Z

REGRESIN LINEAL
SIMPLE Y MULTIPLE

pg. 1

UNIVERSIDAD NACIONAL
UNIVERSIDAD NACIONAL
SANTIAGO ANTUNEZ DE MAYOLO

FACULTAD DE ADMINISTRACION Y TURISMO

ESCUELA DE PROFESIONAL DE ADMINISTRACION
CURSO: ANLISIS CUANTITATIVO II
DOCENTE: LIC. ADM. WILLIAM DEXTRE MARTINEZ
CICLO: VIII
INTEGRANTES:
1.

AGUEDO RODRIGUEZ, KARINA.

2.

DE LA CRUZ RODRIGUEZ, MARIA.

3.

INCHICAQUI SALAZAR GABRIELA.

4.

NORABUENA ARANDA ERIKA.

5.

REGALADO RODRIGUEZ LENIA.

6.

VEGA PICN RUTH.

Huaraz, noviembre de 2015

pg. 2

Contenido
PRESENTACIN................................................................................................................... 4
INTRODUCCIN .................................................................................................................. 5
REGRESIN .......................................................................................................................... 6
CLASES DE REGRESIN................................................................................................... 6
REGRESIN SIMPLE: .................................................................................................... 6
REGRESIN MLTIPLE ............................................................................................... 9
CONCLUSIONES ................................................................................................................ 16
RECOMENDACIONES ....................................................................................................... 17
BIBLIOGRAFIA .................................................................................................................. 18

pg. 3

PRESENTACIN
En el presente trabajo mostraremos las tcnicas a utilizar para que las empresas realicen
pronsticos y tengan el conocimiento de cmo es que el manejo y el estado real de la
empresa afectara en el futuro y de cmo podemos mejorarlo.
Las empresas andan preocupadas por satisfacer las demandas que presenta el sector de
mercado al que pertenecen y desean saber cmo poder abastecer esa demanda tanto en
el presente como en el futuro, por eso el uso de estas tcnicas, de regresin lineal simple
y mixta, nos podr llevar a lograr mejores pronsticos, con los cuales podremos realizar
una correcta planeacin de las actividades productivas.

pg. 4

INTRODUCCIN
El pronstico es un dato que, con base a una serie de estudios, determinan la demanda
en un futuro de un determinado producto. Es predecir el futuro a partir de algunos
indicios. El pronstico es una inferencia a partir de ciertos datos, permite predecir lo que
ocurrir en el futuro, depende de los cambios en las variables externas.
La Tcnica de Regresin Lineal es una tcnica de tipo cuantitativo que permite el
clculo de los pronsticos para perodos futuros, para lo cual requiere de registros
histricos que sean consistentes, reales y precisos, se investiga la relacin entre
variables independientes y otras dependientes. A menudo la relacin entre las dos
variables permite pronosticar con exactitud la variable dependiente a partir del
conocimiento que se tiene de la variable independiente
El modelo de la regresin lineal simple se investiga la relacin entre una variable
independiente y otra dependiente pero muchos escenarios de la vida real no son tan
simples y con frecuencia se necesita ms de una variable independiente para pronosticar
Los modelos con ms de una variable independiente se llaman modelos de Regresin
Lineal Mltiple que contiene los conceptos bsicos de la regresin lineal simple pero
encontraremos alguno adicionales.

pg. 5

REGRESIN
Se define como un procedimiento mediante el cual se trata de determinar si existe o no
relacin de dependencia entre dos o ms variables. Es decir, conociendo los valores de
una variable independiente, se trata de estimar los valores, de una o ms variables
dependientes. La regresin en forma grfica, trata de lograr que una dispersin de las
frecuencias sea ajustada a una lnea recta o curva.
El anlisis de regresin es una tcnica estadstica que puede utilizarse para desarrollar
una ecuacin matemtica que muestre como se relacionan las variables. En terminologa
de regresin, la variable que se predice se conoce como variable dependiente o de
respuesta la variable o variables que predicen el valor de la variable dependiente se
conocen como independientes o predictores. (David, Dennis, & Thomas, 1999)
El anlisis de regresin determina la relacin entre una variable dependiente (por
ejemplo, la demanda de un artculo) y una variable independiente (por ejemplo, el
tiempo). La frmula general de regresin entre la variable independiente x y la variable
dependiente y es:

y* = a + bx
1.1 CLASES DE REGRESIN
La regresin puede ser Lineal y Curvilnea o no lineal, ambos tipos de regresin pueden
estar clasificados a su vez en:
REGRESIN SIMPLE:
Este tipo se presenta cuando una variable independiente ejerce influencia sobre otra
variable dependiente. Ejemplo: Y = f(x).
El anlisis de regresin que incluye una variable independiente y una dependiente, para
los cuales la relacin entre variables se puede aproximar a una lnea recta, se conoce
como una regresin lineal simple.
Esta regresin se utiliza con mayor frecuencia en las ciencias econmicas, y sus
disciplinas tecnolgicas.
Objetivos del anlisis de regresin simple:

pg. 6

Determinar la relacin de dependencia que tiene una variable respecto a otra.

