Curso Ana Regres 2

Análisis de Regresión P.
Reyes / Enero, 2007
UNIVERSIDAD IBEROAMERICANA A.C.
MAESTRÍA EN INGENIERÍA DE CALIDAD
ANÁLISIS DE REGRESIÓN
Dr. Primitivo Reyes Aguilar
Marzo, 2007
1
Análisis de Regresión P. Reyes / Enero, 2007
CONTENIDO
1. REGRESIÓN LINEAL SIMPLE

1.1 Introducción
1.2 El modelo de regresión lineal simple
1.3 Usos y abusos de la regresión
2. ADECUACIÓN DEL MODELO DE REGRESIÓN LINEAL

2.1 Introducción
2.2 Prueba de falta de ajuste
2.3 Análisis de los residuos
2.4 Transformaciones de los datos
2.5 Propuesta de estrategia de ajuste del modelo
3. REGRESIÓN LINELA MÚLTIPLE

3.1 El modelo de regresión
3.3 Análisis de cada observación
3.4 Propuesta de estrategia de ajuste del modelo
4. TÓPICOS ADICIONALES
4.1 Calibración
4.2 Variables independientes cualitativas
4.3 Autocorrelación
4.4 Algunos usos interesantes de la regresión
2
1. REGRESIÓN LINEAL SIMPLE

Ajuste de una línea recta por mínimos cuadrados
1.1 Introducción
Parece que Sir Francis Galton (1822-1911) un antropólogo y metereológo británico fue
responsable de la introducción de la palabra “regresión”, mostró que si Y = “estatura
de los niños” y X = “estatura de los padres”, una ecuación de ajuste adecuada era
__ __
^ 2
Y  Y  ( X  X ) . El artículo de Galton es fascinante como se cuenta en The Story of
3
the Statistics1, el método de mínimos cuadrados aparentemente fue descubierto por
Carl Frederick Gauss (1777-1855)2.
El método de análisis llamado análisis de regresión, investiga y modela la relación

entre una variable Y dependiente o de respuesta en función de otras variables de
predicción X’s, a través del método de mínimos cuadrados.
Como ejemplo supóngase que un ingeniero industrial de una embotelladora está

analizando la entrega de producto y el servicio requerido por un operador de ruta para
surtir y dar mantenimiento a maquinas dispensadoras. El ingeniero visita 25 locales al
azar con máquinas dispensadoras, observando el tiempo de entrega en minutos y el
volumen de producto surtido en cada uno. Las observaciones se grafican en un
diagrama de dispersión (Fig. 1.1), donde claramente se observa que hay una relación
entre el tiempo de entrega y el volumen surtido; los puntos casi se encuentran sobre
una línea recta, con un pequeño error de ajuste.
En general los modelos de regresión tienen varios propósitos como son:
 Descripción de datos a través de ecuaciones
 Estimación de parámetros para obtener una ecuación modelo
 Predicción y estimación.
1
Stigler, S.M., The Story of the Statistics, Belknap Press, Harvard University, 1986, pp. 294-299
2
Placket, R.L., “Studies in the history of the probability and Statistics XXIX. The discovery of the method of
least squares,”, Bometrika, 59, 1972, pp. 239-251.
3
 Control.
1.2 El modelo de regresión lineal simple
Al tomar observaciones de ambas variables Y respuesta y X predicción o regresor,

se puede representar cada punto en un diagrama de dispersión.
Y
*
* *
*** *
*** **
***
X
Fig. 1.1 Diagrama de dispersión y recta de ajuste
El modelo de ajuste o modelo de regresión lineal es:
Y   0  1 X   (1.1)
Donde los coeficientes 0 y 1 son parámetros del modelo denominados coeficientes

de regresión, son constantes, a pesar de que no podemos determinarlos exactamente
sin examinar todas las posibles ocurrencias de X y Y, podemos usar la información
proporcionada por una muestra para hallar sus estimados b0 ,b1 . El error es difícil de
determinar puesto que cambia con cada observación Y. Se asume que los errores
tienen media cero, varianza desconocida 2 y no están correlacionados (el valor de
uno no depende del valor de otro). Por esto mismo las respuestas tampoco están
correlacionadas.
Conviene ver al regresor o predictor X como la variable controlada por el analista y

evaluada con el mínimo error, mientras que la variable de respuesta Y es una variable
aleatoria, es decir que existe una distribución de Y con cada valor de X.
4
La media de esta distribución es:
E ( y | x )   0  1 x (1.1 a)
y su varianza es:
V ( y | x )  V (  0  1 x   )   2 (1.1b)
De esta forma la media de Y es una función lineal de X a pesar de que la varianza de

Y no dependa de los valores de X.
1.2.1 Estimación de los parámetros por mínimos cuadrados
El método de mínimos cuadrados se usa para estimar 0 y 1 se estimará 0 y 1

de manera que la suma de cuadrados de las diferencias entre la observaciones yi y la
línea recta sea mínima. Los parámetros 0 y 1 son desconocidos y deben ser
estimados usando datos de una muestra. Supongamos que se tienen n pares de datos
(y1, x1), (y1, x1), (y2, x2),....., (yn, xn) de un experimento o por historia.
De la ecuación modelo de regresión de la población

Y   0  1 X  
Usando los pares de datos se puede establecer el criterio de mínimos cuadrados

como:
n
S (  0 , 1 )   ( yi  0  1 xi ) 2
i 1
Los estimadores de mínimos cuadrados de 0 y 1 por decir ˆ0 , ˆ1 debe satisfacer
es:
5
S n
 2 ( yi  0  1 xi )  0
 0 ˆ0 , ˆ1 i 1
y
S n
 2 ( yi  0  1 xi ) xi  0
1 ˆ0 , ˆ1 i 1
Simplificando estas dos ecuaciones se obtienen las ecuaciones de mínimos

cuadrados:
n n
nˆ0  ˆ1  xi  yi
i 1 i 1
n n n
ˆ0  xi  ˆ1  x 2 i  yi xi
i 1 i 1 i 1
La solución a las ecuaciones normales anteriores:

ˆ 0  y  ˆ1 x
 n  n 
  xi   yi 
yi xi   i 1  i 1 
n
 n
̂1  i 1
2
 n 
  xi 
x i   i 1 
n

i 1
2
n
Donde los promedios para X y para Y son los siguientes::
1 n 1 n
y  yi
n i 1
x  xi
n i 1
Aplicando el método de mínimos cuadrados del error, se obtiene el modelo que nos
da un valor estimado Y en función de X, denominado ecuación de predicción o de
regresión lineal, como sigue:
b0  ˆ 0
b1  ˆ1
6
^
Y  b0  b1 X (1.2)
Donde:
n __ __
S xy  X iYi  n X Y
b1   i 1
(1.3)
S xx n __ 2
X
i 1
i
2
nX
__ __
b0  Y  b1 X (1.4)
por tanto:
^ __ __
Y  Y  b1 ( X  X ) (1.5)
__ __ __
Cuando X  X se tiene el punto ( X ,Y ) que se encuentra en la línea ajustada y
representa el centro de gravedad de los datos.
Ejemplo 1.1 Se realizaron 25 observaciones de la variable Y y X

como sigue:
Y X
10.98 35.3
11.13 29.7
12.51 30.8
8.4 58.8
9.27 61.4
8.73 71.3
6.36 74.4
8.5 76.7
7.82 70.7
9.14 57.5
8.24 46.4
12.19 28.9
11.88 28.1
7
9.57 39.1
10.94 46.8
9.58 48.5
10.09 59.3
8.11 70
6.83 70
8.88 74.5
7.68 72.1
8.47 58.1
8.86 44.6
10.36 33.4
11.08 28.6
Haciendo cálculos con el paquete Minitab con X en la columna C2 y Y en la columna

C1 se tiene:
Regression Analysis: C1 versus C2
The regression equation is

C1 = 13.6 - 0.0798 C2
Predictor Coef SE Coef T P
8
Constant 13.6230 0.5815 23.43 0.000

C2 -0.07983 0.01052 -7.59 0.000
S = 0.8901 R-Sq = 71.4% R-Sq(adj) = 70.2%
Por lo anterior la ecuación de regresión obtenida es:

^
Y  13.6  0.0798 X (1.6)
Después de obtener esta ecuación, surgen algunas preguntas:

- ¿qué tan bien ajusta los datos esta ecuación?
- ¿el útil el modelo para hacer predicciones?
- ¿se viola alguna condición como varianza constante y no correlación en los
errores, de ser así que tan seria es?
Todo esto debe ser aclarado antes de usar el modelo.
1.2.2 Análisis de Varianza
El análisis de varianza es una herramienta que sirve para probar la adecuación del
modelo de regresión, para lo cual es necesario calcular las sumas de cuadrados
correspondientes.
La desviación estándar S corresponde a la raíz cuadrada del valor de MSE o

cuadrado medio residual.
SS E S  b1 S XY
S2   YY (1.7)
n2 n2
Donde:
2
 n 
 Yi 
 Yi   i 1 
n
2
SYY (1.8)
i 1 n
9
n n
n  X i Yi
S XY   X iYi  i 1 i 1
(1.9)
i 1 n
^
La expresión ei  Yi  Y i es el residuo que expresa la diferencia entre el valor
observado y el valor estimado por la ecuación de predicción.
Donde:
^ __ ^ __
Yi  Y i  Yi  Y  (Y i  Y ) (1.10)
Yi
^ ei
__
Yi Yi  Y
_
Y
línea ajustada
^
Y  b0  b1 x
X
Xi
Fig. 1.2 Errores involucrados en la recta de ajuste
__
La cantidad (Yi  Y ) es la desviación de la observación i-ésima respecto a la media.
Por otra parte:
__ ^ __ ^
(Yi  Y ) 2  (Y i  Y ) 2  (Yi  Y i ) 2 (1.11)
10
Suma de cuadrados = Suma de cuadrados + Suma de cuadrados

respecto a la media de la regresión del error o residuos
De tal forma que la tabla de análisis de varianza queda como:
Tabla de Análisis de Varianza .
Fuente df SS MS = SS/df Fc
Regresión 1 SSR  b1S XY MS REG MSreg/s2 =MSreg/MSE
Residual n-2 SSE  SSYY  b1S XY S2=MSE=SSE/n-2

__________________________________________________________.
Total corregido n-1 SYY
donde:
__
2
S XY  (( X i  X )Yi ) 2 (1.12)
__ __ 2
S XX   ( X i  X )   X  n X
2
i
2
(1.13)
Obteniéndose con el Minitab

Source DF SS MS F P
Regression 1 45.592 45.592 57.54 0.000
Residual Error 23 18.223 0.792
Total corrected 24 63.816
El estadístico F se calcula como F = MSEREG / S2 y se compara con la F de tablas

con (1, n-2) grados de libertad y área en 100(1-)%, para determinar si el parámetro
1 es significativo que es el caso de Fcalc. > Ftablas.
En este caso Fc = 45.5924 / 0.7923 = 57.24 y F de tablas F(1, 23, 0.95) es igual a
4.28, por tanto se rechaza H0 aceptando que existe una ecuación de regresión.
El área de la cola de Fc está descrita por el valor de p que debe ser menor o igual al
valor de , en este caso es casi cero.
11
1.2.3 Intervalos de confianza para  0 , 1
En base al error estándar para los parámetros se tiene:
1/ 2
 __ 2   
1 X
se(b0 )  MSE  
   X i2 
 S (1.14)
  n  ( X i  X ) 
__
 n S XX 2
   
