Regresion Lineal
Regresion Lineal
Regresion Lineal
INGENIERA DE LA CALIDAD
La regresin y la correlacin son dos herramientas estadsticas mas poderosas y verstiles que se pueden emplear para solucionar problemas comunes en los negocios. En los casos donde hay tanto variables de entradas como variables de salidas y necesitamos verificar que exista o no relacin entre las dos, se requiere herramientas de correlacin y regresin. La correlacin es el grado de asociacin lineal entre dos variables y es denotada regularmente por r y en un rango de 1 a + 1. Si tenemos, r = +1, significa una correlacin positiva perfecta, Si r = 1, existe una correlacin perfectamente negativa y, Si r = 0, no existe correlacin. Una correlacin positiva significa que la variable de entrada (o variable independiente) incrementa un valor mientras que la variable de salida o respuesta (o variable dependiente) tambin incrementa su valor. 3
Ejemplos de investigaciones en las que puede ser adecuado utilizar el modelo de regresin simple.
Variable dependiente: estrs laboral Variable independiente: tipo de turno: fijo o variable
Se pretende estudiar si los ingresos en las ventas dependen de los gastos en publicidad Variable dependiente: Ingresos en las Ventas Variable independiente: Gastos en Publicidad
La correlacin y la regresin son utilizadas en varios mtodos de negocio. Por ejemplo en un proyecto de Seis Sigma, es importante determinar cul de las entradas tiene un impacto significativo en las salida. Necesitamos conocer esta relacin, de manera que las entradas significativas pueden ser controladas y los procesos de salidas puedes ser predichos.
Como ejemplo, supongamos la siguiente situacin: La Gerencia de Aeromxico, considera que existe una relacin directa entre los gastos publicitarios y el nmero de pasajeros que escogen viajar por Aeromxico. Para determinar si esta relacin existe, los estadsticos empleados por Aeromxico, decidieron emplear el mtodo de los mnimos cuadrados para determinar el modelo de regresin lineal. Para ello, se recolectaron los valores mensuales por gastos de publicidad y nmero de pasajeros para los 15 meses recientes, estos datos aparecen en la siguiente tabla: 6
INGENIERA DE LA CALIDAD Ejemplo Observacin Publicidad Pasajeros (mes) (US$1 000's) (1 000's) (X) (Y) 1 10 15 2 12 17 3 8 13 4 17 23 5 10 16 6 15 21 7 10 14 8 14 20 9 19 24 10 10 17 11 11 16 12 13 18 13 16 23 14 10 15 15 12 16
7
INGENIERA DE LA CALIDAD Ejemplo Observacin Publicidad Pasajeros (mes) (US$1 000's) (1 000's) XY X2 Y2 (X) (Y) 1 10 15 150 100 225 2 12 17 204 144 289 3 8 13 104 64 169 4 17 23 391 289 529 5 10 16 160 100 256 6 15 21 315 225 441 7 10 14 140 100 196 8 14 20 280 196 400 9 19 24 456 361 576 10 10 17 170 100 289 11 11 16 176 121 256 12 13 18 234 169 324 13 16 23 368 256 529 14 10 15 150 100 225 15 12 16 192 144 256 Sumatorias 187 268 3,490 2,469 4,960 Promedios 12.47 17.87
Para determinar el Modelo de Regresin Lineal, utilizaremos las siguiente formulas: La suma de los cuadrados de XY:
=
= 0 + 1
La pendiente de la recta de regresin:
1 = 2
El intercepto de la recta de regresin:
0 = + 1
Lo anterior significa, que si se gastan US$10 000, en publicidad, el modelo predice que 15 200 personas decidirn volar por Aeromxico
Grfica de Regresin Lineal Pasajeros = 4.386 + 1.081 Publicidad
26 24 22 Pasajeros 20 18 16 14 12 10 6 8 10 12 14 16 18 20 Publicidad (Y)
Bibliografa
Windsor S. (2007). Six Sigma Transaccional para cintas verdes Primera Edicin. Editorial PANORAMA Webster A. (2000). Estadstica Aplicada a los Negocios y la Economa Tercera Edicin. Editorial Mc Graw-Hill
12