Modelos de Regresión

Tema 4 Regresión Simple

Planteamiento del problema

Constantemente en nuestro que hacer diario profesional, nos vemos en la obligación de

ver la historia de los datos , su comportamiento y tendencias viendo a futuro, esto nos
lleva a buscar modelos matemáticos que permitan de manera técnica y científica hacer
estimaciones a futuro de dichas variables, la idea principal no es solamente proyectar
sino tener el sustento técnico de la manera en que se hacen dichas proyección de
manera tal, que los resultados encontrados sean aceptados por quienes se ven inmersos
en la soluciones de estos problemas que tienen de nuevo un fin común , tomar
decisiones bajo ambientes de riesgo y certidumbre con el mejor erro posible.

Al termino de esta unidad, se podrá resolver cualquier caso o necesidad de estimas

variable alguna ya sea estableciendo variables interrelacionadas como por ejemplo,
distancia y consumo de combustible, publicidad y ventas o simplemente una variable
como se mueve en el tiempo.

Leer de pagina 510 a página 542 del libro de texto.

Tema 4 Regresión Simple

Leer de pagina 510 a página 542 del libro de texto.

Para interés de este curso, vamos a conocer un modelo determinado como MINIMOS
CUADRADOS, que establece la relación existente entre dos variables, así como la fuerza
que existe entre estas en el sentido de dependencia e independencia, vamos ha entender
los tipos de relaciones existentes.

Siempre en el modelo vamos a tener una variable conocida (x) y una variable desconocida
(y) que es precisamente la que vamos a encontrar con el desarrollo del modelo.

Para ejercitar un poco que debemos entender como X y como Y, vamos a iniciar con
algunos ejemplos:

1. Dos variables tiradas a discusión, VENTAS Y PUBLICIDAD, quien depende de quien,

las ventas dependen de la publicidad o la publicidad depende de las ventas?
Obviamente la publicidad es la variable independiente (X) y las ventas la variable
dependiente o desconocida (Y).

2. HORAS DE EJERCICIO Y PESO DE UNA PERSONA, quien depende de quien, nos

hacemos la pregunta, de quien depende el peso, respuesta, de las horas de
ejercicio, entonces las horas de ejercicio es la variable INDEPENDIENTE y PESO la
variable dependiente.

3. RENDIMIENTO ACADEMICO Y RENDIMIENTO LABORAL, se espera que un buen

alumno también sea un buen empleado ya sea dependiente o independiente en el
plano laboral, en tal sentido el rendimiento académico es la variable conocida o
independiente y el rendimiento laboral la variable desconocida o dependiente.

4. HORAS DE CAPACITACION Y PRODUCCION DIARIA, a la espera que entre mas

capacitado y entrenado esta e personal su tasa de productividad y producción
tiene que ser mejor, guardando la fuerza y la relación entre ambas variables al
igual que en os ejemplos anteriores
Modelos de Regresión
Tema 4 Regresión Simple

Leer de pagina 510 a página 542 del libro de texto.

Conozcamos el modelo, primeramente, las ecuaciones que vamos a utilizar para su

desarrollo, teniendo presente que es un modelo lineal o basado en la línea como figura
geométrica que describe comportamientos y tendencias, con su pendiente (M) y su
intercepto en Y (B).

FORMULAS

1. ECUACION DE LA RECTA O MODELO A DESARROLLAR

Y = b (X) + a
Y: variable desconocida

X: variable conocida

a: Intercepto en Y

a=Ȳ-bẌ

Ȳ: media de Y

Ẍ: media de X

b: pendiente de la recta

b= ∑xy- n ȲẌ

(∑X²-nẌ)

2. PARA HACER INFERENCIA O ESTIMACION DE INTERVALOS DE CONFIANZA

Ŷ ± Se * Z

Ŷ = El valor estimado de Y para un valor puntual de X

Se: error estándar del estimado

Z: tamaño de error o z de acuerdo al nivel de confianza con el que trabajemos

Modelos de Regresión
Tema 4 Regresión Simple

Leer de pagina 510 a página 542 del libro de texto.

