Beruflich Dokumente
Kultur Dokumente
ASPECTOS METODOLGICOS
Poblacin y muestra
La poblacin es el conjunto de todos los elementos de inters en el estudio (efectividad
del control biolgico), en este casolas larvas de Spodoptera Fugiperda (gusano
cogollero). Como se considera muy costoso y poco prctico recolectar informacin de
toda la poblacin estudiada, se decide trabajar con una muestra, que es un subconjunto
de la poblacin. El estudio se baso en la observacin del comportamiento las larvas del
gusano cogollero (Spodopterafrugiperda), de los cuales se utiliz una muestra aleatoria
de 156 sujetos, a quienes les ser aplicado el insecticida de principio activo azairachtin
y el insecticida de principio activo nicotina, en dosis controladas, en condiciones de
laboratorio.
.
Instrumentos/ Materiales:
e) Por edad, un grupo se trat con insecticida de principio activo azairachtin y otro
coninsecticida de principio activo nicotina, en dosis controladas.
Mtodos Estadsticos
El Anlisis de Regresin Mltiple, estudia la relacin de una variable dependiente con
dos o msvariables independientes, a travs del uso de modelos de regresin mltiple.
En la terminologa que se emplea en regresin, a la variable que se va a predecir se le
llama variable dependiente (Y). A las variables que se usan para predecir el valor de la
variable dependiente se les llama variables independientes (X).
El Modelo de regresin mltiple es la Ecuacin matemtica que describe cmo est
relacionada la variabledependiente Y con las variables independientes X 1, X2, . . ., XPy
con el trmino del error .Se supone que el modelo de regresin mltiple toma la forma
siguiente:
y= 0 + 1 X 1+ 2 X 2 ++ p X p +
En donde 0, 1, 2,...,p, son parmetros y el trmino del error es una variable
aleatoria.
Suposiciones sobre el Trmino del Error en el Modelo de Regresin Mltiple
1. El trmino del error es una variable aleatoria cuya media o valor esperado es
cero,es decir, E() = 0.Consecuencia: Para valores dados de x1, x2, . . . , xp, el
valor esperado o valor promediode y est dado por
E ( y )= 0 + 1 X 1 + 2 X 2 ++ p X p
En esta ecuacin, E(y) representa el promedio de todos los valores que puede
tomary para valores dados de x1, x2, . . . , xp.
2. La varianza de se denota 2 y, es la misma para todos los valores de las
variables independientesx1, x2, . . . , xp.Consecuencia: La varianza de y respecto
a la lnea de regresin es 2 y es la misma para todos los valores de x1, x2, . . . ,
xp.
Grados de
Suma de
Promedio de los
libertad
p
cuadrados
SCR
cuadrados
Regresi
n
Residuos
n-p-1
SCE
n-1
STC
Total
SCR
p
SCE
CME=
np1
CMR
F=
CMR
CME
Prueba de significancia:
1. La prueba F se usa para determinar si existe una relacin de significancia entre
la variable dependiente y el conjunto de todas las variables independientes; a
esta prueba F se le llama prueba de significancia global.
2. Si la prueba F indica que hay significancia global, se usa la prueba t para ver si
cada una de las variables individuales es significativa. Para cada una de las
variables independientes del modelo se realiza una prueba t. A cada una de
estas pruebas t se le conoce como prueba de significancia individual.
Prueba F de significancia global
H 0 : 1= 2== p=0
H A :uno o ms de los parmetros no son iguales a cero .
Estadstico de prueba
F=
CMR
CME
Regla de rechazo
Valor aproximado p:
Rechazar H0 si valor p
Prueba t:
Si la prueba F indica que la relacin de regresin mltiple es significativa, se puede
realizar unaprueba t para determinar la significancia de cada uno de los parmetros. A
continuacin se presentala prueba t de significancia para cada uno de los parmetros.
bi
sb
Regla de rechazo
Valor aproximado p:
Rechazar H0 si valor p
t t / 2 o si
t t /2
En el estadstico de prueba,
sb
sb .
i
nuevamente. Esto contina hasta que todos los b i restantes sean significativamente
diferentes de cero. Aqu en el paso inicial se incluyen en el modelo a todas las variables
independientes y en cada paso se elimina la variable cuyo p-value es ms grande
para la prueba de t o cuyo valor de la prueba t menor que 2 en valor absoluto. Una
variable que es eliminada del modelo ya no puede volver a entrar en un paso
subsiguiente. El proceso termina cuando todos los p-values son menores que 0,05, o
cuando todos los valores de la prueba t son mayores que 2 en valor absoluto.
Anlisis residual:
Los residuales estandarizados suelen emplearse en las grficas de residuales y en la
identificacin de observaciones atpicas. A continuacin se presenta la frmula general
para obtener el residual estandarizado de la observacin i.
Residual Estandarizado de la Observacin i
y i ^y i
S y ^y
i
donde
S y ^y =desviacin estndar del residu ali
i
La frmula general para obtener la desviacin estndar del residual i est definida como
se indicaa continuacin.
S y ^y =S 1hi
i
donde
S=error estndar de estimacin
hi=influencia de l a observacin i
La influencia de una observacin est determinada por qu tanlejos de sus medias
estn los valores de las variables independientes. En el anlisis de regresinmltiple,
10
Modelo 2:
Y =b 0 +b1 X 5 +b2 X 6 +b 3 X 5 X 6+ b4 X 5+ b5 X 6
Modelo 3:
Y =b 1 X 6+ b2 X 6
11
Modelo 4:
Y =b 1 X 1+ b2 X 2+ b3 X 4 + b4 X 5 +b 5 X 6+ b6 X 5 X 6 +b 7 X 5+ b8 X 6
Luego, se proceder a elegir cul de los cuatro modelos simplificados justifica mejor la
variabilidad de la variable explicada.
Por ltimo, se proceder a realizar para el modelo elegido en el paso anterior, un
anlisis de los residuos.
12
Coef
6,09
-5,8243
16,1702
-19,960
-0,3936
0,1264
SE Coef
23,31
0,9592
0,9555
8,393
0,4837
0,2282
T
0,26
-6,07
16,92
-2,38
-0,81
0,55
P
0,794
0,000
0,000
0,019
0,417
0,581
VIF
1,2
1,2
1,0
1,0
1,0
Modelo 1 estimado.
Y = 6,1 - 5,82 X1 + 16,2 X2 - 20,0 X4 - 0,394 X5 + 0,126 X6
El coeficiente de las variables independientes indica el cambio promedio en la variable
de respuesta Tasa de Mortalidad (Y) cuando, se incrementa en una unidad una de las
variables independientes, asumiendo que el resto de las otras variables permanecen
constantes.
13
R-Sq = 66,2%
PRESS = 47425,7
R-Sq(adj) = 65,1%
R-Sq(pred) = 63,18%
Estadsticas de la regresin
Coeficiente de correlacin mltiple
Coeficiente de determinacin R^2
R^2 ajustado
Error tpico
Observaciones
0,81360804
0,66195805
0,65068998
17,037099
156
14
Error tpico: nos indica un grado de dispersin de 17,03 de los valores de la Tasa de
Mortalidad proyectados alrededor del plano de regresin, lo cual refleja una tendencia a
desviarse del valor real de la Tasa de Mortalidad.
