I.

- INTRODUCCIN Como la Estadstica Inferencial nos permite trabajar con una variable a nivel de intervalo o razn, as tambin se puede comprender la relacin de dos o ms variables y nos permitir relacionar mediante ecuaciones, una variable en relacin de la otra variable llamndose Regresin Lineal y una variable en relacin a otras variables llamndose Regresin mltiple. Casi constantemente en la practica de la investigacin estadstica, se encuentran variables que de alguna manera estn relacionados entre si, por lo que es posible que una de las variables puedan relacionarse matemticamente en funcin de otra u otras variables. II.- MARCO TEORICO REGRESIN.Se define como un procedimiento mediante el cual se trata de determinar si existe o no relacin de dependencia entre dos o ms variables. Es decir, conociendo los valores de una variable independiente, se trata de estimar los valores, de una o ms variables dependientes. La regresin en forma grafica, trata de lograr que una dispersin de las frecuencias sea ajustada a una lnea recta o curva. Clases de Regresin La regresin puede ser Lineal y Curvilnea o no lineal, ambos tipos de regresin pueden ser a su vez: a. Esta regresin se utiliza con mayor frecuencia en las ciencias econmicas, y sus disciplinas tecnolgicas. Cualquier funcin no lineal, es linealizada para su estudio y efectos prcticos en las ciencias econmicas, modelos no lineales y lineales multiecuacionales. Objetivo: Se utiliza la regresin lineal simple para: 1.- Determinar la relacin de dependencia que tiene una variable respecto a otra. 2.- Ajustar la distribucin de frecuencias de una lnea, es decir, determinar la forma de la lnea de regresin. 3.- Predecir un dato desconocido de una variable partiendo de los datos conocidos de otra variable. Por ejemplo: Podra ser una regresin de tipo lineal: En una empresa de servicio de Internet busca relacionar las ganancias que obtiene cada computadora con el numero de usuarios que ingresan a dicha cabina diariamente. En la tabla representa Y (Ganancias S/.) e X (Numero de usuarios)
Y 100 98 99 102 102 111 97 104 102 96 X 116 96 110 105 99 106 100 109 98 108

Coeficiente de Regresin Indica el nmero de unidades en que se modifica la variable dependiente "Y" por efecto del cambio de la variable independiente "X" o viceversa en una unidad de medida.

Clases de coeficiente de Regresin: El coeficiente de regresin puede ser: Positivo, Negativo y Nulo. Es positivo cuando las variaciones de la variable independiente X son directamente proporcionales a las variaciones de la variable dependiente "Y" Es negativo, cuando las variaciones de la variable independiente "X" son inversamente proporcionales a las variaciones de las variables dependientes "Y" Es nulo o cero, cuando entre las variables dependientes "Y" e independientes "X" no existen relacin alguna.

Procedimiento para hallar el Coeficiente de Regresin Para determinar el valor del coeficiente de regresin de una manera fcil y exacta es utilizando el mtodo de los Mnimos Cuadrados de dos maneras:

1.- Forma Directa De la ecuacin de la recta:

Si

, se obtienen a partir de las ecuaciones normales:

Aplicando normales Y sobre X tenemos:

El Coeficiente de Regresin es

De la misma manera la recta de regresin de "X" sobre "Y" ser dada de la siguiente manera:

Donde:

se obtienen a partir de las ecuaciones normales:

Aplicando normales X sobre Y tenemos:

2.- Forma Indirecta del Mtodo de los Mnimos Cuadrados. El fundamento de este mtodo es de las desviaciones de X respecto a su media aritmtica. X

Ecuacin de y sobre x Ecuacin de y sobre x Donde:

x, y = desviaciones X = media aritmtica Y = media aritmtica b. Regresin Simple: Este tipo se presenta cuando una variable independiente ejerce influencia sobre otra variable dependiente. Ejemplo: Y = f(x) c. Regresin Mltiple: Este tipo se presenta cuando dos o ms variables independientes influyen sobre una variable dependiente. Ejemplo: Y = f(x, w, z). Por ejemplo: Podra ser una regresin de tipo mltiple: Una Empresa de desarrollo de software establece relacionar sus Ventas en funcin del numero de pedidos de los tipos de software que desarrolla (Sistemas, Educativos y Automatizaciones Empresariales), para atender 10 proyectos en el presente ao. En la Tabla representa Y (Ventas miles de S/.) e X (N pedidos de sistemas), W (N de pedidos de Aplicaciones Educativas) y Z (N de pedidos de Automatizaciones empresariales).
Y 440 455 470 510 506 480 460 500 490 450 X 50 40 35 45 51 55 53 48 38 44