MSE S
se(b1 )   (1.15)
S XX S XX
Del ejemplo, como s = 0.7963 y SXX = 7154.42
0.792
se(b1 )   0.0105
7154.42
El intervalo de confianza 100 (1 - )% para  0 ,  1 , considerando que las
observaciones y los errores siguen un comportamiento normal, es:
Y Para el coeficiente o se tiene:
 __ 2 
^ 1 X 
 0  t a / 2 ,n  2 MSE    (1.16)
 n S XX 
 
1/ 2
 
1 
b0  t ( n  2,1   )
 X i2  S (1.16a)
2 n (X  X __
2
  i ) 
Para el caso del coeficiente Beta 1:
12
El error estándar es:

MSE
se( ˆ1 ) 
S XX
^ MSE
1  t a / 2 ,n  2 (1.17ª)
S XX
1
t ( n  2,1   ). S
b1  2 (1.17)
__
 i )2
( X  X
Suponiendo  = 0.05, t(23,0.975) = 2.069, los límites de

confianza para el parámetro  1 son:
-0.798  (2.069)(0.0105) o sea -0.798  0.0217

y  1 se encuentra en el intervalo (-0.1015, -0.0581).
Para el caso de sigma, si los errores están distribuidos normalmente y son

independientes, la distribución del estadístico,
(n  2) MSE /  2
es Chi-cuadrada con n – 2 grados de libertad y de esta forma:
 ( n  2) MSE 
P   12 / 2,n 2    2 / 2,n 2   1  
  2

Por consecuencia un intervalo de confianza 100 (1 -  ) % en 2 es:
(n  2) MSE (n  2) MSE
 2  (1.18)
  / 2 ,n  2
2
 12 / 2,n 2
13
1.2.4 Estimación del intervalo para la media de la respuesta
Una aplicación mayor del análisis de regresión es la estimación de la media de la

respuesta E(Y) para un valor particular de la variable regresora X. El valor esperado
de la respuesta Y media para un cierto valor de X = X0 es:
^
E (Y | X 0 )  Y0  b0  b1 X 0 (1.19)
Para obtener un intervalo de confianza con 100(1 -  )% para el coeficiente 1 se

aplica la fórmula siguiente:
^ MSE  1 ( x0  x ) 2 
Y0  t a / 2,n2    (1.20b)
S XX  n S xx 
Ver gráfica anterior del ejemplo.
1.2.5 Predicción de nuevas observaciones

Esta es otra de las aplicaciones del modelo de regresión, predecir nuevas
observaciones Y correspondientes a un nivel específico de la variable regresora X. La
banda de predicción es más ancha dado que depende tanto del error del modelo de
ajuste y el error asociado con observaciones futuras (Y0  Yˆ0 ) . El intervalo es mínimo
__ __
en X 0  X y se amplia conforme se incrementa la diferencia entre X 0  X .
La variable aleatoria,
  Y0  Yˆ0
Está normalmente distribuida con media cero y varianza:
14
 __

 1 ( X  X )2 
V ( )   1  
2 0
 n S XX 
 
Si se usa Yˆ0 para predecir a Y0 entonces el error estándar de  = Y0 - Yˆ0 , es el
estadístico apropiado para establecer un intervalo de predicción probabilístico, en el

caso de un intervalo 100 (1 -  ) % sobre una observación futura en X 0 se tiene:
 __
2  __

 1 ( X  X )   1 ( X  X )2 
Yˆ0  t / 2,n 2 MSE 1   0 ˆ
 Y0  Y0  t / 2,n 2 MSE 1   0
(1.21
 n S XX   n S XX 
   
Se puede generalizar para encontrar un intervalo de predicción del 100(1-)
porciento para la media de m observaciones futuras en X = Xo. Sea Ymedia la media
de las observaciones futuras en X = Xo. El intervalo de predicción estimado es:
 __
2  __

 1 1 ( X  X )   1 1 ( X  X )2 
Yˆ0  t / 2,n2 MSE   0 ˆ
 Y0  Y0  t / 2,n2 MSE   0
m n S XX  m n S XX 
   
1.2.6 Pruebas de hipótesis para la pendiente e intersección
Prueba de Hipótesis para Ho:0 = 10 contra H1:0  10

Calculando el estadístico t, considerando que  10 = 0, se tiene:
b0
t (1.22)
se(b0 )
Probar la hipótesis para b0 no tiene interés práctico.

Ahora para probar la significancia de b1 se tiene:
15
b1
t0  para ( / 2, n  2) grados de libertad (1.23)
MSE
S XX
Si t0  t / 2,n2 se rechaza la hipótesis nula, indicando que 1 es significativo y se tiene
regresión lineal.
Del ejemplo:
b1  0.798
t   7.60
se(b1 ) 0.0105
Como t  7.60 excede el valor crítico de t = 2.069, se rechaza Ho
(o sea el valor de p << 0.05) .Por tanto este coeficiente es

significativo.
Es importante notar que el valor de F = t2.
La salida del Minitab es como sigue:

Constant = b0 13.6230 0.5815 23.43 0.000
C2 = b1 -0.07983 0.01052 -7.59 0.000
1.2.7 Inferencia simultanea para los parámetros del modelo
Para una estimación conjunta de Beta0 y Beta1 en una región donde estemos
seguros con 100(1-alfa) porciento de que ambos estimados son correctos es:
n n
n( ˆ0   0 ) 2  2 xi ( ˆ0   0 )( ˆ1  1 )   x 2 i ( ˆ1  1 )
i 1 i 1
 F , 2,n2
2MSE
1.2.8 Estimación simultanea de la respuesta media
16
La estimación simultanea de la respuesta media es:

Es posible construir m-intervalos de confianza de la respuesta media de un conjunto
de m-valores específicos X, vgr. X1, X2, …., Xm, que tengan un coeficiente de
confianza conjunta de la menos 100(1-alfa) porciento.
Se puede utilizar el módulo t de Scheffé:

  u , 2,n2
Donde u , 2,n  2 es el punto de la cola superior alfa de la distribución del valor máximo
absoluto de dos variables aleatorias t-student cada una basada en n-2 grados de
libertad. Estos dan intervalos más cortos. Para el caso de alfa = 0.10, m=2,n=18 se
tiene de tablas (A.8):
t /(2 m ),n2  t0.025,18  2.101
u ,m,n  u0.10, 2,18  2.082
La Delta de Boferroni como sigue:

  (2F , 2,n2 )1/ 2  (2F0.10, 2,18 )1/ 2  (6.02)1/ 2  2.454
^  1 ( x  x )2 
E (Y X i )  YXi   MSE   i 
n S xx 
Note que los intervalos del máximo módulo t son más angostos que los de
Bonferroni. Sin embargo cuando m > 2 los intervalos de máximo módulo t se siguen
ampliando mientras que los de Bonferroni no dependen de m.
1.2.9 Predicción de nuevas observaciones

El conjunto de intervalos de predicción para m nuevas observaciones en los niveles
X1, X2,…, Xm que tienen un nivel de confianza de al menos (1-alfa) es:
^  1 ( x  x )2 
y xi  YXi   MSE 1   i 
 n S xx 
17
1.2.10 Correlación
Las discusiones anteriores de análisis de regresión han asumido que X es una variable
controlable medida con un error despreciable y que Y es una variable aleatoria.
Muchas aplicaciones de análisis de regresión involucran situaciones donde tanto X
como Y son variables aleatorias y los niveles de X no pueden ser controlados. En este
caso se asume que las observaciones (Xi, Yi), i=1, 2,…,n son variables aleatorias
distribuidas conjuntamente. Por ejemplo suponiendo que se desea establecer la
relación entre los refrescos vendidos y la temperatura del día. Se asume que la
distribución conjunta de Y y X es la distribución normal divariada, que es:
1 
 1  y    2  x    2  y  1   x   2   
2 2

f ( x, y )  exp   1
   2
  2 p      
21 2  2(1  p )   1    2 
2
  1    2   
  
Donde 1 y 12 corresponden a la media y la varianza de Y, y 2 y 22 corresponden
a la media y la varianza de X y
E ( y  1 )( x   2 )  12
 
 1 2  1 2
Es el coeficiente de correlación entre Y y X. 12 es la covarianzade Y y X.
La distribución condicional de Y para un valor de X es:
1  1  y     x 2 
f ( y x)  exp   0 1
 
212  2   12  
Donde:
1
 0  1   2 
2
1
1  
2
 212   12 (1   2 )
La correlación es el grado de asociación que existe las variables X y Y, se indica por
el estadístico  cuyo estimador es el coeficiente de correlación de la muestra r ó rxy.
Donde:
18
S XY
r (1.24)
S XX SYY
1/ 2
S 
b1   YY  r (1.25)
 S XX 
Un estadístico útil es el valor del ajuste de la regresión R2, coeficiente de determinación

que se define como:
r = rxy = (signo de b1)R (1.26)

^ __
R2 
( SS .de.la.regresión. por.b0 )

 (Y  Y ) 2

SSR
 1
SSE
(1.27)
__
( SSTotal.corregido. para.la.media)
 (Y  Y )
i
2 Syy SYY
Como Syy es una medida de la variabilidad en Y sin considerar el efecto de la variable

regresora X y SSE es una medida de la variabilidad en Y que queda después de que
se ha considerado X, R2 mide la proporción de la variación total respecto a la media
que es explicada por la regresión. Es frecuente expresarla en porcentaje. Puede tomar
valores entre 0 y 1, los valores cercanos a 1 implican que la mayoría de la variabilidad
es explicada por el modelo de regresión.
En el ejemplo:
R-Sq = 71.4% R-Sq(adj) = 70.2%
Se debe tener cuidado con la interpretación de R2, ya que su magnitud también

depende del rango de variabilidad en la variable regresora. Generalmente se
incrementa conforme se incrementa la dispersión de X y decrece en caso contrario, de
esta forma un valor grande de R2 puede ser resultado de un rango de variación no
realista de X o puede ser muy pequeña debido a que el rango de X fue muy pequeño
y para permitir la detección de su relación con Y.
19
Para probar la hipótesis H0:  = 0 contra H1:   0, el estadístico apropiado de prueba

es:
r n2
t0  (1.28)
1 r2
que sigue una distribución t con n-2 grados de libertad. Si t0  t / 2,n2 se rechaza la
hipótesis Ho, indicando que existe una correlación significativa.
Por ejemplo si en un grupo de 25 observaciones se obtiene una r