3. Error estándar del estimado

4. Coeficiente de Determinación

r² = (a ∑Y + b ∑ XY – n Ȳ² )
( ∑Y ² - Ȳ²)

Veamos un ejercicio: desarrollar un modelo que permita proyectar las ventas basado en la
inversión que se ha hecho en publicidad

n publicidad x ventas y xy x^2 y^2

1 2 12 24 4 144
2 4 17 68 16 289
3 5 20 100 25 400
4 6 31 186 36 961
5 7 42 294 49 1764
6 9 58 522 81 3364

sumatoria 33 180 1194 211 6922

5.5 30

Y = b (X) + a MODELO Y = 6.9153 X - 8.0339

Paso 1… b: pendiente de la recta

b= ∑xy- n ȲẌ = ( 1194 – 6 * 5.5 * 30) / (211-6*5.5²) = 6.9153

(∑X²-nẌ²)

a: Intercepto en Y

a = Ȳ - b Ẍ = 30 – 6.9153 * 5.5 = -8.0339

Semana 4/Parte IV Herramientas de investigación y soporte científico
 Modelos de Regresión
Tema 4 Regresión Simple

Leer de pagina 510 a página 542 del libro de texto.

ESTIMACION PARA UN VALOR PUNTUAL BASADO EN EL MODELO ENCONTRADO INVIERTIENDO L.

1 13 MILES EN PUBLICIDAD

MODELO Y = 6.9153 X - 8.0339

ŷ 13= 6.9153 (13) - 8.0339 = 81.865 miles en ventas

para este valor puntual de 13, si queremos hacer inferencia a un nivel de confianza de
95%, N debemos primero encontrar a Se o erro estándar del estimado

Se =[ 6922-(-8.0339) *180 – 6.9153*(1194) / (6 -2) ]^ ½ = 5.27337

Vamos a construir los intervalos de confianza para considerar el nivel de variación que
puede tener el pronóstico basado en el comportamiento histórico de las variables
conocidas.

Ŷ13 ± Se * Z = 81.865± 5.27337 ( 1.96)

Limite superior = 92.2 Limite inferior = 71.529

AHORA VAMOS A CONOCER LA FUERZADE LAS VARIABLES A TRAVES DEL COEFICIENTE

DE D DETERMINACION.
Un valor igual a 1 (100%) dice que hay una perfecta asociación o fuerza entre las variables
y un valor igual a cero (o%) dice que no hay asociación entre las variables, entonces los
valores resultantes siempre estarán entre 0 y 1 o sea entre 0% y 100%,

r² = (a ∑Y + b ∑ XY – n Ȳ² ) = 5.27337 * 180+6.9153 (1194) – 6* 30²) = 92.69%

( ∑Y ² - nȲ²) 6,922 – 6*30²

Significa que existe una asociación o fuerza bastante importante entre estas dos
Semana 4/Parte IV Herramientas de investigación y soporte científico
TAREA: ejercicio pagina 531 a la 534
Modelos de Regresión
Tema 4 Regresión Múltiple

Leer de pagina 566 a página 570 del libro de texto.

Al igual que en la regresión simple, lo que se busca es la una variable desconocida Y a partir
en este caso de dos variables conocidas X 1 y X2, de igual forma se hace el desarrollo a partir
de una formula matricial predefinida, a continuación las fórmulas del modelo:

Ejercicio

Se tiene la necesidad de proyectar la producción semanal basado en las horas hombre y en

las horas maquina invertidas y en las horas maquina

no. Y = produccion X1 =horas maquina X2 =horas hombre X1 Y X1 ² X1 X2 X2 Y X2 ²

1 15 5 3 75 25 15 45 9
2 24 6 5 144 36 30 120 25
3 26 8 4 208 64 32 104 16
4 43 4 6 172 16 24 258 36
5 56 6 6 336 36 36 336 36
6 60 10 6 600 100 60 360 36
sumatorias 224 39 30 1535 277 197 1223 158
medias 37 7 5

Haciendo las sustituciones para la formación de la matriz los resultados serían los
siguientes:

MATRIZ DE DESARROLLO

224 = 6 39 30 F1
1535 = 39 277 197 F2
1223 = 30 197 277 F3

Hora vamos a resolver la matriz o sistema de ecuaciones por el método de eliminación,

esto no pertenece al curso, pero lo vamos a explicar.

