Documentos de Académico
Documentos de Profesional
Documentos de Cultura
a. ¿Cuál es la variable dependiente (y) respuesta y cuál es (son) la (s) variable (s)
independiente (s)(x) o predictora (s) en este caso?
b. Realice el diagrama de dispersión asignando la variable respuesta e independiente
según corresponda. ¿Qué sugiere la gráfica con respecto al modelo?
c. Identifique el modelo
d. Estime los parámetros del modelo e interprételos
e. Redacte las hipótesis que interesa contrastar en el análisis de varianza
f. Especifique matemáticamente el modelo y especifique cada término
g. Verifique los supuestos para realizar en ANAVA y determine las hipótesis
h. Es significativo el modelo, a qué nivel?
i. Realice la regresión con fórmulas en archivo Excel y con la herramienta “regresión de
análisis de datos”
j. Son significativos los coeficientes de regresión
k. Como se cuantifica si el modelo explica una parte significativa de la variación de la
variable respuesta
l. Redactar como si fuese para la sección de material y método y resultados de un artículo
científico
Los datos:
Muestra X1 X2 Y
1 0.4 53 64
2 0.4 23 60
3 3.1 19 71
4 0.6 34 61
5 4.7 24 54
6 1.7 65 77
7 9.4 44 81
8 10.1 31 93
9 11.6 29 93
10 12.6 58 51
11 10.9 37 76
12 23.1 46 96
13 23.1 50 77
14 21.6 44 93
15 23.1 56 95
16 1.9 36 54
17 26.8 58 168
18 29.9 51 99
Fuente: Datos adaptados Martínez 1997
Solución:
a. ¿Cuál es la variable dependiente (y) respuesta y cuál es (son) la (s) variable (s)
independiente (s)(x) o predictora (s) en este caso?
Respuesta:
Variables Independientes:
𝑥1 = 𝐶𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑓𝑜𝑠𝑓𝑜𝑟𝑜 𝑖𝑛𝑜𝑟𝑔á𝑛𝑖𝑐𝑜 𝑒𝑛 𝑠𝑢𝑒𝑙𝑜𝑠 𝑐𝑎𝑙𝑐𝑎𝑟𝑒𝑜𝑠
𝑥2 = 𝐶𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑓𝑜𝑠𝑓𝑜𝑟𝑜 𝑜𝑟𝑔á𝑛𝑖𝑐𝑜𝑠 𝑒𝑛 𝑠𝑢𝑒𝑙𝑜𝑠 𝑐𝑎𝑙𝑐𝑎𝑟𝑒𝑜𝑠
Respuesta
De acuerdo al modelo, la gráfica sugiere una dependencia lineal de la variable dependiente (Y),
respecto a las variables independientes X1 y X2.
c. Identifique el modelo
𝑦 = 𝛽0 + 𝛽1 𝑥1 + 𝛽2 𝑥2
n n n n
nb0 b1 x1i b2 x 2i bk x ki y i
i 1 i 1 i 1 i 1
n n n n n
b0 x1i b1 x b2 x1i x 2i bk x1i x Ki X 1i y i
2
1i
i 1 i 1 i 1 i 1 i 1
Hacemos los cálculos, tal como se muestra en la siguiente tabla:
X1 X2 Y 𝑥12 𝑥1 ∗ 𝑥2 𝑥1 ∗ 𝑦
N°
1 0,4 53 64 0,16 21,2 25,6
2 0,4 23 60 0,16 9,2 24
3 3,1 19 71 9,61 58,9 220,1
4 0,6 34 61 0,36 20,4 36,6
5 4,7 24 54 22,09 112,8 253,8
6 1,7 65 77 2,89 110,5 130,9
7 9,4 44 81 88,36 413,6 761,4
8 10,1 31 93 102,01 313,1 939,3
9 11,6 29 93 134,56 336,4 1078,8
10 12,6 58 51 158,76 730,8 642,6
11 10,9 37 76 118,81 403,3 828,4
12 23,1 46 96 533,61 1062,6 2217,6
13 23,1 50 77 533,61 1155 1778,7
14 21,6 44 93 466,56 950,4 2008,8
15 23,1 56 95 533,61 1293,6 2194,5
16 1,9 36 54 3,61 68,4 102,6
17 26,8 58 168 718,24 1554,4 4502,4
18 29,9 51 99 894,01 1524,9 2960,1
SUMATORIA 215 758 1463 4321,02 10139,5 20706,2
Ahora, teniendo en cuenta que el número de variables se representa por (K), en este
caso K=2. La última ecuación es:
n n n n
b0 x2i b1 x2i x1i b2 x X 2i yi 2
2i
i 1 i 1 i 1 i 1
18 1463 758 𝑏1 =
𝑥1𝑖
=
𝑏1𝑖 = 215 20706,2 10139,5 𝑏1𝑖 = 140249323 𝑠 1,78977412
758 63825 35076
18 215 1463
𝑥2𝑖
𝑏2𝑖 = 215 4321,02 20706,2 𝑏2𝑖 = 6789962,22 𝑏2 = 𝑠
= 0,08664925
758 10139,5 63825
Podemos concluir que el valor de los parámetros del modelo so:
𝑏0 = 56,25
𝑏1 = 1,78
𝑏2 = 0,086
Por lo tanto a ecuación de regresión es:
Cada variable X mantiene con la variable criterio Y una relación de linealidad, es decir,
supone un incremento constante y regular en Y por cada cambio en X. En el modelo
global el cambio total de Y se debe a la suma de los incrementos por separado de cada
variable predictora. En definitiva, el modelo se considera aditivo en este sentido descrito
por ser una suma de efectos (Diaz, 1999).
