SEMANA 2

ANALISIS DE REGRESION
LINEAL Y MULTIPLE
Docente:

Mercedes Aida Osorio Maza

mosorio@uni.edu.pe

2016 - I
PRACTICA

4.- En un experimento donde se evala el tiempo de

combustin de muestras de tabaco( Y ) medida en
minutos, se tom como referencia el porcentaje de
nitrgeno( X1 ) y de cloro(X2) que contenan dichas
muestras obtenindose los siguiente datos:
Combustin (Tiempo en minutos) -> Y

5.38

8.45

10.12

18.14

20.02

Nitrgeno (%) ->X1

75.80

64.90

87.00

94.10

98.30

Cloro (%) ->X2

15.30

15.50

20.84

29.45

30.75

Hallar:
a)

Realice el Diagrama de Dispersin( Bosquejo )

b)

Halle el modelo
mediante mtodo de mnimos cuadrados del error
Halle el vector de coeficientes de regresin
Plantee matricialmente el modelo
y i xB i i
Interprete
Plantee y halle vector
Halle
Qu opina?

c)
d)
e)
f)
g)
h)

Indique grficamente el modelo lineal los errores Ej. i = 1, 2, 3, 4, 5 y

halle la suma cuadrado error.

i)

Cul es el objetivo de plantear un modelo de regresin y cul es el

criterio para determinar el modelo adecuado?

Solucin 4
a) Realice el Diagrama de Dispersin( Bosquejo )

Modelo de Regresin Mltiple:

b) Halle el modelo
el vector de coeficientes

mediante

De las ecuaciones normales:

Hallamos el vector coeficiente mediante matrices:

c) Interprete
: - 0.21767 Significa que manteniendo constante
(Cloro) al aumentar en una unidad la variable
(Nitrgeno), el tiempo de combustin disminuye en
promedio -0.21767

: + 1.21246 Significa que manteniendo constante

la variable (Nitrgeno) al aumentar en una unidad la
variable
(Cloro), el tiempo de combustin se
incrementan en + 1.21246

d) Plantee y halle

e) Halle

Qu opina?

Entonces procedemos a aplicar la frmula para el coeficiente

de determinacin:

El coeficiente de determinacin nos indica que el 99.723% de la variacin

de Y esta explicada por la variable (Nitrgeno) y (Cloro).Debido a que
el coeficiente de correlacin nos resulto en el rango de 0.7 y menor que 1
podemos decir que es un Buen Ajuste para la siguiente regresin
polinomial de dos variables.

f ) Indique grficamente el modelo lineal los errores Ej. I = 1,

2, 3, 4, 5 y halle la suma cuadrado error.
Sabemos que:
Elaboramos el siguiente cuadro:

g) Cul es el objetivo de plantear un modelo de

regresin y cul es el criterio para determinar el
modelo adecuado?
Hay muchos objetivos que uno puede tener presente para poder plantear
un modelo de regresin, pero a continuacin mencionaremos algunos de
ellos:
Plantear el problema a resolver por un modelo de regresin con variable
dependiente
Seleccionar y estimar un modelo de regresin logstica y analizar su
bondad de ajuste
Interpretar los resultados obtenidos
Plantear un modelo de regresin logstica con observaciones mltiples
Plantear un modelo de regresin con variable dependiente y, en
particular, un modelo de regresin logstica multinomial

Para determinar un modelo adecuado con respecto a otros, sera

necesario poder hallar el coeficiente de correlacin y as poder
determinar qu modelo se ajusta ms a la forma posible que uno
quiera hacer. Comparar los coeficientes de correlacin con los otros
modelos sera la mejor opcin, sabiendo que el mayor de todos
tiene un ajuste ms perfecto en comparacin a los dems modelos.
Por lo tanto el modelo que tenga el mayo coeficiente de correlacin
seria la mejor opcin a escoger ya que su porcentaje de error es
mnimo en comparacin a los dems modelos.