Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Motivación
Hasta el momento hemos visto cómo de una muestra
podemos inferir información sobre una población.
Ejemplo
¿Cuanto será la demanda de pañales el próximo
mes? (Predicción)
Liste las variables relevantes para su contexto. De ellas, seleccione aquella que es de su interés estudiar.
TEXTOS PARA
De la lista anterior seleccione dos variables que usted considera tienen mayor relación con la variable de
SEPARADORES
interés elegida. Enuncie verbalmente estas relaciones.
20000 6000000
15000
5000000
10000
4000000
5000
3000000
0
-400 -300 -200 -100 0 100 200 300 400
2000000
-5000
1000000
-10000
0
-15000 -400 -300 -200 -100 0 100 200 300 400
1500000000 600
1000000000 500
400
500000000
300
0
-400 -300 -200 -100 0 100 200 300 400
200
-500000000
100
-1000000000
0
-1500000000 -400 -300 -200 -100 0 100 200 300 400
Regresión: Retrocesión o acción de
volver hacia atrás (RAE).
250 20000
200 15000
150 10000
100 5000
50 0
-400 -300 -200 -100 0 100 200 300 400
-50 -10000
-100 -15000
¿Cuál es el valor de su variable dependiente si todas sus
variables independientes valen 0? 𝛽0
¿Cómo afecta la variable independiente a la dependiente?
𝛽𝑖
¿Cuántas variables necesito para poder explicar mi P
variable independiente?
20000
15000
10000
5000
0
-400 -300 -200 -100 0 100 200 300 400
-5000
-10000
-15000
Y Lineal
Línea café: Modelo Estimado
25000
15000
10000
5000
0
-400 -300 -200 -100 0 100 200 300 400
-5000
-10000
-15000
Puede usar Excel o R para desarrollar el
Ejemplo ejemplo práctico propuesto.
Datos
Análisis de Datos
Regresión
18
Excel
En rango Y de entrada seleccione los datos de su
variable Dependiente.
R2 tiende a estimar de forma optimista el ajuste de la regresión lineal. Siempre aumenta como el número de efectos (de
variables) que se incluyen en el modelo. R2 ajustado intenta corregir esta estimación excesiva. R2 ajustado podría
disminuir si un efecto específico no mejora el modelo. R2 ajustado es un medida de bondad de ajuste corregida (precisión
de modelo) para los modelos lineales. Identifica el porcentaje de varianza en el campo objetivo que se explica mediante la
entrada o entradas.
R2 ajustado siempre es menor o igual que R2. Un valor de 1 indica un modelo que predice perfectamente valores del
campo objetivo. Un valor que es menor o igual que 0 indica un modelo que no tiene ningún valor predictivo. En el mundo
real, R2 ajustado se encuentra entre estos valores. 20
Resultados
Arrojados
por Excel
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 2 19333896,17 9666948,086 101,4972543 1,65361E-24
Residuos 97 9238614,095 95243,44427
Total 99 28572510,27
21
Resultados
Arrojados
por Excel
Coeficientes Error típico Estadístico t Probabilidad
Intercepción 383,0245139 132,691137 2,886587022 0,004800909
Compradores mayoristas 30,76698505 4,904191326 6,273610266 9,84979E-09
Inversiones (Millones) 15,86158371 1,212197177 13,08498651 3,79583E-23
Coeficientes: Betas estimados por le modelos de la regresión lineal correspondientes a cada una de las
variables.
22
Resultados
Arrojados
por Excel
Intervalo de confianza del 95% por defecto para cada una de las estimaciones de los betas.
Intervalo de confianza de la confianza especificada en las opciones para cada una de las estimaciones de los
betas.
23
Ejemplo
Descargue en Moodle el la base datos.
Práctico
Puede usar Excel o R para desarrollar el
ejemplo práctico propuesto.
Tiene usted una base de datos de su Cine, del cual es
dueño. Se desea conocer si las ventas se ven afectadas
por la condición de las máquinas, limpieza de las
REGRESIÓN LINEAL instalaciones, inversión publicidad, mala condición del
clima, tiempo de cortos comerciales, precios.
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 2 19333896,17 9666948,086 101,4972543 1,65361E-24
Residuos 97 9238614,095 95243,44427
Total 99 28572510,27
H 0 : 𝛽 𝑖=0
Prueba de Hipótesis
H 1 : 𝛽𝑖 ≠ 0
Significancia
INDIVIDUAL