Re Gresi On Mini Tab

Implantacin de programas de mejora Seis Sigma
Anlisis de Regresin y Correlacin

con MINITAB
Primeras definiciones y conceptos de la

regresin
Regresin
El anlisis de la regresin es una tcnica estadstica que se utiliza

para estudiar la relacin entre variables o factores cuantitativos
referidos a un mismo grupo de unidades observadas.
Se trata de comprobar estadsticamente si tal relacin es posible,

y de serlo, expresarlo matemticamente mediante una ecuacin.
Su uso ms frecuente es el de la prediccin de resultados de una

de ellas para valores fijos de las otras.
Primeras definiciones y conceptos de la

regresin
Cuando se cree que algunas de las variables pueden causar ( o al

menos explicar) los cambios observados en otra, a stas se les llama
variables explicativas (Xs)
La que mide el resultado del estudio se le llama variable respuesta

(Y)
Se intentar establecer una ecuacin de la forma Y=g(x)
Metodologa de un anlisis de regresin
Regresin
1.
Representar los datos en un grfico
2.
Identificar su aspecto y sus desviaciones
3.
Descripciones numricas que informen sobre los datos y su

posible relacin
4.
Descripcin matemtica resumida del aspecto general del

problema
1. Representacin de los datos

La manera de mostrar grficamente los datos observados en un
grfico es a travs de un diagrama de dispersin.
Y, la respuesta se marca en el eje vertical; la X, variable
explicativa, en el eje horizontal. Cada observacin, es un punto
del grfico
2. Identificacin del aspecto del diagrama

de dispersin
Regresin
El aspecto general del grfico viene dado por la direccin,

forma y fuerza del mismo:
Direccin: positiva o negativa
Forma: disposicin de los puntos (rectilnea o curvilnea)
Fuerza: cuanta ms amorfa sea la disposicin de los puntos

en el grfico, menor su relacin

de dispersin
Es interesante en esta primera identificacin del aspecto

del grfico, identificar observaciones atpicas (aquellas que
se distinguen del aspecto general del grfico)
El diagrama de dispersin slo muestra el aspecto general

de la relacin entre las dos variables.
En situaciones no muy evidentes, un simple cambio de

escala puede hacernos cambiar la forma de pensar.

de dispersin
Scatterplot of Tiempo vs Edad

450
Tiempo
400
350
300
30
32
34
36
38
40
42
44
46
48
Edad
Regresin
3. Descripciones numricas
Se necesita una medida numrica que complemente al grfico y
que, independientemente de las dimensiones de los valores de las
variables, nos informe sobre la fuerza de la relacin existente.
Una medida es el Coeficiente de correlacin
Caractersticas del coeficiente de correlacin

de Pearson
Regresin
r utiliza valores estandarizados, luego no le influyen las unidades:

tomara el mismo valor aunque se cambiara de unidad de medida.
r se ve afectada por las observaciones atpicas
Una r positiva (negativa)indica una relacin positiva (negativa)

entre las variables.
Valores de r cercanos al 0 indican una relacin lineal muy dbil.

La fuerza de la relacin lineal aumenta a medida que r se aleja del
0 y se acerca al +1 o al 1.
Ejemplos reales
Situacin 1
Situacin 2
Situacin 3
95
95
95
90
90
90
85
85
85
80
80
80
75
75
75
150
160
170
180
Temperatura
150
160
170
Temperatura
180
r = 0,983
r = 0,887
p-value: 0,000
p-value: 0,000
150
160
170
Temperatura
180
r = 0,230
p-value: 0,108
Un valor de r distinto de 0 no implica relacin lineal

Es necesario que sea significativamente distinto de cero
Coeficiente de correlacin: Precaucin

El coeficiente de correlacin de Pearson slo mide relacin LINEAL
200
r = 0,5 pero ...

