UNIVERSIDAD DE EL SALVADOR FACULTAD DE INGENIERA Y ARQUITECTURA ESCUELA DE INGENIERA INDUSTRIAL ANLISIS FINANCIERO

PRONOSTICOS (Regresio n Mu ltiple)

Catedrtico: Ing. Mauricio Antonio Gonzles Berrios Grupo de Discusin: 1

Integrantes: Alvarado Guardado, Blanca Roxana Flamenco Montenegro, Ricardo Armando Orellana Rosales, Francisco Jos Prez De Len, Salvador Emmanuel Zavala Najarro, Mayra Elizabeth AG01017 FM06030 OR07002 PD07001 ZN07001

Ciudad Universitaria, 25 de Octubre del 2012

Pronsticos (Regresin Mltiple)

INDICE
Contenido INTRODUCCION ................................................................................................................................................. 2 OBJETIVOS ............................................................................................................................................................ 3 Objetivo General ............................................................................................................................................ 3 MARCO DE DESARROLLO.............................................................................................................................. 4 Problema Central .......................................................................................................................................... 4 Factores que inciden en el problema .................................................................................................. 4 Hechos Relevantes ....................................................................................................................................... 4 DESARROLLO DE LA SOLUCIN............................................................................................................ 5 Pregunta 1.................................................................................................................................................... 5 Pregunta 2: .................................................................................................................................................. 7 CONCLUSIONES .................................................................................................................................................. 8 ANEXOS .................................................................................................................................................................. 9

1|P gin a

Pronsticos (Regresin Mltiple)

INTRODUCCION
En muchas situaciones de la vida nos podemos encontrar con problemas donde se deba de tomar una decisin ya sea invertir en un nuevo negocio, producir un nuevo producto o formar un equipo ganador. Todas estas circunstancias normalmente involucran mas de una variable, donde siempre nos encontraremos una variable dependiente (es la variable que definir nuestro objetivo principal) y una o ms variables independientes, normalmente estas variables tienen poca o mucha relacin entre ellas, ser nuestro deber lograr definir que variables son las ms adecuadas para cada caso en estudio. El anlisis de regresin mltiple es una tcnica basada en la estadstica donde por medio de variables independientes se lograra encontrar los valores de la dependiente, para lograr una mejor visin de esta tendencia se auxiliar de la grfica de dispersin de regresin donde nos brindara como el valor de las independientes afecta o altera el valor de la dependiente. En este trabajo se resolvi el problema de Cindy ella deba de elegir los parmetros para establecer un equipo ganador usando las estadsticas que se encuentran en Sporting New 1992 Baseball yearbook, se us MiniTab como herramienta para establecer la ecuacin de regresin y generar la grfica de regresin para poder observar de mejor manera la distribucin.

2|P gin a

Pronsticos (Regresin Mltiple)

OBJETIVOS
Objetivo General Resolver problemas con anlisis de regresin mltiple donde se deba de tomar decisiones que involucre ms de dos variables independientes. Objetivo Especfico

Comprender cuales son las variables mas adecuadas para el anlisis de regresin mltiple por medio de una matriz de regresin Analizar la grficas obtenidas despus de definir las variables mas importantes en el anlisis del problema. Aprender el funcionamiento de MiniTab, ya que es una herramienta til para solucionar problemas estadsticos.

