INSTITUTO TECNOLÓGICO SUPERIOR DE LIBRES

Organismo Público Descentralizado del Gobierno del Estado de Puebla

LICENCIATURA EN INGENIERÍA INDUSTRIAL

MATERIA:
Estadística Inferencial II

DOCENTE:
Ing. Saúl Serrano Viveros

ENSAYO:
Regresión Lineal Múltiple

PRESENTA:
Pedro Rodríguez Fernández

Grado y grupo:
4to. Semestre, “A”

Fecha: 22 de febrero de 2022

 • Introducción

“La regresión lineal simple consiste en generar un modelo de regresión (ecuación

de una recta) que permita explicar la relación lineal que existe entre dos variables.”

A lo largo de este ensayo, trataremos de investigar a fondo la regresión lineal simple,

vamos a comprender su importancia y las tantas aplicaciones que puede llegar a
tener.

Con este ensayo se pretende alcanzar el entendimiento del tema en su forma

teórica, además de cómo puede ayudar en algunos procesos que se pueda aplicar.
También puede servir como hincapié de futuros estudiantes que empiezan con la
estadística inferencial.

Este ensayo es importante sobre todo para el alumno, ya que en base a este reporte
podrá saber manejar este tipo lenguajes, además, servirá como una introducción a
la base teórica, de una forma mas sencilla para su asimilación.

• Competencia

Identifica fuentes de variación aplicando el modelo estadístico más adecuado para

planear, ejecutar y desarrollar experimentación orientado a la mejora de procesos
logísticos, industriales, comerciales y de servicios.
 • Desarrollo

“La Regresión Lineal es una técnica paramétrica utilizada para predecir variables
continuas, dependientes, dado un conjunto de variables independientes. Es de
naturaleza paramétrica porque hace ciertas suposiciones basadas en el conjunto de
datos. Si el conjunto de datos sigue esas suposiciones, la regresión arroja
resultados increíbles, de lo contrario, tiene dificultades para proporcionar una
precisión convincente.” (Gónzalez, 2018)

La regresión lineal simple es una herramienta que, en base de datos primarios como
las variables X y Y, intenta predecir los comportamientos de estas variables con el
mayor asertividad posible, ya que basado en un modelo matemático se puede tener
la certeza de que los cálculos ayudaran de manera optima con la toma de
decisiones.

La importancia de la regresión lineal simple radica, como se menciono antes, en la

precisión de sus predicciones a base de modelos matemáticos precisos, así como
predecir el comportamiento de las variables a partir de otras; con ayuda de este
procedimiento, la ecuación resultante nos ayuda a darnos una idea de cómo
proyectar y relacionar las siguientes variables para la toma de decisiones de la que
esta dependen.

“El objetivo con Regresión Lineal Simple es minimizar la distancia vertical entre
todos los datos y nuestra línea, por lo tanto, para determinar la mejor línea, debemos
minimizar la distancia entre todos los puntos y la distancia de nuestra línea.”
(Gónzalez, 2018)
Como lo dice el concepto anterior, el objetivo mas importante de la regresión lineal
simple es minimizar la separación entre los datos, ya que se podría considerar que
nos esta afectando cierta parte del proceso que se este realizando, por ejemplo,
una menor cantidad de lotes de papel vendidos en cierto tiempo, el porcentaje de
residuos que se dejan en el área de trabajo por semana, etc.

El modelo de regresión lineal simple se representa así:

Y=β0+β1X1

Donde:

β0: Es la ordenada en el origen

β1: Es la pendiente

Dentro de la gran mayoría de problemas, nos encontraremos con que β0 y β1 son

desconocidos para nosotros, por lo que tendremos que obtenerlos por medio del
procedimiento llamado mínimo cuadrado, pero se pueden encontrar otros métodos
por los cuales obtener estas constantes.

Para obtener cada una de las betas, tendremos que usar las fórmulas:

Donde:

Sy y Sx: Son desviaciones típicas de cada variable

R: Es el coeficiente de correlación
Algunas de las aplicaciones pueden llegar a tener este método puede llegar de la
más sencilla hasta la más complicada, como en el siguiente testimonio.

“El análisis de regresión lineal, es una herramienta sumamente importante en el

mundo de las Finanzas, debido a que permite realizar proyecciones y pronósticos
de una variable dependiente explicada por una o más variables independientes. El
objetivo de este trabajo, fue determinar una ecuación que permitiera estimar el
precio promedio mensual de las acciones de la empresa Facebook, Inc., a través
de un modelo de regresión lineal simple. Los coeficientes betas estimados para el
modelo fueron significativos tanto para la constante como para la pendiente,
medidos a través de la prueba estadística t. Así mismo, se realizó la prueba global
de significancia de los coeficientes betas, determinada a través de la prueba
estadística F, esta resultó ser sumamente significativa, lo cual, permitió la validación
del modelo.” (Brenes González, 2015)

• Conclusiones

La regresión lineal simple es un modelo matemático que nos ayuda a predecir el

comportamiento de las variables (Y) junto con otras (X), las cuales al final del
procedimiento determinaran una ecuación que con su ayuda podremos estimar si
los valores de las variables (X) son de verdadera significancia para nuestras
conclusiones.

Las variables que se usan en las fórmulas, son estimaciones que se forman a partir
de las muestras de las variables X y Y, además de que se es más comprensible los
términos que se manejan en este ensayo.

Además, nos ayuda a resolver problemas que solo tengan como máximo dos
variables, ya que si existen más se tiene que determinar por la regresión lineal
múltiple.
Referencias
Brenes González, H. A. (21 de Julio de 2015). Dialnet. Obtenido de Dialnet:
https://dialnet.unirioja.es/servlet/articulo?codigo=6241447
Gónzalez, L. (30 de Noviembre de 2018). aprendeIA. Obtenido de aprendeIA:
https://aprendeia.com/algoritmo-regresion-lineal-simple-machine-learning/
Rodrigo, J. A. (12 de Junio de 2016). cienciadedatos. Obtenido de cienciadedatos:
https://www.cienciadedatos.net/documentos/24_correlacion_y_regresion_lin
eal#Regresi%C3%B3n_lineal_simple