Regresion Lineal

Asignatura Datos del alumno Fecha
Apellidos: Bernate Mira

Estadística Inferencial 01/10/2023
Nombre: Ibett Karina
Actividad. Aplicación del análisis de regresión

lineal simple
Objetivos
Con esta actividad vas a conseguir aprender mejor el concepto de regresión lineal y
su uso desde un punto de vista elemental.
Pautas de elaboración
Mediante un análisis de regresión lineal aplicado a un caso muy sencillo, podrás

comprender mejor el concepto de regresión lineal al tiempo y ver su aplicación en
un caso concreto con un registro pequeño de observaciones.
La idea original de esta actividad está sacada de un interesante artículo

que encontrarás en http://marketvariance.com/
Enunciado de la actividad
En una empresa de comida rápida se sabe que el nivel de satisfacción de los clientes
está relacionado con el tiempo de entrega en minutos del pedido. No obstante, por
mucho que quieran reducir los tiempos, es difícil controlar todas las variables
asociadas
© Universidad Internacional al (UNIR)
de La Rioja reparto que lleven así a reducir ese tiempo de entrega.
Aun así, Juanma Martínez, que atiende las llamadas de los clientes que realizan los
pedidos, sabe que algo que tranquiliza a sus clientes es darles una aproximación del
tiempo que van a tener que esperar, algo que, con un registro de entregas y
Tema 6. Actividades 1
considerando la distancia a la que el repartidor deberá desplazarse, es fácil de

averiguar, al menos en promedio.
Los clientes siempre preguntan cuánto tiempo va a tardar en llegar su pedido. Para
darles una respuesta, Juanma necesita hacer pronósticos sobre el tiempo que
tardan los repartidores en llegar a su destino. Para ello, dispone de un registro de
datos sobre 10 entregas en las que se indica la distancia hasta la que fueron a llevar
el pedido los repartidores y el tiempo que tardaron en llegar.
La Tabla 1 contiene esos datos:
Distancia de entrega Tiempo de entrega

Entregas
en kilómetros en minutos
1 3 5
2 12 10
3 4 5
4 7 9
5 6 8
6 14 15
7 15 20
8 16 18
9 11 12
10 8 9
Tabla 1. Fuente: elaboración propia.

© Universidad Internacional de La Rioja (UNIR)
Una tarde cualquiera, una de sus tiendas comienza a recibir llamadas. En la primera
llamada, un cliente pide que le diga cuánto tiempo va a tardar en llegarle la pizza.
Sabiendo que ese cliente se encuentra a 14 kilómetros de distancia, ¿qué tiempo le
dirá? ¡Exacto! 15 minutos. Lo supo sin necesidad de hacer cálculos porque

anteriormente ya había entregado un pedido a la misma distancia y ese fue el
tiempo que le tomó a su repartidor.
En una segunda llamada, el cliente vuelve a lanzarle la dichosa pregunta y se sabe

que está a 10 kilómetros de distancia. En esta ocasión, vuelve a buscar en la tabla
de datos y se da cuenta de que no han hecho ninguna entrega a esa distancia, por
tanto, ¡no sabe cuánto tiempo de espera le debe indicar al cliente que está al
teléfono!
Vamos a ayudarle. Para ello, realiza los análisis de regresión necesarios para
satisfacer a los clientes dando respuesta a las siguientes posibles preguntas que
estos nos podrían plantear:
1. Analizando la primera llamada y el tiempo que el repartidor se ha demorado en

realizar el reparto, 13 minutos, ¿qué aprendizaje extraerías de la respuesta
errónea dada al cliente? Reflexiona sobre qué ha pasado e indica qué debería
haber hecho para dar respuesta al cliente.
2. En la segunda llamada, ¿qué le responderías al cliente? ¿Cuál es el porcentaje de

fiabilidad que le damos al valor transmitido a nuestros clientes?
3. Parece que nuestro responsable de llamadas va pillando la técnica, pero estar

