ARTICULO CIENTIFICO (ANALISIS DE REGRESION SIMPLE)

CATALINA ANDREA GONZALEZ PULIDO 2010081001

JUAN ALEXANDER FAURA

FUNDACION UNIVERSITARIA INTERNACIONAL DEL TROPICO AMERICANOUNITROPICO ESTADISTICA CONTADURIA PUBLICA V SEMESTRE 2012

ARTICULO CIENTIFICO (ANALISIS DE REGRESION SIMPLE)

RESUMEN El concepto de regresin se refiere a cantidad que experimenta una variable dependiente, en relacin al cambio de una variable independiente. La regresin es un concepto estadstico estrechamente vinculado al concepto de correlacin; mientras la regresin estudia la naturaleza de la relacin entre dos variables dependientes, la correlacin estudia la estrechez de la relacin entre esas dos variables una dependiente de la otra. En la regresin lineal se desea realizar la inferencia estadstica partiendo de los valores mustrales obtenidos. La regresin lineal simple, es una herramienta muy importante para la econometra, es una tcnica de la estadstica que se puede utilizar para solucionar problemas comunes en los negocios, y en diferentes reas, el inventor de dicha teora fue Francis Galton. En un Anlisis de Regresin simple existe una variable respuesta o dependiente (y) y una variable explicativa o independiente (x). La variable independiente es aquella que produce modificaciones en otra variable con la cual est relacionada. Suele designrsele, por ello, como variable causal. La variable dependiente, por su lado, experimenta modificaciones siempre que la variable independiente cambia de valor o modalidad de darse. Por ello, tambin recibe el nombre de variable efecto. Es importante sealar que una variable independiente en una cierta relacin puede ser dependiente en otra, o viceversa. De manera general, pero simplificada, se puede decir que entre una variable independiente y su correspondiente variable dependiente se puede dar una variable interviniente, que acta como puente entre las dos primeras. Las principales tcnicas utilizadas en el anlisis de regresin lineal simple son el ordenamiento y anlisis de la informacin original y un diagrama de dispersin e interpretacin. Se debe determinar si existe o no una relacin entre dos variables al observar la grfica de datos. El diagrama presenta informacin con la que visualmente se pueden buscar patrones que indiquen que las variables estn relacionadas, si esto sucede, se puede ver qu tipo de lnea, o ecuacin de estimacin, describe esta relacin. PALABRAS CLAVES: Diagrama de dispersin, regresin, datos, variable dependiente, variable independiente.

INTRODUCCION

La regresin lineal simple se aplica en aquellas investigaciones en las que se desea conocer la posible relacin (lineal) entre dos variables. Normalmente, ambas variables son cuantitativas, aunque respecto a la variable independiente, sta puede ser una variable cualitativa, con lo que el modelo de regresin puede extenderse a los contrastes de medias y anlisis de la varianza, sin prdida de generalidad. El anlisis de una regresin permite desarrollar un modelo para predecir los valores de una variable numrica con base en los valores de una o ms variables diferentes. En el anlisis de la regresin, la variable dependiente es la variable que desea predecir. Las variables utilizadas para hacer una prediccin son las variables independientes. Adems de predecir los valores de la variable dependiente, el anlisis de regresin tambin permite identificar el tipo de relacin matemtica que existe entre la variable dependiente y la independiente, para cuantificar el efecto que los cambios en la variable independiente tienen sobre la variable dependiente, as como para identificar las observaciones inusuales. En la regresin lineal simple se emplea una sola variable numrica independiente X para predecir la variable numrica dependiente Y.

METODO

Se puede decir que Y depende de X, en donde Y y X son dos variables cualquiera en un modelo de Regresin Simple. "Y es una funcin de X" Y = f(X) Como Y depende de X, Y es la variable dependiente, y X es la variable independiente. En el Modelo de Regresin es muy importante identificar cul es la variable Dependiente y cul es la variable independiente.

