Probabilidad y Estadística

Alumno: Casarrubias Morales Antonio Tadeo.[pic 1][pic 2]

N° de Control: 21253554.

Profesor: Zúñiga Ramírez Oscar Ismael.

Materia: Probabilidad y Estadística.

Carrera: Ingeniería en Tecnologías de la Información y Comunicaciones.

Fecha de Entrega: 11/05/22

Indice.

Introducción…………………………………………………………Pag 1.

Análisis de regresión lineal simple……………………………………Pag 2.

Modelo de regresión lineal simple……………………………………Pag 2.

Modelo de regresión y ecuación de regresión…………………………Pag 3.

Graficas de la ecuación de regresión lineal……………………………Pag 3 y 4.

Ecuación de regresión estimada y su grafica…………………………Pag 4 y 5.

Metodo Mínimos de Cuadrados……………………………………...Pag 5 y 6.

Pendiente e Intersección con el eje y de la ecuación de regresión estimada……Pag 6.

Conclusión………………………………………………………………………Pag 7.

Bibliografía…………………………………………………………………Pag 8.

Introducción.

En este resumen veremos como es que diferentes conceptos de probabilidad son aplicados en la administración, para que cada uno de estos sean y ayuden a entender diversas variables, junto con las formas de sumas numeros enormes y como es que esto ayuda a las empresas para un mejor funcionamiento, los temas son útiles para situaciones donde tendremos que dividir ciertos conjuntos de cosas, mientras que sean numeros enormes o conjuntos que casi no se encuentra la división de estos pero con la ayuda de estos conceptos y como se desarrollan nos ayudaran en algunos ejercicios que tambien veremos aquí.

Para poder empezar este tema, lo más importante que tenemos que saber es que se ocupa en la administración, la cual se suele basar en la relación entre dos o más variables, como la relación entre el gasto en publicidad y las ventas correspondientes a un determinado gasto en publicidad, estos directivos se suelen apoyar en la intuición para juzgar la relación entre dos variables, pero es posible tener datos y puede emplearse un procedimiento estadístico llamado análisis de regresión para una ecuación que indique la relación entre variables, donde la variable que se va a predecir se llama variable dependiente, pero para las variables que se usan para predecir el valor de la variable dependiente se les llama variables independientes, esta última se suele ocupar para analizar el efecto de los gastos en publicidad sobre las ventas, como lo que busca el gerente de mercadotecnia que predice las ventas, donde indica que las ventas serán la variable dependiente. Solemos estudiar el análisis de regresión en el que intervienen una variable independiente y una variable dependiente, junto con la relación entre estas variables mediante una línea recta, a esto se le suele conocer como regresión lineal simple, al igual tenemos una, pero no solemos ocuparla mucho en este tema es el análisis de regresión en el que intervienen dos o más variables independientes y se le llama análisis de regresión múltiple.

Después tendremos el modelo de regresión lineal simple, para entender este tema tendremos un ejemplo que nos dice:

Armand’s Pizza Parlors cadena de restaurantes de comida italiana. Sus mejores ubicaciones son los campus de las universidades. Los gerentes creen que las ventas trimestrales de estos restaurantes (se detona por ), están relacionadas con el tamaño de la población estudiantil (se detona por ), los restaurantes que están cerca de campus que tienen una población estudiantil grande se generan más ventas que en los restaurantes situados cerca de campus con una población estudiantil pequeña. Empleando el análisis de regresión, se puede obtener una ecuación que muestre cuál es la relación entre la variable dependiente  y la variable dependiente .[pic 3][pic 4][pic 5][pic 6]

Aquí suele entrar nuestro primer subtema, el cual cuenta con una gráfica y con una formula, este método se llama modelo de regresión y ecuación de regresión, aquí igual continuamos con el ejemplo anterior, donde la población consta de todos los restaurantes Armand. Para cada restaurante de la población, hay un valor x (población estudiantil) y un

correspondiente valor y (ventas trimestrales). A la ecuación con que se describe cómo se relaciona  con  y en la que se da un término para el error, se llama modelo de regresión y su fórmula quedara como:[pic 7][pic 8]

[pic 9]

 y   se conocen como los parámetros del modelo, mientras que  es una variable aleatoria que se conoce como término del error. El término da cuenta de la variabilidad de y que no puede ser explicada por la relación lineal entre  y , mientras que la población, puede verse también como una colección de subpoblaciones, una para cada uno de los valores de , un mismo ejemplo del mismo tema seria:[pic 10][pic 11][pic 12][pic 13][pic 14][pic 15]

Una subpoblación formada por todos los campus universitarios de 8000 estudiantes; otra subpoblación consta de todos los restaurantes Armand’s localizados cerca de los campus universitarios de 9000 estudiantes; para cada subpoblación hay una distribución de valores . Tambien tendremos una distribución, de valores  que corresponde a los restaurantes localizados cerca de los campus de 8000 estudiantes; hay otra distribución de valores  que corresponde a los restaurantes ubicados cerca de los campus de 9000 estudiantes, y así sucesivamente. Cada una de estas distribuciones de valores tiene su propia media o valor esperado, donde la ecuación es la relación entre el valor esperado de , que se denota , y  se le llama ecuación de regresión, donde la ecuación será:[pic 16][pic 17][pic 18][pic 19][pic 20][pic 21][pic 22]

...