UNIVERSIDAD TÉCNICA DE AMBATO

FACULTAD DE INGENIERÍA EN
SISTEMAS, ELECTRÓNICA E INDUSTRIAL
MÓDULO DE ADMINISTRACIÓN DE LA
PRODUCCIÓN
 Análisis de regresión lineal múltiple

Utilizado cuando existe una

variable dependiente que
se relaciona con 2 o más
variables independientes.
Ejemplo = f(x, w, z)
Ecuaciones de la regresión múltiple:

𝑌 = 𝑎 + 𝑏1 𝑥1 + 𝑏2 𝑥2 + ⋯ ⋯ ⋯ +𝑏𝑛 𝑥𝑛

∑𝑦 = 𝑛𝑎 + 𝑏1 ∑𝑥1 + 𝑏2 ∑𝑥2 + ⋯ ⋯ ⋯ 𝑏3 ∑𝑥3

∑𝑥1 𝑦 = 𝑎∑𝑥1 + 𝑏1 ∑𝑥1 2 + 𝑏2 ∑𝑥1 𝑥2 + ⋯ ⋯ ⋯ 𝑏3 ∑𝑥3 𝑥1

∑𝑥2 𝑦 = 𝑎∑𝑥2 + 𝑏1 ∑𝑥1 𝑥2 + 𝑏2 ∑𝑥2 2 + ⋯ ⋯ ⋯ 𝑏3 ∑𝑥2 𝑥3

∑𝑥3 𝑦 = 𝑎∑𝑥3 + 𝑏1 ∑𝑥1 𝑥3 + 𝑏2 ∑𝑥2 𝑥3 + ⋯ ⋯ ⋯ 𝑏3 ∑𝑥3 2

En este caso las ecuaciones presentadas son para el
caso de tener 1 variable dependiente y 2 variables
independientes, de ser necesario se puede seguir
incrementando las ecuaciones según el número de
variables que se tenga.
Ejemplo:
Periodo Inversión publicidad (miles) % ventas
1 6.8 83.8
2 6.5 80.7
3 5.3 78.4
4 8.4 80.1
5 6.6 72.4
6 4.5 69.3
7 4.6 52.4
8 4.8 55
9 3.8 43.2
10 2.1 28
Ejemplo:
Inversión
%
Periodo publicidad
ventas 𝒙𝟏 𝒙𝟐 𝒙𝟏 𝒚 𝒙𝟐 𝒚 𝒙𝟏 𝟐 𝒙𝟐 𝟐
(𝒙𝟏 ) (miles)
(y)
(𝒙𝟐 )
1 6.8 83.8 6.8 83.8 569.84 1 46.24
2 6.5 80.7 13 161.4 524.55 4 42.25
3 5.3 78.4 15.9 235.2 415.52 9 28.09
4 8.4 80.1 33.6 320.4 672.84 16 70.56
5 6.6 72.4 33 362 477.84 25 43.56
6 4.5 69.3 27 415.8 311.85 36 20.25
7 4.6 52.4 32.2 366.8 241.04 49 21.16
8 4.8 55 38.4 440 264 64 23.04
9 3.8 43.2 34.2 388.8 164.16 81 14.44
10 2.1 28 21 280 58.8 100 4.41
55 53.4 643.3 255.1 3054.2 3700.44 385 314
Remplazamos los valores calculados en las
ecuaciones:

∑𝑦 = 𝑛𝑎 + 𝑏1 ∑𝑥1 + 𝑏2 ∑𝑥2

∑𝑥1 𝑦 = 𝑎∑𝑥1 + 𝑏1 ∑𝑥1 2 + 𝑏2 ∑𝑥1 𝑥2

∑𝑥2 𝑦 = 𝑎∑𝑥2 + 𝑏1 ∑𝑥1 𝑥2 + 𝑏2 ∑𝑥2 2

 Inversión
%
Periodo publicidad
ventas 𝒙𝟏 𝒙𝟐 𝒙𝟏 𝒚 𝒙𝟐 𝒚 𝒙𝟏 𝟐 𝒙𝟐 𝟐
(𝒙𝟏 ) (miles)
(y)
(𝒙𝟐 )
55 53.4 643.3 255.1 3054.2 3700.44 385 314

