Entregable 2. Universidad Tecnológica de México
Entregable 2. Universidad Tecnológica de México
Entregable 2. Universidad Tecnológica de México
Suponiendo que llamamos “x” a nuestra variable predictora y “y” a la variable que intentamos predecir βo es
el valor de “y” cuando tenemos 0 unidades de “x”, igual se puede interpretar como el corte de mi recta de
regresión lineal con el eje “y”
3. Al realizar un ajuste de regresión lineal sobre un conjunto de datos ¿qué significa un coeficiente de
correlación negativo?
Si hay una correlación negativa significa que cuando nuestra variable predictora “x” aumenta, la variable a
predecir “y” disminuye, esto se puede resumir que entre más valga x, menor será el valor de “y” y viceversa.
La colinealidad sucede si los predictores están relacionados unos con otros de manera lineal, se dice que
los predictores están relacionados constituyendo una combinación lineal, de manera coloquial podríamos
decir que ciertas variables predictoras ya no nos arrojan más información de la que ya teníamos, esto en
regresión puede traer los siguientes problemas:
La influencia de cada uno de ellos en el criterio no puede distinguirse al quedar solapados unos con otros;
no se consigue una explicación del fenómeno en cuestión; los pronósticos no son nada fiables, puesto que
otra combinación de predictores introducida en el modelo variando el orden, produce predicciones en el
criterio contradictorias
1
1.73 86
1.81 85
2
Tenemos que la ecuación de regresión lineal es la siguiente:
132.967x-153.514
3
6. Determinar el coeficiente de correlación lineal del ejercicio anterior.
4
r = 0.5820
x 10 20 30 40 50 60 70 80
y 1.06 1.33 1.52 1.68 1.81 1.91 2.01 2.11
5
La ecuación de regresión es:
y = 0.01434x + 1.0334
6
8. Determinar el coeficiente de correlación lineal del ejercicio anterior.
7
El coeficiente de correlación es:
R = 0.9821
9. Una empresa comercial desea conocer el pronóstico de la demanda para el mes de septiembre, esto debido
a que se desea contar con la mercancía necesaria, tomando como base ocho periodos anteriores de ventas,
se pide que el pronóstico se lleve a cabo a través de la técnica de Promedio Móvil Simple (PM8).
8
La predicción es 210 en miles
10. Aplicando el método de promedios móviles simples, determinar el pronóstico del mes de enero del año
siguiente, si consideramos el promedio móvil a partir de las cinco observaciones más recientes (PM5).
9
10