UNIVERSIDAD TECNOGICA LINARES

MANTENIMIENTO EN EL AREA INDUSTRIAL.

PROBABILIDAD Y ESTADÍSTICA

GENARO RAMIREZ DE LA CRUZ-12668

PROYECTO

PROFESOR: ÁNGEL JESÚS SILVA MORENO

GRUPO: MAI03-A

Linares, Nuevo León, Agosto de

2023.
 INTRODUCCIÓN
Se realizará una investigación sobre el proceso de regresión lineal de diferentes temas se
explicara diferentes cosas y de esta manera será como se nos calificara para el proyecto de
segundo parcial.
Se investigara diferentes temas pero la razón principal por la que hacemos esta
investigación es por la probabilidad y estadística ya que estos dos conceptos suelen ser
muy desapercibido ya que no suelen ser utilizados específicamente para hacer algo sino
como hago que pensamos en el subconsciente ya que solemos pensarlo cuando hacemos
una actividad deportiva al jugar por ejemplo basquetbol hay que premeditar la
probabilidad de encestar en el aro y así conseguir los puntos que queramos.
La estadística suele ser más requerido en las empresas pasa armar gráficos o también para
tener trabajos más presentables y más formales haciendo que quien lo mire le sea más
fácil entender el trabajo o presentación y todo sea más fluido y cómodo.
 DIAGRAMA DE DISPERSIÓN
El diagrama de dispersión es una herramienta muy útil para conocer cómo se comportan
dos variables entre sí. Es la más utilizada para analizar de forma gráfica datos bivariados,
es decir, dos conjuntos de estos. De este modo, podemos estudiar si su relación es
dependiente, o no, y su grado.
Diagrama matemático que utiliza las coordenadas cartesianas para mostrar los valores de
dos variables cuantitativas, de la forma (x, y), aunque también se puede incluir una
variable cualitativa. Sirve para la detección de puntos atípicos.
 COEFICIENTE DE CORRELACION
El coeficiente de correlación es la medida específica que cuantifica la intensidad de la
relación lineal entre dos variables en un análisis de correlación. En los informes de
correlación, este coeficiente se simboliza con la r.
El coeficiente de correlación lineal es una medida de regresión que sirve para establecer
una relación lineal entre dos variables. De esta manera, su cálculo permite conocer con
exactitud el grado de dispersión de los valores de una variable en relación con una media
para dicha variable.
La notación correspondiente al coeficiente de correlación lineal es r, un valor que no
dispone de unidades entre 1 y -1. La importancia estadística de este valor se representa
mediante la notación p.
 ECUACION DE REGRESIÓN
La ecuación de regresión proporciona información valiosa sobre la influencia de cada
variable explicativa sobre los valores predichos, incluido el coeficiente de regresión de
cada variable explicativa.
La ecuación y=α+βx es la ecuación de una recta en la que α representa el valor de y
cuando x=0 y β representa el cambio que se produce en el valor de y cuando x se
incrementa en una unidad. varianza residual mide la variabilidad de los valores de y con
respecto a la recta de regresión.
La ecuación de regresión lineal simple indica que el valor medio o valor esperado de y es
una función lineal de x: E(y/x) = β0 + β1 x. Si β1=0 entonces E(y/x) = β0 y en este caso el
valor medio no depende del valor de x, y concluimos que x y y no tienen relación lineal.
 SOFTWARE
Esta forma de análisis estima los coeficientes de la ecuación lineal, involucrando una o a
más variables independientes que mejor predicen el valor de la variable dependiente. La
regresión lineal se ajusta a una línea recta o a una superficie que minimiza las
discrepancias entre los valores de salida previstos y reales. Hay calculadoras de regresión
lineal simple que utilizan el método de “mínimos cuadrados”

PRONÓSTICO DE REGRESIÓN LINEAL

El modelo de pronóstico de regresión lineal permite hallar el valor esperado de una
variable aleatoria a cuando b toma un valor específico. La aplicación de este método
implica un supuesto de linealidad cuando la demanda presenta un comportamiento
creciente o decreciente, por tal razón, se hace indispensable que previo a la selección de
este método exista un análisis de regresión que determine la intensidad de las relaciones
entre las variables que componen el modelo.
 FUENTES DE VARIACION
Una fuente de variación es cualquier causa que pueda generar variabilidad en la respuesta.
Es recomendable hacer una lista de todas las posibles fuentes de variación del problema,
distinguiendo las que generarán una mayor variabilidad.
ANOVA bidireccional: Este método es una extensión de la prueba unidireccional. Sin
embargo, La prueba ANOVA bidireccional tiene dos variables independientes.
Generalmente, se utiliza cuando existe una variable de medición, es decir, una variable
cuantitativa y dos variables nominales.
 SUMA DE CUADRADOS
En el análisis de varianza (ANOVA), la suma total de los cuadrados ayuda a expresar la
variación total que se puede atribuir a diferentes factores. Por ejemplo, usted hace un
experimento para probar la efectividad de tres detergentes para ropa.
La suma total de los cuadrados = suma de los cuadrados del tratamiento (SST) + suma de
los cuadrados del error residual (SSE)
La suma de los cuadrados del tratamiento es la variación atribuida a, o en este caso entre,
los detergentes para ropa. La suma de los cuadrados del error residual es la variación
atribuida al error.
El convertir la suma de los cuadrados en cuadrados medios al dividir entre los grados de
libertad le permitirá comparar estas relaciones y determinar si existe una diferencia
significativa debido al detergente. Mientras mayor sea esta relación, más afectarán los
tratamientos el resultado.
 ESTADÍSTICA DE PRUEBA
Un estadístico de contraste es un estadístico utilizado en contrastes de hipótesis. Un
contraste de hipótesis se construye habitualmente a partir de un estadístico muestral que
resume la información de los datos observados en un valor que permite decidir si rechazar
la hipótesis nula.
El resultado de ANOVA es la 'estadística F'. Este ratio muestra la diferencia entre la
varianza dentro del grupo y la varianza entre grupos, lo que finalmente produce una cifra
que permite concluir que la hipótesis nula es respaldada o rechazada.
La prueba ANOVA o análisis de varianza es un método estadístico que permite descubrir
si los resultados de una prueba son significativos, es decir, permiten determinar si es
necesario rechazar la hipótesis nula o aceptar la hipótesis alternativa.
 ANOVA

1. Vamos a la pestaña “Datos” y apretamos en “Análisis de datos”.

2. En la ventana que se abre debemos seleccionar “Análisis de Varianza de un

factor”.
3. En

“Rango de entrada” seleccionamos nuestra tabla con datos. En este caso es

$B$2:$D$6 y como incluimos los títulos debemos seleccionar la opción “Rótulos

en la primera fila”.
4. En la sección de “Agrupado por”, debemos elegir el sentido de cada grupo: como
cada grupo es una columna distinta seleccionamos “Columnas”. Esto es porque
 queremos comparar una columna con otra.

5. Para el valor de “Alfa” en general se usa 5%, lo que significa que se estima con
una confianza del 95%. Si quisiéramos ser más estrictos podemos elegir un valor
menor, como 1% (para tener un 99% de confianza). Puedes profundizar en este
concepto en este articulo.

6. En “Rango de salida” debemos elegir la celda en donde comenzará la información

del análisis de varianza, es decir, la esquina superior izquierda. En este caso
seleccionaremos $A$8. Finalmente hacemos click en “Aceptar”.