Regresión Lineal Múltiple en Excel - Ecuación Lineal y Casos Prácticos
Вставка
- Опубліковано 3 жов 2024
- Emplear un modelo de regresión lineal múltiple nos permite predecir el comportamiento de una variable dependiente (Y) a partir de variables independientes (X1, X2, X3, ..., Xk), las cuales reciben el nombre de predictoras.
Acompáñame a estimar el rendimiento en gasto de combustible en millas/galón de vehículos pertenecientes a la empresa LuCars, partiendo del peso en miles de lbs y una velocidad constante en millas/hora (mph).
Recuerda que, la realización de casos prácticos, favorece idóneamente al ámbito de aprendizaje.
Espero la inducción al modelo resulte de vuestro agrado.
¡Gracias por el apoyo!
Profesor, muchas gracias¡ bien explicado, muy práctico¡
Gracias por la explicación la verdad me gustó tu forma de explicar te deseo lo mejor crack que sigas mejorando!!!
Muy buena explicación, fácil y concisa, sigue así adelante!!
Me encanto como explicas las clases, ni cuando estuve en la universidad le entendí al docente, como lo entiendo contigo, ahora estoy volviendo a estudiar por que me desenvuelvo en el área de Logística... la unica sugerencia que pido es que facilites los archivos y las formulas hagas una breve reseña de donde salen
Un placer el poder inducir de manera amena, sugerencia tomada en cuenta, saludos !
Gracias por el video, muy buena explicación
Excelente explicación muy clara y concisa
Muchas gracias, muy buena explicación.
Eres el mejor, no puedo creerlo, te amo
Excelente explicación felicitaciones!!
Gracias por la explicación 10/10 :)
Excelente video!, muy buena explicacion, entendi todo super bien!, podria tambien hacer un video respecto a DOE y ANOVA?, Muchisimas gracias!
Me suscribo sin pensarlo, que gran representación.
Muy buena explicación, felicidades
Excelente explicación
Felicitaciones muchas gracias por tu valiosos aporte. Sol una consideración antes de emplear el ANOVA se debe evaluar si los datos tiene distribución normal para asegurar que es una prueba paramétrica como el ANOVA.Saludos desde mi tierra INCA.
Lo manifestado representa una benéfica aportación, agradezco la compartas. Saludos.
Muy buena explicación sólo considerar en los datos de milla / galón el valor de 20 y 19.28 deberían ser un valor menor que al anterior dado que a mayor velocidad (mph) menor debería ser el rendimiento como el caso cuando el vehículo tiene un peso de 2.29 (miles lbs). Gracias por compartir tu video.
Excelente aportación, seguro será de apoyo en entornos de análisis. Saludos
Excelente video
Muchas gracias
Muy excelente todo
OK Gracias. Perfecta la explicación. Solo comentar que cuando tenemos dos variables como en este caso, la ecuación y=y(x1,x2) es un PLANO de regresión, no una recta y cuando tenemos mas un HIPERPLANO.
Buen día, agradezco su ameno aporte y lo tomo a grata consideración, saludos!
@@jesusramirez3734 y como haces un grafica de dispersion multiple
Excelente. 😊
wow, muy bien explicado, solo una duda, en un ejercicio de regresion lineal cuento con 1 variable dependiente y 4 variables indepedientes, se identifica que 2 de las variables independientes ofrecen datos redundates, ya que al momento de realizar la regresion lineal cuentan con una probabilidad mayor a 0.05, por lo cual se intuye a eliminar, al momento de eliminar una de estas variables el R2 ajustado aumenta y junto a ello tambien F, pero al momento de eliminar ambas variables redundantes el R2 es menor que cuando se elimina uno solo, pero el valor de F aumenta, en este caso que regresion lineal utilizariamos considerariamos para realizar nuestra ecuacuion de regresion lineal
Muchas gracias, en caso de la formula me pida incluir los "efectos debidos a factores no controlados", ¿cómo se podrá integrar?
gracias
Praderaaaaa :)
Excelente video amigo, ya me suscribí, este tipo de análisis se puede aplicar para el caso de la lluvia o precipitación que depende varios factores como la altitud, el declive, la continentalidad?, quiero aplicarlo para un mapa de interpolación en una cuenca hidrográfica.
Buen día, en efecto, es aplicable siempre y cuando sus variables predictoras influyan en su variable dependiente, relacionando su caso con la representación, tomaríamos la lluvia / precipitación como Y, y las variables independientes / predictoras de altitud, declive y continentalidad como X1, X2 y X3. El proceso de obtención consta de ser similar, solo existiría diferencia alguna en el número de predictoras con respecto a lo ilustrado en el video.
Quedo al pendiente de respuesta, saludos y gracias por el apoyo !
@@jesusramirez3734 Perfecto, voy a hacer unas pruebas si quiero meter por ejemplo los meses en qué más llueve y menos lo hace tendría validez, tengo la precipitación media por mes y hay claramente una temporada de lluvia que es de mayo a octubre y de noviembre al mes de abril lo hace menos, pienso máximo meter 4 variables independientes, que son las que más relación tienen, me emociona mucho este tema, para la temperatura ya se que se aplica la regresión lineal simplemente ya que la temperatura disminuye con la altura al nivel del mar, soy de la CDMX
@@jesusramirez3734 Pienso en pendientes, índice de continentalidad, meses del año y altitud como variables X
Muy buen video amigo, crees que me pudieras proporcionar el documento de alguna manera?, nuevo sub
Una Observación: Para que la ecuación se ajuste mejor debe considerar o agregar más decimales a las constantes bo, b1 y b2, o también en caso de colocar con dos cifras significativas, redondear los valores quedando así la ecuación “ Z=28.22-1.04X-0.14Y “
muy bueno..saluditos...!!!
Muchas gracias, muy útil la explicación