Profesional

Nombre: Matrícula:

Nombre del curso: Nombre del profesor:

Estadística y pronóstico para la toma
de decisiones.
Módulo: Actividad:
3. Regresión lineal múltiple. Tema 13. Inferencias en modelos de
regresión múltiple y predicción.
Fecha: 09/11/2019
Bibliografía:

El análisis de regresión múltiple y su aplicación al estudio de las rentas

diferenciales del suelo.
Nuestro estudio realizado se centró en obtener las rentas diferenciales del
subsuelo, las cuales son existentes en algunos municipios. Por ello es que se
intento reducir las causas expuestas anteriormente para llevar a cabo un modelo
matemático con el cual se pueda estudiar el contenido de los análisis de
regresión múltiple
Es viable el efectuar un test con el cual se muestre significativamente el análisis
de regresión; ya que esta inferencia estadística se lleva a cabo a partir de una
serie de suposiciones respecto a los presupuestos que deben de cumplir los
residuales, así como las varianzas constantes e independientes. Con el objetivo
de dar lugar a una distribución “F” con “n-1” y “N-n” (grados de libertad). Puesto
que, al superar el valor del cálculo, representaría una elevación en el análisis de
regresión satisfactorio por salirse extensamente de la situación aleatoria.
El costo de la vivienda puede expresarse por medio de los componentes que lo
conforman, los cuales son del costo del subsuelo y el de la construcción. Debido
a esto, nuestra hipótesis consiste en suponer los costos de edificación, al igual
que sus características medibles. Estableciendo de esta manera una relación
entre el resto del costo y precio de la vivienda hasta completar el total de las
rentas residuales derivadas del subsuelo. Debido a esto, se lleva a cabo un
modelo de regresión lineal múltiple, el cual cuenta con diferentes variables que
se relacionan por medio de las características de la misma. Siendo así que los
 Profesional

valores residuales una vez obtenidos, se verán reflejados en gran parte por el
costo del suelo.
Para lo mencionado anteriormente, se tomaron en cuenta las variables
independientes, las cuales son:
 La calefacción.
 El patio o jardín.
 El aparcamiento.
 La superficie.
 Los juegos infantiles.
Con ello, hemos realizado un primer análisis de regresión lineal múltiple, el cual
utiliza como variable independiente el precio total de la vivienda y las variables
independientes. Aunado a esto, la regresión expresa que la varianza existente
posee un valor elevado. Sin embargo, el estudio también detalla la contribución
de todas estas variables por medio de la explicación de la varianza total que se
muestra en manifiesto. Ya que únicamente dos variables son significativas, la
cuales son de superficie y calefacción. Esta desproporción posee gran
importancia en el precio de venta.
Ya que esta dificultad es visible, se ha creado convenientemente un precio de
vivienda por unidad de superficie, el cual proporciona mejores resultados al
momento de adquirir una de estas. El porcentaje puede resultar minimizado o
reducido, pero no lo es. La participación de las variables independientes es más
equilibrada, estas son de aparcamiento, superficie y calefacción.
Conclusión.
Gracias a la elaboración de esta comprobación, pude comprender de manera
más clara y concisa la relación que tienen las inferencias en modelos de
regresión lineal múltiple y de predicción con un caso real. Es por ello que puedo
llegar a la conclusión de que el tema del cual hable anteriormente, pudo
realizarse gracias a métodos estadísticos de carácter lineal múltiple, los cuales
ayudaron a llevar a cabo análisis que pudieran mejorar la situación de las
viviendas y las zonas suburbanas. Puesto que de esta manera resultaba más
fácil el conocer las dificultades con las que se encontraban y por qué las tenían.
Por ello, considero que es importante conocer la importancia de los modelos de
regresión múltiple y el saber como aplicarlos en nuestra vida cotidiana para
facilitarnos ciertos asuntos