ESTADÍSTICA I

Marzo 2012
“Modelo de Regresión Lineal y
Exponencial”
 Aprendizajes Esperados

• Construye un modelo de regresión lineal con Excel.

• Construye un modelo de regresión exponencial con Excel.

• Interpreta la pendiente de un modelo de regresión lineal.

• Interpreta el coeficiente de correlación lineal y el coeficiente

de determinación.
 Modelo de Regresión Lineal Simple

El modelo de regresión lineal simple consiste en aproximar los valores de la

variable dependiente (Y) a partir de la variable independiente (X), para ello
se determina una función lineal. Que tiene la siguiente forma:

Ŷ = b∙X + a ; donde a y b son los parámetros del modelo lineal.

a = Coeficiente de posición.
b = Pendiente.

Ŷ = Variable dependiente.
X = Variable independiente, explicativa o predictora.
 Modelo de Regresión Exponencial Simple

Al tratar de explicar (o predecir) la variable dependiente (Y) a través de una

variable independiente (X) puede ocurrir que la relación no sea lineal. La
regresión exponencial se utiliza cuando podemos asumir que la relación
entre ambas variables es del tipo:

Ŷ = a∙eb∙X ; donde a y b son los parámetros del modelo exponencial.

Ŷ = Variable dependiente.
X = Variable independiente, explicativa o predictora.
Coeficiente de determinación
El Coeficiente de determinación (R2), indica la proporción o porcentaje de
la variación total de la variable dependiente “Y”, que se explica por, o se
debe a, la variación de la variable independiente “X”.

Ejemplo: Se sabe que el Coeficiente de determinación (R2) para el modelo

de regresión lineal es un 75,6%, entre las variables cantidad de agua caída
(medida en milímetros) y el número de eventos (alertas o preemergencias
ambientales) en un año determinado. Interprete el Coeficiente de
determinación.

Interpretación: El 75,6% de la variabilidad del N° de eventos (alertas

ambientales), es explicado por la variación de la cantidad de agua caída en
un año. Además hay un 24,4% de variabilidad no explicada.
Fórmula en Excel del Coeficiente de determinación:
=COEFICIENTE.R2(conocido_y; conocido_x)
Ejercicio:
Un ingeniero industrial desea determinar un modelo de regresión que
explique el porcentaje de artículos defectuosos producidos por los
operarios de una planta, con respecto a los años de experiencia que estos
tienen. Para ello consideró una muestra de 20 operarios, de los cuales se
registró los años de experiencia y el porcentaje de artículos defectuosos
producidos. Utilizando la información, responda las siguientes preguntas:
% de artículos
Años de experiencia
defectuosos
12 0,9
13 0,5
2 9,8
13 0,7
2 10,6
10 1,2
7 3,4
0 16,6
13 0,4
10 1,2
5 3,5
12 1,4
8 2,1
2 8,9
3 8,3
11 0,8
10 2,2
8 2
9 1,6
8 1,1
1) Determine la variable dependiente e independiente, y construya un gráfico
de dispersión que relacione las variables años de experiencia y el
porcentaje de artículos defectuosos producidos. Incluya los modelos de
regresión lineal y exponencial, con sus respectivos coeficientes de
determinación.
Respuesta:
Relación años de experiencia y porcentaje de
artículos defectuosos
18

16 Modelo Lineal
14 y = -0,9705x + 11,527
% de artículos defectuosos

R² = 0,8277
12

10
Modelo Exponencial
8 y = 15,704e-0,251x
R² = 0,9328
6

0
0 2 4 6 8 10 12 14

Años de experiencia

Y = Porcentaje de artículos defectuosos producidos (variable dependiente).

X = Años de experiencia (variable independiente).
2) Calcule la covarianza e interprete su resultado.

Respuesta:

Fórmula Valor Interpretación

La covarianza indica que hay una relación

o influencia inversa entre las variables,
=COVAR(matriz1; matriz2) -16,294 por lo que a mayor años de experiencia
del operario, menor será el porcentaje de
artículos defectuosos producidos.
3) Calcule el coeficiente de correlación e interprete su resultado.

Respuesta:

Fórmula Valor Interpretación

El grado de correlación lineal entre las

=COEF.DE.CORREL(matriz1; matriz2)
variables es de -0,91 e indica que hay
alta correlación lineal con pendiente
-0,9098
negativa, entre las variables años de
experiencia del operario y porcentaje
de artículos defectuosos.
4) Interprete la pendiente del modelo de regresión lineal.

Respuesta:

Fórmula Valor Interpretación

Por cada año que aumenta la

experiencia del operario, el porcentaje
Pendiente =PENDIENTE(conocido_y; conocido_x) -0,9705
de artículos defectuosos disminuye en
0,97%.
5) Considere el modelo de regresión lineal de las variables años de
experiencia y el porcentaje de artículos defectuosos producidos, para
responder las siguientes preguntas:

a) Estime el porcentaje de artículos defectuosos que produce un operario,

con 8 años de experiencia en la planta.
X= 8
Y= 3,8 ? =TENDENCIA(conocido_y;conocido_x;valor x)

O bien se puede utilizar el modelo de regresión lineal,

para estimar el valor de la variable dependiente. → Y = -0,9705*8+11,527 ≈ 3,8

Respuesta: Se estima un 3,8% de artículos defectuosos.

b) Si un operario produce un 2,5% de artículos defectuosos, estime la

cantidad de años de experiencia que tiene en la planta.
X= 9,3 ? Usando el modelo de regresión lineal, se
Y= 2,5 despeja la variable independiente. → X = (2,5-11,527)/-0,9705 ≈ 9,3

Respuesta: Se estima que el operario tiene 9,3 años de experiencia.

6) Determine el modelo que mejor se ajusta a los datos. Justifique su
respuesta.

Respuesta:

El modelo de regresión exponencial se ajusta mejor a los

datos, debido a que su coeficiente de determinación es
mayor, ya que el 93,3% de la variabilidad del porcentaje de
artículos defectuosos producidos, se explica por la variación
de los años de experiencia del operario. Además hay un 6,7%
de variabilidad no explicada.
7) Utilizando el modelo que mejor se ajusta a los datos, responda las
siguientes preguntas:

a) Estime el porcentaje de artículos defectuosos que produce un operario,

con 10 años de experiencia en la planta.
X= 10 Usando el modelo de regresión exponencial,
Y= 1,3 ? se despeja la variable dependiente. → Y = 15,704*EXP(-0,251*10) ≈ 1,3

Respuesta: Se estima un 1,3% de artículos defectuosos.

b) Si un operario produce un 4% de artículos defectuosos, estime la

cantidad de años de experiencia que tiene en la planta.
X= 5,4 ? Usando el modelo de regresión exponencial,
Y= 4 se despeja la variable independiente. → X = LN(4/15,704)/-0,251 ≈ 5,4

Respuesta: Se estima que el operario tiene 5,4 años de experiencia.