Analisis de Varianza2

1
UNI-EPIES
Lic. Luis Huamanchumo de la Cuba Escuela Profesional de Ingeniera Estadstica
MODELOS LINEALES
ANLISIS DE VARIANZA
Se pretende estimar el modelo:
Y = X
1

1
+ X
2

2
+
Ecuaciones normales:
(X
1
X
1
)
1
+ (X
1
X
2
)
2
= X
1
Y
(X
2
X
1
)
1
+ (X
2
X
2
)
2
= X
2
Y
^
^ ^
^
(i)
(ii)
Resolviendo (i) y (ii):

2
= ( X
2
X
2
)
-1
X
2
( Y- X
1
1
)
^ ^
1
= ( X
1
M
2
X
1
)
-1
( X
1
M
2
Y )
^
UNI-EPIES
MODELOS LINEALES
El Modelo Particionado
2
UNI-EPIES
MODELOS LINEALES
Componentes de inters:
Y(I-X(XX)
-1
X)Y
Y(X(XX)
-1
X-X
2
(X
2
X
2
)
-1
X
2
)Y
YY - XY
^
equivalentemente
reduccin debido a = SC
E
()
equivalentemente XY-
2
X
2
Y
^ ^
SC
E
(
2
) = reduccin debido a
2
del modelo reducido
(Ho:
1
= 0)
SC
R
=
XY -
2
X
2
Y
^ ^
=SC
E
(
1
|
2
) =SCE() - SCE(
2
)
y;
SC
R
=YY SC
E
()
UNI-EPIES
MODELOS LINEALES
3
UNI-EPIES MODELOS LINEALES
Tabla de ANVA para H
0
:
1
=0
Debido a
Debido a
2
(no ajustado)
Debido a
1
(ajustado)
Residual
Total
FUENTE DE VARIACIN
G.L.
SUMA DE CUADRADOS
CUADRADOS
MEDIOS
F
p
p - r
r
n - p
n
XY
2
X
2
Y
XY -
2
X
2
Y
^ ^
YY - XY
^
YY
^
^
SC
E
(
1
|
2
)
r
SC
R
n - p
SC
E
(
1
|
2
)
SC
R
n - p
r
Si entre las variables explicativas hay un trmino constante,
entonces, se tiene:
SCT = SCE + SCR
SCT = (Y
i
Y)
2
SCE = (Y
i
Y)
2
^
SCR = (Y
i
Y
i
)
2
^
Y
Y
i
Total =Y
i
- Y
Y
i
^
Y
i
Y
i
^
Y
i
Y
Residual
Regresin
UNI-EPIES MODELOS LINEALES
4
UNI-EPIES
MODELOS LINEALES
SCT = YY n y
2
SCE = XY n y
2
^
SCR
Representacin matricial:
=Y( I - J )Y
1
n
=Y( H - J )Y
1
n
=Y( I - H )Y
UNI-EPIES
MODELOS LINEALES
Ortogonalidad
Si X
1
y X
2
son ortogonales, entonces, X
1
X
2
=0
1
= (X
1
X
1
)
-1
X
1
Y
2
= (X
2
X
2
)
-1
X
2
Y
^
^
Reemplazando X
1
X
2
=0 en (i) y (ii) se tiene:
5
APLICACIN
Construccin de Modelos
UNI-EPIES
MODELOS LINEALES
Mtodos Stepwise
a) Seleccin Forward
b) Seleccin Backward
UNI-EPIES
MODELOS LINEALES
6
CASO: Produccin de cemento
y =Temperatura (caloras x gramo de cemento)
X
1
=tricalcio de aluminio
X
2
=tricalcio de silicato
X
3
=tetracalcio de aluminio ferroso
X
4
=dicalcio de silicato
UNI-EPIES
MODELOS LINEALES
FORWARD
SUPUESTOS
1. No hay regresores en el modelo mas que el intercepto
2. Se insertan los regresores uno a uno
3. El primero en ingresar es el regresor con correlacin
simple con yms alta
4. El siguiente regresor que ingresa es aquel con mayor
correlacin con ydespus de ajustar con el regresor
que ya haba ingresado (correlacin parcial)
5. El proceso termina cuando ingresan todos los
regresores o cuando el Fcalc no excede al Ftab.
UNI-EPIES
MODELOS LINEALES
7
INICIO
No hay
regresores
Calcular
Correlacin
Simple
r
yxi
mayor?
si
no
r
yxj.xi
mayor?
si
no
Ingresa al
modelo
F
cal
<F
tab
si
no
FIN
Ingresa al
