Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 2K vistas

    Análisis de Regresión Cuadrática

    Cargado por

    Lener Y. Callata
    Este documento presenta un análisis de regresión cuadrática para modelar la relación entre la rapidez de un automóvil y la distancia de parada. Incluye la ecuación del modelo cuadrático, los pasos para estimar los parámetros, realizar el análisis de varianza y probar hipótesis sobre los coeficientes. También muestra cómo calcular intervalos de confianza y realizar predicciones basadas en el modelo.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Análisis de Regresión Cuadrática

    Cargado por

    Lener Y. Callata
    2K vistas11 páginas
    Este documento presenta un análisis de regresión cuadrática para modelar la relación entre la rapidez de un automóvil y la distancia de parada. Incluye la ecuación del modelo cuadrático, los pasos para estimar los parámetros, realizar el análisis de varianza y probar hipótesis sobre los coeficientes. También muestra cómo calcular intervalos de confianza y realizar predicciones basadas en el modelo.

    Descripción original:

    gergwergw

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta un análisis de regresión cuadrática para modelar la relación entre la rapidez de un automóvil y la distancia de parada. Incluye la ecuación del modelo cuadrático, los pasos para estimar los parámetros, realizar el análisis de varianza y probar hipótesis sobre los coeficientes. También muestra cómo calcular intervalos de confianza y realizar predicciones basadas en el modelo.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    2K vistas11 páginas

    Análisis de Regresión Cuadrática

    Cargado por

    Lener Y. Callata
    Este documento presenta un análisis de regresión cuadrática para modelar la relación entre la rapidez de un automóvil y la distancia de parada. Incluye la ecuación del modelo cuadrático, los pasos para estimar los parámetros, realizar el análisis de varianza y probar hipótesis sobre los coeficientes. También muestra cómo calcular intervalos de confianza y realizar predicciones basadas en el modelo.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 11

    Anlisis de Regresin Cuadrtica

    UNIVERSIDAD DE SAN CARLOS


    FACULTAD DE INGENIERIA

    ANALISIS DE REGRESION CUADRATICA


    Ing. Agr. Luis Manfredo Reyes Chvez
    Profesor Titular Departamento de Estadstica
    1. INTRODUCCION:
    El modelo de regresin cuadrtica es una alternativa cuando el modelo lineal no logra un
    coeficiente de determinacin apropiado, o cuando el fenmeno en estudio tiene un comportamiento
    que puede considerarse como parablico. La forma ms simple de tratar de establecer la
    tendencia es a travs de un diagrama de dispersin o nube de puntos, tal como la siguiente:

    Este modelo tambin es conocido como parablico, y es el caso ms simple de modelos de


    regresin polinomiales, siendo su grado igual a 2.
    2. Ecuacin caracterstica
    La funcin que define el modelo es la siguiente:

    Yi=A+Bxi+Cxi2+E
    En la cual:

    Xi :

    Yi :
    Variable dependiente, isima observacin
    A, B, C:
    Parmetros de la ecuacin, que generalmente son desconocidos
    E:
    Error asociado al modelo
    Valor de la -esima observacin de la variable independiente

    Al sustituir los parmetros por estimadores, el modelo adopta la siguiente forma:

    yi=a+bxi+cxi2
    3. Tabla de datos
    Para el ajuste de un conjunto de datos al modelo cuadrtico de regresin, se construye la siguiente
    tabla de datos:

    X2

    X3

    X4

    X* y

    X2*y

    y2

    ..
    x

    ..
    y

    ..
    x2

    ..
    x3

    ..
    x4

    ..
    x*y

    ..
    x2y

    ..
    y2

    4. Estimadores del modelo


    los estimadores para el ajuste del modelo se calculan de la siguiente manera:

    5. Anlisis de varianza para la regresin


    Con el objeto de determinar si el modelo explica o no el fenmeno en estudio, se realiza el anlisis
    de varianza, que se calcula de la siguiente manera

    Fuente de
    Variacin
    Regresin

    Grados
    de
    libertad
    2

    Error

    n-3

    Total

    n-1

    Suma de cuadrados

    Cuadrado
    medio
    2

    b* (xy-x*y/n)+c*(x y- S.C. Reg/2


    2
    x * y/n)
    S.C. Total- S.C. Regresin S.C. Error/(n3)
    2
    2
    (y) -(y) /n