Relacin casi perfecta,
100
aunque no lineal.
0
0
Regresin
10
20
30
4. Descripcin matemtica de la forma del

grfico
Si la correlacin entre las dos variables indica una relacin fuerte,

sera muy interesante poder resumir el grfico en forma de una
ecuacin matemtica.
En el caso de una forma lineal, a la recta que ajusta la nube de

puntos se le llama recta de regresin.
Esta recta se calcula teniendo en cuenta dos cosas:

Puesto que describe un cambio en la respuesta a medida que
cambia la otra variable, se necesita tener presente esta
distincin a la hora de calcularla.
Puesto que ninguna recta puede pasar exactamente por todos
los puntos, se necesita una manera de construirla que asegure
su paso tan cerca de todos los puntos como sea posible.
4. Descripcin matemtica de la forma del

grfico
Fitted Line Plot

Tiempo = - 1550 + 95,80 Edad
- 1,193 Edad**2
S
R-Sq
R-Sq(adj)
450
38,3533
37,1%
35,0%
Tiempo
400
350
300
250
30
Regresin
32
34
36
38
40
Edad
42
44
46
48
Modelo de regresin simple
Modelo terico para la poblacin:

y = 0 + 1x +
~ N (0, )
distancia entre lo real y lo que se predice
y = b0 + b1x
Recta ajustada:
y i prediccin de la recta
(a partir de una muestra)
yi observado
y = y +
r sy
sx
(x x)
xi
La pendiente de la recta , b1, representa la tasa de cambio, es

decir, la cantidad en que cambia y cuando x aumenta en una
unidad.
y
y = b0 + b1x
b1 =
r sy
sx
b1
1
b0
x
Regresin
r2, representa la fraccin de la variacin de Y que se explica

por la regresin de Y sobre X y sirve de medida de bondad
de la regresin para explicar la respuesta.
La parte de la variable Y que no es explicada por el modelo

se llama residual.
Una vez dibujada la recta de regresin, existe un valor
residual para cada dato: e = y y
e i = y i y i
ei
Regresin
Anlisis de los residuos
La disposicin de los residuos sirve para comprobar si la

recta sirve para ajustar los datos
Dibujando sus valores en el eje de ordenadas frente a las

predicciones deben presentar una forma uniforme ,
centrada en el valor 0, a lo largo de toda la recta, sin que
aparezca ningun valor extrao
Inferencia para la regresin lineal

Regression Plot
Rendi2 = 10,2163 + 0,447563 Temperatura
S = 2,01711
R-Sq = 78,6 %
R-Sq(adj) = 78,2 %
95
Intervalo para las predicciones
Rendi2
Intervalo para la recta

85
Regression
95% CI
75
95% PI
150
160
170
180
Temperatura
Regresin
10
Regresin no lineal
La relacin entre x e y no tiene porqu ser lineal.
Los softwares informticos ajustan los datos a curvas no lineales

(exponenciales, parablicas, etc.) y calculan el valor de r2 para
medir la fuerza de esa relacin.
Fitted Line Plot
Tiempo = - 1550 + 95,80 Edad
- 1,193 Edad**2
S
R-Sq
R-Sq(adj)
450
38,3533
37,1%
35,0%
Tiempo
400
350
300
250
30
32
34
36
38
40
Edad
42
44
46
48
Regresin mltiple
La regresin mltiple expresa el valor de la variable dependiente

Y, como funcin de las variables independientes X1, X2, ...,Xk
La ms simple es la regresin lineal y el modelo al que se

debieran ajustar los datos es:
Yi = + 1 X 1i + 2 X 2i + ... + + k X ki + i
Regresin
11
Regresin mltiple
Comprobar si el rendimiento de un proceso qumico depende,
adems de la temperatura de la presin a la que se realiza.
Regresin mltiple lineal: Interpretacin de

resultados
Regression Analysis: Rendi versus
Presion; Temperatura
The regression equation is
Rendi = 48,9 + 1,84 Presion + 0,208 Temperatura
Predictor
Constant
Presion
Temperat
S = 0,7947
Coef
SE Coef
48,941
2,709
18,07
0,000
1,8437
0,4699
3,92
0,001
0,20807
0,01562
13,32
0,000
R-Sq = 90,8%
Desviacin tipo de los residuos

y 2s
R-Sq(adj) = 89,9%
Pruebas de significacin
para los coeficientes
Media de calidad del ajuste
Regresin
12
Regresin mltiple lineal: Interpretacin de