Ajustar la distribucin de frecuencias de una lnea, es decir, determinar la forma

de la lnea de regresin.

Predecir un dato desconocido de una variable partiendo de los datos conocidos

de otra variable.

Caso de Regresin Lineal Simple:

En una empresa de servicio de Internet busca relacionar las ganancias que obtiene cada
computadora con el nmero de usuarios que ingresan a dicha cabina diariamente. En la
tabla representa Y (Ganancias S/.) ; X (Nmero de usuarios)
y

100

98

99

102

102

111

97

104

102

96

116

96

110

105

99

106

100

109

98

108

1.1.1.1 COEFICIENTE DE REGRESIN

Indica el nmero de unidades en que se modifica la variable dependiente Y por efecto

del cambio de la variable independiente X o viceversa en una unidad de medida.
1.1.1.2 CLASES DE COEFICIENTE DE REGRESIN:
El coeficiente de regresin puede ser: Positivo, Negativo y Nulo.

Es positivo cuando las variaciones de la variable independiente X son

directamente proporcionales a las variaciones de la variable dependiente Y

Es negativo, cuando las variaciones de la variable independiente X son

inversamente proporcionales a las variaciones de las variables dependientes Y

Es nulo o cero, cuando entre las variables dependientes Y e independientes

X no existen relacin alguna.

pg. 7

1.1.1.3 PROCEDIMIENTO PARA HALLAR EL COEFICIENTE DE

REGRESIN
Para determinar el valor del coeficiente de regresin de una manera fcil y exacta es
utilizando el mtodo de los Mnimos Cuadrados.
Las constantes a y b se calculan aplicando el criterio de los mnimos cuadrados, que
minimiza la suma del cuadrado de las diferencias entre los valores observados y los
estimados. (Taha, 2004).
Dado el i-simo punto de dato ( , ), i = 1, 2,..., n, la suma de los cuadrados de las
desviaciones entre los valores observados y estimados se define como:

= ( )2
=1

Los valores de a y b se calculan resolviendo las siguientes condiciones necesarias para

minimizar S:

= 2 ( )2 = 0

=1

= 2 ( ) = 0

=1

Con algo de manipulacin algebraica se obtiene la siguiente solucin:

pg. 8

Dnde:

Estas ecuaciones indican que primero se necesita calcular b, a partir del cual se puede
calcular a.
Solucin en Excel:
Se Ilustra el uso de hojas de clculo para los anlisis de regresin.
En la hoja de clculo los datos de la variable independiente se colocan en las celdas
B5:B14. Los datos de la variable dependiente se colocan en las celdas C5:C14. Una vez
introducidos los datos, los siguientes datos llevaran a cabo el anlisis de regresin.
Paso1: Seleccione el men desplegable Tools (herramientas).
Paso2: seleccione la opcin (Anlisis de datos)
Paso3: cuando aparezca el cuadro de dialogo analysis Tools, escoja (regresin)
Paso4: Una vez que haya aparecido el cuadro de dialogo (regresin):
Escriba C5:C14 en el cuadro (Rango Y de entrada).
Escriba B5:B14 en el cuadro (Rango X de entrada).
Seleccione (Rango de salida) y en el cuadro seleccione (aceptar).
1.1.2 REGRESIN MLTIPLE
El anlisis de regresin que incluya dos o ms variables independientes se conoce como
anlisis de regresin mltiple.
Se presenta cuando dos o ms variables independientes influyen sobre una variable
dependiente. Ejemplo: Y = f(x, w, z).
Caso de Regresin Mltiple

pg. 9

Una Empresa de desarrollo de software establece relacionar sus Ventas en funcin

del nmero de pedidos de los tipos de software que desarrolla (Sistemas, Educativos
y Automatizaciones Empresariales), para atender 10 proyectos en el presente ao.
En la Tabla representa Y (Ventas miles de S/.) e X (N pedidos de sistemas), W (N
de pedidos de Aplicaciones Educativas) y Z (N de pedidos de Automatizaciones
empresariales). (Galdos, 2005)

440 455 470 510 506 480 460 500 490 450

50

105 140 110 130 125 115 100 103 118 98

75

40

68

35

70

45

64

51

67

55

72

53

70

48

73

38

69

44

74

Se presentara primero el anlisis de regresin mltiple al desarrollar y explicar el

uso de la ecuacin de regresin mltiple, as como el error estndar mltiple de
estimacin. Despus se medir la fuerza de la relacin entre las variables
independientes, utilizando los coeficientes mltiples de determinacin.
1.1.2.1 ANLISIS DE REGRESIN MLTIPLE
Dispone de una ecuacin con dos variables independientes adicionales:

