Practica en Excel de Regresión Lineal Simple

Práctica 1
INSTITUTO TECNOLÓGICO SUPERIOR DE CENTLA
PRÁCTICA DE LABORATORIO No. 5.
Carrera Plan de estudios Clave asignatura Nombre de la asignatura
Laboratorio: Multiplataforma Duración

Nombre de la Regresión Lineal Simple 100 minutos
práctica:
Nombre(s): No. de Control:

Asesor:
Fecha:
1. Competencias a desarrollar
• Identificar y aplicar los conceptos básicos del modelo de regresión lineal simple.
• Establecer las condiciones para distinguir entre una regresión y una correlación.
• Identificar y aplicar los conceptos básicos del modelo de regresión múltiple.
• Identificar y aplicar los conceptos básicos del modelo de regresión no lineal.
2. Objetivo
En esta práctica utilizaremos el paquete del office en este caso el Excel para estudiar la regresión lineal
simple, entre dos variables, realizando los procedimientos estadísticos oportunos para verificar la
validez del mismo.
3. Equipos, materiales y software

● Equipo de cómputo con acceso a Internet
● Tener instalado el programa Excel
● Programa Word
4. Hacer
Ejercicio
Wageweb realiza estudios sobre datos salariales y presenta resúmenes de éstos en su sitio de la Red.
Basándose en datos salariales desde el 1 de octubre de 2002 Wageweb publicó que el salario anual
promedio de los vicepresidentes de ventas era $142 111 con una gratificación anual promedio de $15
432 (Wageweb.com, 13 de marzo de 2003). Suponga que los datos siguientes sean una muestra de
salarios y bonos anuales de 10 vicepresidentes de ventas. Los datos se dan en miles de dólares.
Para realizar la práctica de este ejercicio vamos a usar el programa “Excel” que como bien sabemos
todas nuestra maquinas lo tiene, a continuación vamos a ver la series de paso para realizar esta práctica.
Paso 1: Lo primer que vamos a realizar es abrir el programa de Excel como se mostrara en la siguiente
pantalla.
Paso 2: Ahora vamos a ingresar los siguientes datos de nuestro ejercicio a resolver.
Paso 3: si nuestra programna excel no tiene activado la parte analisis de datos lo activaremos de la
siguiente manera:
● Nos ubicamos en archivo>complementos>opciones y nos muestra una ventana.
En esta ventana elegimos complementos y rellenamos las opciones y aceptamos.

Paso 4: Ahora nos vamos a datos> análisis de datos y nos aparece un recuadro como el siguiente.
Paso 4: En esta tabla vamos a seleccionar donde dice regresión y aceptamos.
Paso 5: La seleccionamos y nos muestra la siguiente ventana.
Paso 6: Como consiguiente vamos a rellenar con los datos que nos piden, en la parte donde dice
“rango de y” vamos a seleccionar el valor de y que en este caso sería donde dice gratificación; para el
valor de las x vamos a usar los valores de los salarios.
Paso 7: Después de tener los valores vamos a seleccionar los siguientes cuadritos como marca la
imagen que a continuación aparecerá
Paso 8: Damos clic en aceptar y así nos dará nuestro resultado

De lo anterior logramos obtener
● Coeficiente de correlación
● Coeficiente de determinación
● Varianza
● Suma de cuadrados
● Análisis residuales
● Resultados de probabilidad
● Grafica de dispersión
Estadísticas de la regresión
Coeficiente de correlación
múltiple 0.93846992
Coeficiente de determinación R^2 0.8807258
R^2 ajustado 0.86368663
Error típico 1.94588863
Observaciones 9
ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los Valor

libertad cuadrados cuadrados F crítico de F
Regresión 1 195.716844 195.716844 51.6882994 0.00017909
Residuos 7 26.5053779 3.78648256
Total 8 222.222222
Análisis de los residuales
Pronóstico Residuos
Observación 135 Residuos estándares
1 130.866 -15.866 -1.6786857
2 140.612 5.388 0.57007176
3 155.231 11.769 1.24520686
4 169.85 -4.85 -0.51314923
5 179.596 -3.596 -0.38047106
6 96.755 1.245 0.13172594
7 145.485 -9.485 -1.0035506
8 150.358 12.642 1.33757372
9 116.247 2.753 0.29127831
12 Gráfico de los residuales

