Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Y NEGOCIOS
Parte 2 Evaluación.
Dentro de esta medida de regresión, podemos encontrar una covarianza, que básicamente es
para conocer la relación de las variables que puede ser inversa o directa.
No obstante, también existe una herramienta que permite conocer la fuerza que tiene cada par
de variable, conocida como coeficiente de correlación y un coeficiente de determinación que
permite conocer el poder que tiene X sobre Y.
2
ACTIVIDAD 1
A) Realice una gráfica de dispersión de todos los pares de variables presentes en la base de
datos, considerando a la variable “Valor” como dependiente, debe incluir el modelo y el
coeficiente de determinación.
Covarianza: -117,0194198.
Se concluye que el que el tipo de relación que existe entre las variables es inverso, ya que
a medida que aumentan los años(antigüedad), el valor de la propiedad disminuye.
Se concluye que la relación lineal entre las variables es muy débil ya que es un -0,1,
teniendo una pendiente negativa. (ANEXO 1)
La variabilidad de los años en que la propiedad fue inscrita por primera vez se ve afectada
en un 0,59% de la variabilidad de “Y” valor de la propiedad en (UF).
3
Superficie (X) Valor (Y)
Covarianza: -1,139401005
Se puede decir que el tipo de relación que existe entre las variables es inverso, ya que a
medida que aumenta el porcentaje de superficie construida, el valor de la propiedad
disminuye.
La fuerza de la relación lineal es muy débil, ya qué es -0,02, teniendo una pendiente
negativa. (ANEXO 1)
4
Supter (X) Valor (Y)
Covarianza: 25936,13719
La covarianza indica que hay una relación o influencia directa entre las variables debido a
que entre mayor sea la superficie del terreno mayor será el valor de la propiedad.
La fuerza de la relación lineal que existe entre las variables es levemente fuerte ya que es
0,70, teniendo una pendiente positiva. (ANEXO 1)
5
Distancia (X) Valor (Y)
Covarianza: -228,6138618
El tipo de relación que existe entre las variables es inversa, ya que a medida que
aumenta la distancia desde la estación de trenes hacia las viviendas el valor de la
propiedad disminuye.
La fuerza de la relación lineal entre las variables es fuerte ya que es -0,90, teniendo una
pendiente negativa. (ANEXO 1)
6
ACTIVIDAD 2
RELACION ENTRE VALOR (EN UF) SEGUN SUPERFICIE CONSTRUIDA (EN M2)
5000
4500
4000 f(x) = 6.08783953503452 x + 2128.12465226944
3500 R² = 0.297771798075846
3000
VALOR (UF)
2500
2000
1500
1000
500
0
0.0000 100.0000 200.0000 300.0000 400.0000
SUPERFICIE CONSTRUIDA (M2)
Covarianza : 12598,05
La covarianza indica que hay una relación o influencia directa entre las variables, por
lo que a mayor superficie del terreno construida, mayor será el valor de la propiedad.
La fuerza de relación que existe entre las variables es levemente fuerte ya que es
0,55, teniendo una pendiente positiva. (ANEXO 1)
7
C) Finalmente, según todo el análisis realizado ¿cuál variable explica mejor el valor de la
propiedad?
E) De acuerdo con el modelo construido en el ejercicio anterior (letra d), ¿Cuál sería la
condición para que la propiedad tenga un valor de 3000 UF?
La condición para que la propiedad tenga un valor de 3000 UF es que la distancia sea
de 1,4 KM.
8
ACTIVIDAD 3
SECTOR A
3000
2500
2000
1500
1000
500
0
0 0.2 0.4 0.6 0.8 1 1.2
SECTOR A (MENOR A 1 KM)
Covarianza : -57,92780544
Se puede decir que el tipo de relación que existe entre las variables es inversa, ya que a
medida que aumenta la distancia del sector A, el valor de la propiedad disminuye.
La fuerza de relación entre las variables es fuerte ya que es -0,79, teniendo una pendiente
negativa. (ANEXO 1)
SECTOR B
RELACION ENTRE VALOR (EN UF) SEGUN SECTOR B (MAYOR A
1 KM Y HASTA 2 KM)
4000
3500
f(x) = − 1230.13529342561 x + 4836.97071887374
3000 R² = 0.725414157812414
VALOR (EN UF)
2500
2000
1500
1000
500
0
0.8 1 1.2 1.4 1.6 1.8 2 2.2
SECTOR B (DESDE 1 KM HASTA 2 KM)
Covarianza : -91,45676478
Se puede decir que el tipo de relación que existe entre las variables es inversa, ya que a
medida que aumenta la distancia del sector B, el valor de la propiedad disminuye.
La fuerza de relación entre las variables es fuerte ya que es -0,85, teniendo una pendiente
negativa. (ANEXO 1)
10
C) ¿Cuál es su opinión respecto a la información de la superintendencia? ¿Es conveniente
realizar dos modelos de regresión para explicar el valor de la propiedad? Justifique su
respuesta realizando un análisis de los resultados anteriores.
De acuerdo a la analizado, se puede decir que para poder hacer una comparación por
sector si es necesario separarlos ya que según lo desarrollado los datos nos entregan que
el SECTOR B que la Superintendencia de Viviendas y Urbanismo informó, es la que explica
mejor el valor monetario de la propiedad, ya que la variabilidad del sector afecta en un
73,28% la Variabilidad del valor de "Y" en relación con la variable SECTOR A, Pero aun así
la variabilidad que mejor presenta el modelo de regresión lineal simple de acuerdo a las
variables si no se separara por sector seria la variable DISTANCIA (KM) ya que afecta en
un 81,47% la variabilidad de "Y" VALOR (UF).
11
Anexos
12
Conclusión
Se identificaron y se caracterizaron las variables más relevantes de acuerdo al valor de las propiedades
cercanas a la estación de trenes en la ciudad de Chillán y otras variables relacionadas a dichas viviendas,
las cuales fueron: Distancia, Spter, % Const, Años, Superficie construida, Sector A y Sector B.
Se realizo la formulación del modelo regresión línea simple, en cuanto a las variables más relevantes, y a
partir de este, se concluye que la variabilidad Distancia (x) es la que explica en un 81,47% la variabilidad
de Valor de la propiedad (UF) (Y).
Los modelos de regresión líneas son muy importantes para para cualquier tipo de organización
independiente de su rubro y/o actividad económica, ya que estos ayudan a mejorar la productividad,
poder minimizar costos, poder disminuir fallas en procesos, entre otras.
El modelo de regresión lineal permite identificar la relación que existe entre las diferentes variables y
como estas afectan el resultado de otra variable, es decir, permite identificar cual es la variable que más
causa – efecto tiene respecto a la variable independiente.
13