Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TEMPERATURA
Variable dependiente: TIEMPO Variable independiente: TEMPERATURA Lineal: Y = a + b*X Coeficientes Parmetro Intercepto Pendiente Mnimos Cuadrados Estimado -570,5 15,2705 Estndar Error 33,1684 0,864975 Gl 1 29 30 Estadstico T -17,2001 17,6542 Valor-P 0,0000 0,0000 Razn-F 311,67 Valor-P 0,0000
Anlisis de Varianza Fuente Suma de Cuadrados Modelo 2268,89 Residuo 211,112 Total (Corr.) 2480,0
Coeficiente de Correlacin = 0,956491 R-cuadrada = 91,4874 porciento R-cuadrado (ajustado para g.l.) = 91,1939 porciento Error estndar del est. = 2,6981 Error absoluto medio = 2,28921 Estadstico Durbin-Watson = 0,085845 (P=0,0000) Autocorrelacin de residuos en retraso 1 = 0,823949 El StatAdvisor La salida muestra los resultados de ajustar un modelo lineal para describir la relacin entre TIEMPO y TEMPERATURA. La ecuacin del modelo ajustado es TIEMPO = -570,5 + 15,2705*TEMPERATURA Puesto que el valor-P en la tabla ANOVA es menor que 0,05, existe una relacin estadsticamente significativa entre TIEMPO y TEMPERATURA con un nivel de confianza del 95,0%. El estadstico R-Cuadrada indica que el modelo ajustado explica 91,4874% de la variabilidad en TIEMPO. El coeficiente de correlacin es igual a 0,956491, indicando una relacin relativamente fuerte entre las variables. El error estndar del estimado indica que la desviacin estndar de los residuos es 2,6981. Este valor puede usarse para construir lmites de prediccin para nuevas observaciones, seleccionando la opcin de Pronsticos del men de texto. El error absoluto medio (MAE) de 2,28921 es el valor promedio de los residuos. El estadstico de Durbin-Watson (DW) examina los residuos para determinar si hay alguna correlacin significativa basada en el orden en el que se presentan en el archivo de datos. Puesto que el valor-P es menor que 0,05, hay indicacin de una posible correlacin serial con un nivel de confianza del 95,0%. Grafique los residuos versus el nmero de fila para ver si hay algn patrn que pueda detectarse.
Comparacin de Modelos Alternos Modelo Raz Cuadrada-X Cuadrado-X Raz Cuadrada de Y Raz Cuadrada Doble Raz Cuadrada-Y Log-X Raz Cuadrada-Y Inversa de X Cuadrado de X Lineal Raz Cuadrada deX Logaritmo de X Inversa de X Cuadrado Doble Cuadrado de Y Cuadrado-Y Raz Cuadrada-X Cuadrado-Y Log-X Cuadrado-Y Inversa de X Exponencial Inversa de Y Logartmico-Y Raz Cuadrada-X Inversa-Y Raz Cuadrada-X Multiplicativa Inversa-Y Log-X Curva S Doble Inverso Log-Y Cuadrado-X Inversa-Y Cuadrado-X Logstico Log probit El StatAdvisor
observado
Correlacin 0,9940 0,9938 0,9937 0,9935 -0,9932 0,9584 0,9565 0,9555 0,9546 -0,9526 0,8549 0,8516 0,8500 0,8484 -0,8451 <sin ajuste> <sin ajuste> <sin ajuste> <sin ajuste> <sin ajuste> <sin ajuste> <sin ajuste> <sin ajuste> <sin ajuste> <sin ajuste> <sin ajuste> <sin ajuste>
R-Cuadrada 98,80% 98,76% 98,73% 98,71% 98,65% 91,85% 91,49% 91,31% 91,12% 90,75% 73,08% 72,53% 72,25% 71,97% 71,41%
Esta tabla muestra los resultados de ajustar varios modelos curvilneos a los datos. De los modelos ajustados, el modelo raz cuadrada-Y X-cuadrada es el que arroja el valore ms alto de R-Cuadrada con 98,8013%. Este es 7,31384% mayor que el modelo lineal seleccionado. Para cambiar los modelos, seleccione el cuadro de dilogo de las Opciones de Anlisis.
82,6667 9,09212 60,6141% 1,63299 0 30,0 30,0 7,0 23,0 16,0 0 -1,2
El StatAdvisor Esta tabla contiene el resumen estadstico para las dos muestras de datos. Pueden utilizarse otras opciones tabulares, dentro de este anlisis, para evaluar si las diferencias entre los estadsticos de las dos muestras son estadsticamente significativas. De particular inters son el sesgo estandarizado y la curtosis estandarizada que pueden usarse para comparar si las muestras provienen de distribuciones normales. Valores de estos estadsticos fuera del rango de -2 a +2 indican desviaciones significativas de la normalidad, lo que tendera a invalidar las pruebas que comparan las desviaciones estndar. En este caso, ambos valores de sesgo estandarizado se encuentran dentro del rango esperado. Ambas curtosis estandarizadas se encuentran dentro del rango esperado.
COMPARACIN DE MEDIAS
Intervalos de confianza del 95,0% para la media de TIEMPO: 15,0 +/- 3,33502 [11,665, 18,335] Intervalos de confianza del 95,0% para la media de TEMPERATURA: 38,3419 +/- 0,208894 [38,133, 38,5508] Intervalos de confianza del 95,0% intervalo de confianza para la diferencia de medias suponiendo varianzas iguales: -23,3419 +/- 3,27288 [-26,6148, -20,0691]
NOTA: estos resultados asumen que las varianzas de las dos muestras son iguales. En este caso, la suposicin es cuestionable puesto que los resultados de la prueba-F para comparar las desviaciones estndar sugieren que pueden existir diferencias significativas entre ellas. Pueden verse los resultados de esta prueba seleccionando Comparacin de Desviaciones Estndar del men de Opciones Tabulares.