AO DE LA CONSOLIDACIN DEL MAR DE

GRAU

UNIVERSIDAD CIENTFICA DEL PER.

FACULTAD DE NEGOCIOS
ADMINISTRACIN DE EMPRESAS
ESTADSTICA APLICADA II

DOCENTE:
ING. PATRICIA GARCA CARDENAS.

TEMA:
TRABAJO DE INVESTIGACIN SOBRE
ANLISIS DE REGRESIN
ALUMNO(a):
FERNANDO ARMAS SAN MARTN.

TARAPOTO PER
2016.

AGRADECIMIENTO
EL HOMBRE NO SE HA HECHO SOLO, por eso queremos agradecer a
todas las personas que han colaborado en la culminacin de mi trabajo de
investigacin y son los siguientes:
-

A la Ing. PATRICIA GARCA CARDENAS de la Facultad de Negocios,

por su aporte en sus labores acadmicas y esto nos ayuda en los

procesos de nuestro trabajo de investigacin.

A SAIDYTH AMASIFUEN PINCHI, por el aporte y apoyo mutuo de sus
conocimientos brindados para un mejor desarrollo de mi Trabajo de
INVESTIGACIN sobre Anlisis de Regresin.

DEDICATORIA

Dedico este trabajo a Dios, por darme la

oportunidad de vivir y por estar conmigo en cada
paso que doy, por fortalecer mi corazn e
iluminar mi mente y por haber puesto en mi
camino a aquellas personas que han sido mi

A mis padres que son mi motor y motivo

para salir adelante y sobre todo apoyarme
en cada momento de mi vida.

INTRODUCCIN

En estadstica, el anlisis de la regresin es un proceso estadstico para

estimar las relaciones entre variables. Incluye muchas tcnicas para el
modelado y anlisis de diversas variables, cuando la atencin se centra en la
relacin entre una variable dependiente y una o ms variables independientes.
Ms especficamente, el anlisis de regresin ayuda a entender cmo el valor
de la variable dependiente vara al cambiar el valor de una de las variables
independientes, manteniendo el valor de las otras variables independientes
fijas.

El anlisis de regresin estima la esperanza condicional de la variable

dependiente dadas las variables independientes es decir, el valor promedio de
la variable dependiente cuando se fijan las variables independientes en el
anlisis de regresin, tambin es de inters para caracterizar la variacin de la
variable dependiente en torno a la funcin de regresin que puede ser descrito
por una distribucin de probabilidad.
El anlisis de regresin es ampliamente utilizado para la prediccin y previsin,
donde su uso tiene superposicin sustancial en el campo de aprendizaje
automtico.
El anlisis de regresin se utiliza tambin para comprender que cuales de las
variables independientes estn relacionadas con la variable dependiente, y
explorar las formas de estas relaciones. En circunstancias limitadas, el anlisis
de regresin puede utilizarse para inferir relaciones causales entre las variables
independientes y dependientes.

ANLISIS DE REGRESIN
CONCEPTO
En trminos generales, el anlisis de Regresin trata sobre el estudio de la
dependencia de un fenmeno econmico respecto de una o varias variables
explicativas, con el objetivo de explorar o cuantificar la media o valor promedio
poblacional de la primera a partir de un conjunto de valores conocidos o fijos de la/s
segunda/s.
Un anlisis de regresin genera una ecuacin para describir la relacin estadstica
entre uno o ms predictores y la variable de respuesta y para predecir nuevas
observaciones.

El anlisis de regresin involucra el estudio la relacin entre dos variables

CUANTITATIVAS. En general interesa:

Investigar si existe una asociacin entre las dos variables testeando la

hiptesis de independencia estadstica.

Estudiar la fuerza de la asociacin, a travs de una medida de asociacin

denominada coeficiente de correlacin.

Estudiar la forma de la relacin. Usando los datos propondremos un modelo
para la relacin y a partir de ella ser posible predecir el valor de una variable a
partir de la otra.

REGRESIN

Estudiar y predecir el valor promedio de una variable sobre la base de valores

fijos de otras variables.

Existe una asimetra en el tratamiento que se les da a las variables.
o La variable dependiente es aleatoria o estocstica: su valor depende de
o

una distribucin de probabilidades.

Las variables independientes tienes valores fijos en muestras repetidas.

CORRELACIN

El objetivo es medir el grado de asociacin lineal entre dos variables.