DF
5
150
155
SS
85259
43539
128799
ANLISIS DE VARIANZA
Grados de
Suma de
libertad
cuadrados
MS
17052
290
F
58,75
P
0,000
Promedio de los
cuadrados
Valor
F
crtico de F
Regresi
n
Residuos
Total
5
150
155
85259
43539
128799
17052
290
CMR 17052
=
=58,75
CME
290
Regla de rechazo
Valor aproximado p:
Rechazar H0 si valor p
58,75
0,000
bi
sb
Regla de rechazo
Valor aproximado p:
Rechazar H0 si valor p
t t / 2 o si
t t /2
16
En el estadstico de prueba,
sb
Coef
6,09
-5,8243
16,1702
-19,960
-0,3936
0,1264
SE Coef
23,31
0,9592
0,9555
8,393
0,4837
0,2282
T
0,26
-6,07
16,92
-2,38
-0,81
0,55
P
0,794
0,000
0,000
0,019
0,417
0,581
VIF
1,2
1,2
1,0
1,0
1,0
17
X5 : Temperatura en C:
Valor Crtico aproximado: Estadstico t = -0,81, No se rechaza H0. Se concluye que el
X5: Temperatura en C, no contribuye significativamente al poder explicativo del modelo.
Valor aproximado p: Probabilidad p = 0,42. Como 0,42> 0,05, No se rechaza H 0.
X6 : Porcentaje de humedad relativa:
Valor Crtico aproximado: Estadstico t = 0,55, No se rechaza H0. Se concluye que el X6:
Porcentaje de humedad relativa, no contribuye significativamente al poder explicativo
del modelo.
Valor aproximado p: Probabilidad p = 0,58. Como 0,58> 0,05, No se rechaza H 0.
Observaciones inusuales, grficas y Residuales, Modelo 1:
Unusual Observations
ObsX1
1 3,00
2 3,00
3 3,00
4 3,00
5 3,00
6 3,00
7 4,00
10 4,00
33 3,00
36 3,00
38 4,00
Y
0,00
0,00
0,00
99,00
0,00
0,00
70,00
74,00
100,00
100,00
100,00
(P-Value = 0,002 )
(P-Value = 0,022 )
Residual Plotsfor Y
99
50
90
25
Residual
Percent
99,9
50
10
0
-25
1
0,1
-50
-50
-25
0
Residual
25
50
30
24
50
18
25
12
0
-25
6
0
-30
-15
0
15
Residual
30
45
60
-50
Observation Order
120
Residual
Frequency
60
90
Fitted Value
Alpha-to-Remove: 0,1
19
Step
Constant
1
6,088
2
16,238
3
7,454
X1
T-Value
P-Value
-5,82
-6,07
0,000
-5,88
-6,17
0,000
-5,90
-6,20
0,000
X2
T-Value
P-Value
16,17
16,92
0,000
16,18
16,97
0,000
16,14
16,97
0,000
X4
T-Value
P-Value
-20,0
-2,38
0,019
-19,9
-2,37
0,019
-20,5
-2,47
0,015
X5
T-Value
P-Value
-0,39
-0,81
0,417
-0,39
-0,81
0,421
X6
T-Value
P-Value
0,13
0,55
0,581
S
R-Sq
R-Sq(adj)
Mallows C-p
PRESS
R-Sq(pred)
17,0
66,20
65,07
6,0
47425,7
63,18
17,0
66,13
65,23
4,3
46917,5
63,57
17,0
65,98
65,31
3,0
46561,6
63,85
20
CMR 17051,88
=
=58,75
CME
290,26
Regla de rechazo
Valor aproximado p:
Rechazar H0 si valor p
21
Rechazar H0 si valor p
t t / 2 o si
t t /2
t /2=1,960 .
23
CMR
=73,69
CME
Regla de rechazo
Valor aproximado p:
Rechazar H0 si valor p
Rechazar H0 si valor p
t t / 2 o si
t t /2
t /2=1,960 .
24
25
CMR
=98,26
CME
Regla de rechazo
Valor aproximado p:
Rechazar H0 si valor p
Rechazar H0 si valor p
t t / 2 o si
26
t t /2
Donde t /2
= 0,05;
t /2=1,960 .
28
MODELO 2:
Y =b 0 +b1 X 5 +b2 X 6 +b 3 X 5 X 6+ b4 X 25+ b5 X 26
La variable dependiente es la Tasa de mortalidad medida en porcentajes Y, y las
variables independientes son: X5: Temperatura en C; X6: Porcentaje de humedad
relativa.
Se utiliz para su evaluacin, los datos presentados en el Apndice A.
Coeficientes de Regresin
Predictor
Constant
X5
X6
X5X6
X52
X62
Coef
-129,6
13,32
0,96
0,1063
-0,4381
-0,02166
SE Coef
559,4
18,36
12,33
0,1333
0,3201
0,07397
T
-0,23
0,73
0,08
0,80
-1,37
-0,29
P
0,817
0,469
0,938
0,426
0,173
0,770
VIF
503,1
1014,9
248,4
383,2
937,7
Modelo 2 estimado.
Y = - 130 + 13,3 X5 + 1,0 X6 + 0,106 X5X6 - 0,438 X52 - 0,0217 X62
R-Sq = 1,7%
R-Sq(adj) = 0,0%
R-Sq(pred) = 0,00%
29
Estadsticas de la regresin
Coeficiente de correlacin mltiple
Coeficiente de determinacin R^2
R^2 ajustado
Error tpico
Observaciones
0,13122501
0,01722
-0,01553933
29,0494892
156
30
DF
5
150
155
SS
2217,9
126580,9
128798,8
MS
443,6
843,9
F
0,53
P
0,757
ANLISIS DE VARIANZA
Valor
Grados de
Suma de
Promedio de los
libertad
cuadrados
cuadrados
F
F
0,5256518 0,7565864
2217,91654
126580,923
128798,84
443,583308
843,872821
Regresi
n
5
Residuos 150
Total
155
crtico de
CMR
=0,52
CME
Regla de rechazo
Valor aproximado p:
Rechazar H0 si valor p
31
Como la prueba anterior nos indica que NO hay una relacin significativa, no se realizan
las pruebas t para los coeficientes de regresin parciales, y se procede a realizar la
regresin de paso a paso (eliminacin hacia atrs), en el cual se realizarn las pruebas
t para verificar la eliminacin de las variables paso a paso.