643.3 = 10 𝑎 + 55 𝑏1 + 53.4 𝑏2

3054.2 = 55 𝑎 + 385 𝑏1 + 255.1 𝑏2

3700.44 = 53.4 𝑎 + 255.1 𝑏1 + 314 𝑏2

Resolvemos el sistema de ecuaciones por el método de
eliminación de Gauss-Jordan para formar una matriz
identidad y así obtener los valores de las variables
𝑎, 𝑏1 𝑦 𝑏2 .
𝑎 = 68.13 ; 𝑏1 = −4.18 ; 𝑏2 = 3.60
 𝑎 = 68.13 ; 𝑏1 = −4.18 ; 𝑏2 = 3.60

Remplazamos los valores en la ecuación de la regresión múltiple.

𝑌 = 𝑎 + 𝑏1 𝑥1 + 𝑏2 𝑥2

𝒀 = 𝟔𝟖. 𝟏𝟑 − 𝟒. 𝟏𝟖 𝒙𝟏 + 𝟑. 𝟔𝟎 𝒙𝟐 (𝟏)
Nótese que para poder Inversión publicidad
Periodo (𝒙𝟏 ) (miles) % ventas (y)
realizar el pronóstico del % (𝒙 𝟐 )
de Ventas de los próximos 3 1 6.8 83.8

periodos es necesario 2 6.5 80.7

3 5.3 78.4
conocer los valores de las 4 8.4 80.1
variables 𝑥1 𝑦 𝑥2 , por lo que 5 6.6 72.4
realizaremos un análisis de 6 4.5 69.3

regresión lineal simple para 7 4.6 52.4

pronosticar los valores de 8 4.8 55

9 3.8 43.2
inversión de publicidad de 10 2.1 28
los siguientes 3 periodos.
Periodo (𝒙) Inversión publicidad (miles) (𝒚) 𝒙𝟐 𝒙𝒚
1 6.8 1 6.8
2 6.5 4 13
3 5.3 9 15.9
4 8.4 16 33.6
5 6.6 25 33
6 4.5 36 27
7 4.6 49 32.2
8 4.8 64 38.4
9 3.8 81 34.2
10 2.1 100 21
55 53.4 385 255.1
 ∑ 𝑥 2 ∑ 𝑦 − ∑ 𝑥 ∑ 𝑥𝑦
𝑎=
𝑛 ∑ 𝑥2 − ∑ 𝑥 2

385 53.4 − (55)(255.1)

𝑎=
10 385 − 55 2

𝑎 = 7.913
 𝑛 ∑ 𝑥𝑦 − ∑ 𝑥 ∑ 𝑦
𝑏=
𝑛 ∑ 𝑥2 − ∑ 𝑥 2

10 255.1 − (55)(53.4)
𝑏=
10 385 − 55 2

𝑏 = −0.468
Reemplazamos los valores de a y b para pronosticar la
inversión en publicidad de los periodos 11, 12 y 13.

𝑌 = 𝑎 + 𝑏𝑋

𝑌11 = 7.913 − 0.468 11 = 2.765

𝑌12 = 7,913 − 0,468 12 = 2.297

𝑌13 = 7,913 − 0,468 13 = 1.829

Como último paso reemplazamos los valores de x1 y x2
en la ecuación de regresión lineal múltiple.

𝑌11 = 68.13 − 4.18 11 + 3.60 2.765 = 𝟑𝟐. 𝟏𝟎𝟒

𝑌12 = 68.13 − 4.18 12 + 3.60 2.297 = 𝟐𝟔. 𝟐𝟑𝟗

𝑌13 = 68.13 − 4.18 13 + 3.60 1.829 = 𝟐𝟎. 𝟑𝟕𝟒

Periodo Inversión publicidad (miles)
% ventas (y)
(𝒙𝟏 ) (𝒙𝟐 )
1 6.8 83.8
2 6.5 80.7
3 5.3 78.4
4 8.4 80.1
5 6.6 72.4
6 4.5 69.3
7 4.6 52.4
8 4.8 55
9 3.8 43.2
10 2.1 28
11 2.8 32.1
12 2.3 26.2
13 1.8 20.4