Beruflich Dokumente
Kultur Dokumente
Análisis factorial
El concepto de análisis de regresión tiene que ver con encontrar la mejor
relación entre Y (variable dependiente ) y x (variable independiente), al
cuantificar la intensidad de dicha relación y emplear métodos que permitan
predecir los valores de la respuesta ante valores dados de la variable x.
Y= 𝛼 + 𝛽1 𝑥1 + 𝛽2 𝑥2 + ⋯
Relación lineal
Walpole, R., Myers, R., Myers, S. y Ye, K. (2007). Estadística y probabilidad para ingeniería y ciencias. (8ª. ed.) México: Pearson educación
Y= 𝛼 + βx + 𝜖
𝑦ො = 𝑎 + bx n XY ( X )( Y )
b
n X 2 ( X ) 2
Coeficientes de regresión
a
Y
b
X
n n
Walpole, R., Myers, R., Myers, S. y Ye, K. (2007). Estadística y probabilidad para ingeniería y ciencias. (8ª. ed.) México: Pearson educación
𝐻0 : 𝛽 = 𝛽0
𝐻0 : 𝛼 = 𝛼0
𝑎 − 𝛼0
𝑡= 𝑡𝑛−2
σ𝑛𝑖=1 𝑥𝑖2
𝑠 ൘
𝑛𝑆𝑥𝑥
Walpole, R., Myers, R., Myers, S. y Ye, K. (2007). Estadística y probabilidad para ingeniería y ciencias. (8ª. ed.) México: Pearson educación
Ejemplo
Se piensa que el número de libras de vapor consumidas mensualmente por una planta química se
relaciona con la temperatura ambiente promedio (en °F) de ese mes. En la tabla siguiente se
muestran la temperatura y el consumo:
Clic en Gráficos/Cuadros de
diálogos antiguos/Dispersión
de puntos
2
Clic en Analizar/Regresión/Lineales
Es cuando la función de regresión es no lineal, está se puede
determinar mediante inspección visual del diagrama de dispersión, y
algunas veces se sabe de antemano, como resultado de experiencias
previas o de la teoría implícita que el modelo es no lineal.
Un estudio consistió en medir en una reacción química, la concentración química de
un substrato en un determinado tiempo.
𝑦 = 𝐴𝑡 𝐵 𝑒 −𝐶𝑡
Y= 𝛽0 + 𝛽1 𝑥1 + 𝛽2 𝑥2 + ⋯ 𝛽𝑘 𝑥𝑘 + 𝜖 Error
Montgomery, D., y Runger, G. (2012). Probabilidad y Estadística aplicadas a la Ingeniería (2a. ed.). México: Limusa Wiley.
Se piensa que la energía eléctrica consumida mensualmente por una planta química se
relaciona con la temperatura ambiente promedio (𝑥1 ), el número de días laborales del mes
(𝑥2 ),la pureza promedio del producto (𝑥3 ) y las toneladas del producto producidas (𝑥4 ). Se
cuenta con los datos del último año, los cuales se presentan en la tabla siguiente:
Montgomery, D., y Runger, G. (2012). Probabilidad y Estadística aplicadas a la Ingeniería (2a. ed.). México: Limusa Wiley.
Clic en
Analizar/Regresión/
Lineales
1 3
Clic en
Analizar/Regresión/Lineales
Clic en
Analizar/Regresión/Lineales
Clic en
Analizar/Regresión/Lineales
Cuando hay dependencias casi lineales entre las variables independientes, se dice que existe el
problema de multicolinealidad. La presencia de multicolinealidad tiene una gran cantidad de efectos
graves sobre los estimados de coeficientes de regresión por mínimos cuadrados.
El VIF para cada término del modelo mide el efecto Uno o más autovalores pequeños implican que hay
combinado que tienen las dependencias entre las dependencias casi lineales entre las variables
variables independientes sobre la varianza de ese independientes.
término. Si hay uno o más VIF mayores que 5 o 10, es
indicio de que los coeficientes asociados de regresión
están mal estimados debido a la multicolinealidad.
Montgomery, D., Peck, E. y Vining, G. (2004). Introducción al Análisis de Regresión Lineal Simple. (3ª. ed.) México: Grupo Patria Cultural
Es un método alternativo para transformar datos, cuando no se satisfacen las hipótesis
acostumbradas de normalidad y varianza constante. Aquí la variable respuesta sólo necesita
ser un miembro de la familia exponencial que comprende las distribuciones normal, de
Poisson, binomial, exponencial y gamma.
Montgomery, D., Peck, E. y Vining, G. (2004). Introducción al Análisis de Regresión Lineal Simple. (3ª. ed.) México: Grupo Patria Cultural
La variable dependiente es dicotómica y la(s) variable(s) independiente(s) pueden ser de
cualquier naturaleza, cualitativas o cuantitativas.
Se desea saber cual es la probabilidad de tener o no silicosis, en relación a los años trabajando
expuestos a polvo de sílice. Los datos se dan a continuación:
Montgomery, D., Peck, E. y Vining, G. (2004). Introducción al Análisis de Regresión Lineal Simple. (3ª. ed.) México: Grupo Patria Cultural
Montgomery, D., Peck, E. y Vining, G. (2004). Introducción al Análisis de Regresión Lineal Simple. (3ª. ed.) México: Grupo Patria Cultural
Se requiere establecer una relación entre el hecho de tener anticuerpos a determinado virus
con la zona de residencia (norte, sur, este y oeste) y el factor RH:
Montgomery, D., Peck, E. y Vining, G. (2004). Introducción al Análisis de Regresión Lineal Simple. (3ª. ed.) México: Grupo Patria Cultural
Montgomery, D., Peck, E. y Vining, G. (2004). Introducción al Análisis de Regresión Lineal Simple. (3ª. ed.) México: Grupo Patria Cultural
Montgomery, D., Peck, E. y Vining, G. (2004). Introducción al Análisis de Regresión Lineal Simple. (3ª. ed.) México: Grupo Patria Cultural
Montgomery, D., Peck, E. y Vining, G. (2004). Introducción al Análisis de Regresión Lineal Simple. (3ª. ed.) México: Grupo Patria Cultural
Es una técnica de reducción de datos que examina la
interdependencia de variables y proporciona conocimiento de
la estructura subyacente de los datos.