Observaciones inusuales, grficas y Residuales, Modelo 2:
Source DFSeq SS
X5
1
5,4
X6
1
131,2
X5X6
1
374,0
X521 1635,0
X62
1
72,3
Unusual Observations
ObsX5
1 20,0
2 24,4
3 22,8
5 21,4
6 23,6
8 27,5
9 29,2
12 28,9
62 29,6
123 29,7
Y
Fit SE Fit Residual St Resid
0,00 71,67
10,89
-71,67
-2,66RX
0,00 79,93
4,34
-79,93
-2,78R
0,00 78,40
3,99
-78,40
-2,72R
0,00 72,10
6,39
-72,10
-2,54R
0,00 79,47
3,95
-79,47
-2,76R
0,00 75,29
4,13
-75,29
-2,62R
0,00 66,62
7,76
-66,62
-2,38R
20,00 76,86
7,98
-56,86
-2,04R
85,00 62,63
10,36
22,37
0,82 X
100,00 74,77
10,00
25,23
0,93 X
32
Residual Plotsfor Y
Residual Plots for Y
Normal Probability Plot of the Residuals
99,9
90
Residual
Percent
99
50
10
1
0
-40
-80
0,1
-100
-50
0
Residual
50
100
60
65
70
75
Fitted Value
80
45
Residual
Frequency
60
30
0
-40
15
0
-80
-80
-60
-40
-20
Residual
20
Observation Order
Alpha-to-Remove: 0,1
1
-129,60
2
-89,82
X5
T-Value
P-Value
13
0,73
0,469
13
0,72
0,470
X6
T-Value
1
0,08
3
74,15
33
4
69,12
5
72,97
6
76,20
P-Value
0,938
X5X6
T-Value
P-Value
0,1063
0,80
0,426
0,1092
0,85
0,394
0,1549
1,40
0,164
0,0088
0,57
0,568
X52
T-Value
P-Value
-0,438
-1,37
0,173
-0,440
-1,39
0,168
-0,250
-1,41
0,162
-0,017
-0,56
0,577
X62
T-Value
P-Value
-0,022
-0,29
0,770
-0,016
-0,80
0,423
-0,023
-1,33
0,185
S
R-Sq
R-Sq(adj)
Mallows C-p
PRESS
R-Sq(pred)
29,0
1,72
0,00
6,0
138111
0,00
29,0
1,72
0,00
4,0
136001
0,00
28,9
1,38
0,00
2,5
134439
0,00
29,0
0,23
0,00
2,3
133909
0,00
0,0016
0,19
0,848
28,9
0,02
0,00
0,6
132181
0,00
28,8
-0,00
0,00
-1,4
130466
0,00
34
Error tpico: nos indica un grado de dispersin de 29,04 de los valores de la Tasa de
Mortalidad proyectados alrededor del plano de regresin, lo cual refleja una tendencia
baja a desviarse del valor real de la Tasa de Mortalidad.
Prueba F de significancia global
H 0 : 3= 4= 5= 6= 7 = 8=0
H A :uno o ms de los parmetros n o son iguales a cero.
Estadstico de prueba
F=
CMR
=0,52
CME
Regla de rechazo
Valor aproximado p:
Rechazar H0 si valor p
Rechazar H0 si valor p
t t / 2 o si
t t /2
35
X5 : Temperatura en C:
Valor Crtico aproximado: Estadstico t = 0,73, No se rechaza H0. Se concluye que el X5:
Temperatura en C, no contribuye significativamente al poder explicativo del modelo.
Valor aproximado p: Probabilidad p = 0,82. Como 0,82 > 0,05, No se rechaza H 0.
X6 : Porcentaje de humedad relativa:
Valor Crtico aproximado: Estadstico t = 0,08, No se rechaza H0. Se concluye que el X6:
Porcentaje de humedad relativa, no contribuye significativamente al poder explicativo
del modelo. Valor aproximado p: Probabilidad p = 0,93. Como 0,93> 0,05, No se
rechaza H0.
X5X6: Temperatura en C por Porcentaje de humedad Relativa:
Valor Crtico aproximado: Estadstico t = 0,73, No se rechaza H0. Se concluye que la
Temperatura en C por Porcentaje de humedad Relativa, no contribuye
significativamente al poder explicativo del modelo. Valor aproximado p: Probabilidad p =
0,43. Como 0,43> 0,05, No se rechaza H0.
X52 : Temperatura en C al cuadrado:
Valor Crtico aproximado: Estadstico t = -1,37, No se rechaza H0. Se concluye que la
Temperatura en C al cuadrado, no contribuye significativamente al poder explicativo del
modelo. Valor aproximado p: Probabilidad p = 0,17. Como 0,17> 0,05, No se rechaza
H0.
X62 : Porcentaje de humedad relativa al cuadrado:
Valor Crtico aproximado: Estadstico t = -0,29, No se rechaza H0. Se concluye que el
Porcentaje de humedad relativa al cuadrado, no contribuye significativamente al poder
explicativo del modelo. Valor aproximado p: Probabilidad p = 0,77. Como 0,77> 0,05, No
se rechaza H0.
36
Como se observa en las pruebas independientes para cada una de las variables, que
ninguna contribuye con el poder explicativo del modelo, se procede a comenzar
eliminando aquella variable que posee el valor p ms alto. En el anlisis de todos los
resultados hasta la finalizacin del procedimiento de eliminacin hacia atrs, en tanto
las pruebas de significancia global como en las pruebas de significancia para cada uno
de los parmetros nos arrojan resultados negativos en las relacin de la variable
dependiente con las variables independientes, por lo tanto, se procede a omitir las
interpretaciones y solo procedemos a indicar segn los resultados las variables
eliminadas en orden, ya que con las pruebas y anlisis anteriores hay argumentos
suficientes como para descartar el uso de este modelo.
Paso 2, eliminando la variable X6: Porcentaje de humedad relativa.
Paso 3, eliminando la Variable X5 : Temperatura en C.
Paso 4, eliminando la Variable X62.
Paso 5, eliminando la Variable X52 .
En este paso culmina la aplicacin del procedimiento de eliminacin hacia atrs.
Corroborndose que no existe una relacin notoria entre las variables estudiadas.
Como se dijo con anterioridad esto puede ser consecuencia a que en el laboratorio para
el experimento, las condiciones de humedad y temperatura (variables incluidasenel
modelo), eran controladas en los niveles ptimos para el desarrollo de las larvas, lo
que nos hace recomendar que se realice posteriormente un estudio ms profundo, para
determinar la presencia de multicolinealidad en el modelo, la cual causa que se acepte
con frecuencia la hiptesis nula de que un parmetro es cero, aun cuando la
correspondiente variable independiente sea relevante.
37
MODELO 3:
Y =b 1 X 6+ b2 X 26
La variable dependiente es la Tasa de mortalidad medida en porcentajes Y, y las
variables independientes son: X6: Porcentaje de humedad relativa y X62: Porcentaje de
humedad relativa al cuadrado.
Se utiliz para su evaluacin, los datos presentados en el Apndice A.
Coeficientes de Regresin
Predictor
Noconstant
X6
X62
Coef
SE Coef
1,7664
-0,010119
0,3934
0,004842
4,49
-2,09
0,000
0,038
Modelo 3 estimado.
Y = 1,77 X6 - 0,0101 X62
El coeficiente de las variables independientes indica el cambio promedio en la variable
de respuesta Tasa de Mortalidad (Y) cuando, se incrementa en una unidad una de las
variables independientes, asumiendo que el resto de las otras variables permanecen
constantes.
