Reporte regresion lineal multiple

Vista previa del material en texto

INSTITUTO TECNOLÓGICO DE LA ZONA MAYA
NOMBRE DEL ALUMNO:
FLORES TABOADA ADÁN
NOMBRE DE LA MAESTRA:
M.C. ALICIA AVITIA DERAS
SEMESTRE:	 5°							GRUPO:	B
ACTIVIDAD: 
REPORTE
UNIDAD: 
1 REGRESIÓN LINEAL MÚLTIPLE
FECHA: 05 DE SEPTIEMBRE DEL 2019
INTRODUCCIÓN
En el presente reporte del video de regresión lineal simple, nos indica que este método nos sirve para predecir o estimar las variables cuantitativas que son objeto de estudio, estas serán de tipo explicativas para la variable X, y las que se desean predecir del lado de las Y respectivamente.
Los coeficientes se denominan intercepto y pendiente. De esta forma podemos desarrollar la ecuación para realizar las estimaciones de cualquier valor cuantitativo, para en el caso de la pendiente los resultados pueden ser positivos o negativos.
En el segundo video nos permite definir el Coeficiente de Correlación Lineal, como un índice que puede utilizarse para medir el grado de relación que hay entre dos variables cuantitativas, resumiendo podemos determinar que, bajo este método, a medida que el valor absoluto de la correlación va disminuyendo la relación se vuelve más débil.
REGRESION LINEAL SIMPLE
Técnica que se utiliza para predecir o estimar una variable cuantitativa sobre otra misma variable cualitativa. Es decir, estas variables se van a dividir en 2 grupos: La variable “Y” es la variable dependiente, la cual se utiliza para predecir o estimar y “X” es la variable independiente, es la que va a explicar la razón de “Y”.
Este método se utiliza para crear una ecuación recta (hacia arriba o hacia abajo)
De acuerdo con el ejemplo: donde se desea predecir el sueldo de una persona en función de la edad, nos muestra que el método “X” “Y” tendrán una relación directa, porque siempre irán en la misma dirección. 
Es decir:
A mayor edad, mayor sueldo
A menor edad, menor sueldo
En contraparte con el segundo ejemplo podemos analizar que se trata una relación inversa, ya que el ejemplo nos muestra que las variables muestran un comportamiento inverso, lo cual es perfectamente lógico. Se desea predecir el tiempo en meses, que demora una edificadora en construir un condominio en función al número de trabajadores que contrató para realizar la obra.
A más trabajadores, menos es el tiempo que tardan en construir la obra
A menos trabajadores, más será el tiempo que tardarán en construir la obra.
En el caso práctico estudiaremos el tiempo que le dedican 6 alumnos a estudiar para un examen y el valor de la nota que es el resultado que obtuvieron de la evaluación. El resultado es que al momento de graficar en el diagrama de dispersión de las variables “X” y” Y”
Donde:
Los valores de “X” son las variables que corresponden a las horas de estudio, por lo tanto, son explicativas, y por el lado de la “Y” corresponden a las notas, son las que deseamos predecir.
Por lo tanto, al momento de graficar nos podemos dar cuenta que los puntos no se interceptan, sin embargo, existen infinitas rectas que pueden pasar cerca de los 6 puntos y se llamará: ecuación estimada . Considerando que la mejor recta estimada sea la recta de color verde; se le dará el nombre de Ecuación Estimada: . Calculando así los coeficientes con el método de mínimos cuadrados.
Las variables: y X
Los coeficientes: b0 y b1 (son constantes y no varían, solo tienen un valor)
b0 se denomina INTERCEPTO
b1 se denomina (PENDIENTE)
El intercepto es aquel que se alarga la recta hasta interceptar con el eje de las “Y” con un valor de (3.5)
La pendiente indica una inclinación con respecto al eje horizontal, (cuando se esté subiendo la pendiente es positiva por otra parte cuando se esté bajando la pendiente será negativa)
Para determinar el valor de b1 nos vamos a enfocar como punto de referencia la distancia que habrá de 1 en cualquiera de los valores que aparece en la variable “X” se traza las líneas rectas hasta llegar a la línea (pendiente ) de esta forma se puede apreciar un “triángulo”, el cuál su altura nos va a aportar el valor de b1=1,5
La ecuación para realizar estimaciones quedaría de la siguiente manera:
Por lo tanto:
Por cada hora adicional de estudio la NOTA aumentará 1,5 puntos
COEFICIENTE DE CORRELACIÓN LINEAL
Es una medida numérica que permite medir el grado de asociación lineal entre 2 variables cuantitativas, en el diagrama que se nos presenta podemos apreciar que en el lado A los puntos están más separados, mientras que en el lado B los puntos están más cercanos a formar una línea recta.
Un diagrama que muestra dispersión en sus puntos, no nos da la certeza de su fortaleza o su debilidad lineal entre 2 variables, por lo tanto, necesitamos conocer el valor de la fuerza para comprender la relación lineal que hay entre 2 variables cuantitativas (Coeficiente de correlación)
Por su fórmula:
						Sx Sy
Donde será igual a la covarianza entre Sxy, dividido por la desviación estándar de x, multiplicado por la desviación estándar de y.
el coeficiente de correlación lineal toma asociaciones negativas y positivas y cuando es cero se dice que no hay asociación lineal o que es nulo.
Los valores que pueden tomar los puntos de correlación serán:
	± 0.96, ± 1.0
	PERFECTA
	± 0.85, ± 0.95
	FUERTE
	± 0.70, ± 0.84
	SIGNIFICATIVA
	± 0.50, ± 0.69
	MODERADA
	± 0.20, ± 0.49
	DÉBIL
	±0.10, ± 0.19
	MUY DÉBIL
	± 0.9, ± 0.0
	NULA
A medida que el valor absoluto de correlación va disminuyendo la relación se vuelve más débil. (Mientras más cercado esté a 1 más fuerte será, para convertirse en un valor perfecto y entre más cercano esté a cero su valor será nula).
CONCLUSION
En conclusión, se puede hacer mención que el uso del modelo de regresión nos permite predecir resultados y aplicarlos en el ámbito del proceso industrial, comercial o de servicios (escuelas, clínicas, bancos, etc.).