= 0.9646 y se desea probar las Hipótesis:
Ho:  = 0
H1:   0
Usando el estadístico de prueba to:
0.9646 25  2
t0   17.55
1  0.9305
como t0.025,23=2.069, se rechaza Ho indicando que sí hay correlación

significativa entre los datos.
Para probar la hipótesis H0:  = 0 contra H1:   0 , donde 0 no es cero y Si n  25

se utiliza el estadístico transformación-z de Fisher:
1 1 r
Z  arctanh( r )  ln (1.29)
2 1 r
Con media
20
 Z  arctanh(  )
y desviación estándar
1
 Z2 
n3
En base a la fórmula de la distribución normal, se calcula el estadístico Zo siguiente

para probar la hipótesis Ho:  = 0,
Z 0  (arctanh(r)  arctanh(  0 )( n  3 (1.30)
y rechazar si Z 0  Z / 2
Obteniéndose
1 1 r 1 1  0 
z  ( n  3)1 / 2  ln( )  ln( ) (1.31)
2 1 r 2 1  0 
y el intervalo de confianza (100 - )% para  está dado por:
 Z   Z 
tanh arctanhr   / 2     tanh arctanhr   / 2  (1.32)
 n3  n3
Del ejemplo anterior, se puede construir un intervalo de

confianza del 95% para .
Siendo que arctanh r = arctanh0.9646 = 2.0082, se tiene:
21
 1.92   1.96 
tanh 2.0082      tanh 2.0082  
 22   22 
Se simplifica a 0.9202   0.9845.
Se requiere un análisis adicional para determinar si la ecuación

de la recta es un ajuste adecuado a los datos y si es un buen
predictor.
1  1  r     1  1 1  
1/ 2
ln    z 1    ln   (1.33)
2  1  r   2  n  3  2  1   
Otro ejemplo, si n=103, r=0.5,  = 0.05. Se tiene que el intervalo

de confianza es:
(1/2) ln 3  0.196 = (1/2)ln{(1+)/(1-)}
Por tanto  se encuentra entre (0.339, 0.632)
22
1.3 Riesgos en el uso de la regresión
Hay varios abusos comunes en el uso de la regresión que deben ser mencionados:
1. Los modelos de regresión son válidos como ecuaciones de interpolación sobre el

rango de las variables utilizadas en el modelo. No pueden ser válidas para
extrapolación fuera de este rango.
2. La disposición de los valores X juega un papel importante en el ajuste de mínimos
cuadrados. Mientras que todos los puntos tienen igual peso en la determinación de
la recta, su pendiente está más influenciada por los valores extremos de X. En este
caso debe hacerse un análisis minucioso de estos puntos y en todo caso
eliminarlos y re – estimar el modelo. En la figura se observan dos puntos que
influyen en el modelo de ajuste, ya que si se quitaran, el modelo de línea recta se
modificaría.
Y
*A
* *
* * * Sin A y B
* * * *
*B
X
Fig. 1.3 Dos observaciones con mucha influencia (A,B)
3. Los outliers u observaciones malas pueden distorsionar seriamente el ajuste de

mínimos cuadrados. En la figura, la observación A parece ser un “outlier” o valor
malo ya que cae muy lejos de la línea de ajuste de los otros datos. Debe
investigarse esta observación.
23
Y
*A *
* * *
**
* * *
** *
**
* * *
**
* *
Fig. 1.4 Localización de un “outlier” (A)
4. Si se encuentra que dos variables están relacionadas fuertemente, no implica que

la relación sea causal, se debe investigar la relación causa – efecto entre ellas. Por
ejemplo el número de enfermos mentales vs. número de licencias recibidas.
Tabla 1.1 Una relación de datos sin sentido

Año Enfermos mentales Licencias emitidas
1924 8 1,350
1926 9 2,270
1928 11 2,730
1930 12 3,647
1932 18 5,497
1934 20 7,012
1936 22 8,131
5. En algunas aplicaciones el valor de la variable regresora X requerida para predecir

a Y es desconocida, por ejemplo al tratar de predecir la carga eléctrica el día de
mañana en relación con la máxima temperatura de mañana, primero debe
estimarse cuál es esa temperatura.
1.4 Regresión a través del origen

Algunas situaciones implican que pase la línea recta a través del origen y deben
adecuar a los datos. Un modelo de no intersección frecuentemente se presenta en los
procesos químicos y otros procesos de manufactura, el modelo queda como:
24
Y  1 X  
Dadas n observaciones (Yi, Xi), i = 1, 2, …., n, la función de mínimos cuadrados:
n
S ( 1 )   ( yi  1 xi ) 2
i 1
La ecuación normal es:

n n
̂1  x 2 i  yi xi
i 1 i 1
y el estimador de mínimos cuadrados de la pendiente es:

n
yx i i
̂1  i 1
n
x
i 1
2
i
Y el modelo estimado de regresión es:
yˆ  ̂ i x
El estimador de la varianza es:

n n
SS E SYY  b1S XY y 2
i  ˆ1  yi xi
 2  MSE    i 1 i 1
n 1 n 1 n 1
El intervalo de confianza (1-alfa) porciento para el coeficiente Beta1 es:
^ MSE MSE
1  t a / 2,n1 n
donde el error estándar es: se( ˆ1 )  n
 xi2
i 1
x
i 1
2
i
El intervalo de confianza 100(1-alfa) porciento para la respuesta media E(y|Xo), la

respuesta media en X = Xo es:
^ x02 MSE
Y0  t a / 2,n2 n
x
i 1
2
i
El intervalo de predicción del 100(1-alfa) porciento para una observación futura en X =

Xo por ejemplo Yo es:
25
 
 2 
MSE 1  n 0 
^ x
Y0  t a / 2,n2
 
  xi 
2
 i 1 
Ambos el intervalo de confianza y el intervalo de predicción se amplían conforme se
incrementa Xo. El modelo asume que cuando Xo = 0, Y = 0.
Si la hipótesis Ho: 0 = 0 no se rechaza en el modelo con intersección, es indicción de

que el modelo se puede mejorar con este modelo. MSE se puede utilizar para
comparar los modelos de intersección y de no intersección.
Ejemplo 1.3
El tiempo requerido por un tendero para surtir su negocio de refrescos así como el
número de envases colocados se muestra en la siguiente tabla. En este caso si el
número de envases X = 0 entonces el tiempo Y = 0.
Tiempo Minutos Envases
Y X XY X2
10.15 25 253.75 625
2.96 6 17.76 36
3 8 24 64
6.88 17 116.96 289
0.28 2 0.56 4
5.06 13 65.78 169
9.14 23 210.22 529
11.86 30 355.8 900
11.69 28 327.32 784
6.04 14 84.56 196
7.57 19 143.83 361
1.74 4 6.96 16
9.38 24 225.12 576
0.16 1 0.16 1
1.84 5 9.2 25
Suma 1841.98 4575
El diagrama de dispersión es el siguiente:
26
Regression Plot
Y = -0.0937558 + 0.407107 X
S = 0.305139 R-Sq = 99.5 % R-Sq(adj) = 99.4 %
10
Y
Regression
95% CI
0 10 20 30
El coeficiente Beta 1 es:

n
yx i i
1841.98
ˆ1  i 1
n
  0.4026
x 2 4575.00
i
i 1
La ecuación del modelo estimado sin intersección es:

Con Minitab:
Stat > Regresión > Regresión
Responde Y Predictors X
Options: Quitar la selección de Fit intercept
Results: dejar opciones de Default
OK
Los resultados de Minitab son:

Y = 0.403 X
Noconstant
X 0.402619 0.004418 91.13 0.000
S = 0.2988
Analysis of Variance
Source DF SS MS F P
Regression 1 741.62 741.62 8305.23 0.000
Total 15 742.87
yˆ  0.4026
MSE = 0.0893
27
Ro2 = 0.9883
El estadístico t para la prueba Ho: 1 = 0 es to = 91.13, por tanto el coeficiente es
significativo a un alfa de 0.01.
Utilizando un modelo con intersección resultando en:

Stat > Regresión > Regresión
Responde Y Predictors X
Options: Poner la selección de Fit intercept
Results: dejar opciones de Default
OK
Los resultados de Minitab son los siguientes:
Y = - 0.094 + 0.407 X
Constant -0.0938 0.1436 -0.65 0.525
X 0.407107 0.008221 49.52 0.000
S = 0.3051 R-Sq = 99.5% R-Sq(adj) = 99.4%
Source DF SS MS F P
Regression 1 228.32 228.32 2452.13 0.000
Total 14 229.53
yˆ  0.0938  0.4026
El estadístico t para la prueba Ho: 0 = 0 es to = -0.65, por tanto el coeficiente no es

significativo a un alfa de 0.01, implicando que el modelo de no intersección puede
proporcionar una estimación superior. Aquí MSE = 0.0931 y R2 = 0.9997. Como MSE
es menor que en el modelo anterior, es superior.
28
Ejemplo 1.2:
Un motor se fabrica con dos partes. La resistencia al corte entre las dos partes (Y) es
una característica importante de calidad que se sospecha es función de la antigüedad
del propelente (X). Los datos se muestran a continuación:
Y X
2158.70 15.50
1678.15 23.75
2316.00 8.00
2061.30 17.00
2207.50 5.50
1708.30 19.00
1784.70 24.00
2575.00 2.50
2357.90 7.50
2256.70 11.00
2165.20 13.00
2399.55 3.75
1779.80 25.00
2336.75 9.75
1765.30 22.00
2053.50 18.00
2414.40 6.00
2200.50 12.50
2654.20 2.00
1753.70 21.50
El diagrama de dispersión de la resistencia al corte versus el propelente se muestra a

continuación
Diagrama de dispersión
29
2600
Y
2100
1600
0 5 10 15 20 25
X
La figura sugiere que hay una relación estadística entre la resistencia al corte y
la antigüedad del propelente, y el supuesto de relación lineal parece ser razonable,
para estimar los parámetros del modelo se calcula Sxx y Sxy:
Sumas de cuadrados
Los cálculos en Excel son los siguientes:
Yi(Xi-
Y X Dif X¨2 Dif Y¨2 Xprom)
2158.70 15.50 4.57 747.61 4614.22
1678.15 23.75 107.90 205397.04 17431.78
2316.00 8.00 28.76 34092.85 -12419.55
2061.30 17.00 13.23 4908.05 7497.98
2207.50 5.50 61.82 5797.68 -17356.47
1708.30 19.00 31.78 178977.65 9630.54
1784.70 24.00 113.16 120171.42 18984.75
2575.00 2.50 117.99 196818.67 -27970.94
2357.90 7.50 34.37 51321.50 -13823.19
2256.70 11.00 5.58 15710.74 -5331.45
2165.20 13.00 0.13 1145.31 -784.89
2399.55 3.75 92.40 71927.22 -23065.67
1779.80 25.00 135.43 123592.68 20712.42
2336.75 9.75 13.05 42186.08 -8441.51
1765.30 22.00 74.61 133998.09 15247.78
2053.50 18.00 21.51 6061.79 9523.11
2414.40 6.00 54.21 80113.06 -17776.02
30
2200.50 12.50 0.74 4780.69 -1897.93

2654.20 2.00 129.11 273364.28 -30158.35
1753.70 21.50 66.22 142625.19 14270.73
Suma 42627.15 267.25 1106.56 1693737.60 -41112.65
Media 2131.36 13.36
n __ 2
S xx   X i2  n X = 1106.56
i 1
n __ 2
S yy   Yi  n Y = 1693737.60
2
i 1
n __
S xy   X iYi  n X Y = -41112.65
i 1
Sxx = 1106.56 Syy = 1693737.60 Sxy = -41112.65
Sumas de cuadrados y ecuación de regresión

n __ __
S xy  X iYi  n X Y
b1   i 1
=
S xx n __ 2
X
i 1
i
2
nX
S xy  41112.65
b1    37.15
S xx 1106.56
La constante bo se determina como sigue:
__ __
b0  Y  b1 X = 21131.35
y la ecuación de regresión queda como sigue:
yˆ  2627.82  37.15
Valores ajustados (fits) y residuos
Y FITS1 RESI1
2158.70 2051.94 106.758
31
1678.15 1745.42 -67.275

2316.00 2330.59 -14.594
2061.30 1996.21 65.089
2207.50 2423.48 -215.978
1708.30 1921.9 -213.604
1784.70 1736.14 48.564
2575.00 2534.94 40.062
2357.90 2349.17 8.73
2256.70 2219.13 37.567
2165.20 2144.83 20.374
2399.55 2488.5 -88.946
1779.80 1698.98 80.817
2336.75 2265.57 71.175
1765.30 1810.44 -45.143
2053.50 1959.06 94.442
2414.40 2404.9 9.499
2200.50 2163.4 37.098
2654.20 2553.52 100.685
1753.70 1829.02 -75.32
42627.15 42627.14 0.00
Suma
Propiedades de la regresión
Hay varias propiedades útiles del ajuste de mínimos cuadrados:
1. La suma de los residuos en cualquier modelo de regresión es siempre cero.
n n
 ( yi  yˆ i )   ei  0
i 1 i 1
2. La suma de los valores observados Yi es igual a la suma de los valores estimados

Yi est. o sea (ver tabla de datos como ejemplo):
n n
 yi   yˆ i
i 1 i 1
3. La línea de regresión siempre pasa por el punto ( y, x ) de los datos.