Pruebas de Bondad de ajuste
S = 28,8969
PRESS = 131970
38
Estadsticas de la regresin
Coeficiente de correlacin mltiple
Coeficiente de determinacin R^2
R^2 ajustado
Error tpico
Observaciones
0,93579001
0,87570294
0,86840231
28,8968587
156
DF
2
154
147
7
156
ANLISIS DE VARIANZA
Grados de
libertad
SS
905979
128594
124745
3849
1034573
Suma de
cuadrados
MS
452989
835
849
550
F
542,48
P
0,000
1,54
0,284
Promedio de los
cuadrados
39
Valor crtico
de F
Regresi
n
Residuos
Total
2
154
156
905978,62
128594,38
1034573
452989,31
835,028443
542,48368
8 3,4407E-70
CMR
=542,48
CME
Regla de rechazo
Valor aproximado p:
Rechazar H0 si valor p
40
Estadstico de prueba
t=
bi
sb
Regla de rechazo
Valor aproximado p:
Rechazar H0 si valor p
t t / 2 o si
t t /2
En el estadstico de prueba,
sb
Coef
SE Coef
1,7664
-0,010119
0,3934
0,004842
4,49
-2,09
0,000
0,038
41
Y
0,00
0,00
0,00
0,00
0,00
0,00
0,00
42
Residual Plotsfor Y
99,9
90
Residual
Percent
99
50
10
1
-40
-80
0,1
-100
-50
0
Residual
50
100
74
75
76
Fitted Value
Residual
Frequency
80
60
40
-40
20
0
-80
-80
-60
-40
-20
Residual
77
20
Observation Order
43
MODELO 4:
Y =b 1 X 1+ b2 X 2+ b3 X 4 + b4 X 5 +b 5 X 6+ b6 X 5 X 6 +b 7 X 25+ b8 X 26
La variable dependiente es la Tasa de mortalidad medida en porcentajes Y, y las
variables independientes son: X1: Edad de la larva al momento de aplicar el tratamiento;
X2: Edad de la larva al momento de realizar la observacin de la variable Y; X 3:
Indicador del principio activo, 0 = azairachtin, 1 = nicotina; X 4: Concentraciones de
principio activo; X5: Temperatura en C; X6: Porcentaje de humedad relativa.
Se utiliz para su evaluacin, los datos presentados en el Apndice A.
Coeficientes de Regresin
Predictor
Noconstant
X1
X2
X4
X5
X6
X5X6
X52
X62
Coef
SE Coef
-5,6631
16,0860
-19,716
7,057
-2,028
0,02411
-0,1878
0,00970
0,9767
0,9643
8,425
9,528
2,988
0,07054
0,1848
0,02483
-5,80
16,68
-2,34
0,74
-0,68
0,34
-1,02
0,39
0,000
0,000
0,021
0,460
0,498
0,733
0,311
0,697
Modelo 4 estimado.
The regression equation is
Y = - 5,66 X1 + 16,1 X2 - 19,7 X4 + 7,06 X5 - 2,03 X6 + 0,0241 X5X6 - 0,188 X52
+ 0,0097 X62
Y =5,66 X 1 +16,09 X 219,72 X 4+ 7,06 X 52,03 X 6 0,02 X 5 X 60,19 X 25+ 0,01 X 26
44
PRESS = 48126,6
Estadsticas de la regresin
Coeficiente de correlacin mltiple
Coeficiente de determinacin R^2
R^2 ajustado
Error tpico
Observaciones
0,97888078
0,95820757
0,94947415
17,0922211
156
45
que existe una variable independiente que no ofrece suficiente poder explicativo al
modelo.
Error tpico: nos indica un grado de dispersin de 17,09 de los valores de la Tasa de
Mortalidad proyectados alrededor del plano de regresin, lo cual refleja una tendencia a
desviarse del valor real de la Tasa de Mortalidad.
DF
SS
MS
43237
292
156 1034573
ANLISIS DE VARIANZA
Grados de
libertad
Regresi
n
8
Residuos
148
Total
156
Suma de
cuadrados
Promedio de los
cuadrados
991335,685
43237,3155
1034573
123916,961
292,144024
46
Valor crtico
F
de F
424,16394
2 1,7555E-97
F=
CMR
=424,16
CME
Regla de rechazo
Valor aproximado p:
Rechazar H0 si valor p
bi
sb
Regla de rechazo
Valor aproximado p:
Rechazar H0 si valor p
t t / 2 o si
t t /2
47
En el estadstico de prueba,
sb
Coef SE Coef
Noconstant
X1
X2
X4
-19,716
X5
7,057
X6
-2,028
X5X6
X52
X62
Intercepcin
X1
X2
X4
X5
X6
X5X6
X5^2
X6^2
Coeficientes
0
-5,66307467
16,0860025
-19,7158928
7,05698455
-2,02768866
0,02411209
-0,1878185
0,00969985
0,39060175
0,69665329
-0,03937339
0,0587731
48
poder explicativo del modelo. Valor aproximado p: Probabilidad p = 0,00. Como 0,00 <
0,05, se rechaza H0.
X2 : Edad de la larva al momento de realizar la observacin de la variable Y:
Valor Crtico aproximado: Estadstico t = 16,68, se rechaza H0. Se concluye que X2 :
Edad de la larva al momento de realizar la observacin de la variable Y, contribuye
significativamente al poder explicativo del modelo. Valor aproximado p: Probabilidad p =
0,00. Como 0,00 < 0,05, se rechaza H0.
X4 : Concentraciones de principio activo:
Valor Crtico aproximado: Estadstico t = -2.34, se rechaza H0. Se concluye que X4 :
Concentraciones de principio activo, contribuye significativamente al poder explicativo
del modelo. Valor aproximado p: Probabilidad p = 0,02. Como 0,02 < 0,05, se rechaza
H0.
X5 : Temperatura en C:
Valor Crtico aproximado: Estadstico t = 0,74, No se rechaza H0. Se concluye que el X5:
Temperatura en C, no contribuye significativamente al poder explicativo del modelo.
Valor aproximado p: Probabilidad p = 0,46. Como 0,46> 0,05, No se rechaza H 0.
X6 : Porcentaje de humedad relativa:
Valor Crtico aproximado: Estadstico t = -0,68, No se rechaza H0. Se concluye que el
X6: Porcentaje de humedad relativa, no contribuye significativamente al poder
explicativo del modelo. Valor aproximado p: Probabilidad p = 0,50. Como 0,50> 0,05, No
se rechaza H0.
