Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Mode Los
Mode Los
1. Dividir los datos de tal manera que el 60% conformen el conjunto de datos
de calibración y el 40% el conjunto de datos de validación. Explicar la
metodología usada para la conformación de los dos grupos.
CALIBRACION modelo 1 VALIDACION
Altura M (x) Dap CM (y) Altura M (x) Dap CM (y)
19,5 23,3 8,0 7,8
18,9 20,9 7,9 6,4
24,2 26,4
15,7 15,1
16,9 17,5
10,8 8,4
17,7 13,4
17,5 14,8
10,7 8,2
16,2 15,0 11,2 7,0
14,6 10,4 12,4 10,7
7,5 6,7 15,7 15,1
7,5 6,7 7,5 6,2
22,2 20,0 13,4 10,0
13,1 8,5 8,5 7,8
9,3 6,5 7,2 9,3
14,0 11,9 14,0 11,9
8,4 7,9 15,2 10,0
9,1 6,1 12,6 13,0
20,8 21,7
12,6 13,0
11,6 9,9
9,2 7,5
13,1 10,5
14,8 11,7
12,5 6,4
14,4 15,4 14,0 13,9
16,5 12,7 19,7 23,0
17,1 18,7
5,6 6,4
METODOLÓGIA Los 2 grupos se conformaron
8,5 7,8 de forma aleatoria seleccionándolos de la tabla
9,8 9,6 inicial. Se dispusieron en 2 tablas la de
8,9 5,5 calibración y la de validación. La de la
6,6 7,4 calibración contiene el 60% de los datos y la de
18,9 14,7
7,6 7,7
validación el 40%.
2. Realizar una gráfica de dispersión e interpretar.
Estadísticas de la regresión
Coeficiente de correlación múltiple
0,92529703
Coeficiente de determinación0,85617459
R^2
R^2 ajustado 0,85103797
Error típico 2,25020511
Observaciones 30
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 843,973821 843,973821 166,680487 2,6032E-13
Residuos 28 141,775846 5,06342306
Total 29 985,749667
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%Superior 95,0%
Intercepción -1,96774233 1,17926293 -1,66862053 0,10633864 -4,38335293 0,44786827 -4,38335293 0,44786827
Altura M (x) 1,05986451 0,08209335 12,9104797 2,6032E-13 0,89170391 1,22802511 0,89170391 1,228025114
CONCLUSION:
Al aplicar una prueba de Shapiro-Wilks en infostat se dice que con un nivel de
confianza del 95% y con un valor de P= (0.12) mayor al alfa (alfa = 0,05) se puede
afirmar que los errores no se comportan de manera normal. Por lo tanto, no se
cumple el supuesto de normalidad para los residuos.
Modelo 2: 𝑦=𝛽0+𝛽1𝑥+𝛽2𝑥2+𝜀
Dap= (4.986) +(-0.0659(altura))+(0.039(Altura^2))
Resumen
Estadísticas de la regresión
Coeficiente de correlación
0,94074174
múltiple
Coeficiente de determinación
0,88499502 R^2
R^2 ajustado 0,87647614
Error típico 2,04908396
Observaciones 30
ANÁLISIS DE VARIANZA
Grados de libertadSuma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 2 872,3835493 436,1917746 103,886224 2,08773E-13
Residuos 27 113,3661174 4,198745089
Total 29 985,7496667
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%Superior 95,0%
Intercepción 4,98637483 2,881039203 1,730755633 0,09491058 -0,925029325 10,897779 -0,92502933 10,897779
Altura M (x) -0,06595855 0,439217646 -0,150172808 0,88174452 -0,967158718 0,83524162 -0,96715872 0,83524162
Altura M (x^2) 0,0397629 0,015286365 2,601200237 0,01489209 0,008397866 0,07112793 0,00839787 0,07112793
Observación
Pronóstico Dap CM (y) Residuos Percentil Dap CM (y)
1 18,8200247 4,479975298 1,66666667 5,5
2 17,9434627 2,956537314 5 6,1
3 26,6769209 -0,276920923 8,33333333 6,4
4 15,2283564 2,271643637 11,6666667 6,5
5 16,2762265 -2,876226511 15 6,7
6 8,83307244 -0,63307244 18,3333333 6,7
7 14,353221 0,646778975 21,6666667 7,4
8 12,4992391 -2,099239142 25 7,7
9 6,72834868 -0,028348676 28,3333333 7,8
10 6,72834868 -0,028348676 31,6666667 7,9
11 23,1188412 -3,118841186 35 8,2
12 10,9460286 -2,446028597 38,3333333 8,5
13 7,81205329 -1,312053293 41,6666667 9,6
14 11,856483 0,04351704 45 9,9
15 7,23799304 0,662006962 48,3333333 10,4
16 7,67891754 -1,578917542 51,6666667 10,5
17 20,8174568 0,882543241 55 11,7
18 9,57175109 0,328248912 58,3333333 11,9
19 10,9460286 -0,446028597 61,6666667 12,7
20 12,7198533 -1,019853266 65 13,4
21 12,281806 3,11819395 68,3333333 14,7
22 14,661296 -1,961296034 71,6666667 15
23 15,4855524 3,214447647 75 15,4
24 5,86397141 0,536028587 78,3333333 17,5
25 7,29859648 0,501403521 81,6666667 18,7
26 8,15880968 1,441190315 85 20
27 7,54896282 -2,048962823 88,3333333 20,9
28 6,28312021 1,116879793 91,6666667 21,7
29 17,9434627 -3,243462686 95 23,3
30 6,7817948 0,918205204 98,3333333 26,4
CONCLUSION: para determinar la pendiente revisamos los intervalos de confianza de
𝛽1 y 𝛽2 del modelo 2. Allí podemos determinar que para 𝛽1 los intervalos si toman el
valor de 0 por lo tanto la pendiente es igual de 0, por el contrario, 𝛽2 los intervalos no
toman el valor de 0 por lo tanto la pendiente en diferente de 0.
