Documentos de Académico
Documentos de Profesional
Documentos de Cultura
REGRESIÓN
LINEAL SIMPLE 14
• ¿Por qué estudiar regresión lineal?
• Secuencia de estudio RLS
• ¿De qué factores crees tú que depende el volumen de ventas (en soles) de un platillo en
un restaurante?
Estacionalidad de
N.° platos vendidos N.° de clientes
cada platillo
Precio de cada
Etc., etc., etc.
platillo
• ¿Se podrá establecer un modelo matemático que me permita un análisis técnico del comportamiento de una
variable respecto a otras?
El análisis de regresión nos permite encontrar un modelo matemático que nos ayude a pronosticar
o estimar el comportamiento de una variable en base a los cambios que sufren otras variables
diferentes. La variable dependiente es la que se quiere predecir y las independientes son las que
se utilizan para lograr esa predicción. En nuestro estudio analizaremos la relación lineal de dos
variables, por eso la llamaremos REGRESIÓN LINEAL SIMPLE.
• En este caso:
n ( x . y) ( x )( y)
r
n ( x 2 ) ( x )2 n ( y 2 ) ( y )2
r ɛ [ -1 ; -0,8 ] ó [ 0,8 ; 1]
r=+ r=-
Es decir:
Existe relación lineal No hay relación lineal significativa Existe relación lineal directa
inversa significativa significativa
0
-1 -0.8 0 +0.8 +1
En general, diremos que es apropiado usar el modelo lineal si: r ∈ [ -1; -0,8 ] o [ 0,8; 1,0 ]
1 70 1 4900 70
3 90 9 8100 270
4 100 16 10000 400
5 110 25 4900 550 “La relación lineal entre las
5 115 25 8100 575 variables es significativa
5 80 25 13225 400 (es decir un estudio con
5 105 25 6400 525 regresión lineal es adecuado)”
6 130 36 11025 780
7 140 49 19600 980
8 150 64 22500 1200
Sumatorias 49 1090 275 124750 5750
Fx – 570 ES ( o similares)
Mode 3: STAT
Seleccionas: 2: A+BX
Vacías la información en cada columna (x;y) y
grabas con AC
Shift 1-STAT 5:Regr
Seleccionas 3: r
seguido de: “ =“
r = 0.89820
“La relación lineal entre las variables
es significativa”
(se puede hacer el estudio con regresión lineal)
ANÁLISIS DE DATOS SESIÓN 14 © ISIL. Todos los derechos reservados
SECUENCIA DES ESTUDIO RLS
RECTA DE REGRESIÓN
La forma general de la ecuación de regresión es:
Y A BX
RECTA DE REGRESIÓN
Para determinar los coeficientes A y B se utilizan las siguientes fórmulas:
Con este modelo podremos hacer todas las estimaciones o pronósticos relativos a las
variables estudiadas.
RECTA DE REGRESIÓN
Con calculadora:
A= 51.576
B= 11.719
Fx – 570 ES (similares)
Mode 3: STAT
Seleccionas: 2: A+BX
Vacías la información en cada columna
Shift 1-STAT 5:Regr
Seleccionas AóB
seguido de: “ =“
Y 51.576 11.719X
ANÁLISIS DE DATOS SESIÓN 14 © ISIL. Todos los derechos reservados
SECUENCIA DES ESTUDIO RLS
En nuestro ejemplo:
r = 0.8982 significa que las dos variables tienen una correlación lineal positiva intensa.
r2 = 0,8068 significa que el 80,68% de la variación total de los gastos familiares se debe o se
explica linealmente por la variación en el número de miembros de cada familia.
El 19,32 % restante de la variación de las ventas no está afectado linealmente
por la variación de la puntuación (se debe a otros factores)
Debemos:
1 Identificar las variables.
2 Graficar el diagrama de dispersión.
3 Establecer la intensidad de la relación
4 Determina el modelo RLS
5 Establecer: ¿en que medida influye la variación de una variable respecto a otra?
ANÁLISIS DE DATOS SESIÓN 14 © ISIL. Todos los derechos reservados
1 Identificación de Variables:
• Variable independiente: puntuación
• Variable dependiente: Ventas semanales
2
Diagrama de dispersión:
Ventas Semanales
Puntos de Prueba
Davida Vargas 4 5 16 25 20
Teofilo Olvar 7 12 49 144 84
Carmen liontop 3 4 9 16 12
Rosa Estuquin 6 8 36 64 48
Edgardo Marcona 10 11 100 121 110
n=5 Sumas 30 40 210 370 274
fx – 570 ES (similares)
Mode 3: STAT
Seleccionas: 2: A+BX
Vacías la información en cada columna
seguido de: “ =“
r = 0.8779
La relación lineal entre las variables es significativa
4
Modelo de RLS:
5
Coeficiente de Determinación:
r2 = 0.7707 ó 77.07%