UNIVERSIDADDECUENCA

TAREA6

AnlisisdemodelosenunaRegresinutilizandoun
Software.

Catedrtico: Ing. Daniel E. Mogrovejo C. M.Sc. Ph.D.

Estudiante: Victor Danilo Saico Bermeo

04/12/2015

Tarea6

Usando la tabla de Excel adjunta (FHWA, 1990), realice el ajuste de los

modelos con el mtodo de regresin sobre todos los 49 puntos, para obtener
las siguientes ecuaciones (modelos):
a.) PSR = a + b*log(1+SV) + c(C+P)0.5
Es decir, encuentre los valores de a, b, y c, del modelo.
De acuerdo al proceso realizado para el modelo dado se obtuvo los siguientes resultados de los
coeficientes a, b, c.
a
b
c

5,400332
-1,78725
-0,08644

b.) PSR = a + b*log(1+SV)

Es decir, encuentre los valores de a, y b del modelo.
De acuerdo al proceso realizado para el modelo dado se obtuvo los siguientes resultados de los
coeficientes a, b, c.
a
b

5,923313
-2,60515

VICTORDANILOSAICOBERMEO

c.) Compare: adjusted R2, RMSE (o standard error), y Significance F, de los

2 modelos encontrados, y escoja el mejor modelo,
MODELO 1

El adjusted R2 del modeelo 1 es mayor al del modelo 2.

0.9134544>0.88545338
El error tpico del modelo 1 es menor al del modelo 2.
0.32315892<0.37177895
El valor de F en el modelo 1 es menor al del modelo 2.
254.310467<372.04336

MODELO 2

VICTORDANILOSAICOBERMEO

d.) Explique detalladamente su decisin (sobre el mejor modelo en base a los

parmetros comparados)
Por definicin,
Adjusted R2
Si el Adjusted R2=1, entonces no hay residuos, habr una dependencia funcional. Cuanto ms
se acerque dicho valor a la unidad, mayor poder explicativo tendr el modelo de regresin.
Si el Adjusted R2=0, X no explica en absoluto ninguna de las variaciones de la variable Y, de
modo que o bien el modelo es inadecuado, o bien las variables son independientes. Cuanto ms
cercano a 0 est dicho valor, menor poder explicativo.
En nuestro anlisis es obvio que el del modelo 1 es ms cercano a la unidad que el modelo 2,
por lo que concluimos que es el mejor modelo que podemos escoger ya que representa la
mayora datos, es decir tiene un mayor poder explicativo.
Significance F
Si el valor de F es grande, el modelo ser malo, es decir, la recta no explicar el
comportamiento general de la nube.
Si el valor de F es pequeo, el modelo ser malo, es decir, la recta no explicar el
comportamiento general de la nube.
Nuevamente, volvemos a escoger nuestro modelo uno como el mejor ya que tiene un valor de F
mucho menor al modelo 2, y por ende nos explicara mejor el comportamiento de la nube.
RMSE (o standard error)
El valor del error tpico est relacionado directamente por la cantidad de variables
independientes. Generalmente, conforme va aumentando la calidad de modelo, va disminuyendo
el error tpico de los residuos. Con cada variable nueva que se incorpora al modelo, la suma de
cuadrados de la regresin gana un grado de libertad y la suma de cuadrados de los residuos lo
pierde. Por lo tanto, el error tpico de los residuos puede aumentar cuando el descenso de la
variacin residual es demasiado pequeo para compensar la prdida de un grado de libertad de la
suma de cuadrados de los residuos.
Concluimos una vez ms, que el modelo 1 es el mejor ya que el error tpico mas aceptable se
encuentra en dicho modelo. Un error en general siempre se trata de que sea minimo por lo tanto
si en un modelo est el error menor al otro, escogeremos el de menor error ya que esta mejor
diseado y procesado.
Nota: presentar el deber en formato impreso para la prxima clase (no se recibir el deber va
email)

VICTORDANILOSAICOBERMEO