Administración de Obras de PROYECTO Y CONTROL DE AVANCE DE OBRA
Construcción Civil
3er Ciclo INFORME DE SEGUIMIENTO EN PROYECTOS
DOCENTE
JERI DE PINHO CARLOS JESUS
Alumnos
Ccopa Peralta, William Josué
Huarancca Huaman, Luis Alberto
Yabar Anchapuri, Hugo Percy
Noviembre
2022
ESTADISTICA II. REGRESION LINEAL
El modelo de pronóstico de regresión lineal permite hallar el valor esperado
de una variable aleatoria a cuando b toma un valor específico. La
aplicación de este método implica un supuesto de linealidad cuando la
demanda presenta un comportamiento creciente o decreciente, por tal razón, se
hace indispensable que previo a la selección de este método exista un análisis
de regresión que determine la intensidad de las relaciones entre las variables
que componen el modelo.
El objetivo de un análisis de regresión es determinar la relación que existe entre una
variable dependiente y una o más variables independientes. Para poder realizar esta
relación, se debe postular una relación funcional entre las variables. Cuando se trata de
una variable independiente, la forma funcional que más se utiliza en la práctica es la
relación lineal. El análisis de regresión entonces determina la intensidad entre las
variables a través de coeficientes de correlación y determinación.
ESTADISTICA II. REGRESION LINEAL
Coeficiente de correlación [r]
El coeficiente de correlación, comúnmente identificado como r o R , es una medida de
asociación entre las variables aleatorias X y Y, cuyo valor varía entre -1 y +1.
El cálculo del coeficiente de correlación se efectúa de la siguiente manera:
Dónde t hace referencia a la variable tiempo y x a la variable demanda.
ESTADISTICA II. REGRESION LINEAL
Cuando “r” es negativo, ello significa que una variable (ya sea “x” o “y”) tiende a decrecer cuando la
otra aumenta (se trata entonces de una “correlación negativa”, correspondiente a un valor
negativo de “b” en el análisis de regresión). Cuando “r” es positivo, en cambio, esto significa que una
variable se incrementa al hacerse mayor la otra (lo cual corresponde a un valor positivo de “b” en el
análisis de regresión).
Los valores de “r” pueden calcularse fácilmente en base a una serie de pares de datos de “x” e “y”,
utilizando la misma table y montos que se indican en el Paso 2 de la sección “regresión” de este
capítulo. De este modo “r” puede ser obtenido - indirectamente - a partir de la relación:
ESTADISTICA II. REGRESION LINEAL
ESTADISTICA II. REGRESION LINEAL
ESTADISTICA II. REGRESION LINEAL
b
6* 212000 55000* 21
6 * 21 441
Luego, y dado que ya tenemos el valor de la pendiente b procedemos a calcular el valor de a, para ello
efectuamos los siguientes cálculos:
ESTADISTICA II. REGRESION LINEAL
Luego, y dado que ya tenemos el valor de la pendiente b procedemos a calcular el valor de a, para ello
efectuamos los siguientes cálculos:
Podemos así determinar que el pronóstico de ventas para el período 7 es equivalente a 13067
unidades.
ESTADISTICA II. REGRESION LINEAL
Ajuste a una línea recta los valores de x e y. Para investigar la relación cuenta con los
siguientes datos:
Xi Yi Xi*Yi Xi2 Yi2
X Y
1 0,5 0,5 1 0,25
1 0,5
2 2,5 2 2,5 5 4 6,25
3 2 3 2 6 9 4
4 4 4 4 16 16 16
5 3,5 5 3,5 17,5 25 12,25
6 6
6 6 36 36 36
7 5,5
7 5,5 38,5 49 30,25
28 24 119,5 140 105
X (prom) = 4
Y (prom) = 3,428571429
b= 0,839285714
a= 0,071428571
y= a+bx
Coef. r = 0,931835613
ESTADISTICA II. REGRESION LINEAL
Una compañía desea hacer predicciones del valor anual de sus ventas totales en cierto país a
partir de la relación de éstas y la renta nacional. Para investigar la relación cuenta con los
siguientes datos:
X Y
189 402
190 404
208 412
227 425
239 429
252 436
257 440
274 447
293 458
308 469
316 469
Encontrar.
1 La recta de regresión de Y sobre X.
2 El coeficiente de correlación lineal e interpretarlo.
3 Si en 2001 la renta nacional del país fue de 325 millones de euros.
¿Cuál será la predicción para las ventas de la compañía en este año?
GRACIAS