4. La suma de los residuos multiplicados por los valores correspondientes de la
variables regresora siempre es igual a cero.
n
xe
i 1
i i 0
32
5. La suma de los residuos multiplicados por los valores correspondientes de la

variables de estimación Y siempre es igual a cero.
n
ye
i 1
i i 0
A partir de los valores calculados anteriormente:

Sxx = 1106.56 Syy = 1693737.60 Sxy = -41112.65
Ahora se estima la varianza con:

SS E S  b1S XY
2   YY
n2 n2
SS E 1693737.60  (37.15)( 42627.15) 2
2  
n2 22  2
166,402.65
2   9244.59
20
Forma alterna del modelo:

Si la variable regresora Xi se redefine como la desviación contra su propia media (Xi-
Xmedia), el modelo se transforma en:
yi   0  1 ( xi  x )  1 x  
yi  (  0  1 x )  1 ( xi  x )  
yi   '0  1 ( xi  x )  
 ' 0   0  1 x
Y los estimadores de mínimos cuadrados son:
̂ 0  y
n
 y (x i i  x)
S xy
̂1  i 1
n

 (x
S xx
i  x )2
i 1
El modelo ajustado queda como:
yˆ  y  ˆ1 ( x  x )
En este caso el origen de los datos Xi se encuentra en su media,
33
Pruebas de hipótesis de la pendiente e intercepción

Probar la hipótesis para b0 no tiene interés práctico.
Ahora para probar la significancia de b1 se tiene:
b1
t0  para ( / 2, n  2) grados de libertad (1.23)
MSE
S XX
 37.15
t0   3.029
166402.65
1106.56
Si t0  t / 2,n2 se rechaza la hipótesis nula, indicando que 1 es significativo y se tiene
regresión lineal.
t / 2,n  2 =Distr.t(0.025,18) = 2.445
y To se encuentra en la zona de rechazo de Ho por lo que 1 representa una regresión

válida
Análisis de varianza
De
SSR  b1S XY =(-37.15)(-41,112.65)=1,527,334.95
SSE  SSYY  b1S XY =166,402.65
Para probar la hipótesis Ho: 1=0 se usa el ANOVA con el estadístico Fo como sigue:
SSR / 1 MSR 1,527,334.95

Fo     165.21
SSE /( n  2) MSE 9,244.59
El estadístico F de Excel es:
Falfa,1,n-2 = 4.413863053
Como Fo > Falfa se rechaza Ho y el coeficiente Beta es significativo.
34
La tabla ANOVA queda como sigue:

Fuente de Suma de Grados de Cuadrado
variación cuadrados libertad medio Fo
Reegresión 1,527,334.95 1 1,527,334.95 165.21
Residuos 166,402.65 18 9,244.59
Total 1,693,737.60 19
La incapacidad de mostrar que la pendiente no es estadísticamente significativa o

diferente de cero, no necesariamente significa que Y y X no estén relacionados. Puede
significar que nuestra habilidad para detectar esta relación ha sido obscurecida por la
varianza del proceso de medición o que el rango de la variable X es inapropiado.
Estimación por intervalo en 0, 1 y 

Para el caso del ejemplo, el intervalo de confianza para 1 es:
^ MSE MSE
1  t a / 2 ,n  2 donde el error estándar es: se( ˆ1 ) 
S XX S XX
9244.59
se( ˆ1 )   2.89
1106.56
El intervalo de confianza para el 95% donde se encuentra el valor verdadero del
coeficiente Beta1 es:
^
1  2.101* 2.89
 43  22  1  31.08
El intervalo del 95% de porcentaje de confianza de la varianza es:

(n  2) MSE (n  2) MSE
 2 
  / 2 ,n  2
2
 12 / 2,n 2
18(9244.59) 18(9244.59)
2 
31.5 8.23
5282.62   2  210219.03
Intervalo de estimación para la respuesta media

De la fórmula:
35
^  1 ( x0  x ) 2 
Y0  t a / 2,n2 MSE   
 n S xx 
^  1 ( x0  13.3625) 2 
Y0  (2.101) 9244.59  
 20 1106 .56 
En Xo = 13.3625 se tiene:
2086.23  E ( y 13.3625)  2176.571
Para otros casos auxiliándose de Minitab se tiene:
Regression Plot
Y = 2627.82 - 37.1536 X
S = 96.1061 R-Sq = 90.2 % R-Sq(adj) = 89.6 %
2600
Y
2100
Regression
95% CI
1600
0 5 10 15 20 25
El intervalo de confianza para la respuesta media Yo de varios valores Xo es:

Intervalo de confianza para Yo respuesta media
Xo CLIM1 CLIM2
3 2438.94 2593.79
6 2341.38 2468.43
9 2241.1 2345.78
12 2136.08 2227.88
13.3625 2086.21 2176.51
15 2024.29 2116.75
18 1905.85 2012.26
21 1782.89 1912.31
36
24 1657.35 1814.92
Predicción de nuevas observaciones:
Una aplicación importante del modelo de regresión es predecir nuevas observaciones

Y correspondientes a un nivel de la variable regresora X, si Xo es el valor de la variable
de Interés se tiene:
 __
2  __

1 ( X  X ) 1 ( X  X )2 
Yˆ0  t / 2,n 2 MSE 1   0   Y0  Yˆ0  t / 2,n 2 MSE 1   0
 n S XX   n S XX 
   
Para el ejemplo, un intervalo de predicción del 95% para un valor futuro de la
resistencia al corte Y con un propelente de 10 semanas de antigüedad es:
 1 (10  13.3625) 2 
2256.32  (2.101) 9244.591     Y0
 20 1106.56 
 1 (10  13.3625) 2 
 2256.32  (2.101) 9244.591   
 20 1106.56 
que se simplifica a:
2048.32  y0  2464.32
Por tanto un motor nuevo hecho con un propelente de 10 semanas de antigüedad

tendrá una resistencia al corte de entre 2048.32 a 2464.32 psi.
Inferencia simultanea para los parámetros del modelo

La región del 95% de confianza para 0 y 1, si 0est=2627.82 y 1est=-37.15, suma
Xi2=4677.69, MSE=9244.59 y F0.05,2,18=3.55 se tiene de la fórmula:
n n
n( ˆ0   0 ) 2  2 xi ( ˆ0   0 )( ˆ1  1 )   x 2 i ( ˆ1  1 )
i 1 i 1
 F , 2,n2
2MSE
20(2627.82   0 ) 2  2(267.25)(2627.82   0 )(37.15  1 )  (4677.69)(37.15  1 ) 2

 3.55
2(9244.59)
37
Es el límite de la elipse.
Beta 0
Beta 1
Estimación simultanea de la respuesta media

Para el caso de la estimación simultánea de la respuesta media se tiene:
^  1 ( x  x )2 
E (Y X i )  YXi   MSE   i 
n S xx 
Determinado el intervalo por el método de Scheffé se tiene:

E (Y X i  10)  2256.282  68.633
E (Y X i  18)  1959.050  69.236
Determinando el intervalo por el método de Bonferroni se tiene:

  (2F , 2,n2 )1/ 2  (2F0.10, 2,18 )1/ 2  (6.02)1/ 2  2.454
Seleccionando el método de máximo modulo t, los intervalos de confianza al 90% de

la respuesta media son:
i Xi E(Y|Xi)=Yest en xi = 2627.82-37.15Xi
1 10 2256.282
2 18 1959.020
38
E (Y X 1  10)  2256.282  (2.082)68.633

2087.857  E (Y X 1  10)  2424.707
E (Y X 2  18)  1959.050  (2.082)69.236
1789.145  E (Y X 2  18)  2129.955
Predicción de nuevas observaciones
Sea Xi = 10 y 18, los estimadores puntuales de estas observaciones futuras son Yest
x1 = 2256.282 psi y Yest x2 = 1959.050 psi, respectivamente. Para la regresión lineal
simple y m = 2 se tiene:
^  1 ( xi  x ) 2 
y xi  YXi   MSE 1   
 n S xx 
2256.282  118.097  y x1  2256.282  118.097

1959.050  118.097  y x2  1959.050  118.097
Seleccionando el valor de =2.082 de Bonferroni se tiene:

1966.472  y x1  2546.092
1668.376  y x2  2249.724
Coeficiente de determinación
Con los datos del ejemplo para la suma de cuadrados de la regresión y la suma de
cuadrados total se tiene:
SSR 1,527.334.95
R 2    0.9018
Syy 1,693,737.60
39
2.0 ADECUACIÓN DEL MODELO DE REGRESIÓN LINEAL
2.1 Introducción
Los principales supuestos que se hacen en el análisis de regresión lineal son los
siguientes:
1. La relación entre las variables Y y X es lineal, o al menos bien aproximada por una
línea recta.
2. El término de error  tiene media cero.
3. El término de error  tiene varianza constante 2.
4. Los errores no están correlacionados.
5. Los errores están normalmente distribuidos.
Los supuestos 4 y 5 implican que los errores son variables aleatorias independientes
y el supuesto 5 se requiere para pruebas de hipótesis y estimación de parámetros.
Se analizarán varios métodos para diagnosticar y tratar violaciones sobre los

supuestos básicos de la regresión no sólo lineal sino también la múltiple.

2.2.1 Definición de los residuos
Los residuos están definidos como las n diferencias,

^
ei  Yi  Y i , i  1,2,3..., n (2.1)
donde Yi son las observaciones reales y Y-gorro los valores estimados con la recta de
regresión.
Como los residuos son las diferencias entre las observaciones reales y las predichas
o estimadas, son una medida de la variabilidad no explicada por el modelo de
40
regresión, e el valor observado de los errores. Así, cualquier desviación anormal de

los supuestos acerca de los errores, será mostrada por los residuos. Su análisis es un
método efectivo para descubrir varios tipos de deficiencias del modelo.
Los residuos tienen varias propiedades importantes. Su media es cero y su varianza

aproximada es:
n __ 2 n
 (ei  e ) e i
2
SS E
i 1
 i 1
  MS E (2.2)
n2 n2 n2
En algunos casos es mejor trabajar con residuos estandarizados, que tienen media
cero y varianza unitaria aproximada.
ei
di  ,....1  1,2,....., n (2.3)
MS E
Para el caso de n pequeña, donde se pueden tener diferencias apreciables en las
varianzas de los residuos, un método más apropiado de escalamiento es el de los
residuos estudentizados , donde se toma en cuenta la varianza de cada uno en lugar
de un promedio de las varianzas como en los residuos estandarizados. Para n grande,
ambos residuos son muy parecidos.
Los residuos estudentizados se definen como:
ei
ri  , i = 1, 2, ........, n (2.4)
  1 ( X  X )2 
MSE 1    i 
 n S XX 
Por lo anterior los residuos representan los errores observados si el modelo es

correcto.
41
Los residuos pueden ser graficados para:

1. Checar normalidad.
2. Checar el efecto del tiempo si su orden es conocido en los datos.
3. Checar la constancia de la varianza y la posible necesidad de transformar los datos
en Y.
4. Checar la curvatura de más alto orden que ajusta en las X’s.
A continuación con Minitab se calculan los residuos con los

datos del ejemplo 1.1 y a partir de la recta de ajuste.
Observaciónes
Respuesta
Obs Yi X Fit SE Fit Residual St Residual
1 35.3 10.98 10.805 0.255 0.175 0.21
2 29.7 11.13 11.252 0.3 -0.122 -0.15
3 30.8 12.51 11.164 0.29 1.346 1.6
4 58.8 8.4 8.929 0.19 -0.529 -0.61
5 61.4 9.27 8.722 0.201 0.548 0.63
6 71.3 8.73 7.931 0.265 0.799 0.94
7 74.4 6.36 7.684 0.29 -1.324 -1.57
8 76.7 8.5 7.5 0.31 1 1.2
9 70.7 7.82 7.979 0.261 -0.159 -0.19
10 57.5 9.14 9.033 0.185 0.107 0.12
11 46.4 8.24 9.919 0.19 -1.679 -1.93
12 28.9 12.19 11.316 0.306 0.874 1.05
13 28.1 11.88 11.38 0.313 0.5 0.6
14 39.1 9.57 10.502 0.228 -0.932 -1.08
15 46.8 10.94 9.887 0.188 1.053 1.21
16 48.5 9.58 9.751 0.183 -0.171 -0.2
17 59.3 10.09 8.889 0.191 1.201 1.38
18 70 8.11 8.035 0.255 0.075 0.09
19 70 6.83 8.035 0.255 -1.205 -1.41
20 74.5 8.88 7.676 0.291 1.204 1.43
21 72.1 7.68 7.867 0.272 -0.187 -0.22
22 58.1 8.47 8.985 0.187 -0.515 -0.59
23 44.6 8.86 10.063 0.197 -1.203 -1.39
24 33.4 10.36 10.957 0.269 -0.597 -0.7
25 28.6 11.08 11.34 0.309 -0.26 -0.31
42
2.2.2 Gráfica de probabilidad normal
Se utiliza la gráfica de probabilidad normal para identificar si algunos residuos

sesgan la respuesta de la normal. Normalmente se requieren 20 puntos para checar
normalidad.
Normplot of Residuals for C1
43
Residuals vs Fits for C1
Se sugiere utilizar los residuos estandarizados, ya que son útiles para evaluar
normalidad, es decir que habrá normalidad si el 68% de los mismos se encuentran
entre –1 y +1 y el 95% entre –2 y +2, de otra forma habrá una violación de la
normalidad.
^
La gráfica de residuos contra los valores estimados y i puede identificar patrones
anormales o no lineales, indicando que tal vez se requiera agregar otra variable
regresora al modelo, o se requiera transformar las variables regresora o de respuesta.
También puede revelar outliers potenciales, si ocurren en los extremos, indican que la
varianza no es constante o que no hay relación lineal entre variables.
Para el caso del ejemplo 1.2 con los datos X y Y se tienen los residuos estandarizados
y estudentizados son:
Y X
2158.70 15.50
1678.15 23.75
2316.00 8.00
2061.30 17.00
2207.50 5.50
1708.30 19.00
1784.70 24.00
2575.00 2.50
2357.90 7.50
2256.70 11.00
2165.20 13.00
2399.55 3.75
1779.80 25.00
2336.75 9.75
1765.30 22.00
2053.50 18.00
2414.40 6.00
2200.50 12.50
2654.20 2.00
1753.70 21.50
Utilizando Minitab se tiene:
44
Regression Analysis: Y versus X

Y = 2628 - 37.2 X
Constant 2627.82 44.18 59.47 0.000
X -37.154 2.889 -12.86 0.000
S = 96.1061 R-Sq = 90.2% R-Sq(adj) = 89.6%
Source DF SS MS F P
Regression 1 1527483 1527483 165.38 0.000
Residual Error 18 166255 9236
Total 19 1693738
No replicates.
Cannot do pure error test.
Unusual Observations
Obs X Y Fit SE Fit Residual St Resid
5 5.5 2207.5 2423.5 31.3 -216.0 -2.38R
6 19.0 1708.3 1921.9 27.0 -213.6 -2.32R
La tabla de valores estimados Fits, Residuos, Residuos estandarizados, Residuos

estudentizados borrados y Residuos estudentizados simples se muestra a
continuación:
Observación Y X FITS1 RESI1 SRES1 TRES1 Ri

1 2158.70 15.50 2051.94 106.7580 1.1422 1.1526 1.1422
2 1678.15 23.75 1745.42 -67.2750 -0.7582 -0.7488 -0.7582
3 2316.00 8.00 2330.59 -14.5940 -0.1580 -0.1536 -0.1580
4 2061.30 17.00 1996.21 65.0890 0.6993 0.6890 0.6993
5 2207.50 5.50 2423.48 -215.9780 -2.3766 -2.7882 -2.3767
6 1708.30 19.00 1921.9 -213.6040 -2.3156 -2.6856 -2.3156
7 1784.70 24.00 1736.14 48.5640 0.5488 0.5379 0.5488
8 2575.00 2.50 2534.94 40.0620 0.4539 0.4437 0.4539
9 2357.90 7.50 2349.17 8.7300 0.0948 0.0921 0.0948
10 2256.70 11.00 2219.13 37.5670 0.4021 0.3926 0.4021
11 2165.20 13.00 2144.83 20.3740 0.2175 0.2117 0.2175
12 2399.55 3.75 2488.5 -88.9460 -0.9943 -0.9939 -0.9943
13 1779.80 25.00 1698.98 80.8170 0.9244 0.9204 0.9244
14 2336.75 9.75 2265.57 71.1750 0.7646 0.7554 0.7646
15 1765.30 22.00 1810.44 -45.1430 -0.5000 -0.4893 -0.5000
16 2053.50 18.00 1959.06 94.4420 1.0187 1.0198 1.0187
17 2414.40 6.00 2404.9 9.4990 0.1041 0.1012 0.1041
18 2200.50 12.50 2163.4 37.0980 0.3962 0.3867 0.3962
19 2654.20 2.00 2553.52 100.6850 1.1476 1.1585 1.1477
20 1753.70 21.50 1829.02 -75.3200 -0.8307 -0.8232 -0.8307
45
Para el cálculo de los residuos estudentizados se utilizó la tabla siguiente:

MSE = 9236
Raiz MSE 96.10411021
(Xi-
Xmedia)^2 1/20 +
(Xi-
Y X FITS1 RESI1 ResEstan1 Sxx Xmedia)^2/Sxx Ri
2158.70 15.50 2051.94 106.7580 1.11086 4.56891 0.05413 1.14220
1678.15 23.75 1745.42 -67.2750 -0.70002 107.90016 0.14751 -0.75817
2316.00 8.00 2330.59 -14.5940 -0.15186 28.75641 0.07599 -0.15798
2061.30 17.00 1996.21 65.0890 0.67728 13.23141 0.06196 0.69929
2207.50 5.50 2423.48 -215.9780 -2.24733 61.81891 0.10587 -2.37666
1708.30 19.00 1921.9 -213.6040 -2.22263 31.78141 0.07872 -2.31564
1784.70 24.00 1736.14 48.5640 0.50533 113.15641 0.15226 0.54883
2575.00 2.50 2534.94 40.0620 0.41686 117.99391 0.15663 0.45392
2357.90 7.50 2349.17 8.7300 0.09084 34.36891 0.08106 0.09476
2256.70 11.00 2219.13 37.5670 0.39090 5.58141 0.05504 0.40212
2165.20 13.00 2144.83 20.3740 0.21200 0.13141 0.05012 0.21752
2399.55 3.75 2488.5 -88.9460 -0.92552 92.40016 0.13350 -0.99426
1779.80 25.00 1698.98 80.8170 0.84093 135.43141 0.17239 0.92437
2336.75 9.75 2265.57 71.1750 0.74060 13.05016 0.06179 0.76460
1765.30 22.00 1810.44 -45.1430 -0.46973 74.60641 0.11742 -0.50000
2053.50 18.00 1959.06 94.4420 0.98271 21.50641 0.06944 1.01871
2414.40 6.00 2404.9 9.4990 0.09884 54.20641 0.09899 0.10413
2200.50 12.50 2163.4 37.0980 0.38602 0.74391 0.05067 0.39619
2654.20 2.00 2553.52 100.6850 1.04767 129.10641 0.16667 1.14767
1753.70 21.50 1829.02 -75.3200 -0.78373 66.21891 0.10984 -0.83068
Las gráficas de los residuos normales son las siguientes:
Residual Plots for Y

Normal Probability Plot of the Residuals Residuals Versus the Fitted Values
99
100
90
0
Residual
Percent
50
-100
10
-200
1
-200 -100 0 100 200 1800 2000 2200 2400 2600
Residual Fitted Value
Histogram of the Residuals Residuals Versus the Order of the Data

6.0 100
4.5
Frequency
0
Residual
3.0
-100
1.5
-200
0.0
-200 -150 -100 -50 0 50 100 2 4 6 8 10 12 14 16 18 20
Residual Observation Order
46
Tomado los residuos estandarizados vs fits se tiene:
Normal Probability Plot of the Residuals

(response is Y)
99
95
90
80
70
Percent
60
50
40
30
20
10
1
-3 -2 -1 0 1 2 3
Standardized Residual
Residuals Versus the Fitted Values

(response is Y)
1.0
0.5
0.0
-0.5
-1.0
-1.5
-2.0
-2.5
1700 1800 1900 2000 2100 2200 2300 2400 2500 2600
Fitted Value
Y para los residuos estudentizados se tiene:
47

(response is Y)
0
Deleted Residual
-1
-2
-3
1700 1800 1900 2000 2100 2200 2300 2400 2500 2600
Fitted Value
Como se puede observar los puntos 5 y 6 exceden el límite de dos sigmas.
2.2.3 Gráfica de residuos vs Yestimada

La gráfica de residuos normales, estandarizados o estudentizados vs los valores
estimados de Y es útil para identificar no adecuaciones del modelo.
Patrones de variación de los residuos

a) Aleatorio; b) Cono (aumenta la varianza); c) Rombo; d) No lineal
48
2.2.4 Gráfica de residuos vs Xi

Los patrones generados a veces son similares a los de la figura anterior, por ejemplo
para el caso del ejemplo 1.2, se tiene:
En Minitab (Graphs seleccionar Residual vs Fits y Residuals vs Variables X)
Residuals Versus X
(response is Y)
1.0
0.5
0.0
-0.5
-1.0
-1.5
-2.0
-2.5
0 5 10 15 20 25
X
En este caso los residuos para los puntos 5 y 6 exceden de dos sigmas sin embargo
no muestran indicios de violación del modelo.
2.2.5 Otras gráficas de residuos

Se pueden obtener gráficas de los residuales vs el tiempo de ocurrencia u orden:
Residuals Versus the Order of the Data

(response is Y)
1.0
0.5
0.0
-0.5
-1.0
-1.5
-2.0
-2.5
2 4 6 8 10 12 14 16 18 20
Observation Order
En este caso se puede identificar si existe autocorrelación positiva o negativa de los

residuos como sigue:
49
Residuos vs tiempo: Autocorrelación positiva Autocorrelación negativa
2.2.6 Pruebas estadísticas en los residuos

Las pruebas estadísticas en los residuos son menos prácticas que la observación de
su comportamiento donde se obtiene más información.
2.3 DETECCIÓN Y TRATAMIENTO DE OUTLIERS

Un Outilier es una observación extrema, donde el residuo es considerablemente
grande, por decir con tres o cuatro desviaciones estándar de la media. Estos puntos
no son puntos típicos de los datos y pueden ocasionar defectos severos en el modelo
de regresión. Las gráficas de Y estimada vs residuos ya sea estandarizados o
estudentizados permiten identificar Outliers (puntos aberrantes).
Los outliers deben ser investigados para ver si se puede hallar la razón de su
comportamiento anormal (medición incorrecta, equipo dañado, error de anotación). Si
se encuentra que se debe a un error se debe descartar de los datos. En otros casos
donde se encuentra una razón se debe mantener en la estimación del modelo.
En general se espera que la ecuación de regresión encontrada sea insensible a

algunos puntos particulares, para que sea un modelo robusto. Puede no ser aceptable
que un pequeño porcentaje de los datos tenga un efecto significativo en el modelo.
50
Con los datos del ejemplo 1.2 si omitimos los puntos 5 y 6 que indican Outliers y
compramos nuevo modelo con el modelo anterior se tiene:
Con el modelo original:

Y = 2628 - 37.2 X

Constant 2627.82 44.18 59.47 0.000
X -37.154 2.889 -12.86 0.000
S = 96.1061 R-Sq = 90.2% R-Sq(adj) = 89.6%
Y con el modelo donde se excluyen los puntos 5 y 6 se tiene:

Y_1 = 2659 - 37.7 X_1

Constant 2658.97 30.53 87.08 0.000
X_1 -37.694 1.979 -19.05 0.000
S = 62.9653 R-Sq = 95.8% R-Sq(adj) = 95.5%

(response is Y_1)
99
95
90
80
70
Percent
60
50
40
30
20
10
1
-3 -2 -1 0 1 2 3
51

(response is Y_1)
1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
-2.0
1600 1800 2000 2200 2400 2600

Fitted Value
Casi no hubo efecto en la estimación de los coeficientes de la regresión. La MSE se

redujo mucho, se incrementó R^2 en 5% y se redujo en 30% el error estándar de 1.
En General a pesar de que los puntos 5 y 6 no afectan la estimación y aplicación del
modelo, y el quitarlos mejoraría el error de estimación aunque no hay una razón de
peso.
2.4 PRUEBA DE FALTA DE AJUSTE
Falta de ajuste y el error puro
Se asume que se cumplen los requerimientos de normalidad, independencia y

varianza constante y que sólo se tiene en duda si la relación entre las variables es de
primer orden o sea una línea recta.
Para el cálculo del error puro se requiere hacer réplicas verdaderas, por ejemplo medir
el coeficiente de inteligencia de dos personas con la misma estatura en vez de hacer
dos mediciones repetidas de la misma persona, o realizar dos experimentos en
diferente tiempo con la misma X y registrando el valor de la respuesta.
Suponiendo que se tienen m valores diferentes de Xj, con j=1,2....m, por tanto:
52
Y11, Y12,.....,Y1n1 son n1 observaciones repetidas en X1;

Y21, Y22,......,Y2n2 son n2 observaciones repetidas en X2;
...........
Yju es la observación u-ésima (u=1,2,....,nj) en Xj;
Ym1, Ym2,.....,Ymn1 son n observaciones repetidas en Xm.
La suma de cuadrados del error puro de las n1 observaciones en X1 es la suma de

cuadrados interna de la Y1u con respecto a su media Y1, o sea:
2
n1 __ n1
1  n1 

u 1
(Y1u  Y )   2
u 1
Y   Y1u 
2
1u
n1  i 1 
(2.5)
Reuniendo las sumas internas de cuadrados de todos los lugares donde se tomaron
réplicas se tiene el error puro total SS como:
m n1 __
SS.error. puro   (Y ju  Y j ) 2 (2.6)
j 1 u 1
Con grados de libertad:
m
ne   n j  m (2.7)
j 1
Para el caso de nj = 2 se tiene:
2 __
1
 (Y ju  Y j ) 2 
u 1 2
(Y j1  Y j 2 ) 2 (2.8)
El cuadrado medio del error puro es:
53
se2  SS .error. puro / n e (2.9)
De esta forma la suma de cuadrados del error residual se divide en suma de cuadrados
de “falta de ajuste” y “error puro”.
SS E ( residual )  SS PE (error. puro)  SS LOF ( falta.de.ajsute) (2.10)
El residuo (ij-ésimo) es:
__
^ __ ^
Yij  Y i  (Yij  Y i )  (Yi  Yi ) (2.11)
__
Donde Y i es el promedio de las ni observaciones en Xi.
La suma de cuadrados del error puro es:
m ni __
SS PE   (Yij  Y i ) 2 (2.12)
i 1 j 1 i
La suma de cuadrados de la falta de ajuste:
m __ ^
SS LOF   ni (Y i  Y i ) 2 (2.13)
i 1
El estadístico Fo para la falta de ajuste es:
SS LOF /( m  2) MS LOF
F0   (2.14)
SS PE / n  m) MS PE
54
El valor esperado de MS PE   2 (2.15)
Ejemplo 2.4.1: Tomando un nuevo grupo de datos en los cuales

hay algunas réplicas por ejemplo se tomaron 2 valores para X =
1.3, 2.0, 3.3, 3.7, 4.7 y 6.0 y se tomaron 3 valores para X
=4,5.3. La tabla de datos completa se muestra a continuación:
Hora Y X
12 2.3 1.3
23 1.8 1.3
7 2.8 2
8 1.5 2
17 2.2 2.7
22 3.8 3.3
1 1.8 3.3
11 3.7 3.7
19 1.7 3.7
20 2.8 4
5 2.8 4
2 2.2 4
21 3.2 4.7
15 1.9 4.7
18 1.8 5
3 3.5 5.3
6 2.8 5.3
10 2.1 5.3
4 3.4 5.7
9 3.2 6
13 3 6
14 3 6.3
16 5.9 6.7
La recta de ajuste estimada con Minitab es la siguiente:
Regression Analysis: Y versus X (Pure Error)

Y = 1.43 + 0.316 X

Constant 1.4256 0.5127 2.78 0.011
X 0.3158 0.1149 2.75 0.012
55
56
De la fórmulas anteriores se tiene:

Para X = 1.3 de la ecuación 2.8 se tiene:
SSError.puro = (1/2)(2.3-1.8)2 = 0.125… con 1 grado de

libertad, de la misma forma se procede para los demás,
obteniéndose:
Para el caso de n1>2 se aplica la fórmula normal (2.5), para el

caso de X = 4.0 se tiene:
SSError.puro=(2.8)2+(2.8)2+(2.2)2– (2.8+2.8+2.2)2/3 =0.24
Lo mismo se aplica al X = 5.3.
Por tanto la tabla de datos queda como sigue:
Nivel de X Sserror.puro gl
1.3 0.125 1
1.4 0.845 1
3.3 2.00 1
3.7 2.000 1
4.7 0.845 1
6.0 0.020 1
4.0 0.240 2
5.3 0.980 2
Totales 7.055 10
La suma de cuadrados del error por falta de ajuste se obtiene

restando de la suma de cuadrados del error residual, la suma de
cuadrados del error puro. Ahora se calcula F contra el error
puro medio cuadrático.
De esta forma se obtiene la tabla de ANOVA siguiente,

utilizando Minitab:
Source DF SS MS F P
Regression 1 5.4992 5.4992 7.56 0.012 sign. at 0.05%
Lack of Fit 11 8.2232 0.7476 1.06 0.468 not significant
Pure Error 10 7.0550 0.7055
Total correected 22 20.7774
5 rows with no replicates
57
En resumen, los pasos a tomar cuando se tienen observaciones replicadas son los
siguientes:
1. Obtener la recta de ajuste del modelo, con ANOVA incluyendo valores para la
regresión y el error residual. Todavía no hacer la prueba F.
2. Determinar la suma de cuadrados del error puro y dividir la suma de cuadrados del
error residual en suma de cuadrados de falta de ajuste y de error puro.
3. Realizar la prueba F para la “falta de ajuste”. Si no es significativo, no hay razón
para dudar de la adecuación del modelo, ir a paso 4. De otra forma parar el modelo
y buscar otras formas de mejorar el modelo en base a la observación del
comportamiento de los residuos.
4. Examinar los residuos para identificar si no se violan algunas reglas, si todo está
bien, usar el cuadrado medio del error residual S2 como un estimado de V(Y) = 2,
realizar la prueba F para toda la regresión, obtener bandas de confianza para la
media, evaluar R2, etc.
Con Minitab se obtuvo
S = 0.8530 R-Sq = 26.5% R-Sq(adj) = 23.0%
Para reducir los errores en el ajuste debidos a las réplicas se

obtiene un Máximo de R2 como sigue:
SST .corregido  SSError. puro

MaxR 2  (2.16)
SST .corregido
o sea:
20.777  7.055
MaxR 2   0.6604
20.777
De esta forma ya tiene un poco más de sentido el ajuste.
58
Los datos de los residuos calculados con Minitab se muestran a

continuación:

1 1.3 2.3 1.836 0.376 0.464 0.61
2 1.3 1.8 1.836 0.376 -0.036 -0.05
3 2 2.8 2.057 0.308 0.743 0.93
4 2 1.5 2.057 0.308 -0.557 -0.7
5 2.7 2.2 2.278 0.247 -0.078 -0.1
6 3.3 3.8 2.468 0.205 1.332 1.61
7 3.3 1.8 2.468 0.205 -0.668 -0.81
8 3.7 3.7 2.594 0.186 1.106 1.33
9 3.7 1.7 2.594 0.186 -0.894 -1.07
10 4 2.8 2.689 0.179 0.111 0.13
11 4 2.8 2.689 0.179 0.111 0.13
12 4 2.2 2.689 0.179 -0.489 -0.59
13 4.7 3.2 2.91 0.187 0.29 0.35
14 4.7 1.9 2.91 0.187 -1.01 -1.21
15 5 1.8 3.005 0.201 -1.205 -1.45
16 5.3 3.5 3.099 0.219 0.401 0.49
17 5.3 2.8 3.099 0.219 -0.299 -0.36
18 5.3 2.1 3.099 0.219 -0.999 -1.21
19 5.7 3.4 3.226 0.249 0.174 0.21
20 6 3.2 3.32 0.274 -0.12 -0.15
21 6 3 3.32 0.274 -0.32 -0.4
22 6.3 3 3.415 0.301 -0.415 -0.52
23 6.7 5.9 3.541 0.339 2.359 3.01R
R denotes an observation with a large standardized residual
Ver gráficas en páginas siguientes anexas.
59
Residuals vs. the fitted values for Y
60
Ejemplo 2.4.2 Se presenta otro ejemplo corrido en Minitab

(Montgomery, p. 88)con Y = Viscocidad, X = temperatura:
Welcome to Minitab, press F1 for help.