haciendo cálculos constantemente le resulta agotador. Por tanto, ¿crees que
podría decirles a todos sus clientes con una fiabilidad del 99 % que el tiempo de
espera es los kilómetros a los que se encuentre más un coeficiente igual a
2,0603? ¿Cómo interpretarías ese coeficiente que le estamos sumando a la
distancia?
4. Realiza de nuevo el apartado anterior, esta vez, dando respuesta en base a un

intervalo de confianza. ¿Qué otro uso podrías hacer de ese intervalo?
Extensión y formato
Lo necesario para realizar el análisis de regresión lineal.
Rúbrica:
Aplicación del
Puntuación
análisis de Peso
Descripción máxima
regresión %
(puntos)
lineal simple
3,5
(0,75 el resultado de
Criterio 1 Es capaz de realizar correctamente los
cada coeficiente; 35 %
cálculos del análisis de relación lineal.
1,5 los cálculos
estadísticos previos)
Sabe interpretar cada apartado

Criterio 2 relacionándolo con los diferentes pasos del 2 20 %
análisis de relación lineal.
1,5
Utiliza Excel para realizar el cálculo de (0,5 para cada
Criterio 3 regresión mostrando así la estimación sobre elemento del gráfico: 15 %
una nube de puntos. nube puntos, recta y
ecuación)
2
Criterio 4 Realiza los cálculos correctamente. (0,5 en cada 20 %
apartado)
1
Criterio 5 Justifica bien las respuestas de acuerdo con
(0,25 en cada 10 %
los resultados obtenidos.
apartado)
© Universidad Internacional de La Rioja (UNIR) 10 100 %
REGRESION LINEAL SIMPLE

Dado el caso:
Distancia de entrega Tiempo de entrega

Entregas
en kilómetros en minutos
1 3 5
2 12 10
3 4 5
4 7 9
5 6 8
6 14 15
7 15 20
8 16 18
9 11 12
10 8 9
En el que la variable independiente “x” es la distancia en KM y la variable

dependiente “y” es el tiempo de entrega en minutos, graficamos los datos
iniciales:
Relacion Distancia/Tiempo de entrega

25
y- Tiempo de entrega
20
15
10
5
0
2 4 6 8 10 12 14 16 18
x- Distancia KM
Donde ya podemos identificar, que se trata de un caso de regresión lineal por el

comportamiento de los puntos de la gráfica.
Luego hallamos los datos necesarios para la ecuación de regresión lineal, dónde:
y=β 0 + β 1 x = E
Hallamos las medias para las variables:
x=¿ 9.6 Media X

y=¿ 11.1 Media Y
Aplicamos el método de mínimos cuadrados, para lograr establecer los valores

de β 0 y β 1:
Distancia de Tiempo de
entrega en entrega
Entregas
kilómetros en minutos ( x i−x ) ( y i− y) ( x i−x ) ( y i − y) ( x i−x )2
xi yi
1 3 5 -6,6 -6,1 40,26 43,56
2 12 10 2,4 -1,1 -2,64 5,76
3 4 5 -5,6 -6,1 34,16 31,36
4 7 9 -2,6 -2,1 5,46 6,76
5 6 8 -3,6 -3,1 11,16 12,96
6 14 15 4,4 3,9 17,16 19,36
7 15 20 5,4 8,9 48,06 29,16
8 16 18 6,4 6,9 44,16 40,96
9 11 12 1,4 0,9 1,26 1,96
10 8 9 -1,6 -2,1 3,36 2,56
0 202,4 194,4
∑ ( x i−x )( y i− y )
β 1= 2 β 0= y −β1 x
∑ ( xi −x )
β 1=¿ 1.0412
β 0=¿ 1.1049
De esta forma nuestra representación de la ecuación sería:
Relación Distancia y tiempo de entrega

