UNIVERSIDAD ESTATAL DE BOLIVAR FACULTAD DE CIENCIAS AGROPECUARIAS, RECURSOS NATURALES Y DEL AMBIENTE ESCUELA DE INGENIERIA AGROINDUSTRIAL

NOMBRE: Mercedes Llanos 1) 2) TEMA: Reglas de aplicacin de la regresin lineal INTRODUCCION:

Es una serie de datos obtenidos a travs de un largo perodo. Este tipo de lneas puede decirnos si un conjunto de datos en particular (como por ejemplo, el PBI, el precio del petrleo o el valor de las acciones) han aumentado, en un determinado perodo. 3) DESARROLLO:

Clases de Regresin La regresin puede ser: Lineal y Curvilnea o no lineal, ambos tipos de regresin pueden ser a su vez: Esta regresin se utiliza con mayor frecuencia en las ciencias econmicas, y sus disciplinas tecnolgicas. Cualquier funcin no lineal, es linealizada para su estudio y efectos prcticos en las ciencias econmicas, modelos no lineales y lineales multiecuacionales. 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: Podra ser una regresin de tipo lineal: 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)

100

98

99

102

102

111

97

104

102

96

116

96

110

105

99

106

100

109

98

108

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.

Modelos de regresin lineal Para poder crear un modelo de regresin lineal, es necesario que se cumpla con los siguientes supuestos: La relacin entre las variables es lineal. 4) Los errores en la medicin de las variables explicativas son independientes entre s. Los errores tienen varianza constante. Los errores tienen una esperanza matemtica igual a cero (los errores de una misma magnitud y distinto signo son equiprobables). El error total es la suma de todos los errores. BIBLIOGRAFIA:

Devore, Jay L.; Probabilidad y Estadstica para Ingeniera y Ciencias. International Thomson Editores. Mxico. ISBN-10: 9706864571. Walpole, Ronald E.; Raymond H.; Myers, Sharon L.; Probabilidad y Estadstica para Ingenieros. Pretice-Hall Hispanoamericana, S.A. Mxico. ISBN-10: 9701702646.