Instituto Tecnológico del Estado de

Campeche

Nombre: Eduardo Misael Ake Blanco

Nombre de Maestro: Agustín Bocos

Nombre de la asignatura: Estadística indiferencia II

Carrera: Ingeniera en Gestión Empresarial

Grupo: MG-5

Num. Y Nombre de la Unidad: #2. Regresión Lineal Múltiples y Correlación

Num. Y Nombre del trabajo: Tarea #2

Fecha de entrega: 13 de octubre del 2022

pág. 1
 COMPETENCIAS A DESARROLLAR:

Aplica, desarrolla y analiza las técnicas de regresión y correlación para hacer predicciones
de sucesos futuros en la empresa.

INTRODUCCION:

La regresión lineal múltiple

permite generar un modelo
lineal en el que el
valor de la variable dependiente
o respuesta (Y) se determina a
partir de un
conjunto de variables
independientes llamadas
predictores (X1, X2, X3…). Es

pág. 2
una extensión de la regresión
lineal simple, por lo que es
fundamental
comprender esta última. Los
modelos de regresión múltiple
pueden emplearse
para predecir el valor de la
variable dependiente o para
evaluar la influencia
que tienen los predictores sobre
ella (esto último se debe que
analizar con

pág. 3
cautela para no malinterpretar
causa-efecto)
La regresión lineal múltiple
permite generar un modelo
lineal en el que el
valor de la variable dependiente
o respuesta (Y) se determina a
partir de un
conjunto de variables
independientes llamadas
predictores (X1, X2, X3…). Es

pág. 4
una extensión de la regresión
lineal simple, por lo que es
fundamental
comprender esta última. Los
modelos de regresión múltiple
pueden emplearse
para predecir el valor de la
variable dependiente o para
evaluar la influencia
que tienen los predictores sobre
ella (esto último se debe que
analizar con

pág. 5
cautela para no malinterpretar
causa-efecto)
La regresión lineal múltiple permite generar un modelo lineal en el que el valor de la variable
dependiente o respuesta (Y) se determina a partir de un conjunto de variables independientes
llamadas predictores (X1, X2, X3…). Es una extensión de la regresión lineal simple, por lo que es
fundamental comprender esta última. Los modelos de regresión múltiple pueden emplearse para
predecir el valor de la variable dependiente o para evaluar la influencia que tienen los predictores
sobre ella (esto último se debe que analizar con cautela para no malinterpretar causa-efecto). En
los modelos lineales múltiples los predictores deben ser independientes, no debe de haber
colinealidad entre ellos. La colinealidad ocurre cuando un predictor está linealmente relacionado
con uno o varios de los otros predictores del modelo o cuando es la combinación lineal de otros
predictores. Como consecuencia de la colinealidad no se puede identificar de forma precisa el
efecto individual que tiene cada una de las variables colineales sobre la variable respuesta, lo que
se traduce en un incremento de la varianza de los coeficientes de regresión estimados hasta el
punto que resulta prácticamente imposible establecer su significancia estadística

La regresión lineal múltiple

permite generar un modelo
lineal en el que el

pág. 6
valor de la variable dependiente
o respuesta (Y) se determina a
partir de un
conjunto de variables
independientes llamadas
predictores (X1, X2, X3…). Es
una extensión de la regresión
lineal simple, por lo que es
fundamental
comprender esta última. Los
modelos de regresión múltiple
pueden emplearse

pág. 7
para predecir el valor de la
variable dependiente o para
evaluar la influencia
que tienen los predictores sobre
ella (esto último se debe que
analizar con
cautela para no malinterpretar
causa-efecto)
TAREAS:
Tarea # 1 (Problema 7, pag 633, 334, Anderson 10° ed.)
Los diseñadores de mochilas usan materiales exóticos como supernailon Derlin, polietileno de alta
densidad, aluminio para aviones o espumas termo-moldeadas para hacer que las mochilas sean más
confortables y que el peso se distribuya uniformemente eliminándose así los puntos de mayor presión.
En los datos siguientes se proporciona capacidad (en pulgadas cúbicas), evaluación del confort, y
precio de 10 mochilas probadas por Outside Magazine. El confort está medido con una escala del 1 al
5, en la que 1 denota un confort mínimo y 5 un confort excelente.

a. Obtenga la ecuación de regresión estimada que permita predecir el precio de una mochila,

pág. 8
dada su capacidad y la evaluación de su confort.