1 1 10.84 15.344 2.151 -4.504 -1.3
2 1 9.3 15.344 2.151 -6.044 -1.74
3 2 16.35 17.475 1.67 -1.125 -0.3
4 3.3 22.88 20.244 1.164 2.636 0.67
5 3.3 24.35 20.244 1.164 4.106 1.05
6 4 24.56 21.735 1.014 2.825 0.71
7 4 25.86 21.735 1.014 4.125 1.04
8 4 29.16 21.735 1.014 7.425 1.88
9 4.7 24.59 23.227 1.007 1.363 0.34
10 5 22.25 23.866 1.05 -1.616 -0.41
11 5.6 25.9 25.144 1.206 0.756 0.19
12 5.6 27.2 25.144 1.206 2.056 0.53
13 5.6 25.61 25.144 1.206 0.466 0.12
14 6 25.45 25.996 1.347 -0.546 -0.14
15 6 26.56 25.996 1.347 0.564 0.15
16 6.5 21.03 27.061 1.552 -6.031 -1.6
17 6.9 21.46 27.914 1.732 -6.454 -1.75
Note que se tienen varias réplicas en X = 1.0, 3.3, 4.0, 5.6 y

6.
EL error puro se calculó como sigue:
__
Nivel de X  (Y
j ij  Y i )2 Grados de libertad
________________________________________________.
1.0 1.1858 1
3.3 1.0805 1
4.0 11.2467 2
5.6 1.4341 2
6.0 0.6161 1 .
Total 15.5632 7
El error de falta de ajuste se calculó con la fórmula:
SS LOF  SS E  SS PE
SS LOF  252.9039  15.5632  237.3407
61

Y = 13.2 + 2.13 X

Constant 13.214 2.665 4.96 0.000
X 2.1304 0.5645 3.77 0.002
S = 4.084 R-Sq = 48.7% R-Sq(adj) = 45.3%
A sus los cambios Analysis of Variance
Source DF SS MS F P
Regression 1 237.48 237.48 14.24 0.002
Lack of Fit 8 234.57 29.32 13.19 0.001 Significativa
Pure Error 7 15.56 2.22
Total 16 487.61
5 rows with no replicates
CONCLUSIÓN: Como F0 = 13.19 es mayor que F.25, 8,7 = 1.70, se

rechaza la hipótesis que el modelo encontrado describe los
datos adecuadamente.
La pueba de DURBIN-WATSON
La prueba checa si los residuos tienen una dependencia secuencial en la cual cada
uno de los errores (residuos) está correlacionado con los anteriores y los posteriores.
La prueba se enfoca a las diferencias entre residuos sucesivos como sigue, usando el
estadístico de Durbin - Watson:
n n
d   ( eu  eu 1 ) 2 /  eu
2
(2.17)
u 2 u 2
Donde:
1. 0  d  4
2.- Si los residuos sucesivos están correlacionados positivamente en serie, d será
casi 0.
62
2. SI los residuos sucesivos están correlacionados negativamente, d será cercano a

4, de tal forma que 4-d será casi 0.
3. La distribución de d es simétrica alrededor de 2.
La prueba se realiza como sigue: comparar d o 4-d, la que esté más cercano a cero
con dL y dU en la tabla mostrada abajo, si d<dL se concluye que existe una correlación
positiva probable; si d>dU se concluye que no hay correlación (se aplica el mismo
criterio para 4-d). Si d o 4-d se encuentran entre dL y dU, la prueba es inconclusa. Si
se identifica algún tipo de correlación, el modelo debe ser reexaminado.
Puntos de significancia de dL y dU para una línea recta de ajuste.
1% 2.5% 5%
n dL dU dL dU dL dU
15 0.81 1.07 0.95 1.23 1.08 1.36

20 0.95 1.15 1.08 1.28 1.20 1.41
25 1.05 1.21 1.18 1.34 1.29 1.45
30 1.13 1.26 1.25 1.38 1.35 1.49
40 1.25 1.34 1.35 1.45 1.44 1.54
50 1.32 1.40 1.42 1.50 1.50 1.59
70 1.43 1.49 1.51 1.57 1.58 1.64
100 1.56 1.56 1.59 1.63 1.65 1.69
150 1.61 1.64 1.72 1.75
200 1.66 1.68 1.76 1.78
Outliers
Un outlier entre los residuos es aquel que es mucho más grande que el resto en valor
absoluto, encontrándose a 3, 4 o más desviaciones estándar de la media de los
residuos. El outlier indica un punto que no es común al resto de los datos y debe ser
examinado con cuidado. Algunas veces proporciona información vital sobre el
proceso.
63
2.5 TRANSFORMACIONES A UNA LINEA RECTA
A veces se detecta no linealidades a través de la prueba de falta de ajuste descrita en

la sección anterior o de diagramas de dispersión y gráficas de los residuos. En algunos
casos los datos se pueden transformar para que representen una relación más lineal.
Varias funciones linealizables se encuentran en la página siguiente (fig. 2.13 )3 y sus

correspondientes funciones no lineales, transformaciones y formas lineales resultantes
se muestran en la tabla 2.1. Dependiendo de la curvatura del comportamiento de la
relación entre las variables X y Y, se puede localizar una gráfica parecida en la figura
3.13 y usar su transformación.
Tabla 2.1 Funciones linealizables y su forma lineal

correspondiente.
Figura 2.13 Función Transformación Forma lineal
a,b Y   0 X 1 Y '  log Y , X '  log X Y '  log  0  1 X '
c,d Y   0 e 1 X Y '  log Y Y '  ln  0  1 X

e,f Y   0  1 log X X '  log X Y '   0  1 X '
X 1 1
g,h Y Y ' , X ' Y '   0  1 X '
 0 X  1 Y X
Por ejemplo la función:
Y   0 e 1 X  (2.19)
Puede ser transformada de acuerdo a la tabla 2.1 en:
ln Y  ln  0  1 X  ln 
3
Montgomerey, Douglas C., Introduction to Linear Regression Analysis, John Wiley and Sons, Nueva York, 1992, pp. 90-91
64
Y '   0 '  1 X   '
Se requiere que la transformada del término de error sea normal e independientemente

distribuida con media cero y varianza 2.
Varios tipos de transformaciones recíprocas pueden ser útiles. Por ejemplo:
1
Y   0  1    
X
Puede ser linealizada usando la transformación recíproca X’ = 1/X, quedando como:
Y   0  1 X '
65
Ejemplo 2.3 Un investigador desea determinar la relación entre

la salida de Corriente Directa (Y) de un generador de molino de
viento y la velocidad del viento (X), para ello colecta 25
pares de datos para ambas variables, utilizando el Minitab para
su proceso. Los datos colectados son los siguientes:

1 5 1.582 1.3366 0.0519 0.2454 1.07
2 6 1.822 1.5778 0.0473 0.2442 1.06
3 3.4 1.057 0.9508 0.0703 0.1062 0.47
4 2.7 0.5 0.782 0.0806 -0.282 -1.27
5 10 2.236 2.5424 0.0875 -0.3064 -1.4
6 9.7 2.386 2.47 0.0828 -0.084 -0.38
7 9.6 2.294 2.4338 0.0804 -0.1398 -0.63
8 3.1 0.558 0.8664 0.0753 -0.3084 -1.38
9 8.2 2.166 2.0962 0.0609 0.0698 0.31
10 6.2 1.866 1.626 0.0472 0.24 1.04
11 2.9 0.653 0.8302 0.0776 -0.1772 -0.79
12 6.4 1.93 1.6622 0.0474 0.2678 1.16
13 4.6 1.562 1.2402 0.0555 0.3218 1.4
14 5.8 1.737 1.5295 0.0476 0.2075 0.9
15 7.4 2.088 1.9154 0.053 0.1726 0.75
16 3.6 1.137 0.999 0.0675 0.138 0.61
17 7.9 2.179 2.0239 0.0574 0.1551 0.68
18 8.8 2.112 2.253 0.0694 -0.141 -0.62
19 7 1.8 1.8189 0.05 -0.0189 -0.08
20 5.5 1.501 1.4451 0.049 0.0559 0.24
21 9.1 2.303 2.3253 0.0737 -0.0223 -0.1
22 10.2 2.31 2.5906 0.0907 -0.2806 -1.29
23 4.1 1.194 1.1196 0.0611 0.0744 0.33
24 4 1.144 1.0834 0.0629 0.0606 0.27
25 2.5 0.123 0.7217 0.0845 -0.5987 -2.72R
Durbin-Watson statistic = 1.21
El valor del estadístico indica que no podemos llegar a

conclusiones:

Y = 0.131 + 0.241 X
66
Constant 0.1309 0.1260 1.04 0.310

X 0.24115 0.01905 12.66 0.000
S = 0.2361 R-Sq = 87.4% R-Sq(adj) = 86.9%
Ajustando el modelo con una recta se tiene:
Fitted Line Plot

Y = 0.1269 + 0.2412 X
S 0.237095
2.5 R-Sq 87.3%
R-Sq(adj) 86.8%
2.0
1.5
Y
1.0
0.5
0.0
2 3 4 5 6 7 8 9 10 11
X

(response is Y)
0.4
0.2
0.0
Residual
-0.2
-0.4
-0.6
0.5 1.0 1.5 2.0 2.5

Fitted Value

Y = 0.1269 + 0.2412 X
S = 0.237095 R-Sq = 87.3% R-Sq(adj) = 86.8%
Source DF SS MS F P
Regression 1 8.9183 8.91827 158.65 0.000
Error 23 1.2929 0.05621
Total 24 10.2112
67
El tratar de ajustar los datos, una recta no fue la mejor opción, por lo que se intenta
un modelo cuadrático, el cual se muestra a continuación.
Fitted Line Plot

Y = - 1.166 + 0.7236 X
- 0.03808 X**2
2.5 S 0.127171
R-Sq 96.5%
R-Sq(adj) 96.2%
2.0
1.5
Y
1.0
0.5
0.0
2 3 4 5 6 7 8 9 10 11
X

(response is Y)
0.2
0.1
0.0
Residual
-0.1
-0.2
-0.3
0.5 1.0 1.5 2.0 2.5
Fitted Value
Polynomial Regression Analysis: Y versus X

Y = - 1.166 + 0.7236 X - 0.03808 X**2
S = 0.127171 R-Sq = 96.5% R-Sq(adj) = 96.2%
Source DF SS MS F P
Regression 2 9.8554 4.92770 304.70 0.000
Error 22 0.3558 0.01617
Total 24 10.2112
Sequential Analysis of Variance
68
Source DF SS F P
Linear 1 8.91827 158.65 0.000
Quadratic 1 0.93713 57.95 0.000
A pesar de que la R2 es adecuada, los residuos muestran un comportamiento anormal,

por lo que será necesario transformar la variable X. Se observa que los residuos no
siguen una distribución normal por lo que es necesario transformar la variable
regresora:
Transformando la variable X’ = 1/X se tiene, utilizando Minitab:
Obs 1/X Y Fit SE Fit Residual St Resid

1 0.2 1.582 1.592 0.0188 -0.01 -0.11
2 0.167 1.822 1.8231 0.0199 -0.0011 -0.01
3 0.294 1.057 0.9393 0.0274 0.1177 1.31
4 0.37 0.5 0.4105 0.0404 0.0895 1.05
5 0.1 2.236 2.2854 0.0276 -0.0494 -0.55
6 0.103 2.386 2.264 0.0271 0.122 1.35
7 0.105 2.294 2.2527 0.0269 0.0413 0.46
8 0.328 0.558 0.7052 0.0329 -0.1472 -1.67
9 0.123 2.166 2.128 0.0243 0.038 0.42
10 0.161 1.866 1.8604 0.0203 0.0056 0.06
11 0.345 0.653 0.5876 0.0358 0.0654 0.75
12 0.157 1.93 1.8868 0.0206 0.0432 0.47
13 0.217 1.562 1.4713 0.0193 0.0907 0.98
14 0.172 1.737 1.7832 0.0195 -0.0462 -0.5
15 0.135 2.088 2.0418 0.0228 0.0462 0.51
16 0.278 1.137 1.0526 0.0251 0.0844 0.93
17 0.127 2.179 2.0955 0.0237 0.0835 0.92
18 0.114 2.112 2.1908 0.0256 -0.0788 -0.87
19 0.143 1.8 1.9882 0.0219 -0.1882 -2.06R
20 0.183 1.501 1.7065 0.0191 -0.2055 -2.23R
21 0.11 2.303 2.2168 0.0261 0.0862 0.95
22 0.098 2.31 2.299 0.0279 0.011 0.12
23 0.244 1.194 1.2875 0.0211 -0.0935 -1.02
24 0.253 1.144 1.2233 0.0221 -0.0793 -0.87
25 0.408 0.123 0.1484 0.0474 -0.0254 -0.31 X
69
El modelo queda como:
Fitted Line Plot

Y = 2.987 - 7.005 1/X
Regression
2.5
95% CI
95% PI
2.0 S 0.0993273
R-Sq 97.8%
R-Sq(adj) 97.7%
1.5
Y
1.0
0.5
0.0
0.10 0.15 0.20 0.25 0.30 0.35 0.40

1/X
Regression Analysis: Y versus 1/X

Y = 2.99 - 7.00 1/X

Constant 2.98664 0.04763 62.71 0.000
1/X -7.0046 0.2202 -31.81 0.000
S = 0.0993273 R-Sq = 97.8% R-Sq(adj) = 97.7%
Source DF SS MS F P
Regression 1 9.9843 9.9843 1012.00 0.000
Total 24 10.2112
Obs 1/X Y Fit SE Fit Residual St Resid

20 0.182 1.5010 1.7131 0.0201 -0.2121 -2.18R
25 0.400 0.1230 0.1848 0.0490 -0.0618 -0.72 X
R denotes an observation with a large standardized residual.