25
20
y- Tiempo entrega Min
f(x) = 1.04115226337449 x + 1.10493827160494

15 R² = 0.889528147349075
10
5
0
2 4 6 8 10 12 14 16 18
x- Distancia KM
^y =1,049+ 1,0472 x
Analizando la primera llamada y el tiempo que el repartidor se ha demorado en

realizar el reparto, 13 minutos, ¿qué aprendizaje extraerías de la respuesta errónea
dada al cliente? Reflexiona sobre qué ha pasado e indica qué debería haber hecho
para dar respuesta al cliente.
- El error de Juanma fue darle un tiempo de entrega al cliente basado en un
único criterio, y no realizar una estimación con un modelo que le permita
predecir los tiempos de entrega aproximados según la distancia, ya que con los
únicos datos que tiene en su base, no podría dar respuesta a un cliente que se
ubique a una distancia “x” que no tenga en sus registros.
En la segunda llamada, ¿qué le responderías al cliente? ¿Cuál es el porcentaje de
fiabilidad que le damos al valor transmitido a nuestros clientes?
- En la segunda llamada el cliente indica que se encuentra a una distancia de
10km, a lo cual no se le puede dar respuesta ya que no se tiene un registro
de entrega a esa distancia. Para ello aplicamos la ecuación que hallamos
anteriormente:
^y =1,049+ 1,0472 x
Dónde “x” es la variable de distancia a la que le queremos dar un tiempo

aproximado en este caso 10 km, entonces:
^y =1,049+ 1,0472¿ 10)= 11.5
La respuesta que le daríamos a este cliente, es que el tiempo aproximado

para la entrega de su pedido son 11.5 minutos.
- El porcentaje de fiabilidad que tenemos con la aplicación de la ecuación se

halla de la siguiente manera: SCE=∑ ( yⅈ −^y i ) Suma de cuadrados
2
debida al error.
2
STC=∑ ( y i− y ) Suma total de cuadrados.
2
SCR=∑ ( ^y i− y ) Suma de cuadrados debido a la regresión.
entrega en entrega (yi-yEst) (yi-yEst)^2 (yEst-
Entregas yEst (yi-ybar)^2
kilómetros en minutos Error error 2 ybar)^2
xi yi
1 3 5 4,2 0,8 0,6 37,2 47,2
2 12 10 13,6 -3,6 13,0 1,2 6,2
3 4 5 5,3 -0,3 0,1 37,2 34,0
4 7 9 8,4 0,6 0,4 4,4 7,3
5 6 8 7,4 0,6 0,4 9,6 14,0
6 14 15 15,7 -0,7 0,5 15,2 21,0
7 15 20 16,7 3,3 10,7 79,2 31,6
8 16 18 17,8 0,2 0,1 47,6 44,4
9 11 12 12,6 -0,6 0,3 0,8 2,1
10 8 9 9,4 -0,4 0,2 4,4 2,8
26,17 236,90 210,73
SCE STC SCR
Con estos valores podemos hallar el coeficiente de determinación:

2 SCR
r=
SCT
2 210 , 73
Entonces r = =0,8895 , lo cual expresado en valor porcentual sería un
236 , 90
88,9% de fiabilidad en la respuesta dada al cliente.

5. Parece que nuestro responsable de llamadas va pillando la técnica, pero estar
haciendo cálculos constantemente le resulta agotador. Por tanto, ¿crees que
podría decirles a todos sus clientes con una fiabilidad del 99 % que el tiempo de
espera es los kilómetros a los que se encuentre más un coeficiente igual a
2,0603? ¿Cómo interpretarías ese coeficiente que le estamos sumando a la

