ESTADISTICAS

AMBIENTALES
Regresión Lineal Simple y Múltiple en
Excel
REGRESION 2

LINEAL
Método causal en el que una variable
(conocida como variable dependiente),
esta relacionada con una o mas
variables independientes por medio de
una ecuación lineal.
 VARIABLE Variable que se desea pronosticar, el
comportamiento de la variable 3

DEPENDIENTE dependiente dependerá de las

variables independientes )

EJEMPLO : PRESENCIA DE
ASMA EN UNA PERSONA Y
SU RELACION CON OTRAS
VARIABLES
 Variables que se supone influyen en la variable
VARIABLE dependiente, y por ende, son la “causa” de los
resultados obtenidos en el pasado. No todas las
4

INDEPENDIENTE variables independientes están relacionadas con la

variable dependiente. Veremos esto en la Regresión
Lineal Múltiple.

EJEMPLO : PRESENCIA DE
ASMA EN UNA PERSONA Y
SU RELACION CON OTRAS
VARIABLES
REGRESION Es la regresión que muestra que una
sola variable independiente explica
5

LINEAL el comportamiento de la variable

SIMPLE dependiente.
REGRESION 6

LINEAL Es la regresión que muestra cuando dos o

mas variables independientes explican el
MULTIPLE comportamiento de la variable dependiente.

Veremos que en la práctica, la Regresión

Lineal Múltiple es la mas utilizada, porque la
mayoría de fenómenos son explicados por 1
o más variables.

Por ejemplo, la tensión arterial de una

persona dependerá de su IMC y su
Colesterol.
COEFICIENTE 7

DE Una de las medidas fundamentales para

saber si nuestro modelo de regresión
CORRELACION corresponde a una regresión lineal.

El coeficiente de Correlación es una

medida que indica el nivel de asociación
entre las variables dependiente e
independiente en un modelo de regresión
lineal.
COEFICIENTE DE 8

Es una medida que indica

DETERMINACION porcentualmente el cambio de la
R² variable dependiente respecto a la
independiente.

Es decir, que tanto la variable

independiente explica a la variable
dependiente.
EJERCICIOS
Una empresa requiere saber si
existe una relación confiable entre
las inversiones en publicidad y las
ventas que se obtienen, a fin de
poder estimar las ventas que
recibirán si hacen una inversión en
publicidad de $ 8000 para 11vo
periodo de producción.
10
11
12
 𝑦 = 𝑎 + 𝑏𝑥
13
a = Intersección
b = Pendiente
COEFICIENTE DE DETERMINACION R²

¿Qué significa el 97,93% ( literalmente un 98% )?

Esto significa que los datos se están relacionando muy bien, las
inversiones en publicidad se corresponden muy bien con las ventas
en un 98%.

Las ventas dependen en un 98% de la publicidad.

 14

El objetivo principal de la regresión lineal es establecer una función lineal

que nos permita pronosticar los valores futuros.

¿Es confiable la relación entre Publicidad y las ventas?

Si, las ventas se justifican en un 98% por las inversiones en la publicidad.

¿Estimado de las ventas que se recibirá si se hace una inversión en

publicidad de S/. 8000 para 11vo periodo de producción?
 15

y = 32.81934(x) + 3,116.08397

Por lo tanto el valor pronósticado de las ventas

sera S/.265 671