Brinde dos ejemplos desde su campo profesional, donde se utilice o se podría utilizar el Modelo de Regresión Lineal

Simple e identifique a la variable independiente y dependiente de cada ejemplo, explicando el tipo de relación entre
ambas variables.

Cordial saludo Dr.

Como Ingeniero Civil, estos son los dos ejemplos a aplicar:

1. Predicción de resistencia a la compresión del concreto (f’c) a los 28 días.

En este ejemplo se desea predecir que resistencia máxima a la compresión puede alcanzar un concreto a los 28
días de haberse fundido, y la relación lineal que existe entre las 2 variables.

Variable Independiente X = tiempo en días

Variable dependiente Y = resistencia a la compresión

Se debe intentar predecir a través de un modelo de regresión lineal con mediciones diarias durante una semana, la
f’c supuesta para los 28 días que debe estar cercana a la diseñada, si esa resistencia es inferior a la diseñada la
estructura es débil, si por el contrario la f’c sobrepasa los valores de diseño, la estructura puede ser muy rígida, y
fallar súbitamente antes sismos, la anterior predicción permite, tomar acciones correctivas a los 7 días de cada
fundida.

2. Estimación de rendimientos de mano de obra.

En la búsqueda de realizar construcciones de calidad, económicas y en tiempos adecuados, un factor determinante

es la mano de obra. Como ejemplo se puede generar un modelo de regresión lineal evaluando las siguientes
variables:

Variable independiente X = número de trabajadores

Variable dependiente Y= Obra ejecutada

El supuesto es que a mayor numero de trabajadores mayor obra ejecutada, pero se llega a un punto de inflexión
donde, ese rendimiento puede mantenerse constante o incluso disminuir, dependiendo de la naturaleza de cada
actividad. De aquí la importancia de realizar un modelo de regresión lineal, que permita ubicar esos puntos de
inflexión, para evitar retrasos o generar sobre costos de mano de obra.

Para mi campo de aplicación profesional como Ingeniero de Confiabilidad en el tratamiento y gestión de fallas, y
también como parte del proyecto de investigación en Gestión de Activos, la econometría esta inmersa en los
cálculos, análisis, diagnósticos y recomendaciones finales de acuerdo con los resultados obtenidos de las métricas o
indicadores de gestión y desempeño a utilizar para el soporte de la tesis.

Para el primer ejemplo del modelo de regresión Lineal Simple tomo como referencia un diagrama de dispersión de
datos para el tiempo de operación (horas, años) de los activos de una planta de hidrocarburos vs la producción
(barriles de crudo, m3 de gas), teniendo como resultado una relación lineal positiva, ya que a mayor tiempo en
horas de operación se obtiene una mayor producción.

Yt = B1 + B2.Xt + Ut

 Variable Independiente (X): Tiempo de operación de la planta sin fallas en sus activos
 Variable Dependiente (Y): Producción de la planta.
Para el segundo ejemplo tenemos como variables los costos operacionales vs las fallas de los activos, obteniendo
una relación lineal positiva, entre mas fallas se tengan que generen paradas de planta mayores serán los costos
para restaurar la operación.

 Variable Independiente (X): Costos operacionales (repuestos, horas hombre, perdidas de producción)
 Variable Dependiente (Y): Fallas de los activos (componentes, sistemas, perdida funcional).

En las Instituciones de Educación Superior se puede utilizar el Modelo de Regresión Lineal Simple para evaluar el
impacto de las estrategias en las aulas de clase, como por ejemplo el impacto en el promedio de calificaciones
respecto al número de estudiantes por aula, siendo las calificaciones el valor en Y como variable dependiente y la
cantidad de estudiantes en el aula o en el grupo, la variable independiente en X, donde la hipótesis es que se
presente un comportamiento de tendencia negativa, ya que a más estudiantes en el aula, menor atención y
acompañamiento personalizado que permita un aumento en el rendimiento académico individual.

De la misma forma, el modelo de regresión lineal puede ser aplicado para la evaluación financiera, evaluando el
impacto de la cantidad de publicaciones que se realicen en redes sociales y medios de comunicación de un
programa en específico, respecto a la cantidad de estudiantes matriculados en dicho programa, donde la variable
dependiente en Y corresponde a la cantidad de estudiantes inscritos y la variable independiente en X corresponde
al número de publicaciones, bajo la hipótesis de tener un comportamiento lineal positivo, en donde a mayor
cantidad de publicaciones, exista mayor cantidad de estudiantes matriculados.

EJEMPLO 1: PREDICCIÓN DEL CAUDAL DE UN RÍO

 Variable independiente: Precipitación pluvial.

 Variable dependiente: Caudal del río.

En este ejemplo, se utiliza la regresión lineal simple para determinar cómo la cantidad de precipitación pluvial
afecta el caudal de un río en un área específica. La idea es establecer si existe una relación lineal entre estas dos
variables. Si la pendiente de la línea de regresión es positiva, indicaría que a medida que aumenta la precipitación
pluvial, el caudal del río también tiende a aumentar. Esto podría ser útil para predecir posibles inundaciones o
gestionar el suministro de agua en una región.

EJEMPLO 2: EVALUACIÓN DE LA CAPACIDAD DE CARGA DE UN SUELO

 Variable independiente: Profundidad de la excavación.

 Variable dependiente: Capacidad de carga del suelo.
En este escenario, se emplea la regresión lineal simple para investigar cómo la profundidad de una excavación
influye en la capacidad de carga del suelo en ese lugar específico. La capacidad de carga se refiere a la cantidad
máxima de carga o presión que un suelo puede soportar antes de que ocurran asentamientos o fallos
estructurales. En este caso, se quiere determinar si existe una relación lineal entre la profundidad de la excavación
y la capacidad de carga del suelo.

Si se encuentra una relación lineal, la pendiente de la línea de regresión podría indicar cuánto aumenta o disminuye
la capacidad de carga a medida que se aumenta la profundidad de la excavación. Esto es crucial en la planificación
de cimentaciones y estructuras subterráneas, ya que permite estimar cómo afectará la excavación a la capacidad de
carga del suelo y tomar decisiones de diseño adecuadas.