----------------------- Page 1----------------------1. Cul es el propsito general del anlisis de regresin?

En trminos generales, el anlisis de Regresin trata sobre el estudio de la depe ndencia de un fenmeno econmico respecto de una o varias variables explicativas, con el obj etivo de explorar o cuantificar la media o valor promedio poblacional de la primera a partir de un conjunto de valores conocidos o fijos de la/s segunda/s. Utiliza el mtodo de los "mnimos cuadrados" para ajustar una lnea a una serie d e observaciones. Puede utilizar esta herramienta para analizar la forma en que los valores de una o ms variables independientes afectan a una variable dependiente; por ejemplo , en el rendimiento de un atleta inciden varios factores: la edad, la estatura y el peso entre otros. Basndose en un conjunto de datos de rendimiento, la regresin determinar la incidenc ia de cada uno de los factores en la medicin del rendimiento y podrn utilizarse estos resultados para predecir el rendimiento de un atleta nuevo no sometido a ninguna prueba. 2. En el anlisis de regresin intervienen dos tipos de variables: las independ ientes y las dependientes. Explique con sus palabras y a travs de ejemplos, las caractersticas de estos dos tipos de variables. En un Anlisis de Regresin simple existe una variable respuesta o dependiente (y) q ue puede ser el nmero de especies, la abundancia o la presencia-ausencia de una sola especie y una variable explicativa o independiente (x ). La variable independiente aquella que produce modificaciones en otra variable co n la cual est relacionada. Suele designrsele, por ello, como variable causal. La variable dependiente, por su lado, experimenta modificaciones siempre que la variable independiente cambia de valor o modalidad de darse. Por ello, tambin recibe el no mbre de variable efecto. Es importante sealar que una variable independiente en una cierta relacin puede se r dependiente en otra, o viceversa. De manera general, pero simplificada, podemos decir que entre una variable indep endiente y su correspondiente variable dependiente se puede dar una variable intervinient e, que acta como puente entre las dos primeras. 4.- Considere el modelo de regresin lineal simple y = st : i 0 i + x + , cont 1 i

u la

cons cu ncia d ac ptar o r chazar cada una d stas.

H : = 0 0 0 H : 0 A 0

man ra:

Con st r sultado, no pod mos consid rar qu nu stro mod lo d r gr sin s a conf ia l para pr d cir r sultados d ido a qu no nos sta mostrando una r lacin d signif icancia ntr nu stros parm tros. s

H : 0 A 1

la cuacin d r gr sin toma la sigui nt forma: y = s d cir, l ltimo trmino i

+ (0) x i 0

qu da liminado y por lo tanto, a la hora d graficarlo nos qu da d la sigui nt man ra:

qu nos qu da no s una r cta d

r gr sin lin al, ya qu

como n l caso ant rior

El r sultado d la varia l ro y lo

d p ndi nt toma l valor constant

d nu stro parm t

Al ac ptar nu stra H : = 0, stamos consid rando un valor nulo para nu stra p ndi nt , y 0 1

d cir, l incr m nto o d cr m nto d d x). H : = 0 0 1

la varia l

y por cada incr m nto

Pru a d

hipt sis para

l parm tro 1 (qu

indica la p ndi nt

d la r cta,

formando r sp cto al

j d

las a scisas, un ngulo d 45.

y = x y por lo tanto, al graficar nu stra r cta d n i 1 i

----------------------- Pag

2----------------------r gr sin sta pasa por l orig

Al ac ptar la H : = 0, nos indica qu nu stra

cuacin nos qu dara d

la sigui nt

Pru a d

hipt sis para

l parm tro 0 (qu indica la int rs ccin con

a) Formul

las hipt sis qu s hac n so r los parm tros d l mod lo y xpliq

l j y).