    F calculada

    F
    tabulada

    C.M.Reg/C.M.Error

    Ho: El modelo no explica el fenmeno en estudio


    Ha: El modelo s explica el fenmeno en estudio

    Para buscar en la tabla la F tabulada, se usan el el numerador los grados de libertad de


    regresin y en el denominador, de acuerdo al nivel de significancia escogido (los ms usuales son
    al 5% y al 1%)

    Si el valor de F calculada es mayor que el de F tabulada, se rechaza Ho, en caso contrario


    se acepta
    6. Grado de ajuste del modelo
    Para determinar el grado de ajuste del modelo, se calcula el coeficiente de determinacin, de la
    siguiente manera:

    7. Clculo de estimadores, coeficiente de determinacin y anlisis de varianza mediante el uso de


    matrices
    Un mtodo alternativo para realizar los clculos, es el uso de matrices. En este caso, el
    procedimiento es el siguiente:
    i)

    formar la matriz x: (matriz de variable independiente), agregando la primera columna formada por
    unos y una tercera columna formada por los valores de x elevados al cuadrado:

    1
    1
    ...
    1
    ii)

    x1
    x2
    .....
    xn

    X12
    X22
    .....
    Xn2

    Formar el vector de valores de y

    y1
    y2
    .....
    yn
    iii) Formar la matriz x transpuesta ( x)

    1
    1
    ...
    x1 x2 ...
    X12 X22 ...

    1
    xn
    Xn2

    iv) Calcular el producto matricial xx


    -1
    v) Calcular la inversa del producto xx (o sea [xx]
    vi) Calcular el producto xy
    -1
    vii) Calcular el producto (xx) *(xy)=D
    El resultado de esta operacin es el vector de coeficientes de regresin en el orden a,b,c
    viii) Para el clculo del anlisis de varianza, se tienen las siguientes operaciones
    matriciales:
    Fuente de
    Variacin
    Regresin
    Error
    Total

    Grados de
    libertad
    2
    n-3
    n-1

    Suma de cuadrados
    D( x )(y)-nym
    yy-D( x )(y)
    yy- nym

    Cuadrado
    medio
    S.C. Reg/2
    S.C. Error/(n3)

    F calculada

    F
    tabulada
    C.M.Reg/C.M.Error *

    El valor de ym que se usa en los clculos es el promedio de valores de y (y/n)


    ix) Finalmente, el coeficiente de determinacin por matrices se obtiene de la
    siguiente manera:

    r2= [D(x)(y)- nym2]/[(yy)- nym2 ]


    8. Pruebas de Hiptesis para el modelo
    Para el planteo y prueba de hiptesis, es necesario definir el trmino multiplicadores de Gauss
    Los multiplicadores de Gauss son los elementos de la matriz inversa xx:

    7.1 Para el coeficiente b


    Para probar la hiptesis de que el coeficiente b es igual a un valor b, se procede de la siguiente
    manera:
    i) Se plantea la hiptesis Ho: b= b y la alternativa Ha: b b
    ii) Se calcula el estadstico :

    Sb es conocido como el error standard de b y se calcula de la siguiente manera:

    El cuadrado medio del error se obtiene del anlisis de varianza.


    iii) Se busca en la tabla de t de student el valor tabulado para los siguientes datos:
    n-3 grados de libertad y un nivel /2
    iv) Si el valor de t calculado es mayor que el tabulado, se rechaza la Ho, en caso
    contrario, se acepta .
    7.2 Para el coeficiente c
    Para probar la hiptesis de que el coeficiente c es igual a un valor c, se procede de la siguiente
    manera:
    i) Se plantea la hiptesis Ho: c= c y la alternativa Ha: c c
    ii) Se calcula el estadstico :

    Sb es conocido como el error standard de b y se calcula de la siguiente manera:

    El cuadrado medio del error se obtiene del anlisis de varianza.


    iii) Se busca en la tabla de t de student el valor tabulado para los siguientes datos:
    n-3 grados de libertad y un nivel /2
    iv) Si el valor de t calculado es mayor que el tabulado, se rechaza la Ho, en caso
    contrario, se acepta .
    7.3 Para el coeficiente a
    Se puede probar la hiptesis de que el coeficiente a es igual a un valor a, para lo
    cual se sigue el siguiente procedimiento:
    i)
    ii)

    Se define la hiptesis: Ho: a=a y la alternativa Ha: aa


    Se calcula el error standard para a con la siguiente frmula:

    iii)