W 105 140 110 130 125 115 100 103 118 98 Z 75 68 70 64 67 72 70 73 69 74

Objetivo: Se presentara primero el anlisis de regresin mltiple al desarrollar y explicar el uso de la ecuacin de regresin mltiple, as como el error estndar mltiple de estimacin. Despus se medir la fuerza de la relacin entre las variables independientes, utilizando los coeficientes mltiples de determinacin. Anlisis de Regresin Mltiple Dispone de una ecuacin con dos variables independientes adicionales:

Se puede ampliar para cualquier nmero "m" de variables independientes:

Para poder resolver y obtener y en una ecuacin de regresin mltiple el clculo se presenta muy tediosa porque se tiene atender 3 ecuaciones que se generan por el mtodo de mnimo de cuadrados:

Para poder resolver se puede utilizar programas informticos como AD+, SPSS y Minitab y Excel. El error estndar de la regresin mltiple Es una medida de dispersin la estimacin se hace ms precisa conforme el grado de dispersin alrededor del plano de regresin se hace mas pequeo. Para medirla se utiliza la formula:

Y : Valores observados en la muestra : Valores estimados a partir a partir de la ecuacin de regresin

n : Nmero de datos m : Nmero de variables independientes El coeficiente de determinacin mltiple Mide la tasa porcentual de los cambios de Y que pueden ser explicados por , y simultneamente.

III.- APLICACION DE REGRESION MULTIPLE Mediante el siguiente problema podremos ilustrar la aplicacin de Regresin Multiple: En la Facultad de Ingeniera de Sistemas y Computo de la Universidad "Inca Garcilaso de la Vega" se quiere entender los factores de aprendizaje de los alumnos que cursan la asignatura de PHP, para lo cual se escoge al azar una muestra de 15 alumnos y ellos registran notas promedios en las asignaturas de Algoritmos, Base de Datos y Programacin como se muestran en el siguiente cuadro.
Alumno 1 2 3 PHP 13 13 13 Algoritmos 15 14 16 Base de Datos Programacin 15 13 13 13 12 14

4 5 6 7

15 16 15 12

20 18 16 13

14 18 17 15

16 17 15 11

8 9 10 11

13 13 13 11

16 15 14 12

14 14 13 12

15 13 10 10

12 13 14 15

14 15 15 15

16 17 19 13

11 16 14 15

14 15 16 10

Lo que buscamos es construir un modelo para determinar la dependencia que exista de aprendizaje reflejada en las notas de la asignatura de PHP, conociendo las notas de las asignaturas Algoritmos, Base de Datos y Programacin. Se presentara la siguiente ecuacin a resolver:

Utilizando las formulas de las ecuaciones normales a los datos obtendremos los coeficientes de regresin o utilizando Regresin de Anlisis de datos, en la Hoja de Calculo de Excel podemos calcular tambin los coeficientes de regresin:

Por lo tanto podemos construir la ecuacin de regresin que buscamos:

El Error Estndar de Regresin Mltiple Mediante esta medida de dispersin se hace ms preciso el grado de dispersin alrededor del plano de regresin, se hace ms pequeo. Para calcularla se utiliza la formula siguiente:

En los resultados de Excel se llama error tpico y para explicar la relacin del aprendizaje de PHP que se viene desarrollando es de 0.861

El coeficiente de determinacin mltiple (r2) Utilizaremos para determinar la tasa porcentual de Y para ser explicados las variables mltiples, utilizando la si siguiente formula:

IV.- CONCLUSIONES El 69.70% del aprendizaje del Curso de PHP puede ser explicado mediante las notas obtenidas por las asignaturas de Algoritmos, Base de Datos y Programacin.