UNIVERSIDAD POLITÉCNICA SALESIANA

Nombre: JOSE LUIS SIMANCAS

Tema: PROYECTO INTEGRADOR

Carrera: INGENIERÍA CIVIL

REGRESION LINEAL MULTIPLE

Periodo: 2019-2019
TITULO
Regresión Lineal Múltiple
OBJETIVOS
 Métodos de estimación para dichos modelos
 Tomar decisiones acerca de los parámetros
 Aprendizaje de utilización de gráficos para detectar el tipo de relación
entre las variables
 Cuantificación del grado de relación lineal
INTRODUCCIÓN
Regresión lineal múltiple se usa para estudiar la posible relación entre varias
variables independientes (x=predictores o explicativas) y otra variable
dependiente (y=criterio, explicada, respuesta).
Este procedimiento se usa buscar determinar si existe o no relación de
dependencia entre dos o más variables. Los datos conocidos son los de una
variable independiente, se trata de estimar los valores, de una o más variables
dependientes.
 Estudia el conjunto de varias variables (más de dos).
 Varias variables independientes xi se utilizan para explicar otra
dependiente
 Utilizamos toda la información disponible y x
La regresión en forma gráfica, trata de lograr que una dispersión de las
frecuencias sea ajustada a una línea recta o curva.
MODELO MATEMATICO
Los modelos de regresión múltiple estudian la relación entre una variable de
interés Y (variable respuesta o dependiente) y un conjunto de variables
explicativas o regresoras X1, X2, . . ., Xk.

𝒚 = 𝒃𝒐 + 𝒃𝟏 𝒙𝟏 + 𝒃𝟐 𝒙𝟐 + 𝒃𝟑 𝒙𝟑 +. . … … + 𝒃𝒌 𝒙𝒌 + 𝒖

xi: Variable predictora.

bi: Coeficiente de la variable predictora xi.
y: variable dependiente o respuesta.

La regresión lineal múltiple es la gran técnica estadística para comprobar

hipótesis y relaciones causales. Ante de empezar, una serie de condiciones que
se deben cumplir para poder aplicar la regresión lineal múltiple:
  La variable dependiente debe ser ordinal o escalar, es decir, que las
categorías de la variable tengan orden interno o jerarquía, p.ej. nivel de
ingresos, peso, número de hijos, justificación del aborto en una escala de
1-nunca a 10-siempre.
 Las variables independientes deben ser ordinales o escalares.
 Hay otras condiciones como: las variables independientes no puede estar
altamente correlacionadas entre sí, las relaciones entre las causas y el
resultado deben ser lineales, todas variables deben seguir la distribución
normal y deben tener varianzas iguales. Estas condiciones no son tan
estrictas y hay maneras de tratar los datos si se incumple. Sobre ello
volveremos en futuras entradas
Siguiendo un ejemplo, si consideramos;
El peso como variable dependiente y como posibles variables explicativas:
- estatura
- pie
- l brazo
- a espalda
- d cráneo
modelo que deseamos construir es:
𝑝𝑒𝑠𝑜 = 𝑏0 + 𝑏1 𝑒𝑠𝑡𝑎𝑡𝑢𝑟𝑎 + 𝑏2 𝑝𝑖𝑒 + 𝑏3 𝑙 𝑏𝑟𝑎𝑧𝑜 + 𝑏4 𝑎 𝑒𝑠𝑝𝑎𝑙𝑑𝑎 + 𝑏5 𝑑 𝑐𝑟𝑎𝑛𝑒𝑜
PROCEDIMIENTO EN EXCEL

DADO LOS DATOS:

Y X X2
0.1 0.1 0.75
0.2 0.2 1.25
0.5 0.4 1.45
0.6 0.6 1.25
0.9 0.9 0.85
1.8 1.3 0.55
1.5 1.5 0.35
1.7 1.7 0.28
1.8 1.8 0.18