3|P gin a

Pronsticos (Regresin Mltiple) MARCO DE DESARROLLO

Problema Central Cindy Lawson acaba de comprar un equipo de bisbol de las grandes ligas ha recibido consejos sobre lo que debe de hacer para crear un equipo ganador, Cindy le pide a usted estudiar el problema y escribirle un reporte. Usted decide usar el anlisis de regresin mltiple para determinar cuales son las estadsticas importantes para desarrollar un equipo ganador (medido por el nmero de juegos ganados durante la temporada de 1991) .Usted rene las siguientes estadsticas del Sporting news 1992 Baseball year-book como se muestra en la tabla P.16 y corre un programa de regresin por pasos 1. discuta la importancia de cada variable 2. Qu ecuacin debe utilizar Cindy para predecir las victorias? 3. escriba un reporte para Cindy Informacin Adicional: Libro: Pronstico en los negocios autor: John E. Hanke Captulo 7 Ejercicio 16 Pgina 308 Tema: anlisis de regresin mltiple Factores que inciden en el problema Uno de los principales factores es que Cindy no conoce como determinar un equipo ganador por lo que deber hacer un anlisis previo de todas las estadsticas que se disponen para as hacer una mejor decisin. Determinar que variables son las mas importantes para lograr solucionar el problema, ya que al analizar el Sporting New 1992 Baseball yearbook, este almanaque nos brinda diferente valores estadsticos pero no todos nos ayudara para darle solucin al problema planteado.

Hechos Relevantes
La siguiente tabla fue tomada de Sporting News Baseball Yearbook del ao 1991, el cual muestra los datos de las variables cuales utilizaremos en la ejecucin de este mtodo.

4|P gin a

Pronsticos (Regresin Mltiple)

DESARROLLO DE LA SOLUCIN Pregunta 1 Significado de cada variable segn el orden de la tabla

Victorias: Nmero de veces que un equipo de beisbol a ganado un juego ERA: (Earned Run Average; en espaol: promedio de carreras ganadas) es el promedio de carreras limpias abandona un lanzador por cada nueve entradas lanzadas . Se calcula dividiendo el nmero de carreras limpias permitidas por el nmero de entradas lanzadas y multiplicando por nueve. Se ejecuta como resultado de errores defensivos (incluidos los errores defensivos de los lanzadores) se registran como carreras sucias y no se utilizan para determinar la efectividad. SO: Ponches (Stroke Outs) nmero de veces que se han ponchado a un jugador.
5|P gin a

Pronsticos (Regresin Mltiple)

BA: El promedio o porcentaje de bateo (en ingls batting average, abreviado BA o AVG) es la estadstica en bisbol que representa la razn entre la cantidad de hits y el nmero de turnos al bate. La frmula para esta estadstica es AVG = H/AB, donde H=hits y AB=turnos al bate. La estadstica es representada en s no como un promedio, sino como un nmero decimal que representa la fraccin formada por la frmula de la estadstica. Si este nmero decimal se multiplica por 100, entonces la estadstica sera representada en forma de porcentaje, aunque es muy poco comn verla de esta forma. CARRERAS: vueltas terminadas en el diamante por cada jugador, estas pueden ser por un home run o por bateo de otros jugadores. HR: home run, es cuando un jugador batea y lanza la bola lejos del estadio (normalmente a las graderas) y logra hacer una carrera limpia sin el peligro que otro jugador lo saque. SB: base robada (stolen base) ocurre con mayor frecuencia cuando un corredor con xito avanza a la siguiente base, mientras que el lanzador est entregando la pelota al plato . En las estadsticas de bisbol , bases robadas se indican mediante " SB. si la defensa no hace ningn intento para poner el corredor fuera (por ejemplo si el receptor no tiene ni siquiera mirar a su manera) el juego se punta de la indiferencia defensiva (tambin llamado indiferencia del cuadro), y no se acredita base robada al corredor.

Como se da nota al ver las explicaciones de cada variable involucrada el hecho de ganar un juego no slo es relevante el hecho de que los jugadores anoten la mayor cantidad de carreras, sino que tambin estn involucradas otros factores como robar bases (anotar carreras sin necesidad de batear), el tiempo que estn con el bate, cada una de las variables nos brinda informacin muy valiosa en donde nosotros vamos a tener que analizar cuales son las ms importantes para que un equipo gane los juegos y as logre estar entre las mejores estadsticas Para nuestro anlisis se tomo como variable dependiente las victorias, ya que con eso lograremos establecer un equipo ganador. Y las variables independientes son las home run (HR), promedio de carreras ganadas (ERA), porcentaje de bateo (BA) y bases robadas (SB) ya que estas son las que ms inciden al momento que un equipo gana juegos, adems estas variables no tienen mucha relacin con las otras por lo que son las mejores; esto se puede notar con mejor claridad al momento de ver la matriz de dispersin

