ESTADISTICA

ANDRES FABIAN OLAYA MENDEZ

CASO PRÁCTICO
UNIDAD 2: REGRESIÓN LINEAL SIMPLE Y TEORÍA DE LA
PROBABILIDAD

CORPORACION UNIVERSITARIA DE ASTURIAS

PROGRAMA DE ADMINISTRACION Y DIRECCION DE EMPRESAS

BOGOTÁ - COLOMBIA

2019

DOCENTE: MILCON MONTENEGRO GAMBA

 TABLA DE CONTENIDO

1. INTRODUCCION. ...............................................................................................3
Objetivo General ......................................................................................................3
Objetivos específicos ................................................................................................3
2. DESARROLLO ....................................................................................................4
Enunciado .................................................................................................................4
3. CONCLUCIONES ...............................................................................................6
BIBLIOGRAFÍA .........................................................................................................7
 1. INTRODUCCION.

El modelo de Regresión Lineal es tan simple que muchos argumentan que no es digno de
ser clasificado. Este algoritmo es un método estadístico que nos permite resumir y estudiar
las relaciones entre dos variables continuas cuantitativas.

La Regresión Lineal es una técnica paramétrica utilizada para predecir variables continuas,
dependientes, dado un conjunto de variables independientes. Es de naturaleza paramétrica
porque hace ciertas suposiciones basadas en el conjunto de datos. Si el conjunto de datos
sigue esas suposiciones, la regresión arroja resultados increíbles, de lo contrario, tiene
dificultades para proporcionar una precisión convincente.

Objetivo General

Analizar para así minimizar la distancia vertical entre todos los datos y nuestra línea, por lo
tanto, para determinar la mejor línea, debemos minimizar la distancia entre todos los puntos
y la distancia de nuestra línea.

Objetivos específicos

 Comprender el concepto de regresión lineal.

 Estudiar el método de mínimos cuadrados y bondad de ajuste.
 Entender la probabilidad y sus tipos.
 2. DESARROLLO

Enunciado

Dada una población en la que se analiza la variable aleatoria ξ: N(μ, σ), se desea estimar σ2 = V(ξ).

Para ello se proponen tres estimadores:

1. σ 2 1 = S 2 x = ∑(x i – a x ) 2 / n
2. σ 2 2 = S 2 1 = ∑(x i – a x ) 2 /(n -1)
3. σ 2 3 = d 2 x = ∑(x i - μ) 2 / n

CUESTIÓN: ¿cuál tiene menor E.C.M?

R/ El menor E.C.M. E es 1. σ 2 1 = S 2 x = ∑(x i – a x ) 2 / n

TEORÍA DE LA PROBABILIDAD

En una determinada empresa hay tres departamentos: Departamento de Marketing, Departamento

Financiero y Departamento de Tecnología. Se efectúa una encuesta para decidir si se debería
aceptar o no una oferta realizada por otra empresa, y que incumbe a todos los empleados. La
siguiente tabla nos da los resultados de lo que han votado los empleados en función del
departamento.

Financiero Marketing Tecnología Total

SI 5 2 6 13
NO 3 7 6 16
Total 8 9 12 29

1. Calcula la probabilidad de que un empleado tomado al azar haya votado NO en la encuesta.

#𝑨 𝟏𝟔
R/ 𝑷(𝑨) = #𝛀 = 𝟐𝟗 = 𝟎. 𝟓𝟓 = 𝟓𝟓%

2. Calcula la probabilidad de que un empleado sea de Marketing sabiendo que ha votado NO

𝑷(𝑨∩𝑩) 𝟕
R/ 𝑷(𝑨/𝑩) = = = 𝟎. 𝟒𝟒 = 𝟒𝟒%
𝑷(𝑩) 𝟏𝟔
TEORÍA DE LA PROBABILIDAD

3. El evento “el empleado ha votado SÍ” y el evento “el empleado ha votado NO” son dos
eventos dependientes. ¿Verdadero o falso?

R/ Verdadero

4. Si se respetan los resultados de la empresa, ¿se aceptará la oferta realizada?

R/ Total SI = 13 NO = 16 (GONZALEZ)
 3. CONCLUCION

Se determina que el objetivo del Análisis de regresión es determinar una función

matemática sencilla que describa el comportamiento de una variable dados los valores de
otra u otras variables. En el Análisis de regresión simple, se pretende estudiar y explicar el
comportamiento de una variable que notamos (y), y que llamaremos variable explicada,
variable dependiente o variable de interés, a partir de otra variable, que notamos (x), y que
llamamos variable explicativa, variable independiente o variable de predicción. El principal
objetivo de la regresión es encontrar la función que mejor explique la relación entre la
variable dependiente y las independientes. ((2019))
 BIBLIOGRAFÍA

(2019), D. M. (s.f.). https://wpd.ugr.es/~bioestad/guia-de-r/practica-3/#4. Obtenido de

https://wpd.ugr.es/~bioestad/guia-de-r/practica-3/#4: https://wpd.ugr.es/~bioestad/guia-
de-r/practica-3/#4

GONZALEZ, L. (s.f.). http://ligdigonzalez.com/algoritmo-regresion-lineal-simple-machine-learning/.

Obtenido de http://ligdigonzalez.com/algoritmo-regresion-lineal-simple-machine-
learning/

https://www.centro-virtual.com/campus/course/view.php?id=77&section=3. (2019).
https://www.centro-virtual.com/campus/course/view.php?id=77&section=3. Obtenido de
https://www.centro-virtual.com/campus/course/view.php?id=77&section=3:
https://www.centro-virtual.com/campus/course/view.php?id=77&section=3