Regresion
-
Upload
jimmy-rios -
Category
Education
-
view
67 -
download
0
description
Transcript of Regresion
FUNDACION UNIVERSITARIA SAN MARTIN
INGENIERIA SISTEMAS DISTANCIAMETODOS NUMERICOS
REGRESION
TUTOR
JOHN FREDY MANRIQUE
ESTUDIANTE: JIMMY RODRIGUEZ
*REGRESION
ASPECTOS BASICOS
Para poder entender y aplicar correctamente un problema
de Regresión, debemos tener claro los siguientes
conceptos básicos;
1. Regresión; Es una técnica de Estadística que se utiliza
para estudiar la relación entre variables, explorar y
cuantificar la relación entre las mimas.
2. Variable Y; Se conoce como variable dependiente .
3. Variable X; Se conoce como variable independiente o
predictoria.
4. Diagrama de Dispersión; Se utiliza como una forma de
cuantificar el grado de relación lineal existente entre
dos variables.
5. Error Estandar; indica la propagación de las mediciones
dentro de una muestra de datos.
*REGRESION
ASPECTOS BASICOS
Para poder entender y aplicar correctamente un problema de Regresión, debemos tener claro los siguientes conceptos
básicos;
5. Ecuación de Regresión Simple; Y = a + bx
6. “a” es la ordenada de la intersección con el eje y;
7. “b” es la pendiente o cambio de la recta;
8. “n” es el numero de elementos de la muestra.
*REGRESION
EJEMPLO
Una Empresa de Ventas de Pisos desea conocer como se
efectúa las ventas de sus asesores, sobre las visitas que
realizan los clientes en cada sala de ventas, para poder
realizar estar relación usaremos la Regresión Lineal.
*REGRESION
CUADRO INICIAL DE DATOS
Asesor de Ventas Clientes Ventas Cajas
Asesor Sala 1 20 30Asesor Sala 2 40 60Asesor Sala 3 20 40Asesor Sala 4 30 60Asesor Sala 5 10 30Asesor Sala 6 10 40Asesor Sala 7 20 40Asesor Sala 8 20 50Asesor Sala 9 20 30
Asesor Sala 10 30 70
AJUSTANDO DATOS CUADRO DE DATOS
Asesor de Ventas
Clientes (X)
Ventas Cajas (Y) X^2 Y^2 X * Y
Asesor Sala 1 20 30 400 900 600
Asesor Sala 2 40 60 1600 3600 2400
Asesor Sala 3 20 40 400 1600 800
Asesor Sala 4 30 60 900 3600 1800
Asesor Sala 5 10 30 100 900 300
Asesor Sala 6 10 40 100 1600 400
Asesor Sala 7 20 40 400 1600 800
Asesor Sala 8 20 50 400 2500 1000
Asesor Sala 9 20 30 400 900 600Asesor Sala
10 30 70 900 4900 2100
TOTAL 220 450 5600 22100 10800
1. HALLAMOS LAS VARIABLES INICIALES
*REGRESION
2. HALLAMOS B
b= 10 (10800) - (220) (450)10 (5600) - (220)^2
b= 108000 - 9900056000 - 48400
b= 90007600
b= 1,184210526
*REGRESION
2. HALLAMOS A
a= 450 _ 1,18421 22010 10
a= 450 _ 1,18421 2210
a= 18,9474La Ecuación de la Regresión es;
Y = a + bxY = 18,9474 + 1,184210526 (X)
*REGRESION
PRIMERA CONCLUSION
De los datos obtenidos podemos empezar asacar las
primeras conclusiones;
Al hallar el Valor de “b” podemos entonces interpretar que
para cada visita que realizan los clientes a las Salas de
Ventas, se podría esperar un aumento en venta de Cajas
de 1,2 vendidas.
*REGRESION
SEGUNDA CONCLUSION
Al hallar el Valor de “a= 18,9” podemos entonces
interpretar que la ecuación cruza en el eje Y, esto quiere
decir que cuando X = 0 se venderán 18 cajas.
*REGRESION
ERROR ESTANDAR
La Desviación estándar se basa en los cuadrados de las
desviaciones respecto a la media, mientras que el error
estándar de estimación se basa en los cuadrados de las
desviaciones respecto a la línea de Regresión.
Esto quiere decir que si la línea es;
Si R
Si R
*REGRESION
ERROR ESTANDAR
La Desviación estándar se basa en los cuadrados de las
desviaciones respecto a la media, mientras que el error
estándar de estimación se basa en los cuadrados de las
desviaciones respecto a la línea de Regresión.
Esto quiere decir que si la línea es;
Si R
Si R
Formula Se = Error estándar
*REGRESION
EJEMPLO
Una Empresa de Ventas de Pisos desea conocer como se
efectúa las ventas de sus asesores, para ello se logro
determinar que la ecuación de regresión es;
Y = 18,9474 + 1,184210526 (X)
Y = Numero de Cajas Vendidas
X = Cantidad de Visitas a Salas
Evaluaremos entonces cual es el Error Estándar de la
muestra.
*REGRESION
1. HALLAMOS LAS VARIABLES PARA CALCULAR EL ERROR
Asesor de Ventas Clientes (X) Ventas Cajas (Y) Y´ Desviacion (Y-Y´)Desviacion al
Cuadrado (Y-Y´)Asesor Sala 1 20 30 42,6316 -12,6316 159,5567867Asesor Sala 2 40 60 66,3158 -6,3158 39,88919668Asesor Sala 3 20 40 42,6316 -2,6316 6,925207756Asesor Sala 4 30 60 54,4737 5,5263 30,5401662Asesor Sala 5 10 30 30,7895 -0,7895 0,623268698Asesor Sala 6 10 40 30,7895 9,2105 84,83379501Asesor Sala 7 20 40 42,6316 -2,6316 6,925207756Asesor Sala 8 20 50 42,6316 7,3684 54,29362881Asesor Sala 9 20 30 42,6316 -12,6316 159,5567867Asesor Sala 10 30 70 54,4737 15,5263 241,066482
0,0000 784,2105263
*REGRESION
CONCLUSION ERROR ESTANDAR
El error estándar indica la propagación de las mediciones dentro
de una muestra de datos. Es la desviación estándar dividida por la
raíz cuadrada del tamaño de la muestra de datos. La muestra
puede incluir datos de las mediciones científicas, resultados de
exámenes, las temperaturas o una serie de números al azar. La
desviación estándar indica la desviación de los valores de la
muestra a partir de la media de la muestra. El error estándar es
inversamente proporcional al tamaño de la muestra - cuanto más
grande la muestra, menor será el error estándar
*REGRESION
*FIN