6|P gin a

Pronsticos (Regresin Mltiple)

Pregunta 2:

Para este problema la Ecuacin de Regresin Generada por este mtodo es la siguiente: Ecuacin de Regresin:

Victorias = - 4.8 - 31.7 BA + 0.148 Carreras - 0.117 HR + 0.0538 SB

Donde Victorias es la variable dependiente dentro de esta ecuacin, incluso se puede estimar el valor de esta variable por medio de dar valores a las siguientes variables independientes: BA: Porcentaje de bateado Carrera: Vueltas terminadas en el diamante por jugador HR: Home Run SB: Base Robada.

Cada variables est acompaada por un coeficiente los cuales cada uno representa un

porcentaje de las carreras que maneja, si es positivo aumento, si es negativo disminuy

7|P gin a

Pronsticos (Regresin Mltiple)

CONCLUSIONES

El anlisis de regresin mltiple es una tcnica muy efectiva dado que nos permite encontrar valores reales, cuando estn involucradas ms de dos variables independientes.

MiniTab es una herramienta muy til al momento de realizar los clculos estadsticos, pero tiene inconvenientes ya que el usuario debe de estar consciente del uso y/o utilidad de cada elemento de la herramienta

8|P gin a

Pronsticos (Regresin Mltiple) ANEXOS

PASOS PARA LA SOLUCION Cuando queremos dar solucin a cualquier problema que se presente siempre aparecern algunas variables las cuales indican las incgnitas del problema a resolver. Para el caso que se nos presenta contamos con dos tipos de variables una dependiente y otra independiente y para encontrar la solucin a estas variables nos apoyamos del mtodo de regresin mltiple. El mtodo es utilizado cuando tenemos una serie de variables entre ellas dependientes e independientes. La manera de resolver nuestro problema fue apoyndonos de una herramienta llamada MiniTab la cual nos ayuda a resolver problemas de multivariables. Como primer paso lo que se hace es abrir MiniTab previamente instalado y nos aparecer una ventana muy semejante a las hojas de calculo de Excel con la diferencia que esta ventana tiene dos reas de trabajo tal como se muestra en la figura a continuacin.

Esta ventana al contener dos reas de trabajo nos facilita el observar los resultados que podemos obtener. El rea de trabajo inferior la cual es similar a la hoja de calculo de Excel es en la cual ingresamos todos los datos de nuestras variables tal como se muestra en la siguiente imagen.

9|P gin a

Pronsticos (Regresin Mltiple)

Hacer la matriz de correlacin Despus de ingresar los datos nos interesa conocer los resultados a travs de la matriz de regresin para ello seleccionamos de la barra de tareas la opcin de Star-basica-correlacion tal como se muestra en la siguiente imagen.

10 | P g i n a

Pronsticos (Regresin Mltiple)

Despus obtenemos la matriz de correlacin la cual es usada para determinar la correlacin entre la variable dependiente, en este caso las victorias, y las variables independientes. Esto nos ayuda a determinar las variables independientes que realmente son relevantes para determinar la ecuacin de regresin y su representacin de la varianza. Esto lo se puede lograr siguiendo dos criterios: El primero que la variable dependiente debe de ser de gran correlacin con la variable independiente, es decir que sea grande y positivo, por ejemplo victorias y carreras. Y segundo que la variable independiente debe ser pobremente correlacionada con las otras variables independientes relevantes, es decir bajo y negativo, con esto se evita la colinelidad por ejemplo carreras y sb. Bajo este criterio se establece que las variables relevantes para el anlisis de regresin son: ba, carreras, hr, sb Correlaciones: Victorias, ERA, SO, BA, Carreras, HR, SB
ERA SO BA Carreras HR SB Victorias -0.494 0.049 0.112 0.627 0.209 0.190 ERA -0.393 0.252 0.279 0.490 -0.404 SO BA Carreras HR

