Está en la página 1de 5

2 E NTREGABLE

Probabilidad y procesos

NOMBRE: Ignacio Zay Pinilla NIP: 628123 GRUPO: 911

[Seleccionar fecha]

ANLISIS DE Y COMO V.A. UNIDIMENSIONAL


Probability Plot of "Y"
Normal - 95% CI
99,9 99 95 90 80 70 60 50 40 30 20 10 5 1 0,1 Mean StDev N AD P-Value 18,23 3,511 183 0,715 0,061 99,9 99 95 90 80 70 60 50 40 30 20 10 5 1

Probability Plot of "Y"


Gamma - 95% CI
Shape Scale N AD P-Value 27,13 0,6721 183 0,290 >0,250

Percent

Percent

10

15 "Y"

20

25

30

0,1

10

15 "Y"

20

30

Probability Plot of "Y"


Exponential - 95% CI
99,9 99 90 80 70 60 50 40 30 20 10 5 3 2 1 Mean N AD P-Value 18,23 183 55,490 <0,003 99,9 99 90 80 70 60 50 40 30 20 10 5 3 2 1

Probability Plot of "Y"


Weibull - 95% CI
Shape Scale N AD P-Value 5,477 19,69 183 1,662 <0,010

Percent

0,1

Percent
0,01 0,1 1 "Y" 10 100

0,1

9 10 "Y"

15

20

30

Escogemos la distribucin LogNormal para representar el comportamiento de la variable Y ya que es la que nos da el P-Value ms alto. P- Value: 0,682.

Probability Plot of "Y"


Lognormal - 95% CI
Loc 2,885 Scale 0,1942 N 183 AD 0,268 P-Value 0,682

95

Percent

"Y"

Extraemos a partir de esta distribucin ajustada el percentil 95 de la variable Y que nos da como valor 24,6365 como podemos apreciar en el grafico.

24,6365

[Seleccionar fecha]

RELACIN ENTRE Y Y X2
Scatterplot of "Y" vs "X2"

"Y"

"X2"

El valor del coeficiente de correlacin lineal es 0,902, es un valor positivo, por lo que la
correlacin es directa. Es un valor prximo a 1 y por ello la correlacin es fuerte.

En esta grfica ya podemos intuir claramente que la relacin que siguen las dos variable es lineal; pero observamos que el ltimo punto respecto a la varialbe X2 ejerce una gran fuerza al encontrarse aislado, por lo que podramos considerarlo un dato atipico. Para obtener los valores numricos de la regresin y de su error utilizaremos la opcin regression de Minitab de la que destacamos los siguientes resultados. Regression Analysis: "Y" versus "X2"
The regression equation is "Y" = 3,30 + 1,48 "X2"
Unusual Observations

Obs 1 17 18 57 58 82 83 84 104 125 145

"X2" "Y" Fit 11,9 21,515 20,971 9,4 17,814 17,268 12,6 21,826 21,934 6,1 14,293 12,297 11,8 21,765 20,752 9,9 16,787 18,036 14,7 27,650 25,074 12,4 21,160 21,749 10,5 17,784 18,825 8,4 16,046 15,704 8,4 14,581 15,699

SE Fit 0,149 0,118 0,173 0,239 0,144 0,113 0,268 0,168 0,114 0,144 0,144

Residual 0,545 0,546 -0,108 1,996 1,013 -1,249 2,576 -0,589 -1,041 0,342 -1,118

St Resid 0,36 0,36 -0,07 1,33 0,67 -0,82 1,72 -0,39 -0,69 0,23 -0,74

[Seleccionar fecha]

RELACIN ENTRE Y Y X1
Debido a que X1 es una variable cualitativa no podemos seguir la tcnica de anlisis seguida para modelar la relacin Y frente a X1. Aprovechando que X1 solo puede tomar tres valores estudiaremos el comportamiento de Y para cada uno de los valores de X1. En primer lugar extraeremos los datos estadsticos bsicos: Descriptive Statistics: "Y"
Variable "Y" "X1" 1 2 3 Mean 16,677 18,221 19,587 StDev 3,175 3,257 3,626 Minimum 11,686 8,924 11,837 Q1 14,452 16,046 17,367 Median 16,426 18,117 19,310 Q3 18,811 20,502 22,510 Maximum 28,562 26,492 27,650

Con esto observamos como para los dos valores de X1 Y parece ser bastante simtrica y el la desviacin tpica es muy similar, siendo la principal diferencia entorno a qu punto se centran los valores.

Boxplot of "Y"
1 2 30 25 20 15

"Y"

10 30 25 20 15 10 3

Panel variable: "X1"

[Seleccionar fecha]

INFLUENCIA DE X1 EN LA RELACIN ENTRE Y Y X2


Con lo visto hasta ahora cabra esperar que cuando si separamos los valores de Y en funcin de la variable X1 nos encontremos con que sus regresiones lineales sean iguales a la ya obtenida para Y pero con diferentes ordenadas en el origen, siendo la de X1=2 ms alta y la de X1=1 ms baja. Confirmaremos esto tanto grficamente como numricamente:

Scatterplot of "Y" vs "X2"


30
"X1" 1 2 3

25

"Y"

20

15

10 5,0 7,5 10,0 "X2" 12,5 15,0 17,5