Análisis De Regresión Simi
UNIVERSIDAD AUTÓNOMA CHAPINGO
DEPARTAMENTO DE INGENIERÍA AGROINDUSTRIAL
MAESTRÍA EN CIENCIA Y TECNOLOGÍA AGROALIMENTARIA
METODOS ESTADISTICOS
TAREA # 2:
REGRESIÓN LINEAL SIMPLE
Presenta:
Laura Simeona Gordillo Salinas
Chapingo, Texcoco, Estado de México, Octubre de 2015.
Índice
I
Descripción del caso
…………………………………………….
3
II
Datos
…………………………………………….
3
III
Graficas dedispersión
…………………………………………….
4
IV
ANOVA
…………………………………………….
5
4.1 ANOVA
…………………………………………….
5
4.2 Estadísticas de bondad de ajustes
…………………………………………….
8
4.3 Prueba de hipótesis parciales
…………………………………………….
8
4.4 Graficas de residuales
…………………………………………….
9
4.5 Pruebas de Hipótesis
…………………………………………….
13
V
Conclusión
…………………………………………….
18
VI
Bibliografía
…………………………………………….
19
VII
Anexos…………………………………………….
20
I. Descripción del caso
Los datos analizados se tomaron de un trabajo de investigación que se está realizando titulado “Atributos nutricios y nutracéuticos de cuatro segregados de capulín (Prunus serótina), fresco y procesado”, las variables a analizar fueron el peso del fruto (variable dependiente) vs el diámetro longitudinal (variable independiente), estas mediciones setomaron a 30 frutos, seleccionados al azar de la cosecha del año corriente 2015 de cada árbol.
II. Datos : Se cuenta con treinta datos de Capulín
X(Diámetro longitudinal)
Y(Peso)
19.34
3.66
17.81
3.01
18.96
3.69
19.79
4.02
15.36
2.12
16.99
2.94
16.47
2.56
19.8
4.01
16.35
2.51
18.72
3.43
18.24
3.3
17.98
3.04
18.02
3.12
18.22
3.42
15.37
1.99
16.85
2.38
16.34
2.35
16.63
2.71
18.45
3.39
18.36
3.3315.61
2.14
15.98
2.91
18.43
2.95
19.61
3.62
17.82
3.98
16.55
3
14.54
2.48
16.12
1.76
15.46
2.33
19.64
2.19
III. Graficas de dispersión
Grafica R Grafica Excel
Grafica SAS Grafica Minitab
Las salidas de los diferentes programas estadísticos utilizados muestran los resultados de ajustar unmodelo lineal para describir la relación entre y (peso) y x (diámetro longitudinal). La ecuación del modelo ajustado resultante es:
y = -2.6356 + 0.3196*x
Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relación estadísticamente significativa entre y y x con un nivel de confianza del 95.0%.
Los estadísticos indican que el modelo ajustado explica 58.03% de lavariabilidad en y.
IV. ANOVA
4.1 ANOVA
Datos obtenidos manualmente
n=30 α=0.05
FV
Grados de libertad
Suma de cuadrados
Cuadrado medio
F-calculada
F-tablas
Regresión
1
6.81
6.81
38.75
4.2
Error
n-2= 28
4.92
0.1757
Total
n-1= 29
11.73
Datos obtenidos con Excel
Fuentes de variación (f.v.)
Grados de libertad (G.L.)
Suma de cuadrados (S.C.)
Cudrado Medio (C.M.)
F Calculada (Fcal)
Fde tablas (Ftab)
Regresion
1
6.81223353
6.812234
38.711268
4.2
Error
28
4.92731314
0.175975
Total
29
11.7395467
Datos obtenidos con R
Analysis of Variance Table
Response: peso.y
Df Sum Sq Mean Sq F value Pr(>F)
diametro.x 1 6.8122 6.8122 38.711 1.01e-06 ***
Residuals 28 4.9273 0.1760
Datos obtenidos con SAS
Análisis de la varianzaFuente
DF
Suma de
cuadrados
Cuadrado
de la media
F-Valor
Pr > F
Modelo
1
38.70130
38.70130
38.71
<.0001
Error
28
27.99279
0.99974
Total corregido
29
66.69410
Datos obtenidos con Minitab
Fuente GL SC MC F P
Regresión 1 6.8122 6.8122 38.71 0.000
Error 28 4.9273 0.1760
Total 29 11.7395
Cuadro Resumen de Estadísticas
Excel
SAS
Minitab
RStudio
Manual
alfa estimado (α)
1.1501E-05
<.0001
0.000
1.01e-06 ***
F tablas 4.2
F
38.71
38.71
38.71
38.71
38.71
Suma de Cuadrados del Modelo
6.8122
6.8122
6.8122
6.8122
6.8122
Suma de Cuadrados del Error
4.9273
4.9273
4.9273
4.9273
4.9273
Cuadrado Medio del Modelo
6.81
6.8122
6.8122
6.8122
6.8122
Cuadrado Medio del Error
0.1757
0.1760
0.1760
0.1760
0.1760
GL Error
28
28
28
28
28...
Regístrate para leer el documento completo.