Beruflich Dokumente
Kultur Dokumente
variable
Que es?
Es un medio matemtico
para describir la relacin
entre la Y y las X generando as un modelo
del proceso.
Y = b0 + b1x + error
Donde: b0 es la
interseccin
b1 es la
pendiente de la
lnea
Cuando usarla
Para seleccionar por
eliminacin datos pasivos
)datos histricos de lnea
base) para las X
potenciales
- el promedio es 0.0
- no estn correlacionadas
- distribuidos normalmente
- la desviacin estndar de errores es la misma
para todos los niveles de la variable X
Recoleccin de datos
Es mejor recolectar datos en un orden aleatorio en lugar de
iniciar con una en el valor bajo y luego incrementarla , ya que
otra variable podra estar cambiando a travs del tiempo lo
que puede afectar el proceso (RUIDO NEGRO)
Ejemplo:
Intenta optimizar el rendimiento de un horno para curar la pintura.
Una teora dice que la velocidad del abanico extractor afecta la evaporacin del
solvente en la pintura. T intentas probar que tal relacin existe mediante el
anlisis de los datos de abajo.
REGRESION
Ventana data
FITS son los valores
predichos de la variable
de salida de la ecuacin
de regresin para cada
valor de X.
RESI1 son los errores de
la respuesta actual
menos la respuesta
predicha.
Ventana sesin
Grficas Residuales
Grfica de normalidad
Grafica de residuales
Los residuales deben estar
distribuidos al azar.
Un patrn en los residuales puede
indicar que la forma de modelo es
incorrecta.
El promedio de los
Residuales
siempre
debera ser 0.0
Los errores deberan
estar distribuidos al azar
por arriba y por abajo
del valor promedio de 0.
Si un patrn es notorio, el modelo de una variable lineal puede no ser
el mejor ajuste para los datos o puede que existan ms X Vitales
Ventana Sesin
Valor p de la Constante
Ho: La lnea pasa a travs
del origen (0,0). (0
velocidad = 0 evaporacin)
Ha: La lnea no pasa a
travs del origen (0,0). (0
velocidad = 0 evaporacin)
Valor p de la variable X
Velocidad
Ho: Pendiente = 0
Ha: Pendiente = 0
Ho: La X no es
significativa
Ha: La X es significativa
s = MS(error)1/2
n = nmero de observaciones
p = nmero total de trminos en el modelo
Banda de
Prediccin
Banda de
Confianza
I.C. = Intervalo de Confianza (95% de confianza de que las medias de todos los
datos caern dentro de esta banda)
I.P. = Intervalo de Prediccin (95% de confianza de que los puntos de datos
individuales caern dentro de esta banda)
Ventana Session
No rechazar Ho:
Aceptar Ha:
Conclusiones
Hemos encontrado una X Vital potential - Velocidad (porque
p < 0.05) .
El modelo lineal parece ser un buen ajuste, ya que no se
encontraron patrones en los residuales.
No pudimos probar que los Residuales fueron no-normales, lo
cual es consistente con nuestros supuestos (valor p = 0.092, de
la Prueba de Normalidad)
El modelo debera ser aceptable para nuestro propsito:
predecir las tasas de evaporacin dada una velocidad (basada
en: el pequeo trmino de error, R2 = 90.5%, valor p < 0.05)
EJERCICIO
T crees que la cantidad de espacio que ocupan nuestros electrodomsticos
en los lugares de exhibicin tiene impacto sobre el volumen de ventas. Has
reunido datos del volumen de ventas y el espacio total de los lugares de
exhibicin utilizados durante los ltimos 12 meses tomndolos de cierto
nmero de centros de distribucin. Ahora quieres analizar los datos para
ver si la cantidad de espacio efectivamente tiene una relacin con el
volumen anual de ventas.