, no nos

plant a una r lacin para podr pr d cir con ci rta confianza valor s para nu stra varia l d p ndi nt y. las

0 cir,

d t rmin cundo stos stadsticos ti n n valor s p qu os o grand s, y la d cisin qu s tomara con r sp cto a su hipt sis corr spondi nt . Un stadstico d pru a s aqu l calculado d una sola mu stra al atoria simpl t omada d la po lacin d int rs, n una pru a d hipt sis para sta l c r la v rdad o fals d ad d la hipt sis nula. Para l parm tro 1 t n mos qu :

Para o t n r la frmula d st stadstico, s hac un anlisis r sp cto a la m dia y varianza d l parm tro y s consid ra qu ti n n una distri ucin normal. Para calc ular la 1

La distri ucin t-stud nt s utiliza para mu stras d n30. Tam in s important m ncionar qu como nu stra HA conti n d sviacion s d sd la hipt sis nula n cu alqui r dir ccin (por lo d 0) s d nomina hipt sis d dos colas, y h aqu dond s aplica l a 1 distri ucin t-stud nt. Para l parm tro 0 t n mos qu :

[ ]

Y r ci l nom r d rror stndar d a para l clculo d l stadstico.

1. Nt s

d sviacin stndar d l stimador s hac una

stimacin dada por: qu sta igualdad s toma n cu nt

hipt sis y d una

xplicacin d por qu sirv n para pro ar las hipt sis. Es d

Anot

n forma d tallada

l stadstico d pru a, t , para cada una d

----------------------- Pag

3-----------------------

Como n l caso ant rior, para formular l stadstico d pru a s tomo n cu nta qu l parm tro d 0 sigu una distri ucin normal consid rando su m dia y varianza. Entonc s una stimacin d sta ltima s: ( ) ----------------------- Pag 4----------------------[ ] [ ]

En am os casos para sa r si ac ptamos o r chazamos nu stra H , r pr s ntamos nu stro 0 crit rio d r chazo d la sigui nt man ra:

Si l valor d nu stro stadstico d pru a s grand o p qu o, pod mos d cir qu s r sp cto a los datos qu s stn man jando para l anlisis d l pro l ma, o viam nt para sa r si s r chaza nu stra H , l valor d l stadstico d satisfac r la xpr s in a nt rior, 0

distri ucin t-stud nt, con ci rto niv l d significancia), ntonc s s ncu ntra n l r a d ac ptacin y como todo sto sta n funcin d la H0 pod mos sacar conclusion s r s p cto d lo qu stamos afirmando. c) Con r sp cto al anlisis d varianza para l mod lo, scri a y xpliqu l a hipt sis corr spondi nt . Ad ms, anot con d tall l stadstico d pru a, F , y d una 0

En st caso, s plant a un anlisis nfocado hacia la varia ilidad total o s rvad a n la varia l d r spu sta (Syy ), la varia ilidad xplicada por la r cta d r gr sin

justificacin d por qu tal

stadstico sirv para pro ar tal hipt sis.

mayor qu

l r a d r chazo ( xpr sada con l valor qu s

o ti n d

las ta la d

por lo tanto star mos ac ptando la H , sto qui r dstico si s A

d cir qu

l valor d l sta

D igual man ra notamos qu o d pru a.

sto s

toma n cu nta n la structura d l stadstic

(SCR)y la varia ilidad no xplicada por la r cta d r gr sin (SCE), o t ni ndo cons cu nt m nt l Cuadrado M dio d l Error, consid rando los grados d li rtad. Todo sto s util iza para g n rar otra forma d pro ar la hipt sis so r la significancia d la r gr sin.

1 como ya sa mos, la p ndi nt . H : = 0 0 1 H : 0 A 1 El stadstico d pru a r sp cto la hipt sis nula s: F = 0 =

En r alidad, sta forma d pro ar la significancia d la r gr sin, s quival nt a la qu s sta l ci a travs d l stadstico t , ya qu al l var st al cuadrado o t n mos: 0 ----------------------- Pag 5----------------------2 t0 =

= F0

La distri ucin Fish r, s utiliza para pro ar si dos mu stras provi n n d po lac ion s qu pos n varianzas igual s. Esta pru a s til para d t rminar si una po lacin norma l ti n una mayor variacin qu la otra. Y como al principio s m nciona qu los datos d l

Int rvalo d confianza d la r cta

5.-Con r sp cto a los int rvalos d confianza para la r cta y los int rvalos d pr diccin, s al Cmo s o ti n n y para qu s aplica cada uno d llos?

pro l ma stn som tidos a un anlisis d st stadstico d pru a.

varianza, s por so qu

mos utilizar

Para l anlisis d varianza, slo utilizamos la pru a d ,

hipt sis para

l stimador

stimador.

