TABLA DE CONTENIDO

UNIDAD 1 REGRESIÓN LINEAL SIMPLE Y CORRELACIÓN. .... Error! Bookmark

not defined.
1.1 Modelo de regresión simple....................................... Error! Bookmark not defined.
1.2 Supuestos Modelo de regresión simple. .................... Error! Bookmark not defined.
1.3 Determinación de la ecuación de regresión. .............. Error! Bookmark not defined.
1.4 Medidas de variación................................................. Error! Bookmark not defined.
1.5 Cálculo de los coeficientes de correlación y de determinación. Error! Bookmark not
defined.
1.6 Análisis residual. ....................................................... Error! Bookmark not defined.
1.7 Inferencias acerca de la pendiente. ........................... Error! Bookmark not defined.
1.8 Aplicaciones. ............................................................. Error! Bookmark not defined.
UNIDAD 2 REGRESIÓN LINEAL MÚLTIPLE Y CORRELACIÓN. Error! Bookmark
not defined.
2.1 Modelo de regresión múltiple..................................... Error! Bookmark not defined.
2.2 Estimación de la ecuación de regresión múltiple. ...... Error! Bookmark not defined.
2.3 Matriz de varianza covarianza. .................................. Error! Bookmark not defined.
2.4 Pruebas de hipótesis para los coeficientes de regresión. ......... Error! Bookmark not
defined.
2.5 Correlación lineal múltiple. ........................................ Error! Bookmark not defined.
2.6 Aplicaciones. ............................................................. Error! Bookmark not defined.
UNIDAD 3 ANÁLISIS DE SERIE DE TIEMPO. ........Error! Bookmark not defined.
3.1 Componentes de una serie de tiempo. ...................... Error! Bookmark not defined.
3.2 Método de mínimos cuadrados. ................................ Error! Bookmark not defined.
3.3 Métodos de promedios móviles. ................................ Error! Bookmark not defined.
3.4 Métodos de suavización exponencial. ....................... Error! Bookmark not defined.
3.5 Tendencias no lineales. ............................................. Error! Bookmark not defined.
3.6 Variación estacional. ................................................. Error! Bookmark not defined.
3.7 Aplicaciones. ............................................................. Error! Bookmark not defined.
UNIDAD 4 DISEÑO EXPERIMENTAL PARA UN FACTOR. .. Error! Bookmark not
defined.
4.1 Introducción conceptualización importancia y alcances del diseño experimental en el
ámbito empresarial. ......................................................... Error! Bookmark not defined.
4.2 Clasificación de los diseños experimentales. ............. Error! Bookmark not defined.
 4.3 Nomenclatura y simbología en el diseño experimental ............. Error! Bookmark not
defined.
4.4 Identificación de los efectos de los diseños experimentales. .... Error! Bookmark not
defined.
4.5 La importancia de la aleatorización de los especímenes de prueba. ................ Error!
Bookmark not defined.
4.6 Supuestos estadísticos en las pruebas experimentales............ Error! Bookmark not
defined.
4.7 Prueba de Duncan. ................................................... Error! Bookmark not defined.
4.8 Aplicaciones industriales. .......................................... Error! Bookmark not defined.
UNIDAD 5 DISEÑO EXPERIMENTAL CON BLOQUES AL AZAR Y DISEÑOS
FACTORIALES. .......................................................Error! Bookmark not defined.
5.1 Metodología del diseño experimental de bloques al azar. ........ Error! Bookmark not
defined.
5.2 Diseño de experimentos factoriales. .......................... Error! Bookmark not defined.
5.3 Diseño factorial 2k ..................................................... Error! Bookmark not defined.
5.4 Diseño de cuadrados latinos. .................................... Error! Bookmark not defined.
5.5 Diseño de cuadrados grecolatinos............................. Error! Bookmark not defined.
5.6 Aplicaciones. ............................................................. Error! Bookmark not defined.
UNIDAD 1 REGRESIÓN LINEAL SIMPLE Y CORRELACIÓN.

1.1 MODELO DE REGRESIÓN SIMPLE.

La finalidad de una ecuación de regresión es estimar los valores de una variable con base
en los valores conocidos de la otra. Otra forma de emplear una ecuación de regresión es
para explicar los valores de una variable en términos de otra. El análisis de regresión
únicamente indica qué relación matemática podría haber, de existir una.
Las suposiciones que se realizan al aplicar las técnicas de regresión lineal son:
• El modelo propuesto es lineal (es decir existe relación entre la variable explicativa y la
variable explicada, y esta relación es lineal). Es decir se asume que:

Var respuesta = βo + variable explicativa. Β1 + ε

Siendo β0 el término independiente (constante) β1 el coeficiente de regresión de la

variable explicativa (pendiente) y ε es una variable aleatoria que se llama error residual.
• La variable explicativa se ha medido sin error.
• El valor esperado de e del modelo es cero.
• La varianza de e (y por lo tanto de la variable respuesta) es constante.

• Los ε son independientes entre sí.

• Si se desean realizar contrastes de hipótesis sobre los parámetros (coeficientes) o sobre

el modelo, también es necesario que la distribución de ε sea normal.
Para estudiar la validez del modelo es necesario confirmar estas hipótesis mediante el
estudio de los residuos (valores observados - valores predichos): normalidad, tendencias,
etc. Cuando no se cumplen los criterios de aplicación es necesario realizar
transformaciones a las variables, o bien para obtener una relación lineal o bien para
homogeneizar la varianza.
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.
Ecuación Lineal Simple
Dos características importantes de una ecuación lineal:
• La independencia de la recta
• La localización de la recta en algún punto. Una ecuación lineal tiene la forma:

Forma general de la ecuación de regresión lineal simple

Y´= a + Bx

Donde:
Y´ se lee Y prima, es el valor pronosticado de la variable Y para un valor seleccionado de
X.
a es la ordenada de la intersección con el eje Y, es decir, el valor estimado de Y cuando X
= 0.
Dicho de otra forma, corresponde al valor estimado de Y, donde la recta de regresión cruza
el eje Y, cuando X = 0.
B es la pendiente de la recta, o el cambio promedio en Y´ por unidad de cambio
(incremento o decremento) en la variable independiente X.
X es cualquier valor seleccionado de la variable independiente.
Con esta expresión se hace referencia al proceso matemático que sirve para ajustar
una línea recta a través de un conjunto de datos bivariables asentados en una gráfica de
dispersión. Dicha línea se conoce como línea de regresión simple.
El primer paso es recoger datos experimentales correspondientes a n individuos con
información de dos variables cuantitativas: una de ellas se considera variable
explicativa (Variable x) y la otra se considera variable respuesta (Variable y). El modelo que
se asume es:

y = β0 + x β1 + ε

Los coeficientes β0 y β1 se estiman por b0 y por b1 a través del método de mínimos

cuadrados.

Valores Y
4

0
0 1 2 3
Método de mínimos cuadrados
Es el procedimiento más utilizado por adaptar una recta aun conjunto de punto se le que conoce
como método de mínimos cuadrados. La recta resultante presenta 2 característica importantes:

• Es nula la suma de desviaciones verticales en los puntos a partir de la recta

• Es mínima la suma de los cuadrados de dichas desviaciones

Para un valor dado de X, por ejemplo, X1, habrá una diferencia entre el valor Y1

y el correspondiente valor de la curva C. Esta diferencia se denota por D1, que se conoce como
desviación, error o residuo.

De todas las curvas de aproximación a una serie de datos puntuales la curva que tiene la propiedad
de que: D21 + D22 + . . . + D2N

Se conoce como Mejor curva de ajuste