resultados
Coeficiente de correlacin mltiple
R 2 = r2 = 1
(y
(y
y i ) 2
yi ) 2
El r2 proporciona, al igual que en el caso simple, una

medida de la fuerza de la relacin entre Y y sus
predicciones, a partir del modelo de regresin propuesto
(plano de regresin)
Se pueden definir tambin, coeficientes de correlacin
parciales, rYXi , miden la relacin entre Y y Xi eliminando los
efectos del resto de Xj
Regresin mltiple lineal: Inferencias
Regresin
Al igual que en el caso simple, pueden calcularse intervalos de

confianza para los coeficientes del plano
Tambin al igual que en el caso simple, ser necesaria la

comprobacin de la adecuidad del modelo con el anlisis y
estudio de sus residuos: stos deben de ser normales, centrados
en 0 y con variabilidad constante.
13
Ejemplo prctico con MINITAB
Deducir una ecuacin que relacione el tiempo marcado por una

atleta (en minutos) en una carrera de triatln con los siguientes
posibles factores:
Edad del deportista

Peso del deportista
Experiencia en la prctica del triatln, en aos
Kilmetros en carrera en entrenamientos
Kilmetros en bicicleta en entrenamientos
Kilmetros nadadndo en entrenamientos
Consumo de oxgeno corriendo
Consumo de oxgeno en bicicleta
Cosumo de oxgeno nadando
Regresin
14
Para la Regresin Simple: Stat/Regression/Fitted Line Plot
Residual Plots for Tiempo
Fitted Line Plot
Normal Probability Plot of the Residuals
Tiempo = 205,2 + 3,585 Edad
Residuals Versus the Fitted Values
99,9
50
10
-100
0
Residual
-100
100
Histogram of the Residuals
32
34
36
38
40
Edad
42
44
46
48
16
100
12
50
-80
-40
0
40
Residual
Percent
38,3533
37,1%
35,0%
90
50
10
1
400
0,1
-100
350
-50
0
Residual
50
38
40
Edad
42
44
46
48
8
4
0
280
300
320
340
Fitted Value
360
100
12
Residual
Frequency
250
Residuals Versus the Order of the Data
16
300
50
-50
100
36
1 5 10 15 20 25 30 35 40 45 50 55 60 65
Observation Order
100
99
450
34
-100
80
99,9
S
R-Sq
R-Sq(adj)
32
380
Fitted Line Plot

Tiempo = - 1550 + 95,80 Edad
- 1,193 Edad**2
30
340
360
Fitted Value
-50
Residual
30
320
Residual
350
300
Regresin
50
-50
0,1
Frequency
Tiempo
90
400
Tiempo
100
99
Residual
450
44,7224
13,0%
11,7%
Percent
S
R-Sq
R-Sq(adj)
-40
-20
20
40
Residual
60
80
100
50
0
-50
1 5 10 15 20 25 30 35 40 45 50 55 60 65
Observation Order
15
Lo ms habitual en la prctica es querer establecer una relacin

entre una variable respuesta (Y) y varias explicativas (Xs)
Para la Regresin Mltiple, existen varias opciones:

Stat/Regression/Regression
Stat/Regression/Best Subsets
Stat/Regression/Stepwise

Ejemplo con la opcin Stat/Regression/Regression
Regression Analysis: Tiempo versus Edad; Peso; ...
Tiempo = 486 + 3,41 Edad + 0,347 Peso - 21,4 Experiencia + 0,702 EnCarrera
- 0,173 EnBici - 1,37 EnNatacion - 3,36 COCarrera - 1,38 COBici
+ 0,893 CONatacion
Predictor
Constant
Edad
Peso
Experien
EnCarrer
EnBici
EnNataci
COCarrer
COBici
CONataci
Coef
486,3
3,410
0,3470
-21,424
0,7025
-0,17251
-1,3727
-3,3550
-1,3845
0,8934
S = 22,70
SE Coef
114,5
1,091
0,7862
3,697
0,2771
0,06920
0,9566
0,8338
0,9098
0,9217
R-Sq = 80,4%
T
4,25
3,13
0,44
-5,80
2,54
-2,49
-1,43
-4,02
-1,52
0,97
P
0,000
0,003
0,661
0,000
0,014
0,016
0,157
0,000
0,134
0,337
R-Sq(adj) = 77,2%
Cuidado!!
Bondad del ajuste
Analysis of Variance
Source
Regression
Residual Error
Total
DF
9
55
64
Unusual Observations
Obs
Edad
Tiempo
19
36,0
408,00
32
37,0
407,00
36
37,0
325,00
SS
116566
28339
144905
Fit
359,05
364,39
367,72
MS
12952
515
F
25,14
SE Fit
10,03
10,96
8,39
P
0,000
Residual
48,95
42,61
-42,72
Linealidad significativa
St Resid
2,40R
2,14R
-2,03R
R denotes an observation with a large standardized residual
Regresin
16
Realizar un anlisis de regresin multivariante tiene el siguiente

inconveniente: si dos variables X estn muy relacionadas entre s
y aportan mucho a la hora de conocer Y, una de ellas tendr un pvalor grande y la otra no. Pero, de eliminar una cul
eliminaramos? Una la conozco, pero no s con cual est
correlacionada....
Posibilidades:
Representar grficamente las relaciones: Grfico matriz

Calcular los coeficientes de correlacin entre las variables
Regresin
17

Matrix Plot of Tiempo; Edad; Peso; Experiencia; EnCarrera; EnBici; ...
32
40
4860
70
80
0,0
2,5
5,0
30
60
90
150
300
4500
10
20
50
60
70
50
60
70
40
50
60
420
360
Tiempo
300
48
40
Edad
32
80
70
Peso
60
5,0
Experiencia
2,5
0,0
90
60
EnCarrera
30
450
300
EnBici
150
20
10
EnNatacin
0
70
60
CoCarrera
50
70
60
CoBici
50
CoNatacin
Regresin
18
Correlations: Tiempo; Edad; Peso; Experiencia; EnCarrera; EnBici; EnNatacin; Co
Tiempo
Edad
0,361
Peso
0,249
Edad
Peso Experien EnCarrer
EnBici EnNataci CoCarrer CoBici
0,342
Experien -0,436
0,414
0,254
EnCarrer -0,469
-0,288
-0,090
0,349
EnBici
-0,492
-0,356
-0,091
0,137
0,792
EnNataci -0,430
-0,419
0,132
-0,005
0,479
CoCarrer -0,695
-0,306
-0,506
0,183
0,255
0,147
0,160
CoBici
-0,647
-0,441
-0,474
0,146
0,376
0,323
0,090
0,695
CoNataci -0,596
-0,635
-0,340
0,134
0,478
0,415
0,380
0,548
0,691
0,652
Cuando existen muchas variables X que pueden influir en la

respuesta Y, estas opciones pueden resultar complicadas de
interpretar.
Cmo resuelve este problema MINITAB?
Regresin
Stepwise:crea un modelo paso a paso, eligiendo primero la variable X