Paso 1: vamos a operar la fila 1 con la fila 2 de manera que hagamos 0 el primer valor de la
Columna 2 de izquierda a derecha, vamos a multiplicar la fila 1 por 39 y la fila 2 por 6 y
Semana 4/Parte IV Herramientas de investigación y soporte científico
luego vamos a restar esos resultados, para obtener la fila 4.
Modelos de Regresión
Tema 4 Regresión Multiple

Leer de pagina 566 a página 570 del libro de texto.

8736 = 234 1521 1170 F1*39

9210 = 234 1662 1182 F2*6

-474 = 0 -141 -12 RESTAR= F4

Si vemos, ya logramos hacer cero esa posición

Paso 2: vamos a operar la fila 1 con la fila 3 de manera que hagamos 0 el primer valor de
la Columna 2 de izquierda a derecha, vamos a multiplicar la fila 1 por 30 y la fila 2 por 6 y
luego vamos a restar esos resultados, para obtener la fila 5.

6720 = 180 1170 900 F1*30

7338 = 180 1182 1662 F3*6

-618 = 0 -12 -762 RESTAR=F5

También logramos hacer cero la misma posiciónpas de estas dos filas operadas

Paso 3: vamos a operar la fila 4 con la fila 5 de manera que hagamos 0 el primer valor de
la Columna 3 de izquierda a derecha, vamos a multiplicar la fila 4*por -12 y la fila 5 por -
141, luego vamos a restar esos resultados, para obtener la fila 6.

5688 = 0 1692 144 F4*-12

87138 = 0 1692 107442 F5*-141

-81450 = 0 0 -107298 RESTAR = F6

Paso 4: Traducido tenemos lo siguiente de la fila 6

-81450 = 0 a 0 b1 -107298 b2, despejando para b2 este valor es igual a 0.7591

Paso 5: Tomamos ya sea la fila 4 o la fila 5 para buscar b1 conociendo ya b2
Semana 4/Parte IV Herramientas de investigación y soporte científico

-618 = 0 a - 12 b1 -762 (0.7591) , despejando para b1 este valor es igual a 3.2971

Modelos de Regresión
Tema 4 Regresión Multiple

Leer de pagina 566 a página 570 del libro de texto.

Paso 64: Traducido tenemos lo siguiente de la fila 6

224 = 6 a + 39 (3.2971) b1 + 30 (0.75) b2, despejando para 2 este valor es igual a =

12.107

Resumen:

b2 = 0.759
b1= 3.297
a = 12.107

COMPROBACION
224 72.6 128.6 22.8

Modelo a utilizar para calcular la producción

Y = 12.1067 + 3.2971 X1 + 0.7591 X2

AHORA PROYECTAMOS CONSIDERANDO VALORES PROPUESTOS PARA x 1 = 7 y X2 = 5

38.9800 = 12.6097 + 3.2971 7.0000 + 0.7591 5.0000

Interpretando: si tenemos 7 horas hombre y 5 horas maquina, la producción esperada es

de 39 unidades aproximando.

TAREA: EJERCICIOS PAGINA 571 A LA 573

272 = 10a + 441b1 + 147b2

12,005 = 441a + 19,461b1 + 6,485b2

4,013 = 147a + 6,485b1 + 2,173b2

Cuando resolvemos estas tres ecuaciones de manera simultánea, obtenemoS