modelo
r
ij.rstp =
s
ij.rstp
s
ii.rstp
s
jj.rstp
FORWARD
F
cal
=
CM
E
CM
R
UNI-EPIES
MODELOS LINEALES
Modelo Suma de Cuadrado
Cuadrados gl Medio Fcal p-valor
I Regression 1831,896 1 1831,896 22,799 ,001
Residual 883,867 11 80,352
Total 2715,763 12
II Regression 2641,001 2 1320,500 176,627 ,000
Residual 74,762 10 7,476
Total 2715,763 12
III Regression 2667,790 3 889,263 166,832 ,000
Residual 47,973 9 5,330
Total 2715,763 12
F
cal
=
CM
E
(
4
)
CM
R
F
cal
ms alto
Ingresa al
Modelo
F
cal
=
CM
E
(
1
/
4
)
CM
R
ANVA
=
SC
E
(
1
4
) SC
E
(
4
)
CM
R
I
II
F
cal
=
CM
E
(
2
/
1
4
)
CM
R
III
F
cal
ms alto
Ingresa al
Modelo
F
cal
ms alto
Ingresa al
Modelo
UNI-EPIES
MODELOS LINEALES
8
Modelo B ES(B) t p-valor
I (Constant) 117,568 5,262 22,342 ,000
X4 dicalcio de silicato -,738 ,155 -4,775 ,001
II (Constant) 103,097 2,124 48,540 ,000
X4 dicalcio de silicato -,614 ,049 12,621 ,000
X1 tricalcio de aluminio 1,440 ,138 10,403 ,000
III (Constant) 71,648 14,142 5,066 ,001
X4 dicalcio de silicato -,237 ,173 -1,365 ,205
X1 tricalcio de aluminio 1,452 ,117 12,410 ,000
X2 tricalcio de silicato ,416 ,186 2,242 ,052
y = 71.648 +1.452 X
1
+ 0.416 X
2
0.237 X
4
R
2
=99.1%
UNI-EPIES
MODELOS LINEALES
X
3
excluido
F
cal
=
CM
E
(
3
/
1
4
)
CM
R
=
SC
E
(
1
4
) SC
E
(
1
4
)
IV
< F
tab
(1,8)
10%
F
cal
no ms alto que F
tab
NO Ingresa al Modelo
UNI-EPIES
MODELOS LINEALES
CM
R
9
SUPUESTOS
1. Se inicia con un modelo que incluye a todos los
regresores
2. Se eliminan los regresores uno a uno
3. El primero en salir es el regresor con Fcal del modelo
ms bajo (t-student)
2
4. As sucesivamente
5. El proceso termina cuando el Fcalc no es menor al Ftab.
BACKWARD
UNI-EPIES
MODELOS LINEALES
INICIO
Todos los
regresores
Calcular
F
Fcal ms
bajo?
si
no
Fcal Ftab?
no
Sale del
modelo
si
FIN
BACKWARD
r
yxi menor menor
F
parcial
CM
E
CM
R
r
yx1
=
0.593
r
yx2
=
0.242
r
yx3
=
0.048
r
yx4
=
-0.720
Menor coeficiente de correlacin parcial
Se elimina
del modelo
UNI-EPIES
MODELOS LINEALES
10
Modelo Suma de Cuadrados
Cuadrados gl Medios Fcal p-valor
I Regresion 2667,899 4 666,975 111,479 ,000
Residual 47,864 8 5,983
Total 2715,763 12
II Regresion 2667,790 3 889,263 166,832 ,000
Residual 47,973 9 5,330
Total 2715,763 12
III Regresion 2657,859 2 1328,929 229,504 ,000
Residual 57,904 10 5,790
Total 2715,763 12
A partir de las variables
X
1
, X
2
y X
4
se obtienen
los F parciales
F
p
(X
4
) =
SC
E
(
1
4
) SC
E
(
1
2
)
CM
R
F
p
(X
1
) =
SC
E
(
1
4
) SC
E
(
2
4
)
CM
R
F
p
(X
2
) =
SC
E
(
1
4
) SC
E
(
1
4
)
CM
R
=154.016
=5.02
=1.86
Se elimina
del modelo
UNI-EPIES
MODELOS LINEALES
A partir de las variables X
1
y X
2
se obtienen los F
parciales
F
p
(X
1
) =
SC
E
(
1
2
) SC
E
(
2
)
CM
R
F
p
(X
2
) =
