ESTADISTICA SEMANA 6

Regresión lineal

Estadística

Instituto IACC

10 de diciembre de 2018

1
 ESTADISTICA SEMANA 6

Le han solicitado elaborar un estudio de desempeño laboral en la empresa Luz Ltda. con el fin
de observar la incidencia y determinar si es relevante que un empleado realice actividades
personales en su horario de trabajo. Es por esto que se tomó como referencia el tiempo en
horas que un empleado navega en internet en su puesto durante la semana hábil y verificar si
existe relación entre el consumo de internet y las siguientes variables: edad, antigüedad
laboral, sueldo mensual que percibe y su escolaridad, además de si el sexo del funcionario
incide en este comportamiento de actividades no laborales en su lugar de trabajo.
De acuerdo con los datos entregados:
a) Realice un gráfico de dispersión e indique el tipo de relación entre las variables edad del
trabajador y horas conectadas a internet.

HORAS CONECTADO V/S EDAD DEL TRABAJADOR

25
y = -0.3488x + 27.39 Horas conectado a
20
horas conectado

R² = 0.7502 Internet (semanal)

15

10
Linear (Horas
5 conectado a Internet
(semanal))
0
0 10 20 30 40 50 60 70
edad del trabajador

b) Con respecto a las mismas variables de la letra a), construya un modelo de regresión e
interprete el valor de la pendiente.

Horas conectado a internet = -0,3488*edad del trabajador + 27,39

Si es < 0, una variable aumenta mientras que la otra disminuye, es decir es un modelo de
creciente y una relación indirecta.
c) Estime el número de horas que un trabajador está conectado a internet, si tiene 62 años.

2
 ESTADISTICA SEMANA 6

Horas de internet = -0.3488 * 62 + 27,39

Horas de internet = 5,7644 entonces a los 62 años está conectado casi 6 horas a internet aprox.

d) Si un trabajador está conectado 18 horas a internet, ¿qué edad se puede estimar que
tiene el trabajador?

Horas de internet = -0,3488 * edad del trabajador + 27,39

18 = -0,3488 * edad del trabajador + 27,39

Edad del trabajador = (18 – 27,39) /-0,3488

Edad del trabajador = 26,92 entonces al estar conectado 18 horas se estima una edad de casi 27
años aprox.

e) Desde la gerencia se requiere establecer un modelo de regresión para las variables:

sueldo
mensual y antigüedad de los trabajadores, para realizar estimaciones respecto a esas
variables. Entonces:

e.1) Construya el modelo lineal y exponencial.

MODO LINEAL
1500.0
Sueldo
sueldo mensual

y = 77.473x + 48.67
Mensual
R² = 0.7678
1000.0 (miles de $)
Linear (Sueldo
Mensual
500.0 (miles de $))
Linear (Sueldo
Mensual
0.0 (miles de $))
0 5 10 15
antigüedad laboral

3
 ESTADISTICA SEMANA 6

MODO EXPONENCIAL
1500.0 Sueldo
y = 274.45e0.1074x
sueldo mensual

Mensual
R² = 0.8053
(miles de $)
1000.0

500.0 Expon.
(Sueldo
Mensual
0.0 (miles de
0 5 10 15 $))
antigüedad laboral

e.2) Estime qué modelo se ajusta mejor a los datos. Justifique su respuesta.
El modelo más confiable y que más se ajusta a los datos es el modelo EXPONENCIAL ya que
su coeficiente de determinación es mayor al modelo lineal.
Modelo lineal 0,7678 < modelo exponencial 0,8053.
Coeficiente de determinación del modelo exponencial es de 81%.

e.3) Utilizando el modelo más adecuado, determine el sueldo mensual de un trabajador, si

lleva 15 años en la empresa.
𝑌 = 274,45𝑒 0,1074𝑥
𝑌 = 274,45𝑒 0,1074∗15
𝑌 = 1374,4
Es decir, con 15 años de antigüedad el sueldo debería ser de$1.374.400

e.4) Utilizando el mismo modelo anterior estime la antigüedad de un trabajador, con un

sueldo mensual de $750.000.

750000 = 274,450,1074𝑥
log 274,45 750000
𝑥=
0,1074
𝑥 = 22,43
Es decir, con un sueldo de $750.000 la antigüedad se estima en poco más de 22 años aprox.

4
 ESTADISTICA SEMANA 6

Bibliografía

IACC 2018, Regresión Lineal, Estadística semana 6.