X5X6: Temperatura en C por Porcentaje de humedad Relativa:
Valor Crtico aproximado: Estadstico t = 0,34, No se rechaza H0. Se concluye que la
Temperatura en C por Porcentaje de humedad Relativa, no contribuye
49
Y
0,00
0,00
0,00
99,00
0,00
50
6 3,00
7 4,00
10 4,00
38 4,00
0,00 34,77
70,00 35,82
74,00 37,78
100,00 62,92
3,92
3,82
4,20
2,91
-34,77
34,18
36,22
37,08
-2,09R
2,05R
2,19R
2,20R
99
50
90
25
Residual
Percent
99,9
50
10
0
-25
1
0,1
-50
-50
-25
0
Residual
25
50
30
50
18
Residual
Frequency
120
24
12
6
0
60
90
Fitted Value
25
0
-25
-30
-15
0
15
Residual
30
45
-50
Observation Order
51
Alpha-to-Remove: 0,1
Estadsticas de la regresin
Coeficiente de correlacin mltiple
Coeficiente de determinacin R^2
R^2 ajustado
Error tpico
Observaciones
ANLISIS DE VARIANZA
Grados de
libertad
Regresin
8
Residuos
148
Total
156
Coeficiente
s
Intercepci
n
X1
X2
X4
X5
0
-5,66
16,09
-19,72
7,06
Suma de
cuadrados
991335,68
43237,32
1034573,00
Error
tpico
#N/A
0,98
0,96
8,42
9,53
0,97888078
0,95820757
0,94947415
17,0922211
156
Promedio de los
cuadrados
123916,96
292,14
Estadstico
t
#N/A
-5,80
16,68
-2,34
0,74
52
Probabilida
d
#N/A
0,00
0,00
0,02
0,46
F
424,16
Inferior
95%
#N/A
-7,59
14,18
-36,36
-11,77
Valor crtico
de F
1,7555E-97
Superior
95%
#N/A
-3,73
17,99
-3,07
25,89
X6
X5X6
X5^2
X6^2
-2,03
0,02
-0,19
0,01
2,99
0,07
0,18
0,02
Coeficientes
Intercepcin
X1
X2
X4
X5
X6
X5X6
X5^2
X6^2
0
-5,66
16,09
-19,72
7,06
-2,03
0,02
-0,19
0,01
-0,68
0,34
-1,02
0,39
0,50
0,73
0,31
0,70
Estadstico t
#N/A
-5,80
16,68
-2,34
0,74
-0,68
0,34
-1,02
0,39
-7,93
-0,12
-0,55
-0,04
Probabilidad
#N/A
0,00
0,00
0,02
0,46
0,50
0,73
0,31
0,70
3,88
0,16
0,18
0,06
Interpretacin
#N/A
Contribuye
Contribuye
Contribuye
No Contribuye
No Contribuye
No Contribuye
No Contribuye
No Contribuye
ANLISIS DE VARIANZA
Grados de
libertad
Regresin
6
Residuos
150
Total
156
Coeficiente
s
Intercepci
n
Suma de
cuadrados
991089,74
43483,262
1034573
0,9787593
0,9579698
0,9499022
17,02611
156
Promedio de los
cuadrados
165181,62
289,88841
F
569,81106
Valor crtico de
F
4,7E-100
Error
tpico
Estadstico
t
Probabilida
d
Inferior
95%
Superior
95%
#N/A
#N/A
#N/A
#N/A
#N/A
53
X1
X2
X4
X5
X5^2
X6^2
X1
X2
X4
X5
X5^2
X6^2
-5,83
16,13
-20,27
0,64
-0,02
0,00
Coeficientes
-5,83
16,13
-20,27
0,64
-0,02
0,00
0,96
0,96
8,37
1,13
0,03
0,00
-6,09
16,86
-2,42
0,56
-0,78
0,49
0,00
0,00
0,02
0,58
0,44
0,62
Estadstico t
-6,09
16,86
-2,42
0,56
-0,78
0,49
-7,72
14,24
-36,81
-1,60
-0,08
0,00
Probabilidad
0,00
0,00
0,02
0,58
0,44
0,62
-3,94
18,02
-3,73
2,88
0,03
0,00
Interpretacin
Contribuye
Contribuye
Contribuye
No Contribuye
No Contribuye
No Contribuye
0
-5,87
16,14
-20,18
1,00
-0,03
0,9787245
0,9579016
0,9501639
16,983418
156
Suma de
Promedio de los
cuadrados
cuadrados
991019,09
198203,82
43553,91
288,43649
1034573
Error
tpico
#N/A
0,95
0,95
8,35
0,85
0,02
Estadstico
t
#N/A
-6,18
16,91
-2,42
1,18
-1,24
54
Probabilida
d
#N/A
0,00
0,00
0,02
0,24
0,22
F
687,16623
Valor crtico
de F
1,93E-101
Inferior
95%
Superior
95%
#N/A
-7,75
14,25
-36,67
-0,68
-0,07
#N/A
-3,99
18,02
-3,69
2,69
0,02
Intercepcin
X1
X2
X4
X5
X5^2
Coeficientes
0
-5,87
16,14
-20,18
1,00
-0,03
Estadstico t
#N/A
-6,18
16,91
-2,42
1,18
-1,24
Probabilidad
#N/A
0,00
0,00
0,02
0,24
0,22
Interpretacin
#N/A
Contribuye
Contribuye
Contribuye
No Contribuye
No Contribuye
0
-5,70
16,63
-14,47
0,00
Suma de
cuadrados
990616,86
43956,136
1034573
Error
tpico
#N/A
0,94
0,86
6,81
0,01
Coeficientes
Intercepcin
X1
X2
X4
X5^2
0
-5,70
16,63
-14,47
0,00
0,9785258
0,9575128
0,9500953
17,005443
156
Promedio de los
cuadrados
247654,22
289,18511
Estadstico
t
Probabilida
d
#N/A
-6,06
19,35
-2,12
-0,39
Estadstico t
#N/A
-6,06
19,35
-2,12
-0,39
55
#N/A
0,00
0,00
0,04
0,70
F
856,38648
Valor crtico
de F
1,23E-102
Inferior
95%
Superior
95%
#N/A
-7,55
14,93
-27,93
-0,02
Probabilidad
#N/A
0,00
0,00
0,04
0,70
#N/A
-3,84
18,33
-1,01
0,01
Interpretacin
#N/A
Contribuye
Contribuye
Contribuye
No Contribuye
56
0
-5,74
16,53
-15,81
Suma de
Promedio de
cuadrados
los cuadrados
990573,89
330191,3
43999,113
287,5759
1034573
Error
tpico
#N/A
0,93
0,81
5,84
Coeficientes
Intercepcin
X1
X2
X4
0,9785046
0,9574712
0,9503794
16,958063
156
0
-5,74
16,53
-15,81
Estadstico
t
#N/A
-6,18
20,29
-2,71
Error tpico
#N/A
0,93
0,81
5,84
Probabilida
d
#N/A
0,00
0,00
0,01
Estadstico t
#N/A
-6,18
20,29
-2,71
F
1148,1883
Valor crtico
de F
3,62E-104
Inferior
95%
Superior
95%
#N/A
-7,58
14,92
-27,35
Probabilidad
#N/A
0,00
0,00
0,01
#N/A
-3,91
18,14
-4,27
Inferior 95%
#N/A
Contribuye
Contribuye
Contribuye
57
Estadsticas de la regresin
Coeficiente de correlacin mltiple
Coeficiente de determinacin R^2
R^2 ajustado
Error tpico
Observaciones
ANLISIS DE VARIANZA
Grados de
libertad
Regresi
n
3
Residuos 152
Total
155
Intercepci
n
X1
X2
X4
0,8122861
0,6598087
0,6530944
16,978363
156
Suma de
cuadrados
Promedio de los
cuadrados
84982,591
43816,249
128798,84
28327,53
288,26479
Valor crtico
F
de F
98,26912
9
2,075E-35
Coeficiente
s
Error
tpico
Estadstico
t
Probabilida
d
Inferior
95%
Superior
95%
7,45
-5,90
16,14
-20,53
9,36
0,95
0,95
8,32
0,80
-6,20
16,97
-2,47
0,43
0,00
0,00
0,01
-11,04
-7,78
14,26
-36,98
25,94
-4,02
18,02
-4,08
58
ANLISIS DE VARIANZA
Grados de
libertad
Regresin
3
Residuos
153
Total
156
Coeficiente
s
Intercepci
n
X1
X2
X4
0
-5,74
16,53
-15,81
0,9785046
0,9574712
0,9503794
16,958063
156
Suma de
Promedio de
cuadrados
los cuadrados
990573,89
330191,3
43999,113
287,5759
1034573
Error
tpico
#N/A
0,93
0,81
5,84
Estadstico
t
#N/A
-6,18
20,29
-2,71
59
F
1148,1883
Probabilida
d
#N/A
0,00
0,00
0,01
Valor crtico
de F
3,62E-104
Inferior
95%
#N/A
-7,58
14,92
-27,35
Superior
95%
#N/A
-3,91
18,14
-4,27
Anlisis residual:
Como se dijo con anterioridad, los residuales estandarizados suelen emplearse en las
grficas de residuales y en la identificacin de observaciones atpicas. A continuacin
se presentan los resultados y grficos obtenidos a travs del uso del paquete
computacional para el anlisis de los residuales.
