Unive

rsidad
andin
Carrera profesional de Administracin

Actividad de actividad formativa

Asignatura: Estadstica I
Tema: Aplicacin del Modelo de regresin lineal y
probabilidad.
Nombre: Rodrigo Bueno Dueas
014200882B

Cusco Per
2015

Aplicacin del Modelo de regresin lineal y probabilidad

Aplicacin del Modelo de regresin lineal

Marco terico

El modelo de regresin lineal ser aplicado en aquellos casos en los que la variable
independiente Y sea continua. Existen varios tipos de regresin, por ejemplo:

Regresin lineal simple

El modelo de regresin lineal simple considera una nica variable independiente o
explicativa, x, y una variable dependiente o respuesta, Y, asumiendo que la relacin entre
ambas es lineal.
La ecuacin que modelizar el comportamiento existente entre ambas variables es la
siguiente, siendo 1 y 0 estimadores:

1: Se trata del cociente entre la interaccin obtenida entre ambas variables y la suma de
cuadrados de los valores de la variable dependiente. Este valor corresponde a la pendiente
de la recta.

0: Es el resultado de la siguiente ecuacin en la que aparecen los valores medios

correspondientes a ambas variables y el estimador 1 obtenido anteriormente. Este valor es
la ordenada en el origen.

Ei es el residuo e indica la bondad del ajuste realizado para cada punto. Se calcula de la
siguiente forma:

Una vez se ha obtenido la recta de regresin, es necesario comprobar la bondad del ajuste
realizado mediante el siguiente anlisis ANOVA:

n= nmero de datos. Se compara F0 con valor F crtico (tabla F de Scnedecor) con valor de
significacin , 1, y n-2 grados de libertad concluyendo: Si F0< Ft, el modelo es apropiado,
Si F0> Ft, el modelo utilizado no es apropiado.
Para los casos en los que un modelo lineal no sea el ms adecuado, se pueden aplicar los
llamados modelos intrnsecamente lineales que transforman la recta en otro tipo de funcin.
Un ejemplo sera la funcin exponencial:

Regresin mltiple (varias variables)

Un modelo de regresin que contiene ms de una variable se denomina Modelo de
Regresin Mltiple. La variable dependiente o respuesta Y puede ser relacionada con k
variables independientes. La ecuacin que modeliza el comportamiento es la siguiente:

Este modelo se podr representar de forma matricial de la siguiente manera:

La obtencin de los estimadores se realizar resolviendo el sistema lineal de ecuaciones.

Al igual que en el caso anterior ser necesario efectuar una comprobacin de la bondad de
ajuste mediante un test ANOVA.

k= nmero de variables. n= nmero de datos. p= nmero de grupos. Siendo estas las

expresiones para el clculo de las sumas de cuadrados:

Con el valor F crtico (valor de significacin , k, y n-p grados de libertad) correspondiente

y se compara con F0 determinando la bondad del ajuste de la misma forma que en el caso
de una variable.
Aplicaciones

El modelo de regresin lineal es aplicado en un gran nmero de campos, desde el mbito

cientfico hasta el mbito social, pasando por aplicaciones industriales ya que en multitud
de situaciones se encuentran comportamientos lineales. Estos son algunos ejemplos
aplicados a diversos campos:
Qumica

La concentracin de un elemento es uno de los parmetros de mayor importancia en los

procesos qumicos aplicados en la industria. Esta cuantificacin se puede obtener mediante
un espectrofotmetro, dispositivo que requiere se calibrado. Para ello se elabora una recta
de calibracin que se obtiene a partir de la correlacin entre la absorbancia de un patrn y
la concentracin de la sustancia a controlar.[1]
Mecnica

En esta rama se utiliza la Regresin Lineal entre otros para ajustar la recta de Paris , una
ecuacin que sirve para estudiar elementos sometidos a fatiga en funcin del nmero de
ciclos a los que se somete un material. La bondad del ajuste se comprueba representando el
conjunto de valores discretos a-Nm obtenidos experimentalmente, frente a la curva
correspondiente a la recta de Paris definida por los valores C y m.[2]
Electricidad

En electricidad se puede obtener el valor de una resistencia en un circuito y su error

mediante un ajuste de regresin lineal de pares de datos experimentales de voltaje e
intensidad obtenidos mediante un voltmetro y un ampermetro.[3]
Sensores

Calibracin de un sensor de temperatura (termopar) en funcin de la cada de tensin y la

temperatura. Se estudia la forma en que vara la temperatura de un lquido al calentarlo. Se
calibra el sensor y simultneamente se mide la variacin de temperaturas en un lquido para
representar los datos obtenidos posteriormente mediante Regresin Lineal.[4]
Fsica

