Look-up in Google Scholar
Title: Elección del mejor modelo entre regresión lineal múltiple y árboles de regresión para predecir el precio máximo de las acciones de Intel en función al precio de apertura y volumen de ventas de acciones por dia - 2019
Advisor(s): Carpio Vargas, Edgar Eloy
OCDE field: https://purl.org/pe-repo/ocde/ford#1.01.03
Issue Date: 3-Mar-2021
Institution: Universidad Nacional del Altiplano. Repositorio Institucional - UNAP
Abstract: La Investigación tuvo como objetivo comparar el Modelo de regresión lineal Múltiple frente al Árbol de regresión, para ello se utilizó las variables Precio máximo de las acciones de Intel en función al Precio de apertura y Volumen de ventas, de acciones por día. El diseño de investigación fue no experimental y de corte transversal el tipo de investigación descriptivo correlacional, en la cual la población estuvo conformada por todas las acciones de la empresa Intel desde su creación y a través del tiempo; se empleó el muestreo no probabilístico por conveniencia, se consideró desde mayo del 2018 hasta octubre del 2019 siendo un total de 410 registros recopilados a partir de la revisión documentaria. Las pruebas estadísticas usadas fueron el Análisis de regresión lineal múltiple y los Árboles de regresión. Los resultados obtenidos fueron; el Modelo de Regresión lineal múltiple con la técnica de eliminación de datos atípicos queda definida por la siguiente ecuación Y=0.02856+1.003X_1+0.000000009405X_2. Alcanzando una prueba F significativa y la bondad de ajuste es bastante alta R^2=0.9979, y un Error Estándar Residual de 0.2257 dólares, El Árbol de regresión establece que la variable para explicar el Precio máximo de acciones es el Precio de apertura, eliminando la variable volumen, el Error Medio Cuadrático es de 1.4480 dólares. Finalmente se concluye que el mejor modelo para predecir el precio máximo de acciones de Intel es el modelo de Regresión Lineal Múltiple con eliminación de puntos Outliers,
Discipline: Ingeniería Estadística e Informática
Grade or title grantor: Universidad Nacional del Altiplano. Facultad de Ingeniería Estadística e Informática
Grade or title: Ingeniero Estadístico e Informático
Juror: Paredes Quispe, Juan Reynaldo; Salas Pilco, Maria Maura; Aleman Gonzales, Leonid
Register date: 2-Mar-2021



This item is licensed under a Creative Commons License Creative Commons