Instituto Tecnológico de Cancún

Contador Publico.
Estadística Administrativa.
Alum. Suaste Canul Sebastian Alejandro.
Prof. Ing. Luigi del Carmen Chay.
Act. Diapositivas Regresión Múltiple y Correlación.
No. L20530693
 Modelos de regresión Múltiple.
• Método para analizar el efecto de dos o más variables independientes
sobre una dependiente; así mismo, es una extensión de la regresión
lineal solo que con un mayor número de variables independientes.
 Estimación de la ecuación de regresión
múltiple.
• Denominando “S” a la suma de los cuadrados de los residuos, para
aplicar el criterio de mínimos cuadrados en el modelo de regresión
lineal múltiple, calculamos la primera derivada “S” con respecto a
cada Bj en la expresión:

• Los estimadores de mínimos cuadráticos se obtienen al igualar a 0 las

derivadas anteriores o con la notación matricial, x´x B=x´ y Al
 Matriz de varianza – Covarianza.
• Contiene la covarianza entre los elementos de un vector. Es la generalización
natural a dimensiones superiores del concepto de varianza de una variable
aleatorio escalar. Si las entradas del vector-columna.
• Son variables aleatorios, cada una con varianza finita, entonces la matriz de
covarianza Σ es la matriz cuya entrada (i,j) es la covarianza.
Ejemplo.
 Prueba de hipótesis para los coeficientes de
regresión.
• A menudo el experimentador desea probar hipótesis que se refieren a los
parámetros del modelo de regresión lineal múltiple. Esto requiere la suposición
adicional de que los errores sean NID (0,o2). Una consecuencia directa de esta
suposición es que las observaciones yj son. Consideremos probar si la regresión
es significativa. En la regresión lineal múltiple esto se logra probando la hipótesis
al menos una i.
Ejemplo:
Supongamos una variable la teoría X para asignar el peso de un pasajero de
avión que se interesa en conocer el peso promedio de todos los pasajeros.
Como hay limitaciones de tiempo y dinero para pasarlos a todos se toma una
muestra de 36 pasajeros de lo cual se obtiene una media muestral x=160,
supongamos que la distribución de los pasajeros tenga una distribución normal
con desviación estándar de 30 con un nivel significancia de 0.05. ¿Se puede
concluir que el peso promedio de todos los pasajeros es menor de 170?
 Correlación lineal múltiple.
• Sirve para medir la adecuación del modelo hallado (bondad del ajuste de la recta
de regresión al conjunto de observaciones), en el caso de tener una variable
dependiente y varias independientes.
• Dicha medida nos la da el coeficiente de determinación R2 que verifica 0 es
menos R2 es mayor 1.
Ejemplo:
En una empresa de trasportes trabajan 4 conductores. Los años de antigüedad de permisos de conducir y el
numero de infracciones cometidas en el ultimo año por cada uno de ellos son los siguientes:
Años (x): 3, 4, 5, 6
Infracciones (y): 4, 3, 2, 1
Calcular el coeficiente de correlación lineal e interpretarlo.
 Aplicaciones.
Electricidad. Censores.
Se puede obtener el deCalibración de un censor
temperatura en función
valor de una
de la caída de tensión y la
resistencia en un temperatura. Se estudia la
circuito y su error forma en que varia la
mediante un ajuste de temperatura de un liquido
al calentarlo. Se calibra el
regresión lineal de
pares de datos censor y simultáneamente
se mide la variación de
experimentales de temperaturas en un
voltaje e intensidad liquido para representar
obtenidos mediante los datos obtenidos
un voltímetro y un posteriormente mediante
amperímetro. regresión lineal.
Física.
Determina del coeficiente de
rozamiento estático de forma
experimental a partir de la
medición del ángulo de
inclinación de una rampa. Se
realiza un montaje ajustado
un circuito para medir el
ángulo de inclinación y se
realizan mediciones variables
dicho. Mediante la regresión
lineal de los datos obtenidos,
se obtiene la ecuación y el
índice de correlación a fin de
saber el error