El tratamiento de las variables es simtrico:

o
o

No se distinguen entre variable dependiente y variable explicativa.

Se asume que las dos variables son simtricas.

ANLISIS DE REGRESIN
La forma ms intuitiva de formarse una primera impresin sobre el tipo de relacin que
existe entre dos variables es a travs del Diagrama de Dispersin.
Un diagrama de dispersin es un grfico en el que una de las variables (Xi) se coloca
en el eje de las abscisas y la otra (Yi) en el eje de las ordenadas y los pares de
puntuaciones de cada sujeto (Xi, Yi) se representan como una nube de puntos.

FUNCIN DE REGRESIN POBLACIONAL

Curva que conecta las medias de las subpoblaciones de la variable dependiente que
corresponden a los valores dados por la variable independiente.

Poblacin (Universo): Un conjunto total de elementos que poseen una o ms

caractersticas en comn.
Hace referencia al conjunto total de elementos que se desea estudiar.
Puede ser finitas, formadas por un nmero finitos de elementos, o infinitas
donde el nmero de elementos es infinitos. D
Muestra: Es un subconjunto de la poblacin.
Suelen ser conjuntos de elementos de tamao reducido.
La informacin que contiene permite extraer conclusiones sobre las
propiedades de la poblacin, siempre que los elementos que conformen la
muestra sean representativos de la poblacin.
FUNCIN DE REGRESIN MUESTRAL:
Son aproximaciones de la funcin de regresin poblacional. Las diferencias con
respecto a esta ltima son ocasionadas por las fluctuaciones mustrales. Por lo que se
tendran N FRMs para N muestras diferentes y tales FRMs no necesariamente
coinciden.
OBJETIVO PRINCIPAL:
Del anlisis de regresin es por tanto estimar la funcin de regresin poblacional
(FRP) a partir de la funcin de regresin muestral (FRM)
FUNCIN DE REGRESIN MUESTRAL:

FUNCIN

REGRESIN MUESTRAL:

FUNCIN DE REGRESIN POBLACIONAL:

DE

Tipos de anlisis de regresin

Regresin lineal simple
La regresin lineal simple examina la relacin lineal entre dos variables continuas: Una
respuesta (y) y un predictor (x). Cuando las dos variables estn relacionadas, es
posible predecir un valor de respuesta a partir de un valor predictor con mayor
exactitud.
Regresin ofrece la lnea que "mejor" se ajusta a los datos. Esta lnea se puede utilizar
despus para:
Examinar cmo cambia la variable de respuesta a medida que cambia la
variable predictora.
Predecir el valor de una variable de respuesta (y) para cualquier variable
predictora (x).
Planteamiento
El comportamiento de una magnitud econmica puede ser explicado a travs de otra

Si se considera que la relacin puede ser de tipo lineal, la formalizacin vendra

determinada por una ecuacin como la siguiente

El objetivo del anlisis de regresin es la estimacin de los parmetros.

El primer paso es la representacin grfica de las variables (y, x) en un diagrama de

dispersin

Dado que

la

relacin de dependencia entre ambas variables es aleatoria o estocstica, las

observaciones no se encontrarn a lo largo de una recta

La estimacin de los parmetros supone encontrar la ordenada en el origen y l

pendiente de una recta que mejor se aproxime a los puntos.

Modelo de Regresin Lineal Simple

La ecuacin de regresin lineal poblacional es:

Variable respuesta o dependiente:

Yi
Coeficiente de interseccin poblacional: 0
Coeficiente de regresin poblacional: 1
Variable predictora, regresora o independiente: Xi
Error aleatorio no observable: i

Terminologa:
Promedios

Sumas de cuadrados y productos de X e Y.

