You are on page 1of 16

Instituto Tecnolgico Superior De Felipe Carrillo Puerto.

Unidad Acadmica Tulum


Organismo Pblico Descentralizado del Gobierno del Estado de Quintana Roo.

CARRERA.

INGENIERIA EN GESTION EMPRESARIAL.


SEMESTRE:

5 C
NOMBRE DE LA ASIGNATURA:

ESTADISTICA INFERENCIAL 2
NOMBRE DEL TRABAJO:

PORTAFOLIO UNIDAD 2
DOCENTE:

ING. IRAN ISRAEL PAT NOH


ALUMNO:

CHAN CUPUL DAMAEL.

Tulum, Quintana Roo A 13 de Octubre de 2015.

Contenido
Introduccin ............................................................................................................. 3
Unidad 2 Regresin Lineal Mltiple Y Correlacin. ................................................. 4
2.1 Modelo De Regresin Mltiple .......................................................................... 4
2.2 Estimacin De La Ecuacin De Regresin Mltiple. ......................................... 4
2.3 Matriz De Varianza-Covarianza. ........................................................................ 5
2.4 Pruebas De Hiptesis Para Los Coeficientes De Regresin. ............................ 6
2.5 Correlacin Lineal Mltiple. ............................................................................... 7
Anexos .................................................................................................................... 8
Evidencias ............................................................................................................ 8
Examen .............................................................................................................. 11
Conclusin............................................................................................................. 15
Bibliografa ............................................................................................................ 16

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.

Unidad 2 Regresin Lineal Mltiple Y Correlacin.


2.1 Modelo De 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: Podra ser una regresin de tipo mltiple: Una Empresa de
desarrollo de software establece relacionar sus Ventas en funcin del nmero 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).

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.

2.2 Estimacin De La Ecuacin 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 y en una ecuacin de regresin mltiple el clculo


se presenta muy tediosa porque se tiene atender 3 ecuaciones que se generan
por el mtodo de mnimo de cuadrados:

2.3 Matriz De Varianza-Covarianza.


Dada una variable estadstica n-dimensional (X1,X2,X3,...,Xn), llamaremos matriz
de varianzas-covarianzas (matriz de varianzas) (matriz de covarianzas), a la matriz
cuadrada, n n, que disponga en su diagonal principal de las varianzas de cada
una de las distribuciones marginales unidimensionales, y en los elementos nodiagonales (i,j) de las correspondientes covarianzas entre cada dos variables S ij

Propiedades
1. La matriz de varianzas-covarianzas es simtrica respecto a su diagonal principal
2. La matriz de varianzas-covarianzas es definida positiva

3. El determinante de la matriz de varianzas-covarianzas (tambin llamado


determinante de momentos) es siempre no negativo
4. En el caso bidimensional tendremos:
det V = L = S2x S2y - (Sxy)2

2.4 Pruebas De Hiptesis Para Los Coeficientes De Regresin.


H0:

= 0 (equivale a plantear que no hay relacin entre Y y Xi)

H1:

0 (equivale a plantear que s hay relacin entre Y y Xi)

Si se acepta la de hiptesis nula, se est aceptando que no hay relacin entre Y y


Xi, por lo tanto, sta variable se debe sacar del modelo.
La estadstica de trabajo se resuelve suponiendo que la hiptesis nula (H0) es
verdadera. Dicha estadstica de trabajo es:

Regla de decisin. Si el nmero de observaciones es mayor que 30, los valores


de Z se hallan en la distribucin normal. Si el nmero de observaciones es menor
o igual a 30, los valores de Z se hallan en la distribucin t con n-k-1 grados de
libertad. Siendo k el nmero de variables independientes en el modelo.

Si

<T<

se acepta la hiptesis nula, en caso contrario se rechaza (figura

4.6).
Una vez elegidas las variables independientes que realmente influyen en el
comportamiento de Y, se pueden construir intervalos de confianza para cada uno
de los coeficientes de regresin poblacional ( )
Este intervalo nos proporciona, con una confiabilidad del (1- ) %, los valores
dentro de los cuales variar Y si Xi vara en una unidad y las dems variables
permanecen constantes. El intervalo se construye as:

Como en el caso de la prueba de hiptesis, si n 30 los valores de Z se hallan en


la distribucin normal, y si n < 30 los valores de Z se hallan en la distribucin t con
n-k-1 grados de libertad.

2.5 Correlacin Lineal Mltiple.


Sirve para medir la adecuacin del modelo hallado (bondad del ajuste de la recta
de regresin al conjunto de observaciones), en el caso de tener una variable
dependiente y varias independientes.
Dicha medida nos la da el coeficiente de determinacin R2, que verifica 0 R2
1.
Cuanto ms cercano a uno sea su valor, mayor es el grado de asociacin lineal
que existe entre la variable dependiente y las independientes o predictoras.
Nos mide la proporcin de la variacin total de las observaciones que se explican
mediante la ecuacin (recta) de regresin

Anexos
Evidencias

Examen

Ejercicio 1

Ejercicio 2

Conclusin
Casi constantemente en la prctica de la investigacin estadstica, se encuentran
variables que de alguna manera estn relacionados entre s, por lo que es posible
que una de las variables puedan relacionarse matemticamente en funcin de otra
u otras variables.

Bibliografa
CEACES. (s.f.). Recuperado el 13 de Octubre de 2015, de
https://www.uv.es/ceaces/base/descriptiva/mvarcovar.htm
Mil Aulas. (s.f.). Recuperado el 13 de Octubre de 2015, de
https://peligrosidad.milaulas.com/pluginfile.php/111/mod_resource/content/1
/lineal%20y%20multiple.pdf
UNAM. (s.f.). Recuperado el 13 de Octubre de 2015, de
http://www.virtual.unal.edu.co/cursos/sedes/manizales/4030006/lecciones/c
apitulocuatro/4_3_3.html

You might also like