UNIVERSIDAD NACIONAL AUTONOMA DE MEXICO

FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN

QUÍMICA INDUSTRIAL
ESTADÍSTICA APLICADA
2401

REGRESIÓN
MÚLTIPLE

Equipo 4:
Ceballos Aguilar Angel Alejandro
Gómez Araujo Hannia Guadalupe
Gordiano Flores Alejandro
Mondragón González Brandon
Morales Garcia Adrian
 ¿Que es la regresión lineal múltiple?

La regresión lineal múltiple es la técnica estadística

para comprobar hipótesis y relaciones explicativas.

Los modelo de regresión múltiple estudian la

relación entre I una variable de interés Y (variable
respuesta o dependiente) y I un conjunto de
variables explicativas o regresoras X1, X2, . . . , Xp
 Cómo analizar la regresión lineal múltiple en 4 pasos

Los dos primeros pasos hacen referencia a la bondad del modelo, es decir, si el conjunto de variables independientes
(explicaciones) se relacionan con la variable dependiente (resultado)

● Significación de F-test: si es menor de 0,05 es que el modelo es estadísticamente significativo y por tanto las
variables independientes explican “algo” la variable dependiente, cuánto “algo” es la R-cuadrado

● R cuadrado: es cuánto las variables independientes explican la variable dependiente, indica el porcentaje de la
varianza de la variable dependiente explicado por el conjunto de variables independientes. Cuanto mayor sea la R-
cuadrado más explicativo y mejor será el modelo explicativo.
Los dos siguientes pasos hacen referencia a la influencia de cada una de las variables independientes:

● Significación de t-test: si es menor de 0,05 es que esa variable independiente se relaciona de

forma significativa con la variable dependiente, por tanto, influye sobre ella, es explicativa, ayuda a
predecir la.

● Coeficiente beta (β): indica la intensidad y la dirección de la relación entre esa variable
independiente (VI) y la variable dependiente (VD):
● cuanto más se aleja de 0 más fuerte es la relación
● el signo indica la dirección (signo + indica que al aumentar los valores de la VI aumentan los
valores de la VD; signo – indica que al aumentar los valores de la VI, los valores de la VD
descienden)
Modelo de la Regresión Múltiple
Considere solamente la regresión lineal múltiple de Y sobre X1 y X2 (pues se puede generalizar
fácilmente por inducción), que es una relación E (Y) = α + β 1 X1+ β2 X2.
Ajustando las observaciones (ternas ordenadas con representación gráfica de puntos en un espacio
tridimensional) a un plano de regresión, con ecuación:

Ŷ= a + b1X1 + b2 X2

Donde:

Ŷ = Valor estimado de Y para valores dados de X 1 y X2,

a = Intersección al origen del plano en el eje Y,
b1 = Coeficiente de regresión parcial (pendiente) de Y sobre X 1, con X2 constante,
b2 =Coeficiente de regresión parcial (pendiente) de Y sobre X 2, con X1 constante.
 Aplicaciones
La regresión múltiple se utiliza para la predicción de respuestas a partir de variables
explicativas.

Sus usos más comunes son los siguientes:

● Identificación de variables explicativas. Nos ayuda a crear un modelo donde

se seleccionen las variables que puedan influir en la respuesta, descartando las
que no aporten información.
● Detección de interacciones entre variables independientes que afectan a la
variable respuesta.
● Identificación de variables confusoras. Aunque es un problema difícil, es de
interés en investigación no experimental.
Para calcular estos parámetros muestrales, efectúe las
siguientes operaciones a los valores muestrales
observados:
Para calcular estos parámetros muestrales, efectúe las siguientes operaciones a los valores muestrales
observados:
La barra de ajuste de los puntos al plano se mide con el error estándar de regresión lineal múltiple de Y sobre
X1 y X2

A continuación, basándose en los resultados muestrales, se puede hacer la inferencia estadística para los

parámetros poblacionales de las siguientes formas:

1) Prueba de hipótesis para el coeficiente de regresión parcial de Y sobre X1 con X2 constante en la población

(β1). Se plantean las hipótesis

calcular el estadístico de prueba.

2.-Prueba de hipótesis para el coeficiente de regresión parcial de Y sobre X2 con X1 constante en la

población (β2). Se plantean las hipótesis
Intervalos de confianza:
Si se desea en cualquier caso o si en los casos 1) y 2), la prueba resulta
significativa, se puede encontrar los intervalos de confianza respectivos.

otro valor que se puede estimar es el valor individual Y, para valores de X 1 y X2

dados.
 Ejercicio.
Cuando se realiza el envasado del sulfato de amonio es de gran importancia que
fluya libremente, con objeto de que las máquinas automáticas que llenan y pesan
los envases puedan funcionar correctamente. Sin embargo, a veces, los cristales se
adhieren a las paredes del conducto de alimentación. Las adherencias pueden
deberse en parte a la humedad, pero pueden también depender del % de
impurezas. Para Investigar las causas de las adherencias se realizó un ensayo que
correspondía aproximadamente a las condiciones de envasado y en el que se dejó
fluir cierta cantidad de sulfato de amonio por un pequeño conducto circular,
determinándose la velocidad de flujo.
.
a)Encuentre la ecuación del plano de regresión de Y sobre X1 y X2 para la muestra dada.
b)Cuál será la velocidad de flujo, estimada puntualmente para sulfato de amonio con 11 unidades de humedad inicial y
0.01% de impurezas. c)Calcular el
error estándar de regresión lineal múltiple de Y sobre X1 y X2. d)Si se mantiene el
% de impurezas constante, pruebe si a la velocidad de flujo no le afecta el % de humedad con 5% de significación.
e)Si se mantiene el % de humedad
constante, pruebe si a la velocidad de flujo no le afecta el % de impurezas con 5% de significación.
f)Encontrar el intervalo de confianza al 95% para
estimar al coeficiente de regresión parcial de la velocidad de flujo sobre el % de humedad con % de impurezas constante.
g)Encontrar el intervalo de confianza al 95% para estimar el
coeficiente de regresión parcial de la velocidad de flujo sobre el % de impurezas con % de humedad constante.
h)Calcular el intervalo del 95% de confianza para
estimar la velocidad de flujo del sulfato de amonio que tenga 15 unidades de humedad y 1 unidad de impurezas.
.
.
.
Ejercicio.
Gráficas
Solución:
 Bibliografía
https://www.bioestadistica.uma.es/baron/apuntes/ficheros/cap06.pdf

http://eio.usc.es/eipc1/BASE/BASEMASTER/FORMULARIOS-PHP-DPTO/MATERIALES/Mat_50140128_Reg
resionMultiple.pdf

https://www.uv.es/webgid/Descriptiva/8_regresin_mltiple_introduccin.html

http://halweb.uc3m.es/esp/Personal/personas/emolanes/esp/archivos/EstII/Reg-multiple.pdf

http://networkianos.com/regresion-lineal-multiple/