Determinacin del coeficiente de rozamiento esttico de forma experimental a partir de la

medicin del ngulo de inclinacin de una rampa. Se realiza un montaje ajustando un
circuito para medir el ngulo de inclinacin, y se realizan mediciones variando dicho.
Mediante la regresin lineal de los datos obtenidos, se obtiene la ecuacin y el ndice de
correlacin a fin de saber el error.[5]
Fabricacin

Dos de los parmetros ms importantes de una soldadura es la intensidad aplicada al hilo y

la velocidad de alimentacin del mismo. Mediante tcnicas de regresin lineal se elaboran
las rectas que relacionan estos parmetros con la separacin entre el hilo y la zona a soldar.
[6]

Diseo de experimentos

Con la metodologa 2k es posible mejorar un proceso mediante la realizacin de

experimentos, determinando qu variables tienen un efecto significativo. A partir de esas
variables se obtiene una recta de regresin que modeliza el efecto. Por ejemplo se podra
obtener la relacin entre la temperatura y la presin en un proceso industrial.[7]
Construccin

Mediante tcnicas de regresin lineal se caracterizarn diversas cualidades del hormign. A

partir del mdulo de elasticidad es posible predecir la resistencia a la compresin de una
determinada composicin de un hormign. Tambin se puede determinar la succin capilar
a partir del volumen absorbido por una muestra y el tiempo que ha durado la succin.[8]
Desarrollo de algunos ejemplos de aplicacin de la regresin lineal
Aplicacin de regresin lineal simple en el proceso de pigmentacin
de una empresa del sector de la automocin.

En la prctica, con mucha frecuencia es necesario resolver problemas que implican

conjuntos de variables, cuando se sabe que existe alguna relacin inherente entre ellas. Por
ejemplo, en un caso industrial se puede saber que la pintura, para partes automotrices, est
relacionada con la cantidad de pigmentacin con la que se lleva a cabo. Puede ser
interesante desarrollar un mtodo de prediccin, esto, un procedimiento para estimar el
contenido de pigmentacin que deben de tener las pinturas para cumplir con las
especificaciones de las armadoras como se muestra en la siguiente imagen de tal manera
que el problema consiste en lograr la mejor estimacin de la relacin entre las variables.

Del ejemplo citado anteriormente, los gramos de pigmentacin son la variable

independiente y la resolucin de pintura es la respuesta Y
El trmino regresin lineal implica Y esta linealmente relacionado con X por la
ecuacin de la recta:
Y=b+mX Y=bx+c
La manera en que se representa el color en las armadoras y ensambladoras, es a travs de la
Figura 1, la cual muestra la combinacin de todos los colores posibles.

Figura 1. Diagrama general del color.

Para nuestro anlisis en cuestin el color se especifica cmo se muestra en la Tabla 1. Las
especificaciones de color para los volantes de un modelo de automvil, son las siguientes:
Tabla 1
L

-27.59

'+/-0.6

-0.05

'+/-0.2

1.29

'+/-0.2

De esta manera se observa que las especificaciones son muy justas y cualquier ajuste
equivoco de pigmentacin en la pintura ocasionar, material en condiciones NG,
proporcionando indicadores negativos a la empresa como prdida de tiempo, dinero,
aumento de scrap as como sus indicadores de PPMS internos y con su cliente. Haciendo
una corrida amplia y manipulando el pigmento blanco se toma de lecturas de las
condiciones de la pintura. Son conforme a la Tabla 2.

Tabla 2. Datos obtenidos de la pintura ajustada con pigmento blanco.

Estimando el valor de la pendiente 1 (que llamaremos b) y el valor 0 (que

llamaremos a), se tiene que:

La pendiente de la recta estimada es:

b = -0,468

El valor de 0 estimados es:

a = -25,44567

De tal manera que la formula de la recta estimada para el ejemplo de la pintura es:
= -25,445-0,468. X

Y la grfica para validar la normalidad de los errores (uno de los supuestos en los que se
basa este anlisis) es:

Figura 2. Grfica de probabilidad.

De esta manera, la funcin de la recta a travs de los mnimos cuadrados funciona e
interacta para generar una ayuda en el mbito industrial y generar un valor probabilstico
en beneficio de obtencin de una similitud de operaciones.
Este mtodo ayudara a las empresas a: Reduccin de tiempos en decisiones de procesos
Reduccin de inversin de materiales en los procesos. Generar un valor mnimo de
incertidumbre en los procesos Estandariza procesos.
La funcin de la recta es aplicable en el mbito industrial al generar una regresin lineal
para la obtencin de un valor esperado que ayude a las compaas a tener una idea de un
valor de una variable que pueden controlar en beneficio de sus procesos.
Aplicacin de regresin lineal mltiple en el anlisis qumico[editar]