Hipótesis alternativa:
𝐻1 : Existe relación lineal entre las variables.
𝐻1 : 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑜 𝑑𝑒 𝑙𝑎𝑠 𝐵𝑖 ≠ 0
Muestra X1 X2 Y
1 0.4 53 64
2 0.4 23 60
3 3.1 19 71
4 0.6 34 61
5 4.7 24 54
6 1.7 65 77
7 9.4 44 81
8 10.1 31 93
9 11.6 29 93
10 12.6 58 51
11 10.9 37 76
12 23.1 46 96
13 23.1 50 77
14 21.6 44 93
15 23.1 56 95
16 1.9 36 54
17 26.8 58 168
18 29.9 51 99
ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de Valor crítico de
libertad cuadrados los cuadrados F F
Regresión 2 5975,668532 2987,83427 6,98751407 0,00716977
Residuos 15 6413,942579 427,596172
Total 17 12389,61111
Materiales y método
Para determinar el efecto residual de fósforos en suelos donde previamente se cultivó maíz se
midió la concentración de fósforo inorgánico y el orgánico en varios suelos calcáreos.
Además se midió el contenido de fósforo del maíz sembrado en esos suelos y se estimó el
fósforo aprovechable por la planta (ppm) en suelos a una temperatura de 20 °C. En total
se tomaron 18 muestras y en cada una se hicieron las respectivas medciones.
Variable dependiente:
y = fósforo aprovechable por la planta (ppm) en suelos a una temperatura de 20 °C.
Variables Independientes:
𝑥1 = 𝐶𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑓𝑜𝑠𝑓𝑜𝑟𝑜 𝑖𝑛𝑜𝑟𝑔á𝑛𝑖𝑐𝑜 𝑒𝑛 𝑠𝑢𝑒𝑙𝑜𝑠 𝑐𝑎𝑙𝑐𝑎𝑟𝑒𝑜𝑠
Los datos obtenidos con las mediciones de cada una de las variables se presenta en el la
siguiente tabla.
Muestra X1 X2 Y
1 0.4 53 64
2 0.4 23 60
3 3.1 19 71
4 0.6 34 61
5 4.7 24 54
6 1.7 65 77
7 9.4 44 81
8 10.1 31 93
9 11.6 29 93
10 12.6 58 51
11 10.9 37 76
12 23.1 46 96
13 23.1 50 77
14 21.6 44 93
15 23.1 56 95
16 1.9 36 54
17 26.8 58 168
18 29.9 51 99
Para determinar el efecto residual, hicimos un análisis de regresión lineal múltiple que nos
permitió establecer la relación lineal entre las variables establecidas. Para ello iniciamos
construyendo un diagrama de dispersión en el que pudimos observar la tendencia lineal de
las variables en las respectivas mediciones.
Hipótesis nula
𝐻0 : No existe relación lineal entre las variables.
𝐻0 : 𝐵0 = 𝐵1 = 𝐵2 = 0
Hipótesis alternativa:
𝐻1 : Existe relación lineal entre las variables.
𝐻1 : 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑜 𝑑𝑒 𝑙𝑎𝑠 𝐵𝑖 ≠ 0
Es de notar que con este procedimiento determinamos si las variables son linealmente
dependientes o si no existe relación lineal entre ellas.
Resultados
Los datos fueron organizados en un archivo de Excel y en él se hicieron los diferentes
cálculos.
- 𝑏0 = 56,25: En caso que los valores de las variables 𝑥1 , 𝑥2 sean iguales a cero,
la cantidad de fósforo aprovechable por la planta (ppm) en suelos a una
temperatura de 20 °C es de 56,25.
- 𝑏1 = 1,78: Es el coeficiente de 𝑥1 , indica que la concentración de fosforo
inorgánicos en suelos calcáreos aumenta en 1,78 ppm cuando la cantidad, en
partes por millón, de fósforo orgánico es constante.
- 𝑏2 = 0,086: Es el coeficiente de 𝑥2 , indica que la concentración de fósforo
orgánico en suelos calcáreos aumenta en 0,086 pp, cuando cantidad en ppm de
fosforo inorgánico es constante.
Cada variable X mantiene con la variable criterio Y una relación de linealidad, es decir,
supone un incremento constante y regular en Y por cada cambio en X. En el modelo
global el cambio total de Y se debe a la suma de los incrementos por separado de cada
variable predictora. En definitiva, el modelo se considera aditivo en este sentido descrito
por ser una suma de efectos.
Para establecer la relación de linealidad entre las variables, hicimos el análisis de varianza
con un 95% de confiabilidad. Los resultados del ANOVA se muestran en la siguiente tabla:
ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de Valor crítico de
libertad cuadrados los cuadrados F F
Regresión 2 5975,668532 2987,83427 6,98751407 0,00716977
Residuos 15 6413,942579 427,596172
Total 17 12389,61111