REGRESION MULTIPLE

Investigación se realizó con la finalidad de desarrollar un modelo que pueda producir el

rendimiento de cebada grignom para la producción de Malta en base de las temperaturas y
precipitaciones que ocurren durante el desarrollo del cultivo en las regiones del Valle de
Cochabamba. Con tal finalidad se obtuvieron rendimientos de una variedad grignom de
cebada y las temperaturas (tdic=diciembre ten=enero tfeb=febrero tmar=marzo) y
precipitaciones (ppdic=diciembre ppen=enero ppfeb=febrero) promedios de los meses
indicados desde 1990 hasta 2005. Los resultados son:
Determinar el mejor modelo

STEP VARIABLE R-SQUARE C(P) P=V+1

1 Tfeb 0.5297 17.20 2
2 Ten, tfeb 0.6228 8.28 3
3 Ten, ppfeb, tfeb 0.6534 3 4
4 Ten, ppfeb, tfeb, tmar 0.6743 5.89 5
5 Ppen, ten, ppfeb, tfeb, tmar 0.7019 5.05 6
6 Tdic, ppen, ten, ppfeb, tfeb, tmar 0.7097 6.98 7
7 Tdic, ppen, ten, ppfeb, tfeb, ppmar, tmar 0.8569 8.00 8

CP MENOR
3, 5, 4, 6

R2 MAYOR
6, 5, 4

CP=P
6, 4, 5

MODELO SIMPLE (MENOS CANTIDAD DE VARIABLES)

EL MEJOR ES EL MODELO 6

PORQUE EL MODELO 6 SU CP ESTA ENTRE LOS MENORES, SU R2 ES EL MAS MAYOR, CP ES EL QUE

MAS SE PARECE A P Y TIENE MENOS VARIABLES RESPECTO AL MODELO 7

Fernando Suzaño
f05 página 1
 STEP VARIABLE R-SQUARE C(P) P=n+1
1 Tfeb 0.5297 19.20 2
2 Ten, tfeb 0.6228 9.28 3
3 Ten, ppfeb, tfeb 0.6534 6.68 4
4 Ten, ppfeb, tfeb, tmar 0.7743 5.01 5
5 Ppen, ten, ppfeb, tfeb, tmar 0.6019 6.98 6
6 Tdic, ppen, ten, ppfeb, tfeb, tmar 0.7197 7.05 7
7 Tdic, ppen, ten, ppfeb, tfeb, ppmar, tmar 0.8569 8.00 8

CP MENOR
4, 3, 5

R2 MAYOR
4, 6, 3 EL MEJOR ES EL MODELO 4

CP=P
4,6,5

MODELO SIMPLE (MENOS CANTIDAD DE VARIABLES)

STEP VARIABLE R-SQUARE C(P) P=n+1

1 Tfeb 0.5297 19.20 2
2 Ten, tfeb 0.6228 9.28 3
3 Ten, ppfeb, tfeb 0.7534 4.08 4
4 Ten, ppfeb, tfeb, tmar 0.5043 6.01 5
5 Ppen, ten, ppfeb, tfeb, tmar 0.6019 7.01 6
6 Tdic, ppen, ten, ppfeb, tfeb, tmar 0.7097 7.51 7
7 Tdic, ppen, ten, ppfeb, tfeb, ppmar, tmar 0.8569 8.00 8

CP MENOR
3, 4, 5

R2 MAYOR EL MEJOR MODELO ES EL 3

3, 6, 2

CP=P
3, 6, 4

MODELO SIMPLE (MENOS CANTIDAD DE VARIABLES)

Fernando Suzaño
f05 página 2
 CP MENOR
4, 5, 6

R2 MAYOR
6,5,4

CP=P
5, 6, 4

MODELO SIMPLE
(MENOS CANTIDAD DE
VARIABLES)

3. El tipo de efecto que se requiere para el cálculo de stderr es (10)

A. El efecto confundido
B. El efecto centrado
C. El efecto anidado
D. El efecto fijo
E. Ninguno de los anteriores

Fernando Suzaño

f05 página 3
 FACTORIAL (DBCA FACTORIAL)

Factor A: temp (30,35,40)

Factor C: pH (5,7,9,10)

FV GL SC CM Fcal
Fermentador (blque) b-1=4-1=3 30.6683 10,2228 ----
Temp (factor a) a-1=3-1=2 359,3016 179.6508 665,3733
Ph (factor c) c-1=4-1=3 61.4967 20,4989 75,9219
Temp*ph (a-1)*(c-1)=2*3=6 83,9286 13.9881 51,8078
error (b-1)(ac-1)=(3)((3*4)-1)=33 8,9115 0,27
Total (a*c*b)-1=(3*4*4)-1=47 544.3067

Fernando Suzaño
f05 página 4
a) Este procedimiento sirve para evaluar si una relación curvilinea podria ajustar mejor a los datos que
un modelo lineal, para ello el CM error se descompone en dos componentes:

1. Lack of fit (componente falta de ajuste)

2. Pure error (Componente de error puro)

Estos dos componentes son utilizados para construir un estadistico de prueba F con el fin de contrastar
Las siguientes hipotesis:

Ho: La relación no es lineal

Ha: La relación si es lineal

b)

(Pr>F) < 0,05 SRHo

MODELO 1
(Pr>F) < 0,05 SRHo
0,86915 > 0,05 SAHo
La relación no es lineal

MODELO 2
EL MODELO 2 ES EL MEJOR PORQUE LA PROBABILIDAD 0,008
(Pr>F) < 0,05 SRHo
ES MENOR AL NIVEL DE SIGNIFICANCIA (0.05), POR LA TANTO
0,008 < 0,05 SRHo
LA RELACION ES LINEAL
La relación SI es lineal

Fernando Suzaño
f05 página 5