Observacin
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
Pronstico Y
39,39388927
36,23166805
33,06944684
39,39388927
36,23166805
33,06944684
33,6495362
30,48731498
27,32509376
33,6495362
30,48731498
27,32509376
55,92229231
52,76007109
49,59784987
55,92229231
52,76007109
49,59784987
50,17793923
47,01571802
43,8534968
50,17793923
47,01571802
43,8534968
44,43358616
41,27136495
38,10914373
44,43358616
41,27136495
38,10914373
72,45069534
69,28847412
Residuos
-39,39388927
-36,23166805
-33,06944684
59,60611073
-36,23166805
-33,06944684
36,3504638
-30,48731498
-27,32509376
40,3504638
-0,487314982
-7,325093765
-25,92229231
-9,760071089
-6,597849871
24,07770769
-3,760071089
5,402150129
21,82206077
26,98428198
-7,8534968
4,822060765
-3,015718017
1,1465032
-9,433586163
6,728635055
-12,10914373
10,56641384
-14,27136495
-13,10914373
25,54930466
8,711525876
60
Residuos estndares
-2,345682344
-2,157390032
-1,969097721
3,549205324
-2,157390032
-1,969097721
2,164463644
-1,815346435
-1,627054124
2,402640924
-0,029016839
-0,436167726
-1,543525265
-0,581156795
-0,392864483
1,433690729
-0,223890876
0,321667355
1,299379767
1,606760718
-0,467631126
0,287126329
-0,179568878
0,068267753
-0,561716472
0,400651998
-0,721030728
0,629169925
-0,849778719
-0,780575047
1,521315969
0,518721883
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
66,12625291
72,45069534
69,28847412
66,12625291
66,70634227
63,54412105
60,38189983
66,70634227
63,54412105
60,38189983
60,9619892
57,79976798
54,63754676
60,9619892
57,79976798
54,63754676
55,21763613
52,05541491
48,89319369
55,21763613
52,05541491
48,89319369
88,97909838
85,81687716
82,65465594
88,97909838
85,81687716
82,65465594
83,2347453
80,07252409
76,91030287
83,2347453
80,07252409
76,91030287
77,49039223
74,32817102
71,1659498
77,49039223
74,32817102
71,1659498
71,74603916
68,58381794
65,42159673
33,87374709
2,549304659
29,71152588
33,87374709
33,29365773
36,45587895
15,61810017
13,29365773
5,455878948
8,618100166
-0,961989198
4,20023202
5,362453237
17,0380108
2,20023202
30,36245324
-3,217636126
-27,05541491
-25,89319369
-11,21763613
-7,055414909
-28,89319369
-8,979098376
12,18312284
17,34534406
1,020901624
14,18312284
-6,654655941
11,7652547
4,927475913
23,08969713
11,7652547
17,92747591
-16,91030287
-4,490392233
7,671828985
23,8340502
3,509607767
8,671828985
8,834050202
23,25396084
-19,58381794
-27,42159673
61
2,016989232
0,151796612
1,769152601
2,016989232
1,982448206
2,170740517
0,929969152
0,791561808
0,324866601
0,513158913
-0,057280993
0,250099959
0,319303631
1,014516765
0,131011319
1,807911628
-0,191591955
-1,61099628
-1,541792608
-0,667946514
-0,420109882
-1,720425567
-0,534654306
0,725435764
1,032816715
0,060788893
0,844524403
-0,396246962
0,700554089
0,293403202
1,374860312
0,700554089
1,06747936
-1,006912483
-0,267377351
0,456813839
1,419182309
0,208977208
0,516358159
0,526017511
1,384641283
-1,16610512
-1,632800327
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
71,74603916
68,58381794
65,42159673
66,00168609
62,83946487
59,67724365
66,00168609
62,83946487
59,67724365
105,5075014
102,3452802
99,18305898
105,5075014
102,3452802
99,18305898
99,76314834
96,60092712
93,4387059
99,76314834
96,60092712
93,4387059
94,01879527
90,85657405
87,69435283
94,01879527
90,85657405
87,69435283
88,2744422
85,11222098
81,94999976
88,2744422
85,11222098
81,94999976
82,53008912
79,36786791
76,20564669
82,53008912
79,36786791
76,20564669
76,78573605
73,62351483
70,46129362
76,78573605
1,253960839
6,416182057
-7,421596726
-23,00168609
-13,83946487
-8,677243654
7,998313911
-7,839464872
-3,677243654
-5,507501411
-7,345280194
0,816941024
-5,507501411
-2,345280194
0,816941024
0,23685166
-1,600927122
6,561294096
0,23685166
3,399072878
6,561294096
5,981204732
7,14342595
12,30564717
5,981204732
9,14342595
12,30564717
-8,274442196
14,88777902
18,05000024
11,7255578
9,887779022
-1,949999761
0,469910876
18,63213209
6,794353311
-12,53008912
20,63213209
23,79435331
-19,78573605
-3,623514835
-0,461293617
-21,78573605
62
0,074666245
0,382047197
-0,441913929
-1,369619754
-0,824061523
-0,516680572
0,476254162
-0,466795604
-0,218958972
-0,327940426
-0,437369713
0,048644198
-0,327940426
-0,139648114
0,048644198
0,014103171
-0,095326117
0,390687794
0,014103171
0,202395483
0,390687794
0,356146768
0,42535044
0,732731391
0,356146768
0,54443908
0,732731391
-0,492696033
0,886482676
1,074774988
0,698190365
0,588761077
-0,11611141
0,027980523
1,109437633
0,404565147
-0,746095635
1,228526273
1,416818585
-1,178128197
-0,215759726
-0,027467415
-1,297216836
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
73,62351483
70,46129362
122,0359044
118,8736832
115,711462
122,0359044
118,8736832
115,711462
116,2915514
113,1293302
109,9671089
116,2915514
113,1293302
109,9671089
110,5471983
107,3849771
104,2227559
110,5471983
107,3849771
104,2227559
104,8028452
101,640624
98,4784028
104,8028452
101,640624
98,4784028
99,05849216
95,89627094
92,73404972
99,05849216
95,89627094
92,73404972
93,31413909
90,15191787
86,98969665
93,31413909
90,15191787
86,98969665
-27,62351483
-23,46129362
-22,03590445
-18,87368323
-15,71146201
-22,03590445
-18,87368323
-15,71146201
-16,29155137
-13,12933016
-9,967108939
-16,29155137
-13,12933016
-9,967108939
-10,5471983
-7,384977085
-4,222755867
-10,5471983
-7,384977085
-4,222755867
-4,802845231
-1,640624013
1,521597204
-4,802845231
-2,640624013
1,521597204
-1,058492159
4,103729058
5,265950276
0,941507841
1,103729058
6,265950276
6,685860913
9,84808213
13,01030335
4,685860913
9,84808213
9,010303348
63
-1,644823403
-1,396986772
-1,312112943
-1,123820631
-0,93552832
-1,312112943
-1,123820631
-0,93552832
-0,970069346
-0,781777035
-0,593484723
-0,970069346
-0,781777035
-0,593484723
-0,62802575
-0,439733438
-0,251441126
-0,62802575
-0,439733438
-0,251441126
-0,285982153
-0,097689841
0,090602471
-0,285982153
-0,157234161
0,090602471
-0,063027196
0,244353756
0,313557428
0,056061444
0,065720796
0,373101748
0,398105041
0,586397353
0,774689664
0,279016401
0,586397353
0,536512385
Observaci
n
1
2
5
4
10
Pronstic
oY
39,39388
9
36,23166
8
36,23166
8
39,39388
9
33,64953
6
Residuos
Residuos
estndare
s
-39,39389 -2,345682
-36,23167
-2,15739
-36,23167
-2,15739
59,606111 3,5492053
40,35046
4 2,4026409
64
7
38
33,64953
6
63,54412
1
36,35046
4 2,1644636
36,45587
9 2,1707405
y i^y i .