DIAGRAMAS DE DISPERSIÓN: o Capacidad – precio: Contra lo esperado podemos observar que los datos no
presentan relación alguna, ver el siguiente diagrama:

pág. 9
EL MODELO ES: Precio de la mochila = -41.618 + 93.876*Confort

El precio de la mochila sin nivel de significancia y con las dos variables es: Precio = 356.121 -0.099*Capacidad
+122.867*Confort

Sin embargo, con nivel de significancia al 5%, el modelo estimado es: Precio = -41.618 + 93.876*Confort

b. Interprete b1 y b2.

• Con el primer modelo en el que el primer coeficiente (capacidad) no contribuye significativamente al modelo:
0.099 es la estimación del decremento esperado en el precio que corresponde al aumento en una pulgada cubica
en la capacidad cuando el confort permanece constante. 122.867 es la estimación del aumento esperado en el
precio que corresponde al aumento de la evaluación del confort cuando la capacidad permanece constante.

Con el segundo modelo en el que si hay nivel de significancia: 93.876 es la estimación del aumento esperado en
el precio que corresponde al aumento de la evaluación del confort cuando la capacidad permanece constante.

c. Diga cuál será el precio de una mochila cuya capacidad sea 4500 pulgadas cúbicas y la evaluación de su
confort sea 4.

Con el primer modelo en el que el primer coeficiente (capacidad) no contribuye significativamente al modelo:

pág. 10
Precio = 356.121 -0.099*(4500) +122.867*(4) = 402.09 = 402

Con el segundo modelo en el que si hay nivel de significancia: Precio = -41.618 + 93.876*(4) = 333.89 = 334

Regresión Múltiple - Precio $ Variable dependiente: Precio $ Variables independientes: Capacidad (Pulgadas
cúbicas) Confort (Nivel de satisfacción)

La salida muestra los resultados de ajustar un modelo de regresión lineal múltiple para describir la relación entre
Precio $ y 2 variables independientes. La ecuación del modelo ajustado es Precio $ = 356,121 -
0,098744*Capacidad (Pulgadas cúbicas) + 122,867*Confort (Nivel de satisfacción) Puesto que el valor-P en la
tabla ANOVA es menor que 0,05, existe una relación estadísticamente significativa entre las variables con un
nivel de confianza del 95,0%

TAREA #3 Problema 18.4 pags 788 Berenson 6° ed

Suponga que una compañía grande de productos de consumo desea medir la efectividad de los diferentes
medios de propaganda en la promoción de sus productos. En especial se van a estudiar 2 tipos de medios de
promoción: propaganda en radio y tv y propaganda en periódico. Se selecciono una muestra de 22 ciudades cuya
población es aproximadamente igual para realizar un estudio durante un periodo de prueba de un mes. A cada
ciudad se le asigno un nivel de gasto especifico para publicidad en radio y tv y para la publicidad en periódico. Se
registraron las ventas del producto durante el mes de prueba, junto con los niveles de gastos de los medios y se
tuvieron los siguientes resultados

pág. 11
A) Establezca la ecuación de regresión múltiple

B) Interprete el significado de las pendientes en este problema

TAREA #4 Problema 18.8 pags 790 Berenson 6° ed

TAREA #5 Problema 18.13 pags 792 Berenson 6° ed

pág. 12
A. Calcule el coeficiente de determinación múltiple de r2 e interprete su significado

El estadístico r2 indica que el modelo asi ajustado explica el 80.87% de la variabilidad en ventas

TAREA #6 Problema 18.22 pags 796 Berenson 6° ed

Obtenga el valor P e interprete su significado

La antigüedad en el empleo y edad si afecta al salario

pág. 13
 FUENTE DE INFORMACION BIBLIOGRAFICA

Anderson, D. R., & sWEENEY, D. J. (2008). Estadística para administración y economía

(10 ed., Vol. 10). Cengace Learning.

Berenson, M. L., & Levine, D. M. (2007). Estadística básica en administración (6.a

ed.,Vol. 2). Pearson Education.

NOMBRE Y URL DE LOS VIDEOS

1- Regresión lineal múltiple ejercicios

https://www.youtube.com/watch?v=ZmNDRnmYaPc&t=690s

2- Regresión lineal múltiple en Excel

https://www.youtube.com/watch?v=lhK4Nl1Eiug

pág. 14