Carlos Isrrael Salinas Garza, Universidad Virtual CNCI

Matricula: AL051566

Licenciatura en derecho con acentuación en economía

Tutor: Luz Cacique García

M8 M8 Econometría FLN A

La correspondencia relacionada con esta investigación debe ser dirigida a nombre

de

Carlos Isrrael Salinas Garza, Universidad Virtual CNCI mail: ceo@hp-pack.com

Monterrey, N.L.Agosto de 2022 

 Introducción

La siguiente investigacion tiene como objetivo determinar la importancia de

la regresión con variables con la finalidad de relacionar diferentes variables
involucradas así como elabrando con base al tema 5 un párrafo ejemplificativo
para cada uno de los tipos de datos del análisis de regresión así como un resumen
del tema tema 7 y 8, de regresión con dos variables terminado con una
conclusión con 3 ideas personales así como una blibligarfia de las funtes
consultadas .

.
 Desarrollo

5.1. Concepto de regresión

5.2. Regresión y causalidad
5.3. Regresión y correlación
5.4. Tipos de datos

Análisis de regresión y correlación el análisis de regresión y correlación son 2

técnicas estadísticas que se pueden utilizar para solucionar problemas comunes
en los negocios muchos estudios se basan en la creencia de que es posible
identificar y cuantificar alguna relación funcional entre 2 o más variables donde
una variable depende de la otra variable se puede decir que depende de x en
donde Y X son 2 variables cualquiera en un modelo de regresión simple este
concepto estadístico fue utilizado por primera vez por el sir francis galton en 1877
este personaje realizó un estudio donde mostró que la estatura de los niños
nacidos de padres altos tienden a retroceder o regresar hacia la estatura media de
la población fue aquí donde se pudo estimar las relaciones que existe entre las
tareas

A la variable dependiente también se le conoce como regresando o variable de

respuesta a la variable independiente se le denomina como variable explicativa o
regreso a continuación se planteará el siguiente caso que resolveremos con el
análisis de regresión y correlación

Ejemplo

El gerente del (hotel italia) desea elaborar un reporte sobre la relación que existe
entre la calificación que le otorgan los clientes al hotel con sus acciones de
responsabilidad social y los días que dura su estancia en dicha entidad esto le
permitirá establecer estrategias adecuadas para mejorar la percepción de los
huéspedes

Es importante mencionar que el nivel de significancia es de 0.05 ahora se realizará

el análisis de datos en la opción de regresión es importante mencionar que
nuestro nivel de confianza es de 95% de esta manera se obtienen los siguientes
datos de estadísticas de la regresión los valores de f y valor crítico de f no servirán
para la regla de decisión los coeficientes de los días aproximados de estancia y de
la intersección son datos de la pendiente realizamos la prueba de correlación y
regla de decisión con los datos obtenidos aceptamos la hipótesis nula realizamos
la prueba de la pendiente y regla de decisión de esta manera igual con los datos
obtenidos aceptamos la hipótesis nula se puede concluir de que las variables no
se encuentran relacionadas entre sí por lo tanto el cliente no visualiza las acciones
de responsabilidad social conforme a los días que se hospeda gracias al análisis
podemos determinar la relación o asociación funcional existente entre las variables
 Resumen

Modelos de regresión con 2 variables problemas de estimación la regresión con 2

variables se compone por la variable dependiente también conocida como
regresada y ésta se relaciona con una sola variable explicativa o represora
objetivo del análisis de regresión es averiguar la forma en que varía el valor
promedio de la variable dependiente de acuerdo con el valor dado de la variable
explicativa el concepto fundamental del análisis de regresión es el de función de
esperanza condicional o función de regresión poblacional opción de regresión
poblacional lineal o regresiones lineales en los parámetros pueden ser o no
lineales en la variable regresada hola regresado horas efectos prácticos la función
de regresión poblacional estocástica desempeña una función crucial para estimar
la función de regulación poblacional la función de regresión poblacional es un
concepto idealizado pues en la práctica pocas veces se tiene acceso al total de la
población de interés en consecuencia se utiliza la función de regresión muestral
para estimar la función de regresión poblacional una vez estimada la función de
regresión poblacional se analizan 2 métodos de estimación frecuentes mínimos
cuadrados ordinarios y máxima verosimilitud el método de mínimos cuadrados
ordinarios es el más común en el análisis de regresión sobre todo por ser mucho
más instintivo y matemáticamente más sencillo básico de análisis de regresión es
el modelo de gauss modelo clásico de regresión lineal este se basa en un conjunto
de supuestos la precisión de los estimadores de mínimos cuadrados sobre indios
se mide por sus errores estándar la bondad del ajuste general del modelo de
regresión se mide con el coeficiente de determinación r 2 este indica qué
proporción de la variación en la variable dependiente se explica por la variable
explicativa el coeficiente de determinación se sitúa entre 0 y uno entre más cerca
esté del uno mejor será su ajuste concepto relacionado con el coeficiente de
determinación es el coeficiente de correlación r que es una medida de asociación
lineal entre los 2 variables y su valor se encuentra entre menos 1 y uno una vez
dominado el modelo clásico de regresión lineal se puede saber lo que sucede si
uno o más de sus supuestos no se satisface
 Conclusión

Mi conclusión personal es un gran aprendizaje en todas estas clases ya

que me llevo entender mas de cada un de los temas dejo un poco de lo entendió
en todo lo visto

El análisis de regresión es una técnica analítica que calcula la relación

estimada entre una variable dependiente y una o más variables explicativas.
Usando el análisis de regresión, es posible modelar relaciones entre variables
seleccionadas, así como predecir valores basados en el modelo.

Usando modelos de regresión, predecimos o estimamos el valor numérico

de una cantidad desconocida, con ciertas propiedades. La diferencia entre la
predicción y el valor real es el error, que es una variable aleatoria que puede
depender de las propiedades específicas.

yo concluyo con esto espero haber sido calro en mi trabajo no haberme

salido de contexto ya que entre mas adentraba en los temas mas informacion me
salia pero fue de gran ayuda dejo en la parete de abjo las fuentes consultadas .
 Bibliografía

Julián Pérez Porto y Ana Gardey.. (2021). REGRESIÓN. Agosto 2022, de

definicion Sitio web: https://definicion.de/regresion/

La econometria. (martes, 17 de septiembre de 2013). Regresión vs Causalidad.

Agosto 2022, de la econometria Sitio web:
https://laeconometria.blogspot.com/2013/09/regresion-vs-causalidad.html

Proyectos Wikimedia. (2021). Análisis de la regresión. Agosto 2022, de

wikipedia Sitio web: https://es.wikipedia.org/wiki/An
%C3%A1lisis_de_la_regresi%C3%B3n

Software del Sol, S.A.. (2020). Análisis de regresión. Agosto 2022, de Software
del Sol, S.A. Sitio web: https://www.sdelsol.com/glosario/analisis-de-regresion/

Arcgis. (2022). Análisis de regresión. Agosto 2022, de arcgis Sitio web:

https://doc.arcgis.com/es/insights/latest/analyze/regression-
analysis.htm#:~:text=El%20an%C3%A1lisis%20de%20regresi%C3%B3n
%20es,valores%20bas%C3%A1ndose%20en%20el%20modelo

ALVARO OÑATE. (2020). La diferencia entre la predicción y el valor real es el

error. Agosto 2022, de aprendeia Sitio web: https://aprendeia.com/evaluando-el-
error-en-los-modelos-de-regresion/