1.

REGRESION LINEAL
TABLA DE DATOS

X X1 X2 X3 … Xi

Y Y1 Y2 Y3 … Yi

Ecuación de una recta:

^y =b0 +b1 x

Determinación de la pendiente:
n ( ∑ xi y i ) −( ∑ x i )( ∑ y i )
b 1= 2
n ( ∑ x 2i ) −( ∑ xi )
Determinación del intercepto:
b 0= ý +b1 x́
Desviación de b1 y b0:

Determinación de la t-Student para regresión lineal:

Determinación del coeficiente de correlación:

 2. ANOVA DE UN FACTOR

El análisis de la varianza de un criterio (ANOVA) es una metodología para analizar la variación entre
muestras y la variación al interior de las mismas mediante la determinación de varianzas. Es llamado
de un criterio porque analiza un variable independiente o Factor ej: Velocidad. Como tal, es un
método estadístico útil para comparar dos o más medias poblacionales. El ANOVA de un criterio nos
permite poner a prueba hipótesis tales como:

H 0  1   2   3  ....   k

H 1 : Al menos dos medias poblaciona les son diferentes .

Los supuestos en que se basa la prueba t de dos muestras que utiliza muestras independientes
son:

1. Ambas poblaciones son normales.

2. Las varianzas poblacionales son iguales, esto es,

 12   22 .

Como el ANOVA de un criterio es una generalización de la prueba de t para dos muestras, los
supuestos para el ANOVA de un criterio son:

1. Todas las poblaciones k son normales.

2.
 12   22   32  .....   k2    2 

El método de ANOVA con un criterio requiere del cálculo de dos estimaciones independientes para
2, sb2 y s w2 . sb2 se
la varianza poblacional común. Estas dos estimaciones se denotan por
s2
denomina estimación de la varianza entre muestras y w se denomina estimación de la varianza al
interior de las muestras. El estadístico tiene una distribución muestral resultando:
sb2
F 2
sw
El valor crítico para la prueba F es:

F (k  1, k (n  1))

Donde el número de grados de libertad para el numerador es k-1 y para el denominador es k(n-1),
siendo  el nivel de significancia.
k = número de muestras.

El Procedimiento es el siguiente:

1. Determinar si las muestras provienen de poblaciones normales.

2. Proponer las hipótesis.

3. Encontrar las medias poblacionales y las varianzas.

s w2
4. Encontrar la estimación de la varianza al interior de las muestras y sus grados de libertad
asociados glw.
5. Calcular la gran media para la muestra de las medias muéstrales.
sb2 y sus grados de libertad asociados.
6. Determinar la estimación de la varianza entre muestras
7. Hallar el valor del estadístico de la prueba F.
8. Calcular el valor crítico para F basado en glb y glw.
9. Decidir si se rechaza H0.
Calculo Manual

Se utilizan las fórmulas siguientes:

Suma de cuadrados total (SST o SCT)

r c
∑ ∑ ( Xij−X )2
i=1 j=1
SCT =

*** ** Xi valores individuales

* *** **
X Media de medias
* * **
* **

Suma de cuadrados de los tratamientos o niveles (SSTr o SCTr):

r
SCTR =∑ r j ( X j −X )2
j=1

Media
X3

*
5

4 *
* Media X2
Media X1

Suma de cuadrados del error (SSE o SCE):

r c
SCE =∑ ∑ ( X ij−X j )2
i=1 j=1

** *
Xi Xi
** *

* ** *
*** * Xmedia 3
X media 1 ** *
* Xmedia 2 Xi *

O también SCE = SCT - SCTr

Grados de libertad:
Gl. Totales = n – 1
Gl. Tratamientos = c -1
Gl. Error = n – c

Cuadrados medios (MS o CM):

CMT = SCT / Gl. SCT

CMTr = SCTr / Gl. SCTr
CME = SCE / Gl. SCE

Estadístico calculado Fc:

Fc = CMTr / CME

P value = distr.f (Fc, Gl. CMtr, Gl. CME)

F crítica de tables o Excel = distr.f.inv(alfa, Gl. CMT, Gl. CME)

Si P es menor a alfa o Fc es mayor a Ft se rechaza Ho indicando que los efectos de los diferentes
niveles del factor tienen efecto significativo en la respuesta.

Distr. F

NO RECHAZAR ZONA DE RECHAZo

Alfa

La tabla de ANOVA final queda como sigue:

TABLA DE ANOVA

GRADOS
FUENTE DE VARIACIÓN SUMA DE DE CUADRADO VALOR F
CUADRADOS LIBERTAD MEDIO

CMTR/CM
Entre muestras (tratam.) SCTR c-1 CMTR E

Dentro de muestras
(err.) SCE n-c CME

Variación total SCT n-1 CMT

Regla: No rechazar si la F de la muestra es menor que la Ftab para una cierta alfa