50
0
-50
X1
65
50
0
-50
10
X2
50
0
0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95
-50
1.05
X4
Los grficos de los residuales, nos muestran que los datos presentan un
comportamiento similar al de las variables categricas, por ello se observa en el
diagrama de dispersin que los datos se encuentran representados en los valores
correspondientes, esto se debe a que los datos de estas variables son nmeros
enteros.
Por lo tanto, se concluye que en el anlisis de las grficas de residuales contra x, no se
muestran evidencias de que las suposiciones hechas para el modelo de regresin
mltiple 4 propuesto puedan ser dudosas, salvo la presencia de pocos datos atpicos,
para lo cual se recomienda hacer un estudio ms detallado de los mismos. Se concluye
que el modelo de regresin lineal 4 propuesto es vlido.
Grfica de residuales contra
^y
66
residual i,
100
Pronstico Y
0
2
X1
100
Pronstico Y
0
3
X2
67
10
100
0
0.5
Pronstico Y
0.6
0.7
0.8
0.9
1.1
X4
^y , no se
Y
0
0
0
0
0
0
0
20
20
23
25
25
26
27
30
30
35
36
38
43
43
68
13,78205128
14,42307692
15,06410256
15,70512821
16,34615385
16,98717949
17,62820513
18,26923077
18,91025641
19,55128205
20,19230769
20,83333333
21,47435897
22,11538462
22,75641026
23,3974359
24,03846154
24,67948718
25,32051282
25,96153846
26,6025641
27,24358974
27,88461538
28,52564103
29,16666667
29,80769231
30,44871795
31,08974359
31,73076923
32,37179487
33,01282051
33,65384615
34,29487179
34,93589744
35,57692308
36,21794872
36,85897436
37,5
38,14102564
38,78205128
39,42307692
40,06410256
40,70512821
41,34615385
41,98717949
42,62820513
43,26923077
43
44
44
45
45
46
47
48
49
49
49
51
52
55
55
55
55
55
56
57
58
60
60
60
60
62
69
69
70
70
70
70
72
73
73
74
74
74
75
75
76
76
78
78
80
80
80
69
43,91025641
44,55128205
45,19230769
45,83333333
46,47435897
47,11538462
47,75641026
48,3974359
49,03846154
49,67948718
50,32051282
50,96153846
51,6025641
52,24358974
52,88461538
53,52564103
54,16666667
54,80769231
55,44871795
56,08974359
56,73076923
57,37179487
58,01282051
58,65384615
59,29487179
59,93589744
60,57692308
61,21794872
61,85897436
62,5
63,14102564
63,78205128
64,42307692
65,06410256
65,70512821
66,34615385
66,98717949
67,62820513
68,26923077
68,91025641
69,55128205
70,19230769
70,83333333
71,47435897
72,11538462
72,75641026
73,3974359
80
80
80
81
82
83
83
83
85
85
90
95
95
95
95
95
95
95
96
97
98
98
98
98
98
98
98
98
99
99
99
99
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
70
74,03846154
74,67948718
75,32051282
75,96153846
76,6025641
77,24358974
77,88461538
78,52564103
79,16666667
79,80769231
80,44871795
81,08974359
81,73076923
82,37179487
83,01282051
83,65384615
84,29487179
84,93589744
85,57692308
86,21794872
86,85897436
87,5
88,14102564
88,78205128
89,42307692
90,06410256
90,70512821
91,34615385
91,98717949
92,62820513
93,26923077
93,91025641
94,55128205
95,19230769
95,83333333
96,47435897
97,11538462
97,75641026
98,3974359
99,03846154
99,67948718
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
71
Otro manera de determinar la validez de la suposicin de que el trmino del error tiene
una distribucinnormal es la grfica de probabilidad normal.Si se satisfacela suposicin
de normalidad, el menor residual estandarizado deber tener un valor parecido aldel
menor punto normal, el siguiente residual estandarizado deber tener un valor parecido
al delsiguiente punto normal, y as sucesivamente. En el caso de que los residuales
estandarizados se encuentrendistribuidos de una manera aproximadamente normal, en
una grfica en la que los puntosnormales correspondan al eje horizontal y los
correspondientes residuales estandarizados al eje vertical,los puntos de la grfica
estarn situados cercanos a una lnea recta a 45 grados que pase porel origen. A esta
grfica es a lo que se le conoce como grfica de probabilidad normal.
100
0
0
20
40
60
80
100
120
Muestra percentil
72
DISCUSIN
Modelo 2:
Modelo 3:
Y =b 1 X 6+ b2 X 26
Modelo 4:
Y =b 1 X 1+ b2 X 2+ b3 X 4 + b4 X 5 +b 5 X 6+ b6 X 5 X 6 +b 7 X 25+ b8 X 26
Modelo 1 estimado:
Y =6,095,82 X 1+ 16,17 X 219,96 X 40,39 X 5 +0,13 X 6
Modelo 2 estimado:
Y =129,6+13,32 X 5 +0,96 X 6 + 0,11 X 5 X 60,44 X 250,02 X 26
Modelo 3 estimado:
Y =1,77 X 60,01 X 26
Modelo 4 estimado:
Y =5,66 X 1 +16,09 X 219,72 X 4+ 7,06 X 52,03 X 6 0,02 X 5 X 60,19 X 25+ 0,01 X 26
2) Explicar cul de los modelos anteriores considerara para realizar el estudio
Al observar los modelos (Modelo 1 y 4), en parmetros, se nota claramente que ambos
utilizan casi las mismas variables explicativas.Por esta razn, para poder realizar la
eleccin del modelo, nos centraremos en observar y seleccionar aquel modelo que
presenta los resultados ms favorables en las pruebas estadsticas realizadas.
73
Presenta un poder explicativo muy alto, del 0,96; lo que significa que el 95,82%
del cambio en laTasa de mortalidad del gusano cogollero, se puede explicar
modelo estimado, eleva significativamente el poder explicativo del modelo, razn por la
cual se decide proponer el uso del Modelo 4 simplificado estimado:
MODELO 4, Propuesto en el paso 5.