El rendimiento de una reaccin qumica depende de la temperatura de operacin y de la

concentracin inicial del reactivo. Efectu un anlisis de regresin a los siguientes datos:
Rendimiento

concentracin

temperatura

81

150

89

180

83

150

91

180

79

150

87

180

84

150

90

180

SOLUCIN
Aplicando las frmulas citadas anteriormente obtendremos los resultados de todos los datos
que sern necesarios para el clculo de la Tabla ANOVA.
En primer lugar se ajustara el modelo lineal y= 0 + 1x1+ 2x2+ a los datos, se
realizar la estimacin de los coeficientes, y obtendremos la varianza residual:
S2 =1,04881
Tras esto a partir de los residuos calculados y representados en una tabla se calcula el
coeficiente de determinacin:
R2 =0,959559
Por ltimo se calculan las varianzas asociadas a cada uno de los estimadores de los
parmetros:
Parmetro

Sbi

4,24411

0,74162

0,02472

Tras esto ya podemos calcular y representar los resultados en la Tabla ANOVA. La

significacin global del ajuste se presenta en la Tabla E52.3:

Al comparar Fo con el F0.05, 2, 5 puede concluirse que el modelo es significativo y que al

menos un bi es distinto de cero. La significancia del efecto de cada Xi se probara a partir de
la prueba 1, basada en una prueba t, dicho anlisis se presenta a continuacin:

Al comparar el to asociado a cada bi con la t0.025,5 puede observarse que los efectos tanto
de la temperatura como de la concentracin son significativos a un nivel de confianza del
95%. El modelo ajustado es por tanto:
Y = 39.75 + 3.0 . X concentracin + 0.25 . X temperatura
La validacin del modelo se hara en base al anlisis de los residuos, a travs de los
siguientes grficos:

grfico de probabilidad normal de los residuos

grfico de los residuos frente a los valores predichos

grficos de los residuos frente a cada variable

Un anlisis de los grficos de los residuos contra las variables concentracin y temperatura
permitir concluir si el factor concentracin presenta un efecto muy importante sobre la
variabilidad del rendimiento, en funcin de si una mayor concentracin reduce la
variabilidad en cuanto al rendimiento de la reaccin qumica.

Probabilidad
La probabilidad es un mtodo por el cual se obtiene la frecuencia de un acontecimiento
determinado mediante la realizacin de un experimento aleatorio, del que se conocen todos
los resultados posibles, bajo condiciones suficientemente estables.
La probabilidad es un evento o suceso que puede ser improbable, probable o seguro.
La teora de la probabilidad se usa extensamente en reas como la estadstica, la fsica, la
matemtica, las ciencias y la filosofa para sacar conclusiones sobre la probabilidad discreta
de sucesos potenciales y la mecnica subyacente discreta de sistemas complejos, por lo
tanto es la rama de las matemticas que estudia, mide o determina a los experimentos o
fenmenos aleatorios.

Aplicaciones
Dos aplicaciones principales de la teora de la probabilidad en el da a da son en el anlisis
de riesgo y en el comercio de los mercados de materias primas. Los gobiernos normalmente
aplican mtodos probabilsticos en regulacin ambiental donde se les llama "anlisis de
vas de dispersin", y a menudo miden el bienestar usando mtodos que son estocsticos
por naturaleza, y escogen qu proyectos emprender basndose en anlisis estadsticos de su
probable efecto en la poblacin como un conjunto. No es correcto decir que la estadstica
est incluida en el propio modelado, ya que tpicamente los anlisis de riesgo son para una
nica vez y por lo tanto requieren ms modelos de probabilidad fundamentales, por ej. "la
probabilidad de otro 11-S". Una ley de nmeros pequeos tiende a aplicarse a todas
aquellas elecciones y percepciones del efecto de estas elecciones, lo que hace de las
medidas probabilsticas un tema poltico. Un buen ejemplo es el efecto de la probabilidad
percibida de cualquier conflicto generalizado sobre los precios del petrleo en Oriente
Medio - que producen un efecto domin en la economa en conjunto. Un clculo por un
mercado de materias primas en que la guerra es ms probable en contra de menos probable
probablemente enva los precios hacia arriba o hacia abajo e indica a otros comerciantes esa
opinin. Por consiguiente, las probabilidades no se calculan independientemente y tampoco
son necesariamente muy racionales. La teora de las finanzas conductuales surgi para
describir el efecto de este pensamiento de grupo en el precio, en la poltica, y en la paz y en
los conflictos.
Se puede decir razonablemente que el descubrimiento de mtodos rigurosos para calcular y
combinar los clculos de probabilidad ha tenido un profundo efecto en la sociedad
moderna. Por consiguiente, puede ser de alguna importancia para la mayora de los
ciudadanos entender cmo se calculan los pronsticos y las probabilidades, y cmo
contribuyen a la reputacin y a las decisiones, especialmente en una democracia.
Otra aplicacin significativa de la teora de la probabilidad en el da a da es en la
fiabilidad. Muchos bienes de consumo, como los automviles y la electrnica de consumo,

