Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Proyecto Pactico
(Regresión lineal múltiple, no lineal y series de tiempos).
Ingeniería Industrial
2020111018
4II11
Es verdadera mente absurdo ver cómo un número limitado de observaciones pueden convertirse,
en manos de los hombres, en ideas preconcebidas
F. Gallon
RESUMEN
We will start by saying that it is usually done to see if two random variables are
related or not being X and Y; Y being the dependent variable, and X the
independent variable, having a random sampling. On each individual of the
sample the two characteristics under study are analyzed, so that for each
individual there is a pair of values (xi, yi) (i = 1, 2,3 ..., n) Next, these values are
represented in Cartesian axes, giving rise to a scatter plot or point cloud.
fit linear or linearizable models between a dependent variable and more than a
few independent variables. In this type of models it is important to test
heterocedasticity, multicolinearity and specification. In this course we will try to
introduce ourselves to the world of modelling, with the creation of dummies,
configuring a reference individual, weighting factors, interaction variables,
interrelation, etc. It is particularly important to understand what is being done at
each moment because these principles serve for virtually all the models that are
undertaken next and then, with more complex and less intuitive models, they will
be more difficult to understand.
Índice
Introducción............................................................................................................................... 5
Marco teórico............................................................................................................................. 6
Regresión lineal .................................................................................................................... 6
Regresión lineal múltiple: .............................................................................................. 6
Aplicaciones de la regresión lineal ............................................................................. 7
Regresión no lineal .............................................................................................................. 7
Serie de tiempo ..................................................................................................................... 8
Pronóstico de series de tiempo.................................................................................... 9
Aplicaciones de las series de tiempo ......................................................................... 9
Planteamiento del promedio ............................................................................................... 10
Objetivo especifico ................................................................................................................ 10
Metodología ............................................................................................................................. 10
Regresión Lineal Múltiple ................................................................................................ 11
Ejercicio 1 ......................................................................................................................... 11
Conclusión ............................................................................................................................... 23
Introducción
Yi=(β0+β1X1i+β2X2i+⋯+βnXni)+eiYi=(β0+β1X1i+β2X2i+⋯+βnXni)+ei
Regresión lineal
Las técnicas de regresión lineal permiten crear un modelo lineal. Este modelo
describe la relación entre una variable dependiente y (también conocida como
la respuesta) como una función de una o varias variables independientes Xi
(denominadas predictores). La ecuación general correspondiente a un modelo
de regresión lineal es:
Y=β0+∑ βiXi+ϵi
La regresión lineal cuenta con ciertas características ideales para las siguientes
aplicaciones:
Regresión no lineal
Una serie de tiempo es una forma estructurada de presentar los datos, en donde
un registro de fecha/hora lleva asociado un valor. Es decir, es una secuencia de
observaciones sobre intervalos de tiempo regulares.
Con el correr de los años, gracias a una mayor oferta de asientos y baja de
precios (sobre todo, precios relativos contra otros medios de transporte,
compitiendo principalmente contra los micros de larga distancia), el sector está
en constante crecimiento, mostrando una tendencia de fondo creciente en la
mayoría de los aeropuertos. Por supuesto, el sector aerocomercial no será ajeno
a los vaivenes económicos y políticos del país, y sufrirán o se beneficiarán de
acuerdo a en qué momento se encuentre la Argentina en su ciclo económico. En
efecto, es un sector muy sensible a algunas variables, tales como el tipo de
cambio, que hará que pueda existir sustitución de pasajeros en vuelos de
cabotaje por internacionales o regionales y viceversa. Por último, siempre hay
observaciones que no se explican por la tendencia de fondo, la estacionalidad
propia del aeropuerto o el ciclo. Ejemplo de ello son las cuestiones climáticas,
paros de actividad o cierres por obras
Representar los datos del negocio como series de tiempo suele ayudar a las
empresas a visualizar la actividad del negocio. A su vez, usualmente las series
de tiempo se utilizan para predecir el comportamiento futuro de la variable
medida.
A modo de ejemplo, el siguiente gráfico presenta la serie de tiempo de las ventas
de un producto. A simple vista, se aprecia una cierta estacionalidad. Durante los
meses de verano (Diciembre-Febrero) baja la venta, mientras sube en invierno.
Objetivo especifico
Metodología
Ejercicio 1