Administración de Obras de PROYECTO Y CONTROL DE AVANCE DE OBRA

Construcción Civil
3er Ciclo INFORME DE SEGUIMIENTO EN PROYECTOS

DOCENTE

JERI DE PINHO CARLOS JESUS

Alumnos
Ccopa Peralta, William Josué
Huarancca Huaman, Luis Alberto
Yabar Anchapuri, Hugo Percy

Noviembre
2022
 REGRESION LINEAL
El modelo de pronóstico de regresión lineal permite hallar el valor esperado de una
variable aleatoria a cuando b toma un valor específico. La aplicación de este
método implica un supuesto de linealidad cuando la demanda presenta un
comportamiento creciente o decreciente, por tal razón, se hace indispensable que previo
a la selección de este método exista un análisis de regresión que determine la intensidad
de las relaciones entre las variables que componen el modelo.
 OBJETIVO
El objetivo de un análisis de regresión es determinar la relación que existe entre una
variable dependiente y una o más variables independientes. Para poder realizar esta
relación, se debe postular una relación funcional entre las variables. Cuando se trata de una
variable independiente, la forma funcional que más se utiliza en la práctica es la relación
lineal. El análisis de regresión entonces determina la intensidad entre las variables a través
de coeficientes de correlación y determinación.
Coeficiente de correlación [r]
El coeficiente de correlación, comúnmente identificado como r o R , es una medida de
asociación entre las variables aleatorias X y Y, cuyo valor varía entre -1 y +1.

El cálculo del coeficiente de correlación se efectúa de la siguiente manera:

Dónde t hace referencia a la variable tiempo y x a la variable demanda.

Cuando “r” es negativo, ello significa que una variable (ya sea “x” o “y”) tiende a decrecer
cuando la otra aumenta (se trata entonces de una “correlación negativa”, correspondiente a
un valor negativo de “b” en el análisis de regresión). Cuando “r” es positivo, en cambio, esto
significa que una variable se incrementa al hacerse mayor la otra (lo cual corresponde a un
valor positivo de “b” en el análisis de regresión).

Los valores de “r” pueden calcularse fácilmente en base a una serie de pares de datos de “x”
e “y”, utilizando la misma table y montos que se indican en el Paso 2 de la sección
“regresión” de este capítulo. De este modo “r” puede ser obtenido - indirectamente - a partir
de la relación:
ESTADISTICA II. REGRESION LINEAL
 b
6* 212000 55000* 21
6 * 21 441
Luego, y dado que ya tenemos el valor de la pendiente b procedemos a calcular el valor de a, para ello
efectuamos los siguientes cálculos:
Luego, y dado que ya tenemos el valor de la pendiente b procedemos a calcular el valor de a, para ello
efectuamos los siguientes cálculos:

Podemos así determinar que el pronóstico de ventas para el período 7 es equivalente a 13067
unidades.
Ajuste a una línea recta los valores de x e y. Para investigar la relación cuenta con los
siguientes datos:
Xi Yi Xi*Yi Xi2 Yi2
X Y
1 0,5 0,5 1 0,25
1 0,5
2 2,5 2 2,5 5 4 6,25
3 2 3 2 6 9 4
4 4 4 4 16 16 16
5 3,5 5 3,5 17,5 25 12,25
6 6
6 6 36 36 36
7 5,5
7 5,5 38,5 49 30,25
28 24 119,5 140 105

X (prom) = 4
Y (prom) = 3,428571429
b= 0,839285714
a= 0,071428571
y= a+bx
Coef. r = 0,931835613
Una compañía desea hacer predicciones del valor anual de sus ventas totales en cierto país a
partir de la relación de éstas y la renta nacional. Para investigar la relación cuenta con los
siguientes datos:
X Y
189 402
190 404
208 412
227 425
239 429
252 436
257 440
274 447
293 458
308 469
316 469

Encontrar.
1 La recta de regresión de Y sobre X.
2 El coeficiente de correlación lineal e interpretarlo.
3 Si en 2001 la renta nacional del país fue de 325 millones de euros.
¿Cuál será la predicción para las ventas de la compañía en este año?