Documente Academic
Documente Profesional
Documente Cultură
El análisis de regresión es una técnica estadística que tiene como objetivo establecer
modelos matemáticos para representar, formalmente, las relaciones de dependencia
existentes entre un conjunto de variables estadísticas (Malhotra, 2008; Pérez, 2014).
Existe la regresión simple: manera sencilla de identificar la correlación entre dos variables
a partir de una gráfica; y la regresión múltiple el cual implica una sola variable dependiente
y dos o más variables independientes. Es la técnica estadística que simultáneamente
desarrolla una relación matemática entre dos o más variables independientes y una
variable dependiente de intervalo.
Y= Bo+B1 X 8.3=-16.70+0.19x
Y(x)=-16.70+0.19X 8.3=-16.70+0.19x
-16.5 8.3+16.70=0.19x
25=0.19x
Ecuación de regresión:
x=25/0.19
Y(120)=-16.70+0.19(120) x=131.57
6.993657505
A usted se le asignó la tarea de indicarle al gerente si hay alguna relación entre los gastos
promocionales relativos y las ventas relativas.
a) Grafique las ventas relativas (eje Y) contra los gastos promocionales relativos
(eje X) e interprete este diagrama
Gráfico de dispersión
140
120
100
80
60
40
20
0
70 80 90 100 110 120 130
INTERPRETACIÓN:
Sí existe una relación positiva entre los gastos promocionales relativos y las ventas
relativas.
b) ¿Qué medida usaría para determinar si existe una relación entre las dos
variables?, ¿Por qué?
Se usaría un análisis de regresión simple, porqué existe una variable X y una variable Y
únicamente para analizar.
c) Realice un análisis de regresión bivariado de las ventas relativas sobre los gastos
promocionales relativos
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.993511162
Coeficiente de determinación R^2 0.987064428
R^2 ajustado 0.986069384
Error típico 1.692728176
Observaciones 15
Coeficientes
Intercepción 8.073083316
Variable X 1 0.859183461
d) Interpretación
La relación que existe entre los gastos promocionales relativos con las ventas relativas es
fuerte.
Coeficient Error
es típico
Intercepció 0.5348855 0.470720
n 7 57
0.9764482 0.096711
Calidad x1 5 66
0.2511196 0.071305
Precio x2 1 76
Las variables no son dependientes entre sí, ya que la preferencia de las tiendas no
coincide con el precio.
40
20
0
15 20 25 30 35 40 45 50 55 60
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.391696455
Coeficiente de determinación R^2 0.153426113
R^2 ajustado 0.116618553
Error típico 13.28013377
Observaciones 25
RESULTADO: 30 81.356
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.561005514
Coeficiente de determinación R^2 0.314727186
R^2 ajustado 0.21683107
Error típico 19.47153771
Observaciones 9
Interpretación:
El hecho de que el alumno/a se mantenga con un promedio regular o bueno en el periodo
semestral no tiene relación a que la calificación del examen final sea positiva.
100
40
20
0
40 50 60 70 80 90 100 110
Coeficientes
Examen final 12.06232107
Medio semestre 0.777141599
11.4 Para fines de calibración se recabaron los siguientes datos, los cuales permitirían
determinar la relación entre la presión y la lectura correspondiente en la escala.
X Y
Lectura en la
Presión (Lb/pulg2)
escala
10 13
10 18
10 16
10 15
10 20
50 86
50 90
50 88
50 88
50 92
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.99809769
Coeficiente de determinación R^2 0.99619899
R^2 ajustado 0.99572386
Error típico 2.5
Observaciones 10
Interpretación:
El manejo de la presión tendrá una relación fuerte con el resultado de la lectura de la
escala entre más presión se haga los resultados en la lectura serán elevados.
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.707026444
Coeficiente de determinación R^2 0.499886392
R^2 ajustado 0.444318214
Error típico 0.632607239
Observaciones 11
Azúcar convertida
Interpretación:
12
Aunque la azúcar convertida vaya
10
f(x) = 1.81 x + 6.41 aumentando a nivel que avanza la
8
temperatura no se tiene una
6
relación ciertamente.
4
2
0
0.8 1 1.2 1.4 1.6 1.8 2 2.2
a) Estime la recta de regresión lineal:
Coeficientes
Azúcar
convertida 6.413636364
Temperatura 1.809090909
Y= Bo + B1x
Y= 6.4136 + 1.8091x
b) Calcule la cantidad media de azúcar convertida que se produce cuando se registra una
temperatura codificada de 1.75.
Y= 6.4136 + 1.8091 (1.75)
Y= 6.4136 + 3.16590909
9.579545455
11.6 En cierto tipo de espécimen de prueba metálico se sabe que la tensión normal sobre
un espécimen se relaciona funcionalmente con la resistencia al corte. El siguiente es un
conjunto de datos experimentales codificados para las dos variables:
Y X
Resistencia al Tensión
corte normal
26.5 26.8
27.3 25.4
24.2 28.9
27.1 23.6
23.6 27.7
25.9 23.9
26.3 24.7
22.5 28.1
21.7 26.9
21.4 27.4
25.8 22.6
24.9 25.6
Estadísticas de la regresión
Coeficiente de correlación 0.65556718
múltiple 6
Coeficiente de determinación 0.42976833
R^2 5
R^2 ajustado 0.37274516
9
Error típico 1.63965003
Observaciones 12
30
20
15
10
0
21 22 23 24 25 26 27 28
Coeficientes
Resistencia al corte 42.58180269
Tensión normal -0.686077126
FÓRMULA: Y= Bo+B1 X
Y=41.481+0.6264x
Y= 42
a) Grafique los datos; ¿la regresión lineal simple parece un modelo adecuado?