SEPARAR LOS VALORES DE LAS VARIABLES X

OBTENIENDO LA MATRIZ 1

MATRIZ 1
1 0.1 0.75
1 0.2 1.25
1 0.4 1.45
1 0.6 1.25
1 0.9 0.85
1 1.3 0.55
1 1.5 0.35
1 1.7 0.28
1 1.8 0.18

UTILIZANDO COMANDO =TRANSPONER(MATRIZ) SE OBTIENE LA MATRIZ TRANSPUESTA

MATRIZ TRANSPUESTA
1 1 1 1 1 1 1 1 1
0.1 0.2 0.4 0.6 0.9 1.3 1.5 1.7 1.8
0.75 1.25 1.45 1.25 0.85 0.55 0.35 0.28 0.18

UTILIZANDO COMANDO =MMULT (MATRIZ1; MATRIZ2) SE DEBE MULTIPLICAR LA MATRIZ

TRANSPUESTA CON LA MATRIZ 1 OBTIENIENDO LA MATRIZ 2

MATRIZ TRANSPUESTA*MATRIZ 1
MATRIZ 2
9 8.5 6.91
8.5 11.45 4.46
6.91 4.46 7.0483
OBTENIDA LA MATRIZ 2 SE DEBE UTILIZAR EL COMANDO =MINVERSA(MATRIZ) DE LA MATRIZ
2 Y SE OBTIENE LA MATRIZ 3

MATRIZ INVERSA DE MATRIZ 2

MATRIZ 3
3.984057268 -1.90595724 -2.699837752
-1.90595724 1.027706594 1.218250234
-2.699837752 1.218250234 2.017860027

UTILIZANDO EL COMANDO =MMULT (MATRIZ1; MATRIZ2) SE DEBE MULTIPLICAR LA MATRIZ

TRANSPUESTA CON LA MATRIZ Y

MATRIZ T*MATRIZ Y
MATRIZ 4
9.1
12.14
4.88

PARA OBTENER LOS COEFICIENTES SE DEBE MULTIPLICAR LA MATRIZ 3 Y MATRIZ 4

UTILIZANDO EL COMANDO =MMULT (MATRIZ1; MATRIZ2)

M3*M4
-
Bo
0.058607991
B1 1.077208304
SOLUCIONES B2 0.068191221
USANDO PROGRAMA EXCEL

EN LA PESTAÑA DATOS

DIRIGIRSE A ANALISIS DE DATOS

IR REGRESION

SE DEBE COLOCAREL RANGO DE LA MATRIZ DE Y, ADEMAS EL RANGO DE LAS VARIABLES X

ASI SE OBTENDRA LA VERIFICACION DE EXCEL DONDE LOS COEFICIENTES SON LOS DATOS A
UTILIZAR EN LA ECUACION

RECOMENDACIONES
Es recomendable aplicar regresión lineal múltiple cuando se tenga una variable
dependiente y dos o más variables independientes.
Cuando los datos no tengan un coeficiente de determinación apropiado es
necesario aplicar una regresión cuadrática y analizar su parábola y si los datos
se relacionan entre sí para así poder llegar a una conclusión satisfactoria
CONCLUCIONES
Regresión múltiple como extensión del análisis de regresión lineal simple. El
análisis de regresión múltiple permite entender cómo está relacionada una
variable dependiente con dos o más variables independientes.
La ecuación de regresión indica el valor esperado o valor medio de la variable
dependiente y está relacionado con los valores de las variables independientes
x1 , x2 , …xp . Para obtener la ecuación de regresión estimada, se emplean los
datos muestrales.

BIBLIOGRAFIA
- DE LA FUENTE FERNANDEZ, S. (2011). REGRESION MULTIPLE. 1st
ed. MADRID: UNIVERSIDAD AUTONOMA DE MADRID, pp.7-21.

- GUILLEN, M. (1992). ANALISIS DE REGRESION MULTIPLE (4ª ed.).

MADRID, ESPANA: CENTRO DE INVESTIGACIONES SOCIOLOGIAS.
- ROJO ABUÍN, J. M. (S.F.). REGRESION LINEAL MULTIPLE.
RECUPERADO DE
HTTP://HUMANIDADES.CCHS.CSIC.ES/CCHS/WEB_UAE/TUTORIALE
S/PDF/REGRESION_LINEAL_MULTIPLE_3.PDF

- ESCUDER, R. y SANTIAGO, J. (1995) Estadística aplicada. Economía y

Ciencias Sociales. Valencia: Tirant lo Blanch.