En el Modelo de Regresin Simple se establece que Y es una funcin de slo una variable independiente, razn por la cual se le denomina tambin Regresin Divariada porque slo hay dos variables, una dependiente y otra independiente y se representa as: Y = f (X) "Y est regresando por X" La variable dependiente es la variable que se desea explicar, predecir. Tambin se le llama REGRESANDO VARIABLE DE RESPUESTA. La variable Independiente X se le denomina VARIABLE EXPLICATIVA REGRESOR y se le utiliza para explicar Y. En el estudio de la relacin funcional entre dos variables poblacionales, una variable X, llamada independiente, explicativa o de prediccin y una variable Y, llamada dependiente o variable respuesta, presenta la siguiente notacin: Y=a+bX+e Dnde: a: es el valor de la ordenada donde la lnea de regresin se intercepta con el eje Y. b: es el coeficiente de regresin poblacional (pendiente de la lnea recta) e: es el error. CARACTERISTICAS 1. Los valores de la variable independiente X son fijos, medidos sin error. 2. La variable Y es aleatoria. 3. Para cada valor de X, existe una distribucin normal de valores de Y (subpoblaciones Y). 4. Las variancias de las subpoblaciones Y son todas iguales. 5. Todas las medias de las subpoblaciones de Y estn sobre la recta. 6. Los valores de Y estn normalmente distribuidos y son estadsticamente independientes.

RESULTADOS Una compaa, quiere saber si existe una relacin en sus 5 empresas, observando el nmero de trabajadores que tiene, y el nivel de produccin. La informacin mostr lo siguiente: (x)numero trabajadores 5 15 20 30 70 (y) produccin 4 10 15 20 40

45 40 35 produccion 30 25 20 15 10 5 0 0 20 40 numero trabajadores 60 80

La ecuacin de regresin es: Produccin = 2,55 + 0,545 Numero trabajadores. Y=2,55+0,545x Se puede deducir que entre ms empleados tenga una fbrica mayor ser el nmero de produccin. El resultado muestra que s existe una relacin entre el nmero de trabajadores que tiene una empresa, con el nmero de produccin de dicha empresa, en ese caso Y si depende de X.

DISCUSIN

La naturaleza de la relacin entre dos variables puede tomar varias formas, que van desde funciones matemticas simples hasta algunas extremadamente complicadas. La relacin ms simple consiste en una lnea o relacin lineal. El mtodo de estimacin aplicable en regresin es denominado de los mnimos cuadrados trata de encontrar la recta que se ajuste de manera adecuada a los pares de valores dados (X, Y) de la nube de dispersin, es decir, la bsqueda de la ecuacin que explique el comportamiento de la variable dependiente, respecto de la independiente.

CONCLUSIONES

La regresin lineal simple tiene como objeto estudiar cmo los cambios en una variable, no aleatoria, afectan a una variable aleatoria, en el caso de existir una relacin funcional entre ambas variables que puede ser establecida por una expresin lineal, es decir, su representacin grfica es una lnea recta. Cuando la relacin lineal concierne al valor medio o esperado de la variable aleatoria, se define que es un modelo de regresin lineal simple. En el anlisis de regresin, las variables explicativas son fijas y la variable explicada es estocstica.

BIBLIOGRAFIA

http://rua.ua.es/dspace/handle/10045/12076 http://www.fisicanet.com.ar/matematica/estadisticas/ap07_regresion_y_correlacion .php http://www.slideshare.net/hepatopatias/analisis-de-regresion-y-correlacion http://entomologia.rediris.es/pribes/Lobo/Regresion.html http://www.ucm.es/info/socivmyt/paginas/D_departamento/materiales/analisis_dato syMultivariable/18reglin_SPSS.pdf http://html.rincondelvago.com/regresion-lineal-simple.html http://www.mitecnologico.com/Main/RegresionLinealSimple http://e-stadistica.bio.ucm.es/mod_regresion/regresion_2.html http://www.slideshare.net/albertojeca/apuntes-de-analisis-de-regresion-linealsimple