Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.9015
Coeficiente de determinación R^2 0.8127
R^2 ajustado 0.7190
Error típico 0.2562
Observaciones 7

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 2 1.139
Residuos 4 0.263
Total 6 1.402

Coeficientes Error típico

Intercepción 2.126 0.097
Variable X 1 -0.537 0.131
Variable X 2 -0.089 0.131

Análisis de los residuales

Observación Pronóstico para Y Residuos

1 2.1261 0.3921
2 1.9090 -0.1165
3 1.7353 -0.2562
4 2.7341 -0.1160
5 1.5180 0.0791
6 2.5166 -0.0611
7 2.3433 0.0786
Promedio de los cuadrados F Valor crítico de F
0.570 8.677 0.035
0.066

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0%

21.957 0.000 1.857 2.395 1.857
-4.110 0.015 -0.900 -0.174 -0.900
-0.678 0.535 -0.451 0.274 -0.451

"La ecuación del modelo de regresión lineal multivariante composicional es"

𝒍𝒏𝑩𝑰𝑶𝑴𝑨𝑺)=𝟐,𝟏𝟐𝟔−𝟎,𝟓𝟑𝟕𝒚𝟏−𝟎,𝟎𝟖𝟗𝒚𝟐
 Variable X 1 Gráfico de los residuales
0.6000
0.4000

Residuos
0.2000
0.0000
-1.5000 -1.0000 -0.5000 0.0000
-0.2000 0.5000 1.0000 1.5000
-0.4000
Variable X 1

Variable X 2 Gráfico de los residuales

Superior 95,0% 0.6000
2.395 0.4000
Residuos

-0.174 0.2000
0.274 0.0000
-1.5000 -1.0000 -0.5000 0.0000
-0.2000 0.5000 1.0000 1.5000
-0.4000
Variable X 2

Variable X 1 Curva de regresión

ajustada
te composicional es" 3.000
Y
2.000
Pronóstico para Y
1.000
Y

0.000
-1.5000-1.0000-0.5000 0.0000 0.5000 1.0000 1.5000
Variable X 1

Variable X 2 Curva de regresión

ajustada
3.000
Y
2.000
Pronóstico para Y
1.000
Y

0.000
-1.5000-1.0000-0.5000 0.0000 0.5000 1.0000 1.5000
Variable X 2
s residuales

0.5000 1.0000 1.5000

s residuales

0.5000 1.0000 1.5000

regresión

Y
Pronóstico para Y

1.5000

regresión

Y
Pronóstico para Y

1.5000
 C1 C2 C3 BIOMAS LN(BIOMAS) ilr.1 ilr.2
0.3333 0.3333 0.3333 12.406 2.518 0.0000 0.0000
0.1667 0.6667 0.1667 6.004 1.792 0.5659 -0.9802
0.6667 0.1667 0.1667 4.389 1.479 0.5659 0.9802
0.1667 0.1667 0.6667 13.71 2.618 -1.1318 0.0000
0.4444 0.4444 0.1111 4.939 1.597 1.1319 0.0000
0.1111 0.4444 0.444 11.653 2.456 -0.5652 -0.9803
0.4444 0.1111 0.4444 11.267 2.422 -0.5660 0.9803

"EJERCICIO 2. Estamos diseñando un nuevo sustrato de maceta especializado para

fresas. Dentro de ciertos límites, podemos controlar la composición mineral del
sustrato. Nos gustaría entender cómo influye el sustrato en la biomasa total de fresa
producida por temporada. Realizamos un experimento en el que medimos la biomasa en
kg de fresas de un tamaño de maceta definido lleno de diferentes sustratos de
composición diseñada."
"Dado que la biomasa tiene una escala de razón y solo puede ser positiva, podríamos
considerar una transformación logarítmica. Como justificación, tenga en cuenta que con
agua y luz ilimitadas, la producción de biomasa vegetal podría considerarse exponencial.
Por lo tanto, utilizaremos y= ln(biomass) como variable dependiente. Diseñe un modelo
lineal donde la composición del sustrato (C1,C2, y C3) sean las variables independientes.
Utilice la transformación ilr. (Puede utilizar cualquier programa de estadística, incluido
excel, sugerencias: Rstudio, STATA, CoDaPack)"

𝐶𝑜𝐷𝑎𝑃𝑎𝑐𝑘
 o para
del
de fresa
a biomasa en
de
dríamos
nta que con
xponencial.
un modelo
pendientes.
a, incluido

𝑃𝑎𝑐𝑘