REGRESION

LINEAL
MULTIPLE
EQUIPO AMARILLO:
Ávila Flores Jairo Alexis
Galván Mar Alan Joan
González González Yessenia Evelin
Perez Gonzalez Anyuli Rosenda
Problemática:
El CEO de una empresa estudia las posibles relaciones entre los
beneficios anuales de su próximo proyecto, gastos anuales de la
operación y horas extraordinarias de trabajo anuales de los
empleados.
Para ello se utilizan 10 datos de tres variables, proporcionadas por la
empresa.
Objetivo:
Se presentara primero el análisis de regresión múltiple a desarrollar
explicar el uso de la ecuación de regresión múltiple. Después se
medirá la fuerza de la relación entre las variables independientes,
utilizando los coeficientes múltiples de determinación.
Ajustes y diagnostico para todas las observaciones Ajustes y diagnostico para las observaciones inusuales
Contenido celular: valor P de correlación Pearson
 Probability Plot of Beneficios en millones
Normal
99
Mean 3.04
StDev 0.8540
95 N 10
AD 0.353
90
P-Value 0.388
80
70
Percent

60
50
40
30
20
Probability Plot of RESI1
Normal
10
99
5 Mean -1.66533E-16
StDev 0.06387
95 N 10
1 AD 0.858
1 2 3 4 5 90
P-Value 0.017
Beneficios en millones 80
70

Percent
60
50
40
30
20

10
5

1
-0.15 -0.10 -0.05 0.00 0.05 0.10 0.15
RESI1
Los siguientes términos se encuentran en la
ecuación ajustada que modela la relación
entre Y y las variables X:
X1: Gastos de operacion en millones

Si el modelo se ajusta bien a los datos, esta

ecuación puede usarse para predecir
Beneficios e para valores específicos de las
variables X, o encontrar la configuración para
las variables X que corresponden a un valor o
rango de valores deseados para Beneficios e.
Busque patrones, como curvaturas fuertes o grupos, que pueden indicar problemas con el
Modelo de regresión. Idealmente, los puntos deberían caer aleatoriamente en ambos lados de
cero. Identifica cualquier
grandes residuos que podrían tener una fuerte influencia en el modelo.
Cantidad de datos: El tamaño de la muestra (n = 10) no es lo suficientemente grande como para
proporcionar una estimación muy precisa de la fuerza de la relación. Las medidas de la fuerza de la
relación, como R-Squared y R-Squared (ajustada), pueden variar mucho. Para obtener una estimación
precisa, se deben usar muestras más grandes (típicamente 40 o más) para un modelo de este tamaño.
Datos inusuales: Un punto de datos tiene un gran residuo y no está bien ajustado por la ecuación.
Este punto está marcado en rojo en el Informe de diagnóstico y está en la fila 1 de la hoja de trabajo.
Debido a que los datos inusuales pueden tener una fuerte influencia en los resultados, intente
identificar la causa de su naturaleza inusual. Corrija cualquier entrada de datos o errores de medición.
Considere eliminar los datos asociados con causas especiales y rehacer el análisis.
Normalidad: Debido a que tiene menos de 15 puntos de datos, debe tener precaución al interpretar
los valores p. Con muestras pequeñas, la precisión de los valores p es sensible a los errores residuales
no normales.