Se puede ampliar para cualquier nmero m de variables

independientes:

pg. 10

Para poder resolver y obtener a, b1 y b2 en una ecuacin de regresinn

mltiple el clculo se presenta muy tediosa porque se tiene atender 3
ecuaciones que se generan por el mtodo de mnimo de cuadrados:

Para poder resolver se puede utilizar programas informticos como AD+, SPSS
Minitab y Excel.
1.1.2.2 EL ERROR ESTNDAR DE LA REGRESIN MLTIPLE (SXY)
Es una medida de dispersin la estimacin se hace ms precisa conforme el grado
de dispersin alrededor del plano de regresin se hace mas pequeo. Para medirla
se utiliza la frmula:

pg. 11

1.1.2.3 EL COEFICIENTE DE DETERMINACIN MLTIPLE (R2)

Mide la tasa porcentual de los cambios de Y que pueden ser explicados por x1, x2
y x3 simultneamente.

Ejemplo de Regresin Mltiple

Mediante el siguiente problema podremos ilustrar la aplicacin de Regresin
Mltiple:
En la Facultad de Ingeniera de Sistemas se quiere entender los factores de
aprendizaje de los alumnos que cursan la asignatura de PHP, para lo cual se escoge
al azar una muestra de 15 alumnos y ellos registran notas promedios en las
asignaturas de Algoritmos, Base de Datos y Programacin como se muestran en el
siguiente cuadro.

Alumno

PHP

Algoritmos Base de Datos

Programacin

13

15

15

13

13

14

13

12

13

16

13

14

15

20

14

16

16

18

18

17

15

16

17

15

12

13

15

11

13

16

14

15

pg. 12

13

15

14

13

10

13

14

13

10

11

11

12

12

10

12

14

16

11

14

13

15

17

16

15

14

15

19

14

16

15

15

13

15

10

Lo que buscamos es construir un modelo para determinar la dependencia que exista

de aprendizaje reflejada en las notas de la asignatura de PHP, conociendo las notas
de las asignaturas Algoritmos, Base de Datos y Programacin. Se presentara la
siguiente ecuacin a resolver:

Utilizando las frmulas de las ecuaciones normales a los datos obtendremos los
coeficientes de regresin o utilizando Regresin de Anlisis de datos, en la Hoja de
Clculo de Excel podemos calcular tambin los coeficientes de regresin:

Por lo tanto podemos construir la ecuacin de regresin que buscamos:

pg. 13

El Error Estndar de Regresin Mltiple (Sx,y)

Mediante esta medida de dispersin se hace ms preciso el grado de dispersin
alrededor del plano de regresin, se hace ms pequeo.
Para calcularla se utiliza la formula siguiente:

En los resultados de Excel se llama error tpico y para explicar la relacin del
aprendizaje de PHP que se viene desarrollando es de 0.861.
El coeficiente de determinacin mltiple (r2)
Utilizaremos para determinar la tasa porcentual de Y para ser explicados las
variables mltiples, utilizando la siguiente formula:
r2 = SCregresin

SCTotal

r2 =

= 0.69704656

pg. 14

Interpretacin:
El 69.70% del aprendizaje del Curso de PHP puede ser explicado mediante las notas
obtenidas por las asignaturas de Algoritmos, Base de Datos y Programacin.

pg. 15

CONCLUSIONES
1. El anlisis de Regresin y Correlacin lineal constituyen mtodos que se
emplean para conocer las relaciones y significacin entre series de datos. Aqu
se presentan variables de respuesta e independientes las cuales interactan para
originar las caractersticas de un proceso en particular y por ende analizar,
predecir valores de la variable dependiente y examinar el grado de fuerza con
que se relacionan dichas variables.
2. La finalidad de una ecuacin de regresin es la de estimar los valores de una
variable con base en los valores conocidos de la otra, es decir se puede intuir una
relacin de causa- efecto entre 2 ms variables.
3. Estas tcnicas estadsticas constituyen una herramienta til para el anlisis de las
variables de un proceso ya que a travs de la aplicacin de estas, es posible
conocer el modelo que siguen y la fuerza con que se encuentran relacionadas.
Asimismo es posible explicar la relacin que guardan 2 ms causas de un
posible defecto.

pg. 16

RECOMENDACIONES
1. Desde la concepcin del desarrollo de regresin lineal simple y mltiple se
recomienda sacar los coeficientes como la intercepcin, algoritmos, base de
datos y programacin para poder hallar la ecuacin de regresin.
2. Se recomienda hallar la variable tanto independiente como dependiente con el
anlisis de datos del Excel.

pg. 17

BIBLIOGRAFIA
1. David, Anderson ; Demis, Sweeney & Thomas.(1999). Metodos cuantitavos
para los negocios. Mxico. Internacional Thomson Editores.
2. Taha, Handy A. (2004).Investigacin de operaciones. Mxico. Pearson
Educacin.
3. Galdos (2005) Clculo y Estadstica III. Lima: Grupo La Republica.

pg. 18