HOMOGENEIDAD (MODELO 2)
Gráfica
Resumen
Estadísticas de la regresión
Coeficiente de correlación
0,801976955
múltiple
Coeficiente de determinación
0,643167037
R^2
R^2 ajustado 0,630423002
Error típico 3,544351516
Observaciones 30
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 634,001692 634,001692 50,4680869 9,93388E-08
Residuos 28 351,747975 12,5624277
Total 29 985,749667
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%
Intercepción 23,63145194 1,72089184 13,732096 5,8109E-14 20,10636481 27,1565391 20,1063648
Altura(1/x) -130,9948325 18,4393557 -7,10408945 9,9339E-08 -168,7661404 -93,2235245 -168,76614
Grafica
Estadísticas de la regresión
Coeficiente de0,91519085
correlación múltiple
Coeficiente de determinación
0,8375743 R^2
R^2 ajustado 0,83177338
Error típico 0,08107555
Observaciones 30
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 0,94908779 0,94908779 144,386509 1,4434E-12
Residuos 28 0,18405084 0,00657324
Total 29 1,13313862
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%
Superior 95,0%
Intercepción -0,09821672 0,09633657 -1,01951642 0,31668657 -0,29555325 0,09911981 -0,29555325 0,09911981
Log (x) 1,04258303 0,08676555 12,0160938 1,4434E-12 0,86485185 1,22031421 0,86485185 1,22031421
Observación
Pronóstico Log (y)Residuos
1 1,24675148 0,12060444
2 1,2326007 0,08754559
3 1,3445257 0,07707823
4 1,18195712 0,06108092
5 1,20289903 -0,07579423
6 0,97500134 -0,06118749
7 1,16280311 0,01328815
8 1,11571781 -0,09868447
9 0,81410731 0,0119675
10 0,81410731 0,0119675
11 1,30546805 -0,00443805
12 1,06663138 -0,13721245
13 0,91150717 -0,09859381
14 1,09671692 -0,02116996
15 0,86542118 0,03220591
16 0,90166356 -0,11633373
17 1,27597375 0,06048598
18 1,01156912 -0,01593392
19 1,06663138 -0,04544208
20 1,12187829 -0,05369243
21 1,10947236 0,07804836
22 1,16973721 -0,06593349
23 1,1872841 0,0845575
24 0,68183142 0,12434855
25 0,87077968 0,02131492
26 0,93521877 0,04705246
27 0,89160119 -0,1512385
28 0,75622588 0,11300584
29 1,2326007 -0,06528336
30 0,82010459 0,06638614
CONCLUSIÓN. Para determinar la pendiente revisamos los intervalos de confianza
de 𝛽1 del modelo 4. Allí podemos determinar que los intervalos no toman el valor de 0
por lo tanto la pendiente es diferente de 0.
HOMOGENEIDAD (MODELO 4)
Grafica
Grafica
El mejor modelo fue el potencial ya que fue el modelo que mejor relaciono los
datos esto se puede afirmar ya que el coeficiente de correlación fue alto y su CME
fue bajo. Además de cumplir con el supuesto de homogeneidad de varianzas.
NOTA: Las lineas de tendencia para los modelos no lineales presentan algunas
inconsistencias debido a que el programa excel no realiza la linealizacion para
modelos no lineales.
Prueba de levene