utilizan la teora de la fiabilidad en el diseo del producto para reducir la probabilidad de

avera. La probabilidad de avera tambin est estrechamente relacionada con la garanta
del producto.
Se puede decir que no existe una cosa llamada probabilidad. Tambin se puede decir que la
probabilidad es la medida de nuestro grado de incertidumbre, o esto es, el grado de nuestra
ignorancia dada una situacin. Por consiguiente, puede haber una probabilidad de 1 entre
52 de que la primera carta en un baraja sea la J de diamantes. Sin embargo, si uno mira la
primera carta y la reemplaza, entonces la probabilidad es o bien 100% 0%, y la eleccin
correcta puede ser hecha con precisin por el que ve la carta. La fsica moderna
proporciona ejemplos importantes de situaciones deterministas donde slo la descripcin
probabilstica es factible debido a informacin incompleta y la complejidad de un sistema
as como ejemplos de fenmenos realmente aleatorios.
En un universo determinista, basado en los conceptos newtonianos, no hay probabilidad si
se conocen todas las condiciones. En el caso de una ruleta, si la fuerza de la mano y el
periodo de esta fuerza es conocido, entonces el nmero donde la bola parar ser seguro.
Naturalmente, esto tambin supone el conocimiento de la inercia y la friccin de la ruleta,
el peso, lisura y redondez de la bola, las variaciones en la velocidad de la mano durante el
movimiento y as sucesivamente. Una descripcin probabilstica puede entonces ser ms
prctica que la mecnica newtoniana para analizar el modelo de las salidas de lanzamientos
repetidos de la ruleta. Los fsicos se encuentran con la misma situacin en la teora cintica
de los gases, donde el sistema determinstico en principio, es tan complejo (con el nmero
de molculas tpicamente del orden de magnitud de la constante de Avogadro
slo la descripcin estadstica de sus propiedades es viable.

) que

La mecnica cuntica, debido al principio de indeterminacin de Heisenberg, slo puede

ser descrita actualmente a travs de distribuciones de probabilidad, lo que le da una gran
importancia a las descripciones probabilsticas. Algunos cientficos hablan de la expulsin
del paraso.[cita requerida] Otros no se conforman con la prdida del determinismo. Albert
Einstein coment estupendamente en una carta a Max Born: Jedenfalls bin ich berzeugt,
da der Alte nicht wrfelt. (Estoy convencido de que Dios no tira el dado). No obstante hoy
en da no existe un medio mejor para describir la fsica cuntica si no es a travs de la teora
de la probabilidad. Mucha gente hoy en da confunde el hecho de que la mecnica cuntica
se describe a travs de distribuciones de probabilidad con la suposicin de que es por ello
un proceso aleatorio, cuando la mecnica cuntica es probabilstica no por el hecho de que
siga procesos aleatorios sino por el hecho de no poder determinar con precisin sus
parmetros fundamentales, lo que imposibilita la creacin de un sistema de ecuaciones
determinista.

Repaso Probabilidad
Se muestran algunos problemas en los cuales encontraras, paso a paso el procedimiento
para realizar dichos problemas de probabilidad I.

Problemas Probabilidad

Investigacin biomdica
Vase tambin: Muestreo en estadstica

La mayora de las investigaciones biomdicas utilizan muestras de probabilidad, es decir,

aquellas que el investigador pueda especificar la probabilidad de cualquier elemento en la
poblacin que investiga. Las muestras de probabilidad permiten usar estadsticas
inferenciales, aquellas que permiten hacer inferencias a partir de datos. Por otra parte, las
muestras no probabilsticas solo permiten usarse estadsticas descriptivas, aquellas que solo
permiten describir, organizar y resumir datos. Se utilizan cuatro tipos de muestras
probabilsticas: muestras aleatorias simples, muestras aleatorias estratificadas, muestra por
conglomerados y muestras sistemticas.

Referencias bibliogrficas
-Jos Antonio Heredia lvaro, apuntes de clase tema 3: Regresin Lineal de la asignatura
Ingeniera de Calidad de Ingniera Industrial de la Universitat Jaume I
- Antoniadis, A.; Berruyer, J.; Carmona, R. (1992) Regression Non Lineaire et
Applications.
- Ronald E. Walpole (1992). Probabilidad y Estadstica.
- Juan Manuel Silvia, Adriana Lazo, (2008) Fundamentos de matemticas. web:
http://www.cicataqro.ipn.mx/es/tecnologa/V1N2A2.pdf
-MONTGOMERY,
1991,
cap.
15.
web:
http://www.matematica.ues.edu.sv/trabajosdegraduacion/analisis/capitulo%205.PDF
(Archivo PDF Pgina 38/56, Resuelto con todos los pasos)