que mejor explica la Y, aadiendo despus una a una, otras X que
junto con las anteriores aporten informacin. Para, cuando no
encuentra ninguna ms de las que quedan fuera que aada
informacin
Best Subsets: Crea subconjuntos de n variables X que mejor explican
Y
19
Step
687,9
709,7
704,1
532,8
516,1
CoCarrer
-5,68
-5,20
-4,82
-3,96
-4,09
T-Value
-7,67
-8,24
-8,37
-6,81
-7,45
P-Value
0,000
0,000
0,000
0,000
0,000
EnBici
-0,203
-0,187
-0,128
-0,242
T-Value
-5,15
-5,24
-3,51
-4,69
P-Value
0,000
0,000
0,001
0,000
Experien
-10,7
-16,9
-20,8
T-Value
-3,94
-5,56
-6,61
P-Value
0,000
0,000
0,000
Edad
3,03
3,53
T-Value
3,56
4,32
P-Value
0,001
0,000
EnCarrer
0,80
T-Value
2,96
P-Value
0,004
34,5
29,1
26,2
24,0
22,6
R-Sq
48,31
63,82
71,15
76,17
79,25
R-Sq(adj)
47,49
62,65
69,73
74,59
77,50
84,4
42,8
24,1
12,0
5,3
C-p
Regresin
Constant
20
Response is Tiempo
E E
E C
x n
n o
p C E N C C N
e a n a a o a
E P r r B t r B t
d e i r i a r i a
a s e e c c e c c
Regresin
Vars
R-Sq
R-Sq(adj)
C-p
48,3
41,8
47,5
84,4
34,482
40,9
102,6
36,578
63,8
62,6
42,8
29,081
58,8
57,4
57,0
31,050
71,3
69,9
23,8
26,117
71,2
69,7
24,1
26,177
76,2
74,6
12,0
23,987
75,1
73,5
14,9
79,3
77,5
76,9
75,0
79,5
77,4
79,5
77,3
80,1
79,7
d o n r i i r i i
X
X
X
X
X X
24,500
5,3
22,573
X X X
11,9
23,801
6,7
22,631
X X X
6,8
22,651
X X X X X
77,6
7,0
22,506
X X X X X X
77,2
8,1
22,721
X X X
80,4
77,6
8,2
22,535
X X X X X X X
80,1
77,3
8,9
22,687
X X X X X X X X
80,4
77,2
10,0
22,699
X X X X X X X X X
X
X X
X
X X X
X X
X X X
21
Regresin-Stepwise: crea un modelo paso a paso, eligiendo

primero la variable X que mejor explica la Y, aadiendo despus
una a una, otras X que junto con las anteriores aporten
informacin. Para cuando no encuentra ninguna ms, de las que
quedan fuera que aada informacin
Inconveniente:
el modelo es muy dependiente de la primera elegida (la que ms
informacin aporta por si sola, pero puede no ser la mejor para
trabajar con ella)
Regresin Best Subsets: Crea subconjuntos de n variables X que

mejor explican Y
Inconvenientes:
Regresin
No dice cual es la mejor opcin, luego hay que decidirse.

Su lista se basa en el valor R2, luego habr que comprobar si las variables
del modelo son significativas
22
Si elegimos el modelo con 5 variables (R2=77,5%) y hacemos

regresin multivariante:
Tiempo = 516 + 3,53 Edad - 20,8 Experiencia + 0,796 EnCarrera - 0,242 EnBici
- 4,09 CoCarrera
Predictor
Constant
Edad
Coef
SE Coef
516,10
54,51
9,47
0,000
3,5335
0,8188
4,32
0,000
Experien
-20,752
3,141
-6,61
0,000
EnCarrer
0,7958
0,2689
2,96
0,004
-0,24185
0,05154
-4,69
0,000
-4,0886
0,5490
-7,45
0,000
EnBici
CoCarrer
S = 22,57
R-Sq = 79,3%
R-Sq(adj) = 77,5%
Source
Regression
DF
SS
MS
114844
22969
45,08
0,000
510
Residual Error
59
30062
Total
64
144905
Qu pasara con el de 6 variables aadiendo Ennatacin?

Tiempo = 521 + 3,39 Edad - 20,6 Experiencia + 0,758 EnCarrera - 0,215 EnBici
- 4,07 CoCarrera - 0,582 EnNatacin
Predictor
Constant
Edad
SE Coef
55,06
9,46
0,000
3,3875
0,8434
4,02
0,000
Experien
-20,612
3,157
-6,53
0,000
EnCarrer
0,7583
0,2742
2,77
0,008
-0,21535
0,06217
-3,46
0,001
CoCarrer
-4,0746
0,5512
-7,39
0,000
EnNataci
-0,5823
0,7581
-0,77
0,446
EnBici
S = 22,65
Regresin
Coef
520,92
R-Sq = 79,5%
R-Sq(adj) = 77,3%
23

Y qu pasara con el de 4 variables quitando Encarrera?

