02/08/2023
ESTADÍSTICA I
Curso de Invierno 2023
Ing. Julie Villarroel Novillo, MSc.
TIPOS DE REGRESIÓN
Regresión Simple.
Cuando intervienen solo dos variables en el análisis,
una dependiente y una independiente.
Ejemplos:
Gastos Mantenimiento vehículo = f (Antigüedad del
vehículo)
Consumo = f(Ingreso)
PASOS PARA EFECTUAR UN
ANÁLISIS DE REGRESIÓN
- Identificación de las variables que intervienen en el
análisis, distinguiendo entre las variables: dependiente e
independientes.
- Búsqueda de información estadística.
- Efectuar las representaciones gráficas.
- Seleccionar la función matemática que mejor expresa
el comportamiento de las variables, las funciones
matemáticas más utilizadas son: Lineal, Potencial,
Exponencial, Parabólica, Hiperbólica, entre otras.
ANÁLISIS DE REGRESIÓN
Se define como el procedimiento mediante el cual se
trata de determinar si existe o no relación de
dependencia entre dos o mas variables.
TIPOS DE REGRESIÓN
Regresión Múltiple.
Cuando intervienen más de dos variables en el
análisis estadístico, una dependiente y dos o más
independientes bajo la relación funcional siguiente.
Ejemplos:
Ventas = f (Insumos, Precio, Calidad)
Ingreso Empresa = f (Consumo, Inversión, Gasto, Flujo
Neto Comercial)
PASOS PARA EFECTUAR UN
ANÁLISIS DE REGRESIÓN
- Aplicar el método de Mínimos Cuadrados Ordinarios (MCO)
y calcular los parámetros de la ecuación de regresión.
Función Z que minimiza la suma de
desvíos al cuadrado de cada valor
observado con respecto a valores
calculados
- Efectuar proyecciones o predicciones y estimar el
comportamiento futuro de las variables en estudio.
1
 02/08/2023

REGRESIÓN LINEAL REGRESIÓN LINEAL

Puede utilizar la regresión lineal simple para modelar
la relación entre dos variables, como las siguientes:
Y = 2.5X + b
• Lluvia y rendimiento de los cultivos
a = 2.5
• Edad y estatura en niños a
b
• Temperatura y enfermedad de un paciente

FUNCIÓN LINEAL EN TÉRMINOS

LÍNEA RECTA MATEMÁTICOS
La nube de puntos es el conjunto de valores
observados, en este caso, la nube de puntos tiende a
una recta.
Las predicciones tendrán un margen de error.
Mínimos Cuadrados Ordinarios (MCO)
n = cantidad de datos

EJERCICIO EJERCICIO
Y = f (X)
Dada la siguiente información, se pide: Ventas = f (Gastos de publicidad)

a) Ajustar a una recta.

b) Estimar el nivel de ventas si se
determina destinar 300 unidades
monetarias a gastos en publicidad.
c) Para garantizar un nivel de ventas de
4000 unidades monetarias, ¿Cuánto
debo invertir en Publicidad?

2
 02/08/2023

EJERCICIO EJERCICIO

1) 17200 = 1190a + 6b

2) 3582000 = 250700a + 1190b

3) Despejamos b en 1

4) Reemplazamos b en 2

FUNCIÓN AJUSTADA COEFICIENTE DE CORRELACIÓN

- El coeficiente de correlación r es un valor sin
unidades entre -1 y 1.
5) Reemplazar Xi - Cuanto más se aproxima r a cero, más débil es la
6) Reemplazar Yc relación lineal.
- Los valores 1 y -1 representan una correlación
"perfecta" positiva y negativa.

COEFICIENTE DE CORRELACIÓN EJEMPLO

Supongamos que queremos saber si podemos esperar
más ventas de helado en nuestra ciudad en los días
de calor.

1) Calcular las medidas

2) Si el valor se aproxima a 1 o
a -1, existe una buena
correlación

3
 02/08/2023

PRACTICA PRACTICA
Un centro comercial conoce la cantidad de clientes Las ventas de la empresa INGE durante los últimos 12
que en función de la distancia, en kilómetros, acuden trimestres son las siguientes:
al Centro Comercial:
N Clientes (X) Distancia (Y) 1. ¿Cómo pronosticar la
8000 15
1. Calcular la formula de correlación lineal. demanda de los trimestres
7000 19
2. Si el centro comercial se sitúa a 2 km, ¿cuántos 13, 14 y 15?
6000 25
clientes puede esperar? 4000 23
3. Si desea recibir a 5000 clientes, ¿a qué 2000 34 2. ¿ Existe una buena correlación
distancia del núcleo de población debe 1000 40 entre las 2 variables? Interprete
situarse? 500 45
4. Calcular el coeficiente de correlación e
interprete.