    Se calcula el estadstico de prueba:

    iv)

    Se obtiene en la tabla de t de student el estadstico comparador, con los siguientes datos: n-3
    grados de libertad y nivel /2
    Si el valor de t calculado es mayor que el tabulado, se rechaza la Ho, en caso contrario, la
    hiptesis se acepta

    v)

    8. Intervalos de confianza
    8.1 Para el coeficiente b
    El intervalo de confianza para el coeficiente b se calcula as:

    El cuadrado medio del error se obtiene del anlisis de varianza


    El valor de t se obtiene de la tabla de t de student con n-3 grados de libertad y un
    nivel /2
    8.2 Para el coeficiente c
    El intervalo de confianza para el coeficiente b se calcula as:

    El cuadrado medio del error se obtiene del anlisis de varianza


    El valor de t se obtiene de la tabla de t de student con n-3 grados de libertad y un
    nivel /2

    8.3 Para el coeficiente a


    El intervalo de confianza para el coeficiente a se calcula as:

    El cuadrado medio del error se obtiene del anlisis de varianza


    El valor de t se obtiene de la tabla de t de student con n-3 grados de libertad y un
    nivel /2
    8.5 para la respuesta media de y, con valores de x fijos
    Un intervalo de confianza para la respuesta media de y, dado x 0 sera:

    El cuadrado medio del error se obtiene del anlisis de varianza


    El valor de t se obtiene de la tabla de t de student con n-3 grados de libertad y un
    nivel /2
    El vector x0 contiene los valores de x para los que se calcula el valor de y. Para obtener el valor
    de y que se usa en sta frmula, se sustituye en la ecuacin de regresin obtenida los valores de x
    y x al cuadrado.
    8.4 para la estimacin de y
    El intervalo de confianza para la estimacin de y, dado un valor de x 0 se obtiene de la siguiente
    manera:

    El cuadrado medio del error se obtiene del anlisis de varianza


    El valor de t se obtiene de la tabla de t de student con n-3 grados de libertad y un
    nivel /2
    10. Por fin un ejemplo!
    Se realiza una prueba de frenado de un automvil nuevo, midiendo la distancia de parada de
    acuerdo a la rapidez del vehculo al momento de aplicar los frenos, obtenindose los siguientes
    resultados:

    RAPIDEZ DISTANCIA
    Km/h
    Metros
    35
    16
    50
    26
    65
    41
    80
    62
    95
    88
    110
    119
    En base a los datos anteriores:
    a) Construya un diagrama de dispersin
    b) Efecte la estimacin del modelo cuadrtico
    c) Determine el grado de ajuste e interprtelo

    d) Elabore el anlisis de varianza y disctalo


    e) Si el vehculo viaja a 100 km/h, en qu distancia se detiene?
    f) Pruebe la hiptesis que b=1 con un 99% de confianza
    g) Calcule intervalo de confianza al 95% para a y b
    h) Efecte la estimacin del modelo, el andeva y obtenga el coeficiente de determinacin por medio
    de matrices.
    a)

    Diagrama de Dispersin

    b) Estimadores del modelo


    i)

    Tabla de Datos:

    x2

    x3

    x4

    xy

    x2y

    y2

    35
    50
    65
    80
    95
    110
    =435

    16
    26
    41
    62
    88
    119
    =352

    1,225
    2,500
    4,225
    6,400
    9,025
    12,100
    =35,475

    42,875
    125,000
    274,625
    512,000
    857,375
    1,331,000
    =3,142,875

    1,500,625
    6,250,000
    17,850,625
    40,960,000
    81,450,625
    146,410,000
    =294,421,875

    560
    1,300
    2,665
    4,960
    8,360
    13,090
    =30,935

    19,600
    65,000
    173,225
    396,800
    794,200
    1,439,900
    =2,888,725

    256
    676
    1,681
    3,844
    7,744
    14,161
    =28,362

    ii)

    Estimadores del modelo

    Ecuacin Final:

    Yi=13.3587-.3394xi+0.01182xi2
    c)

    Grado de ajuste del modelo


    El coeficiente de determinacin se calcula as:

    Se puede concluir que el grado de ajuste del modelo es alto (casi perfecto!), por lo que el modelo
    es confiable para hacer predicciones.
    d)