Los int rvalos d pr diccin

S utilizan para pr d cir o pronosticar nu vas o futuras o s rvacion s d Y. Pa ra pr d cir por int rvalos la nu va o s rvacin s ind p ndi nt d las o s rvacion s utiliza das para ajustar l mod lo d r gr sin lin al por tal motivo l int rvalo ant rior no s a d cuado. Est int rvalo d p nd tanto d l rror d l mod lo como d l rror asociada las pr diccion s futuras.

pr diccin. Los int rvalos ti n n la propi dad d s r d dif r nt ancho, s gn l valor d X, si ndo ms angostos cuando X s igual al prom dio, nsanchndos a m dida qu nos al jamos d l prom dio. Cuando s sal d l rango d los datos, s nsanchan ms fu rt m nt . Est o significa qu mi ntras ms nos al jamos d l c ntro d los valor s d la varia l X , ms impr cisas s rn nu stras stimacion s d l valor d la varia l Y, lo qu par c r azona l .

15. por qu s r qui r la r gr sin lin al mltipl ? Porqu n muchas situacion s practicas xist n varias varia l s ind p ndi nt s qu s cr qu influy n o stn r lacionadas con una varia l d r spu sta Y, y por lo t anto s r n c sario tomar n cu nta si s qui r pr d cir o nt nd r m jor l comportami n to d Y.

----------------------- Pag

6-----------------------

Entr ms al jado d l valor m dio d

s x , mayor s son los int rvalos d confianza y

ncontrar nu stro

qu

s d nota (1 ) y q sti

Un int rvalo d confianza st d finido por dos valor s ntra l valor d l parm tro con un d t rminado niv l d confianza u s aplica para mostrar los valor s ntr los cual s s pu d mador puntual, para dar una id a d la confia ilidad d nu stro

ntr los cual s s

ncu

i + 2 x2i + ..+ os s utilizaron un total d s pr guntas:

1 1i

4 x4 + i ; i = 1,2,,n, y suponga qu para stimar los parm tr

G n ralm nt , para l caso d k varia l s ind p ndi nt s X , X ,....,X la m dia d Y| X 2 k, 1,

|x , x ,, x Y 1 2

= k

+ 0

x 1 1

+..+

x k k r gr sin d la mu stra

uso d l mtodo d mnimos cuadrados.

|x , x , x , x Y 1 2 3 A los puntos d datos

= 4

+ 0

x +

x + 1 1

x 2 2 3 3

x 4 4

i= 1,2,....,12 y 12 >4 },

0, 1,

m diant cualqui r mtodo apropiado para r solv r sist mas d 2, 3, 4

Sustituy ndo n con 12 y k con 4, stas

cuacion s s

pu d n r solv r para a

Al dif r nciar SSE a su v z con r sp cto a

----------------------- Pag

7----------------------, igualar a c ro: 0, 1, 2, 3, 4

l conc pto d mnimos cuadrados para ll gar a las 0, 1, 2, 3, 4, minimizamos la xpr sin:

Al utilizar

stimacion s

Con 4 varia l s (x1, x2, x3, x4) y 12 o s rvacion s (n=12) El proc dimi nto mat mtico s m diant l ajust d l mod lo d r gr sin lin al mltipl :

Dond cada co fici nt d d la mu stra con l

r gr sin

stima por

d los datos i

y la r spu sta stimada s o ti n d la cuacin d

X ,....,X st dada por l mod lo d r gr sin lin al mltipl 2 K

parm tros qu minimizan los

rror s por mnimos cuadrados.

a)

Expliqu

n forma squ mtica

l proc dimi nto mat mtico para stimar los

12 o s rvacion s,

s d cir, n = 12. Cont st las sigui nt

17. Consid r

un mod lo d r gr sin lin al mltipl con cuatro varia l s: y = + x

cuacion s lin al s.