-0.444 -0.209 -0.215 -0.062

0.482 0.161 -0.114

0.664 -0.162

-0.305

Contenido de la celda: Correlacin de Pearson

Luego de la matriz encontramos el anlisis de regresin que nos brinda siempre MiniTab Anlisis de regresin: Victorias vs. BA, Carreras, HR, SB
La ecuacin de regresin es Victorias = - 4.8 - 31.7 BA + 0.148 Carreras - 0.117 HR + 0.0538 SB
Predictor Constante BA Carreras HR SB Coef -4.76 -31.67 0.14825 -0.11712 0.05384 SE Coef 15.68 16.39 0.03004 0.06062 0.03769 T -0.30 -1.93 4.94 -1.93 1.43 P 0.765 0.067 0.000 0.067 0.168

S = 6.74680

R-cuad. = 59.5%

R-cuad.(ajustado) = 51.7%

A continuacin se presentan las graficas de dispersin de las variables utilizadas en nuestro anlisis.

11 | P g i n a

Pronsticos (Regresin Mltiple)

Grafica de dispersin y curva de aproximacin de las variables.

Despus de obtener las graficas que tambin se hacen a travs de la herramienta MiniTab presentamos el clculo de la varianza.

Anlisis de varianza
Fuente Regresin Error residual Total GL 4 21 25 SC 1401.94 955.90 2357.85 MC 350.49 45.52 F 7.70 P 0.001

Fuente BA Carreras HR SB

GL 1 1 1 1

SC Sec. 29.52 1007.78 271.77 92.87

Obs 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

BA 0.246 0.244 0.253 0.258 0.263 0.255 0.241 0.244 0.253 0.246 0.258 0.244 0.269 0.262 0.256 0.470 0.254 0.710 0.254 0.257 0.255 0.270 0.248

Victorias 75.00 77.00 77.00 74.00 98.00 84.00 78.00 65.00 93.00 71.00 94.00 84.00 84.00 87.00 71.00 84.00 67.00 83.00 57.00 91.00 83.00 85.00 84.00

Ajuste 72.27 76.93 78.27 76.69 92.69 86.59 72.82 74.69 79.95 74.06 90.48 73.07 83.52 90.26 75.71 82.87 71.68 83.33 67.86 80.90 81.71 94.36 89.57

EE de ajuste 2.28 2.07 2.20 2.56 2.78 3.84 2.25 2.61 1.65 4.45 2.58 2.00 3.11 2.20 1.95 4.39 3.42 6.29 3.46 1.79 1.78 3.28 2.59

Residuo 2.73 0.07 -1.27 -2.69 5.31 -2.59 5.18 -9.69 13.05 -3.06 3.52 10.93 0.48 -3.26 -4.71 1.13 -4.68 -0.33 -10.86 10.10 1.29 -9.36 -5.57

Residuo estndar 0.43 0.01 -0.20 -0.43 0.86 -0.47 0.81 -1.56 1.99 -0.60 0.56 1.70 0.08 -0.51 -0.73 0.22 -0.80 -0.14 X -1.87 1.55 0.20 -1.59 -0.89

12 | P g i n a

Pronsticos (Regresin Mltiple)

24 25 26 0.264 0.255 0.280 82.00 81.00 95.00 87.37 75.57 90.78 2.15 1.95 2.48 -5.37 5.43 4.22 -0.84 0.84 0.67

X denota una observacin cuyo valor X le concede gran apalancamiento.

En base a todos los clculos realizamos el anlisis de regresin con dichas variables, y as obtenemos la ecuacin de regresin
Victorias = - 4.8 - 31.7 BA + 0.148 Carreras - 0.117 HR + 0.0538 SB

13 | P g i n a