DIRECCIÓN ACADÉMICA

Guía estructurada de evaluación

FO-205P11000-13
División: (1) Contador Público
Docente: (2) L.R.C. Berenice de la Riva Salgado
Asignatura: (3) ESTADÍSTICA ADMINISTRATIVA II
Indicador de alcance(4) REPORTE DE INVESTIGACIÓN

Nombre y número de
Grupo: (6) 451-M
control: (5)

Evidencia de aprendizaje: (7) Reporte de Investigación

Indicaciones generales: (8)
Con tu equipo de clase elaboren un reporte de investigación en computadora de los temas:
1.1 Modelo de regresión simple
1.2 Supuestos
1.3 Determinación de la ecuación de regresión
1.4 Medidas de variación
1.5 Cálculo de los coeficientes de correlación y de determinación.
1.6 Análisis residual
1.7 Inferencias acerca de la pendiente
Aplicaciones (PRESENTAR EN IDIOMA INGLÉS Y EN ESPAÑOL Y EN ARCHIVO ELECTRÓNICO)
Agrega la Guía Estructurada para la actividad debidamente requisitada.
Puedes usar la información de fuentes confiables de la biblioteca
Favor de subir en UN SOLO ARCHIVO PDF a TEAMS

Criterios de evaluación: (9)

CRITERIO SI NO

1. Presenta portada, 20% 0%

introducción, índice,
paginación, desarrollo de los
temas, conclusión por
integrante y fuentes de
información en Formato
APA
2. Uso de diferentes colores de 20% 0%
los conceptos, imágenes
representativas.
3. La información está 20% 0%
COMPLETA Y
DETALLADA
4. El trabajo es entregado a 20% 0%
tiempo , en posición vertical
en UN SOLO ARCHIVO
PDF PREVIA REVISIÓN
DE avances en forma
presencial
20% 0%
5. EL ARCHIVO INCLUYE
GUÍA ESTRUCTURADA
DE EVALUACIÓN y
Formato de entrega de
evidencias debidamente
requisitados.

Puntuación 1ª oportunidad 2ª oportunidad

Alcanzada(10)
 DIVISIÓN DE CONTADOR PÚBLICO

REPORTE DE INVESTIGACIÓN

Asignatura: Estadística administrativa II

Elaborado por:

Docente:

Grupo: 451-M

Período: 2022-2
ÍNDICE
INTRODUCCIÓN
 1.1 MODELO DE REGRESIÓN SIMPLE

El objetivo de un modelo de regresión es tratar de explicar la relación que existe

entre una variable dependiente (variable respuesta) Y un conjunto de variables
independientes (variables explicativas) X
En un modelo de regresión lineal simple tratamos de explicar la relación que existe
entre la variable respuesta Y y una única variable explicativa X.

Ejemplo: En la muestra de la miel vamos a ver si existe relación lineal entre la

acidez libre (AcLib) y la acidez total (AcTot). Para ver si un modelo de regresión
lineal tiene sentido, comenzamos dibujando un diagrama de dispersión.

Mediante las técnicas de regresión de una variable Y sobre una variable X,

buscamos una función que sea una buena aproximación de una nube de puntos
(xi,yi), mediante una curva del tipo:
El modelo de regresión lineal simple tiene la siguiente expresión:

En donde α es la ordenada en el origen (el valor que toma Y cuando X vale 0), β es
la pendiente de la recta (e indica cómo cambia Y al incrementar X en una unidad) y ε
una variable que incluye un conjunto grande de factores, cada uno de los cuales
influye en la respuesta sólo en pequeña magnitud, a la que llamaremos error. X e Y
son variables aleatorias, por lo que no se puede establecer una relación lineal exacta
entre ellas.

1.1 SIMPLE REGRESSION MODEL

The objective of a regression model is to try to explain the relationship that exists
between a dependent variable (response variable) and a set of independent
variables (explanatory variables) X
In a simple linear regression model we try to explain the relationship between the
response variable Y and a single explanatory variable X.
Example: In the honey sample we are going to see if there is a linear relationship
between the free acidity (AcLib) and the total acidity (AcTot). To see if a linear
regression model makes sense, we start by drawing a scatterplot.

Using the regression techniques of a variable Y on a variable X, we look for a

function that is a good approximation of a cloud of points (xi,yi), using a curve of the
type:

The simple linear regression model has the following expression:

Where α is the ordinate at the origin (the value that Y takes when X is 0), β is the
slope of the line (and indicates how Y changes when X is increased by one unit) and
ε is a variable that includes a large set of factors, each of which influences the
response only to a small extent, which we will call error. X and Y are random
variables, so an exact linear relationship between them cannot be established.

1.2 SUPUESTOS