 53 35 56 39 48 30 37 40

a. Desarrolle la ecuación de regresión para los contadores de costos.

b. Pronostique los gastos generales cuando se producen 50 unidades.
c. Calcule el error estándar de la estimación.