S.E.P. S.E.S.T.N.M TEC.N.M.

INSTITUTO TECNOLÓGICO DE TOLUCA

INGENIERÍA INDUSTRIAL

ASIGNATURA
ADMINISTRACIÓN DE OPERACIONES I

TEMA: REGRESIÓN LINEAL SIMPLE Y

MÚLTIPLE

PRESENTA
PAOLA ORTEGA ALVA
GERARDO VALDEZ ARIAS
CARLOS FRANCISCO TAPIA GARCÍA
DANIEL GARCÍA
JUAN LUIS GARCÍA TORRES
JAQUELINE ESCOBAR GÓMEZ
CRISTIAN GUTIÉRREZ NIETO
ISRAEL AGUIRRE REYES

ING. CATALINA BURCIAGA

METEPEC, MÉXICO, MARZO 2019
 INTRODUCCIÓN

En la industria con mucha frecuencia es necesario resolver problemas que implican

conjuntos de variables, cuando se sabe que existe alguna relación inherente entre
ellas. A partir de lo anterior, es necesario establecer modelos que expliquen dicha
relación.

Cuando, simultáneamente, contemplamos dos variables continuas, aunque por

extensión se pueden emplear para variables discretas cuantitativas, surgen
preguntas y problemas específicos. Esencialmente, se emplearán estadísticos
descriptivos y técnicas de estimación para contestar esas preguntas, y técnicas de
contraste de hipótesis específicos para resolver dichos problemas. La mayoría de
estos métodos están encuadrados en las técnicas regresión y correlación

En forma más especifica el análisis de correlación y regresión comprende el análisis

de los datos muestrales para saber que es y como se relacionan entre si dos o mas
variables en una población. El análisis de correlación produce un número que
resume el grado de la fuerza de relación entre dos variables; y el análisis de
regresión da lugar a una ecuación matemática que describe dicha relación.

La técnica de regresión lineal simple está indicada cuando se pretende explicar una
variable respuesta cuantitativa en función de una variable explicativa cuantitativa
también llamada variable independiente, variable regresora o variable predictora.
Por ejemplo, se podría intentar explicar el peso en función de la altura. El modelo
intentaría aproximar la variable respuesta mediante una función lineal de la variable
explicativa.

A partir de la presente investigación, se pretende mostrar la aplicación práctica de

la regresión y correlación lineal simple y múltiple en la industria. Ya que la aplicación
de las técnicas estadísticas contribuye a la optimización de los procesos.
 REGRESIÓN LINEAL SIMPLE

La regresión lineal simple comprende el intento de desarrollar una línea recta o

ecuación matemática lineal que describa la relación entre dos variables. La
regresión puede ser utilizada de diversas formas. Se emplean en situaciones en la
que las dos variables miden aproximadamente lo mismo, pero en las que una
variable es relativamente costosa, o por el contrario, es poco interesante trabajar
con ella, mientras que con la otra variable no ocurre lo mismo.

El análisis de regresión es una técnica estadística para investigar la relación

funcional entre dos o más variables, ajustando algún modelo matemático. La
regresión lineal simple utiliza una sola variable de regresión y el caso más sencillo
es el modelo de línea recta. Supóngase que se tiene un conjunto de n pares de
observaciones (xi,yi), se busca encontrar una recta que describa de la mejor
manera cada uno de esos pares observados.

En estadística la regresión lineal o ajuste lineal es un modelo matemático usado

para aproximar la relación de dependencia entre una variable dependiente Y, las
variables independientes Xi y un término aleatorio ε. Este modelo puede ser
expresado como:

donde:

Ejemplo de una regresión lineal con una variable dependiente y una variable independiente:
Clases de coeficiente de Regresión:

El coeficiente de regresión 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
relación alguna.

REGRESIÓN LINEAL MÚLTIPLE

En la mayor parte de los problemas que se generan en la industria en que se aplica

el análisis de regresión, se requiere más de una variable independiente en el
modelo de regresión. La complejidad de la mayoría de los mecanismos científicos
es tal que, con objeto de estar en condiciones de pronosticar una respuesta, se
necesita un modelo de regresión múltiple.

La regresión múltiple comprende tres o más variables. Existe solo una variable
dependiente, pero hay dos o más de tipo independiente. En esta operación se
desarrolla una ecuación la cual se puede utilizar para predecir valores de y,
respecto a valores dados de la diferencia de variables independientes adicionales
a través de incrementar la capacidad predicativa sobre la de la regresión lineal
simple.

PROCEDIMIENTO PARA LA RESOLUCIÓN DE PROBLEMAS UTILIZANDO

REGRESIÓN LINEAL EMPLEANDO EXCEL

Acceder a “Archivo” y en seguida, dar clic en “opciones”.

Se abrirá otro menú en el que se deberá dar clic en “complementos”, después en “aceptar”

Palomeamos la opción “Herramientas de análisis” y damos clic en “Aceptar”

Insertamos una tabla con los datos correspondientes al problema que se nos
presenta
 En la barra de herramientas nos dirigimos a Datos y a continuación damos clic en análisis de
datos, en donde seleccionaremos nuestro rango de valores dependientes e independientes.

Inmediatamente se desplegarán varias tablas con el análisis de nuestros datos, la

correlación lineal y nuestra tabla ANOVA.

BIBLIOGRAFÍA:

Galdos Cálculo y Estadística III Edición Única. Grupo La República. Lima Perú;
2005.

Cannavos G. Probabilidad y Estadística Aplicación y métodos. Ed. en español Mc

GRAW- HILL/INTERAMERICANA DE MEXICO.1995.