15
10
Residuos
5
0
-5 6 8 10 12 14 16 18 20 22 24 26
-10
-15
-20
12
Resultados de datos de
probabilidad
Percentil 135
5.55555556 98
16.6666667 115
27.7777778 119
38.8888889 136
50 146
61.1111111 163
72.2222222 165
83.3333333 167
94.4444444 176
Estadístico Inferior Superior Inferio

Coeficientes Error típico t Probabilidad 95% 95% 95.0%
Intercepción 62.644 11.6437553 5.38005122 0.00103031 35.1108938 90.1771062 35.11089

12 4.873 0.67779801 7.18945752 0.00017909 3.27026239 6.47573761 3.270262
Gráfico de probabilidad normal
200
150
100
135
50
0
0 10 20 30 Muestra
40 50 60
percentil 70 80 90 100
12 Curva de regresión ajustada

200
150
100 Pronó stico 135

135
Linear (Pronó stico 135)

50
0
6 8 10 12 14 16 18 20 22 24 26
12
7. Anexos
¿Qué es la regresión lineal simple?
Un modelo de regresión es un modelo que permite describir cómo influye una variable X sobre otra
variable Y
¿Para qué sirve el análisis de regresión lineal simple?
El análisis de regresión sirve para predecir una medida en función de otra medida o varias.
8. Saber (Trabajo individual)

1. ¿Qué es el modelo de regresión lineal simple?
Es una ecuación que muestra cuál es la relación entre la variable dependiente

“y” y la variable dependiente “x”. esto es y = (14.1) β0 + β 1x +ϵ
2. ¿Cómo se clasifica el tipo de relación lineal simple?
Relación lineal positiva Si β1 > 0

Relación lineal negativa Si β1 < 0
3. ¿Cuáles son las medidas de dependencia lineal?
La covarianza, si la relación lineal es positiva, la covarianza será positiva y grande

Si hay relación lineal negativa, la covarianza será negativa y grande en valor absoluto.
El coeficiente de correlación lineal
4. ¿Qué es la varianza?
La varianza es la media aritmética del cuadrado de las desviaciones respecto a la media de una
distribución estadística.
varianza se representa por
5. ¿Qué es el coeficiente de determinación?
Es un estadístico usado en el contexto de un modelo estadístico cuyo principal propósito

es predecir futuros resultados o probar una hipótesis. El coeficiente determina la calidad del modelo
para replicar los resultados, y la proporción de variación de los resultados que puede explicarse por el
modelo
6. ¿Mencione ejemplo donde se pueda aplicar el análisis de regresión lineal simple?
Prever el tiempo de computación de un programa en función de la velocidad del procesador.

Aproximar la calificación obtenida en una materia según el número de horas de estudio semanal.
Estudiar cómo influye la estatura del padre sobre la estatura del hijo

Practica en Excel de Regresión Lineal Simple

Cargado por

Copyright:

Formatos disponibles

Practica en Excel de Regresión Lineal Simple

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Practica en Excel de Regresión Lineal Simple

Cargado por

Copyright:

Formatos disponibles

Práctica 1

INSTITUTO TECNOLÓGICO SUPERIOR DE CENTLA

PRÁCTICA DE LABORATORIO No. 5.

Carrera Plan de estudios Clave asignatura Nombre de la asignatura

Laboratorio: Multiplataforma Duración

Nombre(s): No. de Control:

3. Equipos, materiales y software

● Nos ubicamos en archivo>complementos>opciones y nos muestra una ventana.

En esta ventana elegimos complementos y rellenamos las opciones y aceptamos.

Paso 5: La seleccionamos y nos muestra la siguiente ventana.

Paso 8: Damos clic en aceptar y así nos dará nuestro resultado

Grados de Suma de Promedio de los Valor

12 Gráfico de los residuales

Estadístico Inferior Superior Inferio

Intercepción 62.644 11.6437553 5.38005122 0.00103031 35.1108938 90.1771062 35.11089

Gráfico de probabilidad normal

12 Curva de regresión ajustada

100 Pronó stico 135

Linear (Pronó stico 135)

8. Saber (Trabajo individual)

Es una ecuación que muestra cuál es la relación entre la variable dependiente

2. ¿Cómo se clasifica el tipo de relación lineal simple?

Relación lineal positiva Si β1 > 0

3. ¿Cuáles son las medidas de dependencia lineal?

La covarianza, si la relación lineal es positiva, la covarianza será positiva y grande

varianza se representa por

5. ¿Qué es el coeficiente de determinación?

Es un estadístico usado en el contexto de un modelo estadístico cuyo principal propósito

Prever el tiempo de computación de un programa en función de la velocidad del procesador.

También podría gustarte