Regresión Lineal

Estadística.

Instituto IACC

23 de julio de 2018
 Desarrollo

De acuerdo con los datos entregados:

a) Realice un gráfico de dispersión e indique el tipo de relación entre las variables edad del

trabajador y horas conectadas a internet.

Grafico dispersión Edad trabajadores vs Horas

conectado a internet
25
Horas conectado a Internet (semanal)

20

15

10

0
0 10 20 30 40 50 60 70
Edad de los trabajadores

Covarianza = -11,6465

Es decir, que la relación entre las variables "x" y la variable "y" es inversa, por lo tanto, si una

de las variables aumenta la otra disminuye o si una de ellas disminuye la otra aumenta

A medida que la edad de los trabajadores aumenta las horas conectado a internet disminuyen.
b) Con respecto a las mismas variables de la letra a), construya un modelo de regresión e

interprete el valor de la pendiente.

Por lo tanto:

Promedio de edad Trabajadores 46,05

Promedio Horas conectados a internet 11,33
Covarianza -11,6465
Varianza 33,39416667
b = Covarianza / Varianza -0,34875852
a = Prom. Y - b * Prom. X 27,39032965
Ecuación del modelo de regresión es Y = 27,39032965 + (-0,34875852) * x
Por lo tanto, el modelo queda: Hrs conectado a Internet = 27,39032965 + (-0,34875852) *
Interpretación  Edad del trabajador

b = -0,34875852. Si la edad de los trabajadores aumenta, la cantidad de horas conectados a

internet disminuyen en -0,34875852 horas app. a = 27,39032965.

R=COEF.DE.CORREL(Matriz Edad; Matriz Conexión internet)

El coeficiente de correlación es -0,866131075 por lo que existe una alta correlación lineal con

pendiente negativa.
c) Estime el número de horas que un trabajador está conectado a internet, si tiene 62 años.

Y= Intercepción + Coef. Edad * 62 años

Y=5,8

Por lo tanto, se estima que un trabajador de 62 años está conectado a internet 5,8 horas app.

d) Si un trabajador está conectado 18 horas a internet, ¿qué edad se puede estimar que tiene el

trabajador?

X= Intercepción + Coef. Edad * 18 años

X=21

Por lo tanto, se estima que si un trabajador está conectado a internet 18 horas su edad es de 21

años app.
e) Desde la gerencia se requiere establecer un modelo de regresión para las variables: sueldo

mensual y antigüedad de los trabajadores, para realizar estimaciones respecto a esas variables.

Entonces:

e.1) Construya el modelo lineal y exponencial.

y = 77.473x + 48.67
Modelo Lineal R² = 0.7678
1600.0
Sueldo Mensual en Miles $

1400.0
1200.0
1000.0
800.0
600.0
400.0
200.0
0.0
0 2 4 6 8 10 12 14 16
Años de antiguedad

y = 274.45e0.1074x
Modelo Expotencial R² = 0.8053
1600.0
Sueldo Mensual en Miles $

1400.0
1200.0
1000.0
800.0
600.0
400.0
200.0
0.0
0 2 4 6 8 10 12 14 16
Años de antiguedad

Se obtiene para el modelo lineal:

y = 77,473x + 48,67 con un coeficiente de determinación de 0,7678, es decir, 76,78%.

Y se obtiene para el modelo exponencial:

y = 274,45e0,1074x con un coeficiente de determinación equivalente a 0,8053 correspondiente al

80,53%.

e.2) Estime qué modelo se ajusta mejor a los datos. Justifique su respuesta.

Por lo tanto, se concluye que el modelo exponencial es más confiable, ya que este se ajusta mejor

a los datos debido que su coeficiente de relación es 80,53% por lo que es mayor de los dos

modelos para el ejercicio planteado, entregando estimaciones más confiables.

e.3) Utilizando el modelo más adecuado, determine el sueldo mensual de un trabajador, si lleva

15 años en la empresa.
e.4) Utilizando el mismo modelo anterior estime la antigüedad de un trabajador, con un

sueldo mensual de $750.000.

Bibliografía

IACC (2018). Regresión lineal. Estadística. Semana 6.