SC
E
(
1
2
) SC
E
(
1
)
CM
R
=146.53
=208.59
NO Se
eliminan
del modelo
>F
10%
(1,10)=3.29
>F
10%
(1,10)=3.29
SC
E
(
1
/
2
)
CM
R
SC
E
(
2
/
1
)
CM
R
=
=
UNI-EPIES
MODELOS LINEALES
11
ANLISIS DE VARIANZA PARA LA ESTACIONALIDAD
DE UNA SERIE
LOS DATOS
Consumo Trimestral de Materias Primas
de la empresa XYZ
Ao 1 2 3 4
1987 10.8 7.8 10.2 17.5
1988 13.7 10.1 11.0 20.2
1989 18.8 17.1 17.5 26.2
1990 22.7 16.9 19.3 29.1
1991 24.8 23.4 24.7 32.4
1992 28.0 26.5 28.0 34.1
Trimestre
UNI-EPIES
MODELOS LINEALES
EL MODELO
Y =
o
+
1
t +
1
X
1
+
2
X
2
+
3
X
3
+
Componente
Tendencial
Componente
Estacional
UNI-EPIES
MODELOS LINEALES
12
C
t
=
1
X
1
+
2
X
2
+
3
X
3
Componente Estacional
X
1
=
1
0
-1
Si t =trimestre 1
Si t =trimestre 2, 3
Si t =trimestre 4
X
2
=
1
0
-1
Si t =trimestre 2
Si t =trimestre 4
X
3
=
1
0
-1
Si t =trimestre 3
Si t =trimestre 4
C
t
=
1 Si t =trimestre 1
2 Si t =trimestre 2
3 Si t =trimestre 3
-
1
-
2
-
3
=
4
Si t =trimestre 4
UNI-EPIES
MODELOS LINEALES
Tratamiento de los Datos
AO TEND TRIM CONSM X1 X2 X3
1987 1 1 10.8 1 0 0
1987 2 2 7.8 0 1 0
1987 3 3 10.2 0 0 1
1987 4 4 17.5 -1 -1 -1
1988 5 1 13.7 1 0 0
1988 6 2 10.1 0 1 0
1988 7 3 11.0 0 0 1
1988 8 4 20.2 -1 -1 -1
1989 9 1 18.8 1 0 0
1989 10 2 17.1 0 1 0
1989 11 3 17.5 0 0 1
1989 12 4 26.2 -1 -1 -1
1990 13 1 22.7 1 0 0
1990 14 2 16.9 0 1 0
1990 15 3 19.3 0 0 1
1990 16 4 29.1 -1 -1 -1
1991 17 1 24.8 1 0 0
1991 18 2 23.4 0 1 0
1991 19 3 24.7 0 0 1
1991 20 4 32.4 -1 -1 -1
1992 21 1 28.0 1 0 0
1992 22 2 26.5 0 1 0
1992 23 3 28.0 0 0 1
1992 24 4 34.1 -1 -1 -1
UNI-EPIES
MODELOS LINEALES
13
ESTIMACIN
Coefficients
a
9.048 .508 17.829 .000
.912 .036 .863 25.602 .000
.718 .425 .069 1.690 .107
-3.027 .422 -.293 -7.175 .000
-2.456 .422 -.237 -5.821 .000
(Constant)
TEND
X1
X2
X3
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig.
Dependent Variable: Consumo MP
a.
Y = 9.048 + 0.912 t + 0.718 X
1
- 3.027 X
2
2.456 X
3
(25.6) (1.71) (-7.3) (-5.8)
UNI-EPIES
MODELOS LINEALES
Estacionalidad del Cuarto Trimestre es:
4
= - 0.718 + 3.027 + 2.456
Coeficiente de Determinacin:
R
2
= 0.979
UNI-EPIES
MODELOS LINEALES
14
ANOVA
b
1256.888 4 314.222 221.025 .000
a
27.012 19 1.422
1283.900 23
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), X3, TEND, X2, X1
a.
Dependent Variable: Consumo MP
b.
PRUEBA DE SIGNIFICACIN GLOBAL
ANLISIS DE VARIANZA
UNI-EPIES
MODELOS LINEALES
Anlisis de Significacin de la Estacionalidad
ANOVA
F
calc
=
59.53
1.42
=42.1 > F
0.05
(3, 19) = 8.69
Fuente de Variacin
Suma
Cuadrados
Grados
Libertad
Cuadrados
Medios
Tendencia 1076.05 1 1076.05
Estacionalidad 178.59 3 59.53
Residual 26.88 19 1.42
Total 1281.52 23
UNI-EPIES
MODELOS LINEALES
15
UNI-EPIES
MODELOS LINEALES
SC
E
(
1