Coeficiente
s
Análisis volumétrico. 31.708660
4
0.3532666
Ponderación y extracción 6
Y=32.506+(0.4711x)
32.97697907
Recta de regresión
100
90
80
70 f(x) = 0.47 x + 32.51
60
50
40
30
20
10
0
30 40 50 60 70 80 90 100
d) Si la calificación aprobatoria mínima fuera 60 puntos, ¿qué calificación en el
examen de colocación se debería usar en el futuro como criterio para negar a los
estudiantes el derecho de admisión a ese curso?
Coeficientes
Calificación en el curso 32.50591447
Examen de colocación 0.471064604
0.4711x = 60 – 32.506
0.4711x = 27.49
X= 27.49 / 0.4711
= 58.365849
11.9 Un comerciante minorista realizó un estudio para determinar la relación que hay entre
los gastos semanales de publicidad y las ventas.
X Y
Costos de
Ventas $
publicidad $
40 385
20 400
25 395
20 365
30 475
50 440
40 490
20 420
50 560
40 525
25 480
50 510
35 456.438
500
f(x) = 3.22 x + 343.71
400
300
200
100
0
15 20 25 30 35 40 45 50 55
Y= 343.71 + 3.2208x
456.438=343.71+3.2208(x)
3.2208x=456.438-343.71 112.728
3.2208x=112.728
x=112.728/3.2208 35
11.10 Los siguientes datos son los precios de venta z de cierta marca y modelo de
automóvil usado con w años de antigüedad. Ajuste una curva de la forma μ γδ z w w =
mediante la ecuación de regresión muestral no lineal.
w(años) z (dólares)
1 6350 Y= Bo + B1x
2 5695
2 5750 Y= 6451.3 + 313.21 (x)
3 5395 =6451.3+313.21
5 4985
5 4895 6764.51
INVESTIGACIÓN DE CAMPO:
Visite 10 farmacias de su área y evalúe cada una en términos de su imagen y calidad
general en el servicio dentro de la tienda, utilizando escalas de 11 puntos (1= mala,
11= excelente). Después, analice los datos que haya reunido de la siguiente manera:
a) Grafique la imagen general (eje Y) contra el servicio relativo dentro de la
tienda (eje X) e interprete este diagrama.
X Y
Farmacias
Servicio Relativo Imagen General
Del Ahorro 7 7
Guadalajara 8 9
Similares 8 7
Benavides 7 8
Chihuahua 6 8 9
Botica central 8 7
Disfarh 9 10
Farmacia Mirador 7 7
Farmacia San Martín 9 7
Farmacias especializadas 8 6
FARMACIAS CHIHUAHUA
12
10
8
f(x) = 0.55 x + 3.35
6
0
6.5 7 7.5 8 8.5 9 9.5
INTERPRETACIÓN:
Las farmacias mantienen una imagen generalmente buena hacia los consumidores o
clientes que suelen visitarla, aunque el servicio no sea del todo perfecto la imagen es
atractiva haciendo de esta visita un momento agradable. Es decir, el hecho de que las
farmacias mantengan una imagen agradable hacia el consumidor estos reaccionan de
manera positiva al continuo regreso para abarcar sus necesidades rutinarias o de vez en
cuando. Siendo estas las farmacias con más frecuencia a visitar.
b) ¿Qué medida usaría para determinar si existe una relación entre las dos
variables?, ¿por qué?
El análisis de regresión multivariante, porqué desde un inicio te arroja los resultados para
conocer sí existe o no relación entre las mismas variables que se están estudiando y
analizando. Además, que tiene la facilidad de estimar ciertos resultados que se necesiten
probar.
INTERPRETACIÓN COEFICIENTES:
Existe una relación baja entre los coeficientes, es decir, que el servicio de las farmacias no
tiene nada que ver con que la imagen de la farmacia este o se encuentre en buen/mal
estado. Haciendo hincapié a que sí el servicio mejorará y la imagen general de la empresa
fuera mala, los clientes o consumidores seguirían asistiendo dado que tienen lo que ellos
necesitan.
Coeficientes
Imagen general 3.346938776
Servicio Relativo 0.551020408
ECUACIÓN DE REGRESIÓN:
Y= 3.3469 + 0.551x
3.897959184
CONCLUSIÓN:
Como resultado de la actividad logramos comprender con totalidad para que nos sirve
relacionar las variables que se nos muestran en los diferentes casos. Así mismo: nos
llevamos de aprendizaje nuevos métodos y formas de analizar los datos que se nos
presente en cualquier problema, así como la facilidad de estimar resultados futuros o
sobre alguna variable que se quiera conocer.