D man ra r sumida:

Y =

X =

[ [ ]

La matriz d datos Y s l conjunto d todas las o s rvacion s n cuanto a la varia l d p ndi nt s o s rvaron n l xp rim nto, d aqu qu va d y1 hasta y12 con r sp cto a la totalidad d o s rvacion s n = 12. La matriz d datos X r pr s nta n r alidad los valor s d las varia l s ind p ndi nt s ya s an n cuadrados, cu os, productos cruzados u otras funcion s

----------------------- Pag 8-----------------------

0, 1, 2,

3,

4 ,

SSE = (y - X )'(y - X )

Pod mos scri ir la solucin para l co fici nt d r gr sin como =(X X) -1 X Y

De esta forma se puede obtener la ecuacin de prediccin o la ecuacin de regresin al resolver un conjunto de k + 1 ecuaciones con un nmero igual de

El r sultado s r duc a la solucin d

n (X'X)

= X'Y

s minimiza. Est proc so d minimizacin implica r solv r para

implica ncontrar

para la qu

Entonc s la solucin d

mnimos cuadrados para la stimacin d

c)

Proporcion la xpr sin matricial para los stimador s d mnimos cuadrados.

n la

cuacin

La ultima matriz r pr s nta l rror al atorio

inh r nt a todo mod lo d r gr sin.

La sigui nt matriz r pr s nta los stimador s d l mod lo, para cada parm tro d la matriz hay una columna n la matriz X.

d las varia l s d pr diccin. S o s rva qu la prim ra columna d la matriz X s una columna d unos, por tanto, stamos ins rtando un valor d x, sp cficam nt x0, como co fici nt d 0. Dond x0 si mpr s igual a 1.

) D not l mod lo n forma matricial: y=X + todas las matric s involucradas n l mod lo.

xpr s

con pr cisin

[ ]

incgnitas. Esto implica la inversin de la matriz X X de k + 1 por k + 1. d) Especifique la hiptesis de significancia del modelo y lo que significa aceptar o rechazar esta hiptesis.

La hiptesis ms importante sobre un modelo de regresin mltiple consiste en ver si la regresin es significativa: H 0 H A : : 1 0 j 2 3 = 0 4 Para al menos un j = 1, 2, 3, 4

Aceptar H0 indica que ningn trmino en el modelo tiene una contribucin significativa al explicar la variable de respuesta, Y. Rechazar H0 implica que por lo menos un trmino en el modelo contribuye de ma nera significativa a explicar Y. e) De la expresin del estadstico de prueba, F , para la hiptesis anterior, 0 as como una explicacin racional de por qu funciona como estadstico de prueba, es decir, vea cuando este estadstico tiene valores grandes o pequeos, y lo que eso significa en trminos de calidad de ajuste. F = CM /CM 0 R ----------------------- Page 9----------------------La hiptesis nula anterior se rechaza si: F0 > F (, 4 , 7) D do que un est dstico es un medid cu ntit tiv , deriv d de un conjunto de d tos de un muestr , con el objetivo de estim r o contr st r c r cterstic s de u n pobl cin o modelo est dstico, en este c so nos permite cept r o rech z r l hiptesis, cu ndo el v lor de F0 es m yor que el v lor F(, 4, 7) implic que debem os desc rt r l hiptesis nul y cept r l ltern tiv que nos h bl de un signific cin del model o, dems si F0 es not blemente gr nde E

H0 : j = 0 H : 0 A j

j = 1, 2, 3, 4

Acept r l hiptesis nul , p r cu lquier estim dor, indic que el mismo no contribuye esenci lmente predecir Y en gener l, en c so contr rio, rech z r hiptesis nul y por consiguiente cept r l hiptesis ltern tiv , indic que el p rmetro Bj es signific tivo.

f)