2
) =SC
R
(
2
) SC
R
(
1
2
)
SC
E
(
1

2
) =SC
E
(
1
2
) SC
E
(
2
)
equivalentemente
Modelo original (Modelo reducido) Y =
0
+
2
x
2
+
Y =
0
+
1
x
1
+
2
x
2
+ Modelo aumentado
SC
R
(
2
)
SC
R
(
1
2
)
ESTUDIO DE LA SUMA DE CUADRADOS RESIDUAL (SC
R
)
UNI-EPIES
MODELOS LINEALES
SC
E
(
2

1
) =SC
R
(
1
) SC
R
(
1
2
)
SC
E
(
2

1
) =SC
E
(
1
2
) SC
E
(
1
)
equivalentemente
0
+
2
x
1
+
Y =
0
+
1
x
1
+
2
x
2
+ Modelo aumentado
SC
R
(
1
)
SC
R
(
1
2
)
Si aadimos la variable x
2
:
16
UNI-EPIES
MODELOS LINEALES
SC
E
(
3

1
2
) =SC
R
(
1

2
) - SC
R
(
1
2

3
)
SC
E
(
3

1
2
) =SC
E
(
1
3
) SC
E
(
1
2
)
equivalentemente
0
+
1
x
1
+
2
x
2
+
Modelo aumentado
SC
R
(
1
1

1
)
SC
R
(
1
2
)
3
:
Y =
0
+
1
x
1
+
2
x
2
+
3
x
3
+
UNI-EPIES
MODELOS LINEALES
SC
E
(
2

3

1
) =SC
R
(
1
) - SC
R
(
1
2

3
)
SC
E
(
2

3

1
) =SC
E
(
1
3
) SC
E
(
1
)
equivalentemente
0
+
1
x
1
+
Modelo aumentado
SC
R
(
1
1

1
)
SC
R
(
1
)
2
y x
3
al modelo original:
Y =
0
+
1
x
1
+
2
x
2
+
3
x
3
+
17
UNI-EPIES
MODELOS LINEALES
ESTUDIO DE LA SUMA DE CUADRADOS EXPLICADA (SC
E
)
SC
E
(
1

2
) =SC
E
(
1
) +SC
E
(
2

1
)
SC
E
(
1

2
) =SC
E
(
2
) +SC
E
(
1

2
)
SC
E
(
1

2
3
) =SC
E
(
1
) +SC
E
(
2

1
) + SC
E
(
3

1

2
)
SC
E
(
1

2
3
) =SC
E
(
2
) +SC
E
(
3

2
) + SC
E
(
1

2

3
)
SC
E
(
1

2
3
) =SC
E
(
1
) +SC
E
(
2

3

1
)
UNI-EPIES
MODELOS LINEALES
ANALISIS DE VARIANZA
Las variables explicativas x
1
, x
2
y x
3
ingresan (una a una) al modelo:
Debido a
(3x1)
Debido a x
1
Debido a x
2
x
1
Residual
Total
FUENTE DE VARIACIN
G.L.
SUMA DE
CUADRADOS
CUADRADOS
MEDIOS
3
1
1
n - 4
n - 1
Debido a x
3
x
1
x
2
1
SC
E
(
1

2
3
)
SC
E
(
1
)
SC
E
(
2
1
)
SC
E
(
3

1

2
)
SC
R
(
1

2
3
)
SC
T
CM
E
(
1

2
3
)
CM
E
(
1
)
CM
E
(
2
1
)
CM
E
(
3

1

2
)
CM
R
(
1

2
3
)
18
UNI-EPIES
MODELOS LINEALES
H
o
:
3
= 0
Prueba de Significacin Individual
F =
CM
E
(
3

1
2
)
CM
R
(
1
3
)
Modelo Completo y =
0
+
1
x
1
+
2
x
2
+
3
x
3
+
UNI-EPIES
MODELOS LINEALES
H
o
:
2
=
3
= 0
Prueba de Significacin de un Sub-vector de Parmetros
F =
CM
E
(
2

3

1
)
CM
R
(
1
3
)
Modelo Reducido
y =
0
+
1
x
1
+
19
UNI-EPIES
MODELOS LINEALES
COEFICIENTE DE DETERMINACIN PARCIAL
Y =
0
+
1
x
1
+
2
x
2
+
R
2
1.2
=
SC
E
(
2
1
)
SC
R
(
1
)
R
2
2.1
=
SC
E
(
1
2
)
SC
R
(
2
)
UNI-EPIES
MODELOS LINEALES
COEFICIENTE DE DETERMINACIN PARCIAL
y =
0
+
1
x
1
+
2
x
2
+
3
x
3
+
R
2
1.23
=
R
2
2.13
=
R
2
3.12
=
( r
1.23
)
2
( r
2.13
)
2
( r
3.12
)
2
20
UNI-EPIES
MODELOS LINEALES
COEFICIENTE DE CORRELACIN PARCIAL (r
ij
)
y =
0
+
1
x
1
+
2
x
2
+
3
x
3
+
R
2
1.23
=
SC
R
(
1
)
SC
E
(
1

2
3
)
R
2
2.13
=
SC
R
(
1
3
)
SC
E
(
2

1
3
)
R
2
3.12
=
SC
R
(
1
2
)
SC
E
(
3

1
2
)

Analisis de Varianza2

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Analisis de Varianza2

Transféré par

Droits d'auteur :

Formats disponibles

1

Vous aimerez peut-être aussi