Y =5,74 X 1 +16,53 X 2 15,81 X 4
Las razones que sustentan esta eleccin son las siguientes:
Presenta un poder explicativo muy alto, del 0,95; lo que significa que el 95,74%
del cambio en el Peso Promedio se puede explicar mediante los cambios en las
variables independientes
Existe en este modelo una alta relacin entre la variable dependiente y las
variables independientes
Existe una relacin significativa entre la tasa de mortalidad del gusano cogollero
y las variables independientes contenidas en el modelo de regresin.
76
CONCLUSIONES
Como conclusin podemos decir que de los modelos analizados, el modelo 4
simplificado, es el que mejor justifica la variabilidad de la variable respuesta, que en
este caso es la Tasa de mortalidad medida en porcentajes Y, y las variables
independientes son: X1: Edad de la larva al momento de aplicar el tratamiento; X 2: Edad
de la larva al momento de realizar la observacin de la variable Y; X 3: Indicador del
principio activo, 0 = azairachtin, 1 = nicotina; X4: Concentraciones de principio activo; X5:
Temperatura en C; X6: Porcentaje de humedad relativa. Esto nos demuestra que es un
modelo de regresin lineal que incluye variables que son importantes en teora para el
anlisis, y que en la vida real, se toman en consideracin a la hora de realizar la Tasa
de mortalidad del gusano cogollero (Spodoptera frugiperda).
Al observar todos los resultados obtenidos en el Modelo 1, notamos la existencia de
variables independientes que en la vida real se consideran importantes en la
determinacin de la tasa de mortalidad, por lo cual nos hace recomendar que se realice
posteriormente un estudio ms profundo, para determinar la presencia de
multicolinealidad en el modelo, la cual causa que se acepte con frecuencia la hiptesis
nula de que un parmetro es cero, aun cuando la correspondiente variable
independiente sea relevante; y pueda permitirse as elaborar un nuevo modelo que le
permita justifica la variabilidad de la tasa de mortalidad.
Para finalizar, en los resultados obtenidos en el Modelo 4 simplificado, observamos la
presencia de datos atpicos los cuales afectan la normalidad de la distribucin de los
residuales, se recomienda hacer un estudio ms detallado del caso para determinar si
los valores asignados a estas observaciones son correctoso puedan tratarse de datos
errneos; si es as, esos datos debe ser corregidos.
77
REFERENCIASBIBLIOGRFICAS
78
APNDICE A
Tabla de Datos
Y
0
0
0
99
0
0
70
0
0
74
30
20
30
43
43
80
49
55
72
74
36
55
44
45
35
48
26
55
27
25
98
78
100
75
X1
3
3
3
3
3
3
4
4
4
4
4
4
3
3
3
3
3
3
4
4
4
4
4
4
5
5
5
5
5
5
3
3
3
3
X2
4
4
4
4
4
4
4
4
4
4
4
4
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
6
6
6
6
X3
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0
1
X4
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
79
X5
20,04
24,36
22,77
24,33
21,40
23,56
26,30
27,52
29,16
22,44
20,66
28,91
29,26
26,32
25,58
27,14
27,33
28,59
24,88
23,96
23,49
27,84
21,16
21,42
27,04
24,78
21,39
26,38
29,21
25,38
23,64
21,44
26,54
21,89
X6
70,17
86,74
80,72
73,02
87,57
76,95
77,58
75,71
72,22
87,25
86,80
89,17
84,13
87,60
78,41
73,39
83,09
89,48
75,63
75,83
85,36
78,13
70,54
86,92
89,74
77,04
83,06
85,57
73,38
82,86
88,87
77,92
88,23
78,67
99
100
100
100
76
80
69
69
60
62
60
78
60
85
52
25
23
44
45
20
80
98
100
90
100
76
95
85
100
95
98
60
73
82
95
81
83
80
95
49
38
3
3
4
4
4
4
4
4
5
5
5
5
5
5
6
6
6
6
6
6
3
3
3
3
3
3
4
4
4
4
4
4
5
5
5
5
5
5
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
1
1
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
80
20,43
26,38
22,89
28,23
28,74
29,14
22,69
21,29
22,26
20,42
23,41
24,82
26,08
20,97
20,05
27,40
29,03
25,55
29,26
21,00
24,25
22,79
26,26
21,76
22,96
24,84
21,99
29,62
22,07
25,98
23,61
28,14
20,72
24,20
25,97
21,35
26,15
24,84
26,93
29,00
24,17
71,94
82,34
78,52
83,98
87,21
83,75
70,06
89,32
89,12
70,69
71,91
73,80
71,56
77,82
81,02
73,59
74,89
87,38
70,57
79,51
85,71
72,50
72,49
71,83
84,89
75,52
74,94
70,45
89,55
84,54
85,25
88,57
84,62
81,19
79,00
87,89
89,67
82,91
85,87
83,61
76,37
73
75
58
43
49
51
74
55
56
100
95
100
100
100
100
100
95
100
100
100
100
100
98
100
100
100
100
80
100
100
100
95
80
83
98
83
70
100
100
57
70
6
6
6
7
7
7
7
7
7
3
3
3
3
3
3
4
4
4
4
4
4
5
5
5
5
5
5
6
6
6
6
6
6
7
7
7
7
7
7
8
8
7
7
7
7
7
7
7
7
7
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
1
1
1
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
81
20,35
24,37
26,78
24,65
25,20
27,64
23,22
27,18
20,09
21,34
29,68
27,35
24,34
24,14
25,02
28,88
20,80
20,55
21,61
21,94
22,07
28,40
24,14
23,01
22,23
29,87
27,77
26,52
23,16
28,82
27,33
23,62
29,45
22,35
23,99
28,42
20,96
29,30
21,00
26,97
27,16
72,63
72,85
77,26
82,64
79,25
75,49
85,48
78,66
81,83
77,76
82,95
70,70
80,71
71,16
87,49
78,22
88,70
73,75
85,56
89,92
85,37
79,65
86,22
74,41
87,70
79,70
81,68
70,96
80,11
83,84
82,57
76,21
77,00
85,91
86,13
72,22
81,02
81,46
85,24
71,65
70,09
70
55
46
47
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
99
100
98
100
98
100
97
99
100
100
100
98
100
96
8
8
8
8
3
3
3
3
3
3
4
4
4
4
4
4
5
5
5
5
5
5
6
6
6
6
6
6
7
7
7
7
7
7
8
8
8
8
8
8
8
8
8
8
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
0
1
1
1
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0
1
1
1
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
0,6
0,8
1
82
23,49
25,12
29,25
22,26
24,65
25,19
29,69
25,18
24,66
24,56
26,17
23,47
22,12
28,76
23,21
25,20
22,86
25,12
29,41
27,94
29,32
25,84
24,43
28,79
26,67
21,05
26,10
24,65
28,27
23,51
22,59
26,67
28,53
21,37
20,28
28,06
25,79
20,75
22,47
29,20
79,16
76,74
85,59
76,29
76,50
76,77
89,76
89,92
80,32
81,64
74,62
71,58
82,96
82,04
75,05
85,60
74,41
88,96
85,24
77,92
81,27
79,28
74,42
71,45
73,16
79,18
88,96
82,12
87,02
73,62
76,66
88,71
70,14
79,83
78,58
79,62
72,37
73,07
84,37
89,66
83
APNDICE B
Tabla de la Distribucin F de Fisher.
84
APNDICE C
Tabla de Distribucin t de Student.
85