SCY tambin corresponde a la suma de cuadrados total = SC total

Estimacin de parmetros
La funcin de regresin lineal simple es expresado como:
Y = o + 1X +

La estimacin de parmetros consiste en determinar los parmetros o y 1 a partir de

los datos muestrales observados; es decir, deben hallarse valores como bo y b1 de la
muestra, que represente a o y 1, respectivamente.
Empleando el mtodo de los mnimos cuadrados, es decir minimizando la suma de
cuadrados de los errores, se determinan los valores de bo y b1, as:

b0 : es el valor que representa (estimador) a 0 constituye el intercepto cuando X=0

b1 : es el valor que representa (estimador) a 1.
Sus desviaciones estndares respectivas son:

Luego, la ecuacin de regresin es: y = bo + b1X

El coeficiente de regresin (b1): Pendiente de la recta de regresin, representa la tasa
de cambio de la respuesta Y al cambio de una unidad en X.
Si b1=0, se dice que no existe relacin lineal entre las dos variables

Fuentes

de variacin en la

regresin lineal
Los clculos de regresin pueden ser vistos como un proceso de particin de la suma
total de cuadrados; as, grficamente se tiene:

Se observa que la desviacin total para un Yi en particular es igual a la suma de las

desviaciones explicada e inexplicada, simblicamente.

SC total = SC regresin + SC residual

 Suma de Cuadrados del Total (SCT), mide la dispersin (variacin total) en

los valores observados de Y. Este trmino se utiliza para el clculo de la
variancia de la muestra.
Suma de Cuadrados explicada (Suma de Cuadrados debido a la
Regresin, SCR) mide la variabilidad total en los valores observados de Y en
consideracin a la relacin lineal entre X e Y.
Suma de Cuadrados residual (inexplicada, Suma de Cuadrados del Error,
SCE) mide la dispersin de los valores Y observados respecto a la recta de
regresin Y (es la cantidad que se minimiza cuando se obtiene la recta de
regresin).
Anlisis de Variancia para la regresin lineal simple
Cuando cada particin se asocia a una porcin correspondiente del total de grados de
libertad, la tcnica es conocida cono anlisis de variancia (ANVA), que generalmente
se presenta en un cuadro de la siguiente forma:

La prueba estadstica F evala las hiptesis:

Hp: 1 = 0. No existe una regresin lineal entre X e Y.
Ha: 1 0. Existe regresin lineal de Y en funcin de X.

Para el ejemplo del grafico (ao base 1990 = 0)

Aos (X)

Madera
aserrada
(Y)

489.2
5

Regresin
Residual
Total

475.2
4

495.7
2

GI
1
8
9

585.2 565.78

SC
49223
56303
105526

CM
49223
7037.8

630.2
2

624.9
2

F
69941

Modelo de regresin estimado:

Total de Madera aserrada (miles de m3) = 467,42 + 24,42 X
X = El periodo
R = (49223 / 105526) *100% = 46%
Intercepto = 467,42
Tasa = 24,42
Significa que el crecimiento anual es de 24 mil metros cbicos.

Regresin lineal mltiple

482.2
7

FO.05
5,31

590.2
834.67
7

Pr>F
0.0295

La regresin lineal mltiple examina las relaciones lineales entre una respuesta
continua y dos o ms predictores.
Si el nmero de predictores es grande, antes de ajustar un modelo de regresin con
todos los predictores, usted debera utilizar las tcnicas de seleccin de modelo paso a
paso o de los mejores subconjuntos para excluir predictores que no estn asociados
con las respuestas.

Bsicamente se trata de la misma ecuacin que para la regresin simple excepto

porque hemos incluido predictores extra. Cada predictor tienen asociado su propio
coeficiente y predecimos la variable dependiente a partir de una combinacin de todas
las variables ms un residuo, ei la diferencia entre el valor ajustado y observado
de Y en la i-sima observacin.
Los coeficientes de regresin se pueden interpretar como:
i el efecto medio (positivo o negativo) sobre la variable dependiente al
aumentar en una unidad el valor de la predictora Xi, i =1, k.
0 el valor medio de la variable dependiente cuando las predictoras son cero.

Ejemplo
Se realiza un estudio de asociacin entre las variables:
Y: Gastos mensuales expresados en cientos de dlares
X1: Ingreso mensual familiar en miles de dlares
X2: Tamao de la familia.
En una encuesta de 10 familias escogidas al azar se han encontrado los datos que se
presentan en la tabla

 X 1 Y =2158
X 2 Y =1653
Y =322 X 1=62 X 2=46 X 21=444 X 22=276 X 1 X 2 =345
Y 2=10840
Y =32.2

X 1=6.2

X 2=4.6

Determinar:
La ecuacin de regresin mltiple muestral
El coeficiente de Correlacin mltiple
Solucin:

Determinando la ecuacin de regresin mltiple muestral

Y =a+b1 X 1 +b2 X 2
De los datos tenemos
n=10; Y =322 ; X 1=62 ; X 2 =46 ; X 21=444 ; X 22=276 ; X 1 X 2=345 ;