distancia?
- Interpreto el coeficiente sugerido cómo el límite superior en un intervalo de
confianza del 99%, por lo tanto, para verificar si es correcta la afirmación,
procedemos a calcular el nivel de confianza de de “x”, al cuál le voy a dar un
valor estimado de 11km, para ello nos apoyamos con la formula:
√
2
1 ( x−x )
IC 99 %=^y ± t∗S y∗x +
n ∑ ( x −x )2
Hallamos el error estándar de la estimación:
√
2
∑ ( y− ^y )
s x∗ y =
n−2
entrega en entrega (yi-yEst) (yi-yEst)^2
Entregas yEst
kilómetros en minutos Error error 2
xi yi
1 3 5 4,2 0,8 0,6
2 12 10 13,6 -3,6 13,0
3 4 5 5,3 -0,3 0,1
4 7 9 8,4 0,6 0,4
5 6 8 7,4 0,6 0,4
6 14 15 15,7 -0,7 0,5
7 15 20 16,7 3,3 10,7
8 16 18 17,8 0,2 0,1
9 11 12 12,6 -0,6 0,3
10 8 9 9,4 -0,4 0,2
26,17
s x∗ y =
√ 26.17
10−2
= 0.7855
IC 99 %=19 ,85 ± 2,015∗0,7855

√ 1 1 ,96
+
10 194.4
I C99%= 19 , 85 ±1,5827 √ 0. 110 = 19,85 ± 0.52
Por lo tanto:
Linferior= 19,85-0.52= 19,33

Lsuperior= 19,85+0.52=20,37
Es decir que para una distancia de 11 km el tiempo máximo de espera es de 20,37

minutos.

Regresion Lineal

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Regresion Lineal

Cargado por

Copyright:

Formatos disponibles

Asignatura Datos del alumno Fecha

Apellidos: Bernate Mira

Actividad. Aplicación del análisis de regresión

Mediante un análisis de regresión lineal aplicado a un caso muy sencillo, podrás

La idea original de esta actividad está sacada de un interesante artículo

considerando la distancia a la que el repartidor deberá desplazarse, es fácil de

La Tabla 1 contiene esos datos:

Distancia de entrega Tiempo de entrega

Tabla 1. Fuente: elaboración propia.

dirá? ¡Exacto! 15 minutos. Lo supo sin necesidad de hacer cálculos porque

En una segunda llamada, el cliente vuelve a lanzarle la dichosa pregunta y se sabe

1. Analizando la primera llamada y el tiempo que el repartidor se ha demorado en

2. En la segunda llamada, ¿qué le responderías al cliente? ¿Cuál es el porcentaje de

3. Parece que nuestro responsable de llamadas va pillando la técnica, pero estar

4. Realiza de nuevo el apartado anterior, esta vez, dando respuesta en base a un

Lo necesario para realizar el análisis de regresión lineal.

Sabe interpretar cada apartado

REGRESION LINEAL SIMPLE

Distancia de entrega Tiempo de entrega

En el que la variable independiente “x” es la distancia en KM y la variable

Relacion Distancia/Tiempo de entrega

Donde ya podemos identificar, que se trata de un caso de regresión lineal por el

x=¿ 9.6 Media X

Aplicamos el método de mínimos cuadrados, para lograr establecer los valores

De esta forma nuestra representación de la ecuación sería:

Relación Distancia y tiempo de entrega

f(x) = 1.04115226337449 x + 1.10493827160494

Analizando la primera llamada y el tiempo que el repartidor se ha demorado en

Dónde “x” es la variable de distancia a la que le queremos dar un tiempo

La respuesta que le daríamos a este cliente, es que el tiempo aproximado

© Universidad Internacional de La Rioja (UNIR)

- El porcentaje de fiabilidad que tenemos con la aplicación de la ecuación se

Con estos valores podemos hallar el coeficiente de determinación:

© Universidad Internacional de La Rioja (UNIR)

2,0603? ¿Cómo interpretarías ese coeficiente que le estamos sumando a la

Hallamos el error estándar de la estimación:

© Universidad Internacional de La Rioja (UNIR)

IC 99 %=19 ,85 ± 2,015∗0,7855

Linferior= 19,85-0.52= 19,33

Es decir que para una distancia de 11 km el tiempo máximo de espera es de 20,37

© Universidad Internacional de La Rioja (UNIR)

También podría gustarte