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:
x 1=Concentraci ó n de fosforo inorg á nico 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
Variables Independientes:
x 1=Concentraci ó n de fosforo inorg á nico en suel os calcareos
y=β 0 + β 1 x 1 + β 2 x 2
n n n n
nb0 +b 1 ∑ x1 i + b2 ∑ x 2i + −−−+b k ∑ x ki= ∑ y i
i=1 i=1 i=1 i=1
En la siguiente tabla se muestran los cálculos respectivos:
N° 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
SUMATORI
A 215 758 1463
n n n n n
b0 ∑ x1 i + b1 ∑ x 21i + b 2 ∑ x1 i x 2 i +−−−+ bk ∑ x 1 i x Ki= ∑ X 1i y i
i=1 i=1 i=1 i=1 i=1
Hacemos los cálculos, tal como se muestra en la siguiente tabla:
x 21 x 1∗x 2 x 1∗y
X1 X2 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
SUMATORI
A 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 ∑ x2 i + b1 ∑ x 2i x 1i + b 2 ∑ x 22i= ∑ X 2i y i
i=1 i=1 i=1 i=1
En la siguiente tabla se muestra el resultado de las respectivas sumatorias:
X1 X2 Y x 21 x 1∗x 2 x 1∗y x 22 x 2∗y
N°
1 0,4 53 64 0,16 21,2 25,6 2809 3392
2 0,4 23 60 0,16 9,2 24 529 1380
3 3,1 19 71 9,61 58,9 220,1 361 1349
4 0,6 34 61 0,36 20,4 36,6 1156 2074
5 4,7 24 54 22,09 112,8 253,8 576 1296
6 1,7 65 77 2,89 110,5 130,9 4225 5005
7 9,4 44 81 88,36 413,6 761,4 1936 3564
8 10,1 31 93 102,01 313,1 939,3 961 2883
9 11,6 29 93 134,56 336,4 1078,8 841 2697
10 12,6 58 51 158,76 730,8 642,6 3364 2958
11 10,9 37 76 118,81 403,3 828,4 1369 2812
12 23,1 46 96 533,61 1062,6 2217,6 2116 4416
13 23,1 50 77 533,61 1155 1778,7 2500 3850
14 21,6 44 93 466,56 950,4 2008,8 1936 4092
15 23,1 56 95 533,61 1293,6 2194,5 3136 5320
16 1,9 36 54 3,61 68,4 102,6 1296 1944
17 26,8 58 168 718,24 1554,4 4502,4 3364 9744
18 29,9 51 99 894,01 1524,9 2960,1 2601 5049
SUMATORI
A 215 758 1463 4321,02 10139,5 20706,2 35076 63825
Reemplazando los valores en la ecuación, obtenemos:
{18 b 0+ 215 b1+ 758 b2=1463 215 b0 + 4321,02b 1+10139,5 b2 =20706,2758 b 0+10139,5 b 1+35076 b 2=63825
b 1=1,78
b 2=0,086
y=56,25+1,78 x 1 +0,086 x 2
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:
H 1: Existe relación lineal entre las variables.
H 1 : Al menosuno 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 F Valor crítico
los
libertad cuadrados cuadrados de F
6,9875140
Regresión 2 5975,668532 2987,83427 7 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:
x 1=Concentraci ó n de fosforo inorg á nico 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.
Se estableció una hipótesis nula y una hipótesis alternativa para hacer el análisis de
varianza del proceso de regresión. Estas son:
Hipótesis nula
H 0 : No existe relación lineal entre las variables.
H 0 :B 0=B1=B2=0
Hipótesis alternativa:
H 1: Existe relación lineal entre las variables.
H 1 : Al menosuno 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.
y=56,25+1,78 x 1 +0,086 x 2
- b 0=56,25: En caso que los valores de las variables x 1 , x 2 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.
- b 1=1,78: Es el coeficiente de x 1, 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.
- b 2=0,086: Es el coeficiente de x 2, 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
Promedio de
Grados de Suma de los Valor crítico
libertad cuadrados cuadrados F de F
6,9875140
Regresión 2 5975,668532 2987,83427 7 0,00716977
Residuos 15 6413,942579 427,596172
Total 17 12389,61111