Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PESO EDAD
VENTAS PUBLICIDAD
Donde:
X = Variable independiente
Y = Variable dependiente
β y β = Coeficientes de regresión o parámetros
0 1
• β = Es la ordenada al origen
0
• β = Pendiente
1
ε = Error
Recordar la ecuación de una recta:
Y = a + bX
Y=β +βX
0 1
Y = b 0 + b 1X
PASOS PARA LA APLICACIÓN DE UN MODELO DE
REGRESIÓN LINEAL SIMPLE:
• Tanto a como b son constantes numéricas porque para cualquier línea recta dada sus valores no
cambian.
• Usando esta ecuación, podemos tomar un valor dado de X y calcular el valor de Y.
• La a se denomina la “ordenada Y” porque su valor es el punto en el cual la línea de regresión cruza el
eje Y
• La b es la “pendiente de la recta”. Representa qué tanto cada cambio de una unidad de la variable
independiente X hace que cambie la variable dependiente Y.
• Tanto a como b son constantes numéricas porque para cualquier línea recta dada sus valores no
cambian.
VIDEO 1: REGRESION LINEAL
SIMPLE
VIDEO 2 REGRESION LINEL
SIMPLE. 2ª.parte
TERMINOS BÁSICOS UTILIZADOS EN LA UNIDAD 1
Ejercicio #1:
EJERCICIO #3:
VIDEO 3- CORRELACIÓN
https://www.youtube.com/watch?v=
aKsjilxc5ww
AUTOEVALUACIÓN
MEDIDAS DE VARIACIÓN y COEFICIENTES DE
DETERMINACIÓN Y CORRELACIÓN.
Cuando se utiliza el método de mínimos cuadrados para determinar los
medidas de variación:
Debido a que usamos una muestra de puntos para desarrollar rectas de regresión, nos
determinación r2
partir delos valores estimados de Y, es decir mide la variabilidad de cada valor alrededor
de la media muestral.
EJERCICIO # 5
Realice con el apoyo del programa Excel lo que a continuación se le pide:
Según los datos que se presentarán a continuación y que corresponden a un gerente de ventas de una
importante compañía, que se está preparando para una reunión de ventas, y le gustaría mostrar al grupo
de vendedores la forma como se relaciona el número de llamadas a clientes con el valor anual de
pedidos que se reciben (en miles de dólares).
De sus registros recolectó la información muestral para el ultimo año. A partir de estos datos muestrales
¿Puede llegarse a la conclusión que conforme se incrementa el número de llamadas, también aumenta
el monto anual de pedidos? Realice una prueba estadística adecuada. Utilice un nivel de significación de
0.05.
1. Grafique la relación entre el número de llamadas y el importe de los pedidos en un diagrama de
dispersión detallado (título general, unidades de los ejes X y Y) y justifique la utilización del modelo
de regresión lineal.
2. Con el análisis de datos del programa Excel, calcule los coeficientes de regresión “a” y “b” y además
presente la ecuación de regresión lineal que proporciona el Excel para predecir el valor de pedidos a
partir del número de llamadas. Interprete los coeficientes de regresión “a” y “b” .
3. ¿Cuál es el valor de pronóstico de pedidos si se realizan cinco llamadas?
4. ¿Qué porcentaje de la variación en el importe de pedidos se explica por la variación en el número de
llamadas?
5. ¿Cuál es el valor del coeficiente de correlación? ¿Qué indica?
6. ¿Cuál es el valor del error estándar de estimación?
7. Escriba sus conclusiones.
Número de Pedidos Número de Pedidos
llamadas (miles de llamadas (miles de
dólares) dólares)
5 4.8 2 2.2
4 6.1 4 7.1
6 12.3 4 8.7
7 13.7 8 13.7
8 15.7 1 2.3
1 2.2 3 4.6
3 7.3 9 16.7
4 5.8 3 6.1
1 1.9 4 7.5
3 6.7 8 15.1
SUPUESTOS DE LA REGRESIÓN:
El residuo, o valor del error estimado, еi, es la diferencia entre los valores
estimado de Y
ei= Yi − Ŷi
EJEMPLO DE VIOLACIÓN DE “LINEALIDAD”:
EJEMPLO DE VIOLACIÓN DE “IGUALDAD DE VARIANZAS”:
INFERENCIAS ACERCA DE LA PENDIENTE:
Para determinar la existencia de una relación lineal significativa
siguientes:
H0: β1=0
H1: β1 ≠0
El estadístico de prueba
𝑏1 − β1
tcalculado =
𝑆𝑏1
donde:
Syx
Sb1 =
√𝑆𝐶𝑋
𝑆𝐶𝑋 = ⅀ 𝑋𝑖 − 𝑋𝑚𝑒𝑑𝑖𝑎 2
Para probar si existe una relación lineal significativa entre el tamaño de la
tienda y las ventas anuales, con un nivel de significancia de 0.05% se
tiene que:
El estadístico de prueba
𝑏1 − β1 1.6699 − 0
tcalculado = = = 10.6411237
𝑆𝑏1 0.15692537
donde:
Syx 0.96637968
Sb1 = = = 0.15692537
√𝑆𝐶𝑋 √37.9
𝑆𝐶𝑋 = ⅀ 𝑋𝑖 − 𝑋𝑚𝑒𝑑𝑖𝑎 2
Con un nivel de significancia de 0.05% , el valor crítico de t con n-2
grados de libertad es: 2.179