Académique Documents
Professionnel Documents
Culture Documents
Regresin 1
Implantacin de programas de mejora Seis Sigma
Regresin 2
Implantacin de programas de mejora Seis Sigma
Regresin 3
Implantacin de programas de mejora Seis Sigma
450
400
Tiempo
350
300
30 32 34 36 38 40 42 44 46 48
Edad
Regresin 4
Implantacin de programas de mejora Seis Sigma
3. Descripciones numricas
Regresin 5
Implantacin de programas de mejora Seis Sigma
Ejemplos reales
90 90 90
85 85 85
80 80 80
75 75 75
150 160 170 180 150 160 170 180 150 160 170 180
Temperatura Temperatura Temperatura
200
0 10 20 30
Regresin 6
Implantacin de programas de mejora Seis Sigma
400
Tiempo
350
300
250
30 32 34 36 38 40 42 44 46 48
Edad
Regresin 7
Implantacin de programas de mejora Seis Sigma
y = b0 + b1x
Recta ajustada:
(a partir de una muestra) y i prediccin de la recta
yi observado
r sy
y = y + (x x)
sx
xi X
y
r sy
y = b0 + b1x b1 =
sx
b1
1
b0
Regresin 8
Implantacin de programas de mejora Seis Sigma
e i = y i y i
ei
Regresin 9
Implantacin de programas de mejora Seis Sigma
Regression Plot
Rendi2 = 10,2163 + 0,447563 Temperatura
95
Intervalo para las predicciones
85
Regression
95% CI
75
95% PI
Temperatura
Regresin 10
Implantacin de programas de mejora Seis Sigma
Regresin no lineal
400
Tiempo
350
300
250
30 32 34 36 38 40 42 44 46 48
Edad
Regresin mltiple
Yi = + 1 X 1i + 2 X 2i + ... + + k X ki + i
Regresin 11
Implantacin de programas de mejora Seis Sigma
Regresin mltiple
Regresin 12
Implantacin de programas de mejora Seis Sigma
R 2 = r2 = 1
(y i y i ) 2
(y i yi ) 2
Regresin 13
Implantacin de programas de mejora Seis Sigma
Regresin 14
Implantacin de programas de mejora Seis Sigma
50 0
10
-50
1
400
0,1 -100
-100 0 100 320 340 360 380
Tiempo
12 50
Frequency
Residual
300 8 0
4 -50
30 32 34 36 38 40 42 44 46 48 0 -100
Edad -80 -40 0 40 80 1 5 10 15 20 25 30 35 40 45 50 55 60 65
Residual Observation Order
S 38,3533 90
50
Residual
Percent
10 0
1
400 -50
0,1
-100 -50 0 50 100 280 300 320 340 360
Tiempo
350 Histogram of the Residuals Residuals Versus the Order of the Data
16
100
12
300
Frequency
50
Residual
8
0
4
250
30 32 34 36 38 40 42 44 46 48 0 -50
Edad -40 -20 0 20 40 60 80 100 1 5 10 15 20 25 30 35 40 45 50 55 60 65
Residual Observation Order
Regresin 15
Implantacin de programas de mejora Seis Sigma
Source DF SS MS F P
Regression 9 116566 12952 25,14 0,000
Residual Error 55 28339 515 Linealidad significativa
Total 64 144905
Unusual Observations
Obs Edad Tiempo Fit SE Fit Residual St Resid
19 36,0 408,00 359,05 10,03 48,95 2,40R
32 37,0 407,00 364,39 10,96 42,61 2,14R
36 37,0 325,00 367,72 8,39 -42,72 -2,03R
Regresin 16
Implantacin de programas de mejora Seis Sigma
Posibilidades:
Representar grficamente las relaciones: Grfico matriz
Calcular los coeficientes de correlacin entre las variables
Regresin 17
Implantacin de programas de mejora Seis Sigma
420
Tiempo 360
300
48
40
Edad
32
80
70
Peso
60
5,0
Experiencia 2,5
0,0
90
60
EnCarrera
30
450
300
EnBici
150
20
10
EnNatacin
0
70
60
CoCarrera
50
70
60
CoBici
50
CoNatacin
Regresin 18
Implantacin de programas de mejora Seis Sigma
Regresin 19
Implantacin de programas de mejora Seis Sigma
Step 1 2 3 4 5
Constant 687,9 709,7 704,1 532,8 516,1
EnCarrer 0,80
T-Value 2,96
P-Value 0,004
Regresin 20
Implantacin de programas de mejora Seis Sigma
Response is Tiempo
E E E C C
x n n o o
p C E N C C N
e a n a a o a
E P r r B t r B t
d e i r i a r i a
a s e e c c e c c
Vars R-Sq R-Sq(adj) C-p S d o n r i i r i i
Regresin 21
Implantacin de programas de mejora Seis Sigma
Inconveniente:
el modelo es muy dependiente de la primera elegida (la que ms
informacin aporta por si sola, pero puede no ser la mejor para
trabajar con ella)
Inconvenientes:
No dice cual es la mejor opcin, luego hay que decidirse.
Su lista se basa en el valor R2, luego habr que comprobar si las variables
del modelo son significativas
Regresin 22
Implantacin de programas de mejora Seis Sigma
Analysis of Variance
Source DF SS MS F P
Regression 5 114844 22969 45,08 0,000
Residual Error 59 30062 510
Total 64 144905
Regresin 23
Implantacin de programas de mejora Seis Sigma
Analysis of Variance
Source DF SS MS F P
Regression 4 110381 27595 47,96 0,000
Residual Error 60 34524 575
Total 64 144905
Regresin 24
Implantacin de programas de mejora Seis Sigma
Residual
Percent
50 0
10 -25
1
-50
0,1
-80 -40 0 40 80 250 300 350 400 450
Residual Fitted Value
12 50
25
Frequency
9
Residual
6 0
-25
3
-50
0
-40 -20 0 20 40 60 1 5 10 15 20 25 30 35 40 45 50 55 60 65
Residual Observation Order
Regresin 25