Вы находитесь на странице: 1из 9

Modelos y Simulacin

Regresin mltiple
I. II. III. IV. V. Introduccin Marco terico Aplicacin Conclusiones Bibliografa

I.- INTRODUCCIN Como la Estadstica Inferencial nos permite trabajar con una variable a nivel de intervalo o razn, as tambin se puede comprender la relacin de dos o ms variables y nos permitir relacionar mediante ecuaciones, una variable en relacin de la otra variable llamndose Regresin Lineal y una variable en relacin a otras variables llamndose Regresin mltiple. Casi constantemente en la practica de la investigacin estadstica, se encuentran variables que de alguna manera estn relacionados entre si, por lo que es posible que una de las variables puedan relacionarse matemticamente en funcin de otra u otras variables. II.- MARCO TEORICO 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 grafica, trata de lograr que una dispersin de las frecuencias sea ajustada a una lnea recta o curva. Clases de Regresin La regresin puede ser Lineal y Curvilnea o no lineal, ambos tipos de regresin pueden ser a su vez: a) Regresin Simple: Este tipo se presenta cuando una variable independiente ejerce influencia sobre otra variable dependiente. Ejemplo: Y = f(x) Esta regresin se utiliza con mayor frecuencia en las ciencias econmicas, y sus disciplinas tecnolgicas. Cualquier funcin no lineal, es transformada en lineal para su estudio y efectos. Objetivo: Se utiliza la regresin lineal simple para: 1.- Determinar la relacin de dependencia que tiene una variable respecto a otra. 2.- Ajustar la distribucin de frecuencias de una lnea, es decir, determinar la forma de la lnea de regresin. 3.- Predecir un dato desconocido de una variable partiendo de los datos conocidos de otra variable. Por ejemplo: En una empresa de servicio de Internet busca relacionar las ganancias que obtiene cada computadora con el numero de usuarios que ingresan a dicha cabina diariamente. En la tabla representa Y (Ganancias S/.) e X (Numero de usuarios)

Informtica de Gestin

Pgina 1 de 9

Modelos y Simulacin Y 100 98 99 102 102 111 97 104 102 96 X 116 96 110 105 99 106 100 109 98 108 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. 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.

30 20 10 0 0 5 10 Positivo 15 20

0,6 0,5 0,4 0,3 0,2 0,1 0 0 2 4 Negativo 6 8

Informtica de Gestin

Pgina 2 de 9

Modelos y Simulacin

25 20 15 10 5 0 0 5 10 Nulo 15 20 25

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 de dos maneras: 1.- Forma Directa De la ecuacin de la recta:

Si a 0

a1 , se obtienen a partir de las ecuaciones normales:

Aplicando normales Y sobre X tenemos:

El Coeficiente de Regresin es

De la misma manera la recta de regresin de X sobre Y ser dada de la siguiente manera:

Donde: b0 y b1 se obtienen a partir de las ecuaciones normales: Informtica de Gestin Pgina 3 de 9

Modelos y Simulacin

Aplicando normales X sobre Y tenemos:

2.- Forma Indirecta del Mtodo de los Mnimos Cuadrados. El fundamento de este mtodo es de las desviaciones de X respecto a su media aritmtica. X

Ecuacin de y sobre x Donde:

Ecuacin de y sobre x

x, y = desviaciones X = media aritmtica

Informtica de Gestin

Pgina 4 de 9

Modelos y Simulacin Y = media aritmtica b) Regresin Mltiple: Este tipo se presenta cuando dos o ms variables independientes influyen sobre una variable dependiente. Ejemplo: Y = f(x, w, z). Por ejemplo: Una Empresa de desarrollo de software establece relacionar sus Ventas en funcin del numero 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). Y X W Z 440 50 105 75 455 40 140 68 470 35 110 70 510 45 130 64 506 51 125 67 480 55 115 72 460 53 100 70 500 48 103 73 490 38 118 69 450 44 98 74

Objetivo: 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. Anlisis de Regresin Mltiple Dispone de una ecuacin con dos variables independientes adicionales:

Se puede ampliar para cualquier nmero m de variables independientes:

Para poder resolver y obtener a ,b1 y b2 en una ecuacin de regresin mltiple el clculo se presenta m tediosa porque se tiene atender 3 ecuaciones que se uy generan por el mtodo de mnimo de cuadrados:

Informtica de Gestin

Pgina 5 de 9

Modelos y Simulacin

Para poder resolver se puede utilizar programas informticos como AD+, SPSS y Minitab y Excel. El error estndar de la regresin mltiple ( S xy ) 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 formula:

Y : Valores observados en la muestra n : Nmero de datos m : Nmero de variables independientes El coeficiente de determinacin mltiple

Y : Valores estimados a partir a partir de la ecuacin de regresin

(r )
2

Mide la tasa porcentual de los cambios de Y

que pueden ser explicados por

x1 ,

x2

x3

simultneamente.

III. APLICACION DE REGRESION MULTIPLE 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. Informtica de Gestin Pgina 6 de 9

Modelos y Simulacin

Alumno 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

PHP 13 13 13 15 16 15 12 13 13 13 11 14 15 15 15

Algoritmos 15 14 16 20 18 16 13 16 15 14 12 16 17 19 13

Base de Datos 15 13 13 14 18 17 15 14 14 13 12 11 16 14 15

Programacin 13 12 14 16 17 15 11 15 13 10 10 14 15 16 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 formulas de las ecuaciones normales a los datos obtendremos los coeficientes de regresin o utilizando Regresin de Anlisis de datos, en la Hoja de Calculo de Excel podemos calcular tambin los coeficientes de regresin:

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

Informtica de Gestin

Pgina 7 de 9

Modelos y Simulacin

El Error Estndar de Regresin Mltiple ( S x ,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 =

18.7737874 = 0.69704656 26.9333333

IV.- CONCLUSIONES 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.

Informtica de Gestin

Pgina 8 de 9

Modelos y Simulacin V.- BIBLIOGRAFIA DE REGRESION Galdos Clculo y Estadstica III Edicin Unica. Grupo La Republica. Lima Per; 2005. Cannavos G. Probabilidad y Estadstica Aplicacin y mtodos. Ed. en espaol Mc GRAW- HILL/INTERAMERICANA DE MEXICO.1995.

Informtica de Gestin

Pgina 9 de 9