    Anlisis de varianza del modelo


    i) Suma de cuadrados de regresin:

    ii) Suma de cuadrados Total

    =7711.3333

    iii)
    iv)
    v)
    vi)
    vii)
    viii)
    ix)
    x)
    xi)

    Suma de cuadrados del error : 7711.3333-7711.2119=0.12143


    Grados de libertad de regresion=2
    Grados de libertad totales= 6-1=5
    Grados de libertad del error=6-3=3
    Cuadrado medio de regresin= 7711.2119/2=3855.5069
    Cuadrado medio del error= 0.1243/3=0.04048
    F Calculada=3855.5069/0.04048=95256.147
    F Tabulada (2,3,0.01)=30.82
    Tabla de Andeva:
    Fuente de
    Variacin
    Regresin
    Error
    Total

    Grados de
    libertad
    2
    3
    5

    Suma de cuadrados

    Cuadrado medio

    7711.2119
    0.12143
    7711.33333

    3855.60595
    0.04048

    F calculada F
    tabulada
    95256.14
    30.82**

    Debido a que F calculada es mayor que F tabulada, se rechaza la Ho y se acepta la Ha, con lo cual
    se concluye que el modelo s explica el fenmeno en estudio y que los resultados obtenidos no se
    deben a la casualidad.
    e) Si el vehculo viaja a 100 km/h, en qu distancia se detiene?
    Para esto, simplemente se utiliza la ecuacin anteriormente encontrada por estimacin,
    sustituyendo el valor de x por 100
    y=

    13.3587-.3394(100)+0.01182(100)2=97.618 m

    f) Pruebe la hiptesis de que b=1 con un 99% de confianza


    Inicialmente se plantea Ho: b=1 y su alterna Ha: b1
    A continuacin se obtiene el error standard de b:

    El valor de t de student de calcula de la siguiente manera:

    El valor de t se obtiene en la tabla de t de student, con 6-3 grados de libertad y (1-.99)/2=0.005 de


    , siendo el valor igual a 5.840
    Finalmente, dado que t calculada es mayor que la tabulada, se concluye al 99% que el coeficiente
    b no es igual a 1.
    g) Calcule intervalos de confianza al 95% para a y b
    El valor de t de student al 95% (/2=0.05/2=0.025) con 3 grados de libertad es= 3.182
    Intervalo de confianza para b:

    El intervalo final ser entonces el siguiente: -0.40766<B<-0.27114


    Intervalo de confianza para a:

    El intervalo final para a sera: 11.0775<A<15.6399


    i)

    Ajuste del modelo y anlisis de varianza mediante matrices:


    Matriz x:

    1
    1
    1
    1
    1
    1

    35
    50
    65
    80
    95
    110

    1225
    2500
    4225
    6400
    9025
    12100

    Matriz x transpuesta ( x )

    1
    1
    1
    35
    50
    65
    1225 2500 4225

    1
    80
    6400
    Vector y:

    16
    26

    1
    95
    9025

    1
    110
    12100

    41
    62
    88
    119
    Producto xx:

    6
    435
    35475

    435
    35475
    35475
    3142875
    3142875 294421875

    Matriz inversa de xx:

    12.6973
    -0.3713
    0.002433

    -0.3713
    0.002433
    0.01137
    -0.00007671
    -0.00007671 0.0000005291
    Producto x y

    352
    30935
    2888725
    -1

    Producto Final b=(xx) * (x y)

    13.3587
    -0.3394
    0.01182
    Anlisis de varianza
    ym=352/6=58.666
    2
    Suma de cuadrados de regresin= bxy-nym =

    Suma de cuadrados total= yy- nym =

    Suma de cuadrados del error : 7711.3333-7711.2119=0.12143


    Grados de libertad de regresion=2
    Grados de libertad totales= 6-1=5
    Grados de libertad del error=6-3=3
    Cuadrado medio de regresin= 7711.2119/2=3855.5069
    Cuadrado medio del error= 0.1243/3=0.04048

    F Calculada=3855.5069/0.04048=95256.147
    F Tabulada (2,3,0.01)=30.82

    Anlisis de Varianza Final:


    Fuente de
    Variacin
    Regresin
    Error
    Total

    Grados de
    libertad
    2
    3
    5

    Suma de cuadrados

    Cuadrado medio

    7711.2119
    0.12143
    7711.33333

    3855.60595
    0.04048

    F calculada F
    tabulada
    95256.14
    30.82**

    También podría gustarte