Tiempo = 533 + 3,03 Edad - 16,9 Experiencia - 0,128 EnBici - 3,96
CoCarrera
Predictor
Constant
Edad
SE Coef
57,62
9,25
0,000
3,0256
0,8508
3,56
0,001
-16,867
3,033
-5,56
0,000
-0,12825
0,03655
-3,51
0,001
-3,9574
0,5815
-6,81
0,000
Experien
EnBici
Coef
532,77
CoCarrer
S = 23,99
R-Sq = 76,2%
R-Sq(adj) = 74,6%
Source
Regression
DF
SS
MS
110381
27595
47,96
0,000
575
Residual Error
60
34524
Total
64
144905
Regresin
Antes de dar por vlido el estudio y con las opciones elegidas se

debern analizar los residuos:
24

99
50
90
25
Residual
Percent
99,9
50
10
1
-50
0,1
-80
-40
0
Residual
40
80
250
50
25
6
3
0
300
350
Fitted Value
400
450
12
Residual
Frequency
Regresin
0
-25
0
-25
-50
-40
-20
0
20
Residual
40
60
1 5 10 15 20 25 30 35 40 45 50 55 60 65
Observation Order
25

Re Gresi On Mini Tab

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Re Gresi On Mini Tab

Cargado por

Copyright:

Formatos disponibles

Implantacin de programas de mejora Seis Sigma

Anlisis de Regresin y Correlacin

Primeras definiciones y conceptos de la

El anlisis de la regresin es una tcnica estadstica que se utiliza

Se trata de comprobar estadsticamente si tal relacin es posible,

Su uso ms frecuente es el de la prediccin de resultados de una

Implantacin de programas de mejora Seis Sigma

Primeras definiciones y conceptos de la

Cuando se cree que algunas de las variables pueden causar ( o al

La que mide el resultado del estudio se le llama variable respuesta

Se intentar establecer una ecuacin de la forma Y=g(x)

Metodologa de un anlisis de regresin

Representar los datos en un grfico

Identificar su aspecto y sus desviaciones

Descripciones numricas que informen sobre los datos y su

Descripcin matemtica resumida del aspecto general del

Implantacin de programas de mejora Seis Sigma

1. Representacin de los datos

2. Identificacin del aspecto del diagrama

El aspecto general del grfico viene dado por la direccin,

Direccin: positiva o negativa

Forma: disposicin de los puntos (rectilnea o curvilnea)

Fuerza: cuanta ms amorfa sea la disposicin de los puntos

Implantacin de programas de mejora Seis Sigma

2. Identificacin del aspecto del diagrama

Es interesante en esta primera identificacin del aspecto

El diagrama de dispersin slo muestra el aspecto general

En situaciones no muy evidentes, un simple cambio de

2. Identificacin del aspecto del diagrama

Scatterplot of Tiempo vs Edad

Implantacin de programas de mejora Seis Sigma

Caractersticas del coeficiente de correlacin

r utiliza valores estandarizados, luego no le influyen las unidades:

r se ve afectada por las observaciones atpicas

Una r positiva (negativa)indica una relacin positiva (negativa)

Valores de r cercanos al 0 indican una relacin lineal muy dbil.

Implantacin de programas de mejora Seis Sigma

Un valor de r distinto de 0 no implica relacin lineal

Coeficiente de correlacin: Precaucin

r = 0,5 pero ...

Implantacin de programas de mejora Seis Sigma

4. Descripcin matemtica de la forma del

Si la correlacin entre las dos variables indica una relacin fuerte,

En el caso de una forma lineal, a la recta que ajusta la nube de

Esta recta se calcula teniendo en cuenta dos cosas:

4. Descripcin matemtica de la forma del

Fitted Line Plot

Implantacin de programas de mejora Seis Sigma

Modelo de regresin simple

Modelo terico para la poblacin:

distancia entre lo real y lo que se predice

(a partir de una muestra)

Modelo de regresin simple

La pendiente de la recta , b1, representa la tasa de cambio, es

Implantacin de programas de mejora Seis Sigma

Modelo de regresin simple

r2, representa la fraccin de la variacin de Y que se explica

La parte de la variable Y que no es explicada por el modelo

Una vez dibujada la recta de regresin, existe un valor

residual para cada dato: e = y y

Modelo de regresin simple

Implantacin de programas de mejora Seis Sigma

Anlisis de los residuos