UNIVERSIDAD NACIONAL DE INGENIERA

FIM

Curso: Estadstica y Probabilidades MB-613 A/B/C

Prof. Ing. Liliana Huamn.

Regresin mltiple
I.- 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.
Casi constantemente en la practica de la investigacin estadstica, se encuentran variables que de
alguna manera estn relacionados entre si, por lo que es posible que una de las variables puedan
relacionarse matemticamente en funcin de otra u otras variables.
II.- MARCO TEORICO
REGRESIN.Se define como un procedimiento mediante el cual se trata de determinar si existe o no relacin
de dependencia entre dos o ms variables. Es decir, conociendo los valores de una variable
independiente, se trata de estimar los valores, de una o ms variables dependientes.
La regresin en forma grafica, trata de lograr que una dispersin de las frecuencias sea ajustada a
una lnea recta o curva.
Clases de Regresin
La regresin puede ser Lineal y Curvilnea o no lineal, ambos tipos de regresin pueden ser a su
vez:
Regresin Simple: Este tipo se presenta cuando una variable independiente ejerce influencia
sobre otra variable dependiente. Ejemplo: Y = f(x)
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.
Objetivo: 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)
Y 100 98 99 102 102 111 97 104 102 96
X 116 96 110 105 99 106 100 109 98 108
Coeficiente de Regresin
Indica el nmero de unidades en que se modifica la variable dependiente "Y" por efecto del
cambio de la variable independiente "X" o viceversa en una unidad de medida.
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.

Procedimiento para hallar el Coeficiente de Regresin

Para determinar el valor del coeficiente de regresin de una manera fcil y exacta es utilizando el
mtodo de los Mnimos Cuadrados de dos maneras:
1.- Forma Directa
De la ecuacin de la recta:

Si

, se obtienen a partir de las ecuaciones normales:

Aplicando normales Y sobre X tenemos:

El Coeficiente de Regresin es

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 numero 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).
Y
X
W
Z

440
50
105
75

455
40
140
68

470
35
110
70

510
45
130
64

506
51
125
67

480
55
115
72

460
53
100
70

500
48
103
73

490
38
118
69

450
44
98
74

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.
Anlisis 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 tedioso porque se tiene atender 3 ecuaciones que se generan por el mtodo de
mnimo de cuadrados:

Para poder resolver se puede utilizar programas informticos como AD+, SPSS y Minitab y
Excel.
El error estndar de la regresin mltiple
Es una medida de dispersin la estimacin se hace ms precisa conforme el grado de dispersin
alrededor del plano de regresin se hace mas pequeo.
Para medirla se utiliza la formula:

Y : Valores observados en la muestra

: Valores estimados a partir a partir de la ecuacin de regresin
n : Nmero de datos
m : Nmero de variables independientes
El coeficiente de determinacin mltiple
Mide la tasa porcentual de los cambios de Y que pueden ser explicados por
simultneamente.

III.- APLICACION DE REGRESION MULTIPLE

Mediante el siguiente problema podremos ilustrar la aplicacin de Regresin Multiple:
En la Facultad de Ingeniera de Sistemas y Computo de la Universidad "Inca Garcilaso de la
Vega" se quiere entender los factores de aprendizaje de los alumnos que cursan la asignatura de
PHP, para lo cual se escoge al azar una muestra de 15 alumnos y ellos registran notas promedios
en las asignaturas de Algoritmos, Base de Datos y Programacin como se muestran en el
siguiente cuadro.
Alumno
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

PHP
13
13
13
15
16
15
12
13
13
13
11
14
15
15
15

Algoritmos
15
14
16
20
18
16
13
16
15
14
12
16
17
19
13

Base de Datos
15
13
13
14
18
17
15
14
14
13
12
11
16
14
15

Programacin
13
12
14
16
17
15
11
15
13
10
10
14
15
16
10

Lo que buscamos es construir un modelo para determinar la dependencia que exista de

aprendizaje reflejada en las notas de la asignatura de PHP, conociendo las notas de las
asignaturas Algoritmos, Base de Datos y Programacin.
Se presentara la siguiente ecuacin a resolver:

Utilizando las formulas de las ecuaciones normales a los datos obtendremos los coeficientes de
regresin o utilizando Regresin de Anlisis de datos, en la Hoja de Calculo de Excel podemos
calcular tambin los coeficientes de regresin:

Por lo tanto podemos construir la ecuacin de regresin que buscamos:

El Error Estndar de Regresin Mltiple

Mediante esta medida de dispersin se hace ms preciso el grado de dispersin alrededor del
plano de regresin, se hace ms pequeo.
Para calcularla se utiliza la formula siguiente:

En los resultados de Excel se llama error tpico y para explicar la relacin del aprendizaje de
PHP que se viene desarrollando es de 0.861
El coeficiente de determinacin mltiple (r2)
Utilizaremos para determinar la tasa porcentual de Y para ser explicados las variables mltiples,
utilizando la si siguiente formula:

IV.- CONCLUSIONES
El 69.70% del aprendizaje del Curso de PHP puede ser explicado mediante las notas obtenidas
por las asignaturas de Algoritmos, Base de Datos y Programacin.