Formule l s hiptesis sobre los p rmetros individu les del modelo y comente que signific cept r o rech z r c d un de est s.

refiere un blecido.

m yor signific nci

d do que se lej del criterio de rech zo est

t0 =

t (/2, 7 )

Fuer de l regin, los spectos fsicos o soci les que estn trs de todo modelo de regresin pueden empez r ctu r de otr form , muy fuer de l regin de regin de los d tos origin les empiecen ctu r otros fenmenos no consider dos en el modelo origin l. Este riesgo es ms gr nde en el nlisis de regresin mltiple, y que se tr b j con regiones multidimension les. ----------------------- P ge 10----------------------Problem 7 En un proceso de extr ccin se estudi l rel cin entre tiempo de extr ccin y rendimiento. Los d tos obtenidos se encuentr n en l siguiente t bl . Tiempo (min) 10 15 20 8 12 13 15 12 14 20 19 18 Rendimiento (%) 64 81.7 76.2 68.5 66.6 77.9 82.2 74.2 70 76 83.2 85.3

) En este problem cu l v ri ble se consider independiente y cu l independi ente? - Se debe consider r el tiempo de extr ccin como v ri ble independiente (x) y l rendimiento como l v ri ble dependiente (y), d do que el rendimiento siempre v v ri r conforme el tiempo y no vicevers .

b) Medi nte un di gr m les.

de dispersin

n lice l rel cin entre est s dos v ri b

h) Cules son los riesgos de h cer predicciones fuer de l d tos origin les?

regin de los

L prueb t de Student como todos los est dsticos de contr ste se b s en el clculo de est dsticos descriptivos previos: el nmero de observ ciones, l medi y l desvi cin tpic en c d grupo. A tr vs de estos est dsticos previos se c lcul el est dstico de contr ste experiment l. Por lo t nto el criterio de rech zo nte rior funcion perfect mente con c d estim dor j

hiptesis nul

nterior se rech z

si:

g)

Proporcione l expresin p r el est dstico de prueb p r el c so nterior y comente por que estos est dsticos funcion n como criterio de cept cin o rech zo.

t0 >

Qu tipo de rel cin observ y cu les son lgunos hechos especi les? ----------------------- P ge 11----------------------Existe correl cin line l positiv y que conforme ument el tiempo de extr ccin t mbin ument el rendimiento, es r zon ble suponer que l rel cin entre est s v ri bles l explique un modelo de regresin line l simple.

de hiptesis y verifique residuos)

Excel: 2 2 X e Tiempo (min) 10 3 8 3 5 1 5 8 1 9 3 4 5 -5.93 15 5.82 20 -5.63 8 0.95 12 -5.71 13 4.4 15 6.32 12 1.89 14 -4.69 20 -5.83 19 2.56 18 5.85 34.2225 176 293.8764 905.8 rect , se c lcul : ) 2752 68910.36 13489 6.5536 85.3 324 7276.09 1535.4 79.4 33.9889 83.2 361 6922.24 1580.8 80.6 21.9961 76 400 5776 1520 81.8 3.5721 70 196 4900 980 74.6 39.9424 74.2 144 5505.64 890.4 72.3 19.36 82.2 225 6756.84 1233 75.8 32.6041 77.9 169 6068.41 1012.7 73. 0.9025 66.6 144 4435.56 799.2 72.3 31.6969 68.5 64 4692.25 548 67.5 33.8724 76.2 400 5806.44 1524 81.8 35.1649 81.7 225 6674.89 1225.5 75.8 y E estim do Rendimiento (%) 64 100 4096 640 X Y Xy Y 2

69.9

P r

Sum

just r l

estim dores, se us mtodo de mnimos cu dr dos, se resumen los clculos en l

hoj de

P r

just r l

mejor rect que p s

ms cerc de todos los puntos y p r c lcul r

c) prueb s

H g

un nlisis de regresin ( juste un lne

rect

estos d tos,

plique

( [

)(

) ] = 13489 [(176) (905.8) /12] = 203.93

( [ ( [ P r encontr r los estim dores:

) ] ) 2 ] = 68910.36 [(905.8) /12] = 537.55 2 = 2752 [(176) /12] = 170.66

= 203.93 / 170.66 = 1.19492187 = 75.48333333 - 1.19492187 (14.66666667) = 57.9578125

----------------------- Pag 12----------------------Por lo tanto, la ln a r cta ajustada st dada por:

Hipt sis a Esta l c r H0 s r chaza si | > F( | Anlisis d R gr sin , n -2 ) H0 H t0 Para 1 1 = 0 0 A 1

1 / H H A Para 0 = 0 0 0 0 0

Por lo qu s o s rva, s concluy qu los rror s stn distri uidos al atoriam n t , la pru a d hipt sis d int rs plant a qu la p ndi nt s significativam nt dif r nt d 0.

Con

sta cuacin pod mos graficar la r cta d

r gr sin lin al:

t 0

CME [

En am os casos H0 s r chaza si | | > t ( / 2 , n -2 ) Hipt sis a Esta l c r Anlisis d Varianza H0 H 1 = 0 0 A 1

F = CM / CM 0 R E ----------------------- Pag 13----------------------o t nidos, Minita : nificancia para l

stimador s l

n mayor s (9.22; d l crit rio d r chazo

(2.2281) Para l anlisi

s d Varianza s lo 4.965

mismo 8.29 > Por lo tanto

s r chazan las

hipt sis nulas l mod lo s significativo

Co fici nt d d t rminacin 2 R = SCR / Syy = 243.68 / 537.55 = 0.4533

Co fici nt d d t rminacin ajustado

El 45 % d la variacin o s rvada n l r ndimi nto s xplicada por calidad d ajust no s satisfactorio, v amos su ajust

l mod lo, la

D t rmin mos si

l mod lo p rmit hac r stimacion s con una pr cisin ac pta l :

d) La calidad d l ajust

s satisfactoria? Argum nt

sta l cidas y s ac ptan las alt rnativas, las cual s indican qu

r sin, s o vio qu

para los dos stadsticos so l

2.88) qu

anlisis d

Estadsticos

Con 5% d

sig r g

R2 aj

= CM

- CM / CM total E

=48.8681 29.38 / 48.8681 = total

0.3987

Para fin s d pr diccin s r comi nda un co fici nt d d t rminacin ajustado d 0 .7 st s otro indicador d qu nu stro mod lo no hac stimacion s con pr cisin. Co fici nt d Corr lacin r = Sxy / SxxSyy = 203.93 / (170.66) (537.55) = 0.6732

S o s rva qu n la grfica d pro a ilidad normal la mayor part d los puntos ti nd n a ajustars a la ln a r cta p ro n la d r siduo contra valor ajustado hay ci rt o patrn, l mod lo r gistra falla.

ticos

El valor d la p ndi nt d la r cta s: 1.1949, n trminos prcticos, tan solo s la cantidad qu s incr m nta o disminuy la varia l Y para cada unidad qu s inc r m nta X. 25

Y0 - t( [ / 2 , n -2 ) [ ] ] <= <= Y0 +t( / 2 , n

Con X0 = 25

----------------------- Pag

15----------------------87.83 2.2281 0

El int rvalo d

confianza st dado por:

; Y0 = 57.95781 + 1.19492 (25) = 87.83 2.2281 [ ]

87.83

minutos y o t nga un int rvalo d confianza para

sta stimacin.

f) Estim

l r ndimi nto prom dio qu s

sp ra a un ti mpo d

xtraccin d

) D staqu

l valor d

la p ndi nt d la r cta

s muy fu rt

int rprt lo

n trminos prc

S concluy qu aunqu n al ntr las varia l s no

l mod lo s significativo, la int nsidad d la r lacin li

----------------------- Pag

14-----------------------

O s rv mos las grficas 4

n uno d l mod lo d r gr sin:

87.83 10.174

77.65 <=

a) ajust l mod lo La cuacin d r gr sin s Y= 7.30 - 0.183 x1 + 1.26 x2 la

significancia d l mod lo, los r sidual s y l co fici nt d d t rminacin Para ha lar d un mod lo qu ti n un ajust satisfactorio s n c sario qu am o s co fici nt s t ngan valor s sup rior s a 0.7, y n st caso mu stro co fici nt d d t rminacin pr s nto un valor muy ajo d l 0.05 (5%) y un co fici nt d d t rminacin ajustado con valor n gativo int rpr tando sto como un 0%. Esto s d a qu n nu stro mod lo hay trminos qu no contri uy n d man ra significativa por lo tanto d mos d purar l mod lo. Anlisis d r siduos.- n la grfica d pro a ilidad normal los puntos no s ajustan a la r cta y pr s ntan un ci rto niv l d sim tra n l comportami nto d los mismos p or lo tanto pod mos d cir qu l mod lo no s ac pta l . En la grfica d r siduos vs pr dichos si l mod lo s ad cuado s sp ra qu n sta grafica los puntos no sigan ningn patrn y qu , por lo tanto, stn distri uidos ms o m nos al atoriam nt a lo largo y anc ho d la grfica. Cuando sto ocurr significa qu l mod lo s ajusta d cualqui r man ra a lo largo d los mod los d Y.

----------------------- Pag

16-----------------------

) l mod lo xplica la variacin o s rvada n l sa or? Argum nt con as

Sal 6 5.5 4.5 4 4.5 5.5 5 5

Cuajo 0.3 0.387 0.387 0.3 0.213 0.213 0.3 0.3

sa or 5.67 7.44 7.33 6.33 7.11 7.22 6.33 6.66

22.-s r aliz un xp rim nto para studiar l sa or d l qu so pan la n funcin d la cantidad d l cuajo y la sal. La varia l d r spu sta o s rvada s l sa or prom dio r portado por un grupo d 5 pan listas qu pro aron todos los qu sos y los calif icaron con una scala h dnica. Los datos o t nidos s mu stran a continuacin:

Por lo tanto

l int rvalo d

confianza s: <= 98.004

En l caso d nu stra grafica s o s rva qu los puntos stn distri uidos a lo la rgo d l j d las X d forma constant . Y por ltimo n la grfica d r siduos vs o s rvamo s qu l comportami nto d los r siduos man ja un patrn, lo cual qui r d cir qu nu st ro mod lo no s ad cuado.

Y = 5.4 + 4.77 x

2 2 - 70.4 x + 0.00 x x - 0.495 x + 119 x 1 2 1 2 1 2

qu dando la cuacin d la sigui nt man ra: Y = 5.4 + 4.77 x1 - 70.4 x2 - 0.495 x1

2 + 119 x2

) Cul mod lo pr fi r para xplicar l sa or? El s gundo mod lo con trminos cuadrticos.

Prim r mod lo = 0.7127 Es claro qu la dif r ncia ntr

Error stndar d

stimacin S gundo mod lo = 0.3029 un mod lo y otro s vid nt .

Prim r mod lo 2 R =0.054 = 5% 2 R aj= -0.32 = 0%

S gundo mod lo 2 R =0.923 = 93.2% 2 R aj= 0.761 = 76.1%

En nu stro prim r mod lo al calcular los co fici nt s d d t rminacin y l a justado d l mismo, nos pudimos dar cu nta d qu l mod lo no ra ad cuado para xp licar la r lacin d varia l s d ido a qu l valor ra d masiado ajo y por lo tanto no ra un mod lo confia l . Al o t n r nu stra cuacin con trminos cuadrticos, nos dimos cu nta qu st mod lo si s significativo d ido a los valor s qu nos arroj l co fici nt d d t rminacin y su ajustado, al v r una amplia m jora n los r sultados.

d t rminacin

para am os mod los

d)

Compar

l rror

stndar d

stimacin

) y los co fici nt s

Pod mos pr scindir d l cuarto trmino d la

cuacin, ya qu su co fici nt

s c ro,

c)

Ajust un mod lo qu incluya trminos cuadrticos y analic con d tall la calidad d l ajust .