X 1 Y =2158; X 2 Y =1653 ; Y 2=10840 ; Y =54.5 ; X 1=49 ; X 2=14.83

Empleando la frmula de regresin mltiple

[ x 22n( X 2 )2 ] [ X 1 Y n ( X 1) (Y ) ][ X 1 X 2n ( X 1)( X 2 ) ][ X 2 Y n ( X 2 ) (Y ) ]
b1=
2
[ x 21n( X 1 )2 ][ x22 n( X 2)2 ][ X 1 X 2n ( X 1 )( X 2 ) ]
b1=

64.4161.659.8171.8 133.4
=
59.664.43576
262.2

b1=0.509

[ x 21n( X 1 )2 ] [ X 2 Y n ( X 2) (Y ) ][ X 1 X 2n ( X 1)( X 2 ) ][ X 1 Y n ( X 1 ) (Y ) ]
b2 =
2
[ x21n( X 1 )2 ][ x22 n( X 2)2 ][ X 1 X 2n ( X 1 )( X 2 ) ]
b2=

59.6171.859.8161.6 575.6
=
59.664.43576
262.2

b2=2.195
a=Y b 1 X 1 b2 X 2
a=32.20.5096.22.1954.6

a=18.947

Reemplazando en la formula de Regresin Y.

Y =18.947+ 0.509 X 1+ 2.195 X 2

Determinando el coeficiente de correlacin

a Y +b 1 X 1 Y +b2 X 2 Y n Y 2
r=
Y 2n Y 2

18.947322+ 0.5092158+2.19516531032.22
r=
108401032.22
r=

6100.934+1098.42+3628.3410368.4
r=0.986
1084010368.4

Regresin de cuadrados mnimos ordinarios

En la regresin de cuadrados mnimos ordinarios (OLS), la ecuacin estimada se
calcula cuando se determina la ecuacin que minimiza la suma de las distancias
elevadas al cuadrado entre los puntos de datos de la muestra y los valores
pronosticados por la ecuacin.

COMO SE APLICA EN LA ADMINISTRACIN

El anlisis de regresin lineal es un mtodo de anlisis de datos que tienen dos o ms
variables. Mediante la creacin de una lnea de "mejor ajuste" para todos los puntos de
datos en un sistema de dos variables, los valores de y pueden predecirse a partir de
valores conocidos de x. La regresin lineal se utiliza en los negocios para predecir
eventos, gestionar la calidad del producto y analizar una variedad de tipos de datos
para la toma de decisiones.
SE APLICA EN DIFERENTES CAMPOS DE LA ADMINISTRACIN
Anlisis de lnea de tendencias
La regresin lineal se utiliza en la creacin de lneas de tendencia, la cual utiliza los
datos del pasado para predecir el rendimiento o "tendencias" en el futuro. Por lo
general, las lneas de tendencia se utilizan en el negocio para mostrar el movimiento
de atributos financieros o de producto a travs del tiempo. Los precios de acciones, del
petrleo o las especificaciones del producto pueden analizarse utilizando lneas de
tendencia.
Anlisis de riesgos para inversionistas
El modelo de precios de activos de capital se desarroll utilizando el anlisis de
regresin lineal y la medida comn de volatilidad de una accin o de una inversin es
su beta (el cual se determina utilizando la regresin lineal). La regresin lineal y su uso
son fundamental para evaluar el riesgo asociado con la mayora de los vehculos de
inversin.
Regresin lineal en recursos humanos

Los mtodos de regresin lineal tambin se utilizan para predecir los datos
demogrficos y tipos de fuerzas laborales futuras para las grandes empresas. Esto
ayuda a las empresas a prepararse para las necesidades de la fuerza laboral a travs
del desarrollo de buenos planes de contratacin y planes de formacin para los
empleados existentes.

CONCLUSIONES

Desarrollo de ejercicios de correlacin y regresin lineal en donde se efectu

comparaciones de coeficientes y formulas estadsticas de as variables
determinadas.
Aplicacin de grficas para la determinacin de la relacin de las variables
dependientes e independientes.
La regresin lineal se utiliza en los negocios para predecir eventos, gestionar la
calidad del producto y analizar una variedad de tipos de datos para la toma de
decisiones.