X denotes an observation whose X value gives it large influence.
Como se observa ahora los residuos muestran un comportamiento normal, indicando

que el modelo es adecuado.
70

(response is Y)
99
95
90
80
70
Percent
60
50
40
30
20
10
1
-0.2 -0.1 0.0 0.1 0.2
Residual

(response is Y)
0.15
0.10
0.05
0.00
Residual
-0.05
-0.10
-0.15
-0.20
-0.25
0.0 0.5 1.0 1.5 2.0 2.5
Fitted Value
71
2.5 TRANSFORMACIONES PARA ESTABILIZAR LA VARIANZA
La suposición de varianza constante es un requerimiento básico del análisis de

regresión, una razón común de violación a de este supuesto es cuando la variable de
respuesta Y sigue una distribución de probabilidad en la cual la varianza esta
relacionada con la media. Para estos casos se utiliza transformaciones estabilizadoras
de la varianza.
Si la distribución de Y es de Poisson, podemos relacionar Y '  Y contra X ya que la

varianza de Y’ es independiente de la media. Si la variable de respuesta Y es una
proporción con valores entre [0,1] y la gráfica de residuos tiene el patrón de doble
cresta, entonces se usa la transformación Y '  sin 1 Y .  
Otras transformaciones se muestran abajo en la tabla 2.2:
Tabla 2.2 Relaciones para transformar la varianza

Relación de 2 a E(Y) Transformación
 2    constante..............................Y '  Y
 2    E (Y ).................................Y '  Y Datos de Poisson
 2    E (Y )1  E (Y )................Y '  sin 1 Y Proporciones binomiales
 2    E (Y )2 ..............................Y '  ln( Y )
 2    E (Y )3 ...........................Y '  Y 1 / 2
La magnitud de la transformación, depende del grado de curvatura que induce.

La selección de la transformación se hace en base a la experiencia o de forma
empírica. A continuación se presenta un ejemplo para este análisis.
Ejemplo 2.4 Se hizo un estudio entre la demanda (Y) y la

energía eléctrica utilizada (X) durante un cierto periodo de
72
tiempo, procesando los datos con Minitab se obtuvo lo

siguiente:
1 679 0.79 1.649 0.351 -0.859 -0.61
2 292 0.44 0.308 0.49 0.132 0.1
3 1012 0.56 2.802 0.293 -2.242 -1.57
4 493 0.79 1.004 0.412 -0.214 -0.15
5 582 2.7 1.312 0.381 1.388 0.98
6 1156 3.64 3.301 0.297 0.339 0.24
7 997 4.73 2.75 0.294 1.98 1.38
8 2189 9.5 6.88 0.651 2.62 2.00R
9 1097 5.34 3.097 0.293 2.243 1.57
10 2078 6.85 6.495 0.6 0.355 0.27
11 1818 5.84 5.595 0.488 0.245 0.18
12 1700 5.21 5.186 0.441 0.024 0.02
13 747 3.25 1.884 0.333 1.366 0.96
14 2030 4.43 6.329 0.579 -1.899 -1.42
15 1643 3.16 4.988 0.42 -1.828 -1.31
16 414 0.5 0.73 0.441 -0.23 -0.17
17 354 0.17 0.523 0.465 -0.353 -0.25
18 1276 1.88 3.717 0.313 -1.837 -1.29
19 745 0.77 1.877 0.333 -1.107 -0.78
20 435 1.39 0.803 0.433 0.587 0.42
21 540 0.56 1.167 0.395 -0.607 -0.43
22 874 1.56 2.324 0.307 -0.764 -0.53
23 1543 5.28 4.642 0.384 0.638 0.45
24 1029 0.64 2.861 0.293 -2.221 -1.55
25 710 4 1.756 0.343 2.244 1.58
Y = - 0.7038 + 0.003464 X
S = 1.46163 R-Sq = 66.4% R-Sq(adj) = 64.9%
Source DF SS MS F P
Regression 1 97.094 97.0943 45.45 0.000
Error 23 49.136 2.1364
Total 24 146.231
8 2189 9.500 6.880 0.651 2.620 2.00R
73
Fitted Line: Y versus X
Fitted Line Plot

Y = - 0.7038 + 0.003464 X
10 S 1.46163
R-Sq 66.4%
R-Sq(adj) 64.9%
8
6
Y
0
500 1000 1500 2000
X

(response is Y)
99
95
90
80
70
Percent
60
50
40
30
20
10
1
-3 -2 -1 0 1 2 3

(response is Y)
2
-1
-2
0 1 2 3 4 5 6 7
Fitted Value
74
Notar que “y” es la cuenta de kilowatts utilizados por un cliente en cierta hora, se
observa que la varianza aumenta conforme aumenta la media de los datos indicando
que sigue el modelo de Poisson, por tanto se puede transformar con la raiz cuadrada
de Y. como sigue:
Raiz(Y) X SRES1 TRES1 RESI1 FITS1

0.88882 679 -0.63599 -0.62755 -0.280548 1.16937
0.66333 292 -0.25322 -0.248 -0.108411 0.77174
0.74833 1012 -1.7143 -1.79523 -0.763184 1.51152
0.88882 493 -0.20513 -0.2008 -0.089439 0.97826
1.64317 582 1.30713 1.3287 0.573465 1.0697
1.90788 1156 0.55826 0.54973 0.248407 1.65947
2.17486 997 1.52481 1.57291 0.678753 1.4961
3.08221 2189 0.88812 0.88389 0.361359 2.72085
2.31084 1097 1.59927 1.65908 0.711994 1.59885
2.61725 2078 0.02523 0.02467 0.010451 2.6068
2.41661 1818 0.17965 0.17583 0.076952 2.33966
2.28254 1700 0.14802 0.14483 0.064127 2.21841
1.80278 747 1.27361 1.29201 0.563541 1.23924
2.10476 2030 -1.08504 -1.08943 -0.452723 2.55748
1.77764 1643 -0.87804 -0.8735 -0.38221 2.15985
0.70711 414 -0.43853 -0.4307 -0.189981 0.89709
0.41231 354 -0.98212 -0.98133 -0.423129 0.83544
1.37113 1276 -0.92738 -0.92444 -0.411636 1.78277
0.8775 745 -0.81296 -0.80676 -0.359685 1.23718
1.17898 435 0.59981 0.59127 0.260318 0.91866
0.74833 540 -0.63592 -0.62748 -0.278218 1.02655
1.249 874 -0.27173 -0.26618 -0.120724 1.36972
2.29783 1543 0.54906 0.54054 0.240723 2.0571
0.8 1029 -1.63735 -1.70373 -0.728982 1.52898
2 710 1.80812 1.90928 0.798781 1.20122
Regression Analysis: Raiz(Y) versus X

Raiz(Y) = 0.4717 + 0.001027 X
S = 0.454426 R-Sq = 64.3% R-Sq(adj) = 62.7%
75
Fitted Line Plot

Raiz(Y) = 0.4717 + 0.001027 X
S 0.454426
3.0 R-Sq 64.3%
R-Sq(adj) 62.7%
2.5
2.0
Raiz(Y)
1.5
1.0
0.5
500 1000 1500 2000

X

(response is Raiz(Y))
99
95
90
80
70
Percent
60
50
40
30
20
10
1
-1.0 -0.5 0.0 0.5 1.0
Residual

(response is Raiz(Y))
1.0
0.5
Residual
0.0
-0.5
1.0 1.5 2.0 2.5 3.0

Fitted Value
76
Se observa una mejor distribución normal de los residuos por lo que el modelo es
adecuado. A continuación se muestra el análisis de varianza para el modelo:
Source DF SS MS F P
Regression 1 8.5401 8.54008 41.36 0.000
Error 23 4.7496 0.20650
Total 24 13.2897
77
3. REGRESIÓN LINEAL MÚLTIPLE
3.1 Modelos de Regresión Múltiple
Asumiendo que N observaciones de la respuesta se puedan expresar por medio de

un modelo de primer orden
Yu   0  1 X u1   2 X u 2  .......   k X uk   u (3.1)
En la ecuación 3.1 Yu denota la respuesta observada en el intento u; Xui representa

el nivel del factor i en el intento u; las betas son parámetros desconocidos y u
representa el error aleatorio en Yu. Se asume que los errores u tienen las
características siguientes:
1. Tienen media cero y varianza común 2.

2. Son estadísticamente independientes.
3. Están distribuidos en forma normal.
3.2 Estimación de los parámetros del modelo

El método de mínimos cuadrados selecciona como estimados para los parámetros
desconocidos beta, los valores b0, b1, ...., bk respectivamente, los cuales minimizan la
cantidad:
N
R(  0 , 1 ,...,  k )   (Yu   0  1 X u1   2 X u 2  .....   uk ) 2
u 1
Y son las soluciones a un conjunto de (k +1) ecuaciones normales.
Sobre N observaciones el modelo de primer orden puede expresarse en forma

matricial como:
78
Y = X  +  = [1 : D]  +  (3.2)
Y es un vector N x 1.
X es una matriz de orden N x (k + 1), donde la primera columna es de 1’s.
 es un vector de orden (k + 1) x 1.
 es un vector de orden N x 1.
D es la matriz de Xij con i = 1, 2, ..., N; j = 1, 2, ......, k
Deseamos encontrar el vector de estimadores de mínimos cuadrados b que

minimicen:
n
S (  )    i2   '   (Y  X )' (Y  X )
i 1
Que puede ser expresada como:

S (  )  Y ' Y   ' X ' Y  Y ' X   ' X ' X
Como  ' X ' Y es una matriz 1x1 o un escalar y su transpuesta (  ' X ' Y )'  Y ' X es el
mismo escalar, se tiene:
S (  )  Y 'Y  2 ' X 'Y   ' X ' X '  (3.3)
Los estimadores de mínimos cuadrados deben satisfacer:

S
 2 X ' Y  2 X ' Xb  0
 b
Que se simplifica a las ecuaciones normales de mínimos cuadrados:
X’X b = X’ Y (3.4)
Los estimadores de mínimos cuadrados b de los elementos  son:
79
b = (X’X)-1 X’Y (3.5)
El vector de valores ajustados Yˆ  Xb se puede expresar como:

Yˆ  Xb  X ( X ' X ) 1 X ' Y  Hy (3.5)
Donde la matriz H [n x n] se denomina la “matriz sombrero” ya que mapea el vector

de valores observados dentro del vector de valores ajustados o predichos.
Como principales características de los estimadores b se tienen:
La matriz de varianza y covarianza de el vector de estimados b es:
Var(b) = C = (X’X)-1 2 (3.6)
El elemento (ii) de esta matriz cii 2  Var(bi ) es la varianza del elemento i de b.
El error estándar de bi es la raíz cuadrada positiva de la varianza de bi o sea:
se.bi  cii 2 (3.7)
La covarianza del elemento bi y bj de b es Co var( cij )  cij 2 . (3.8)
Si los errores están normalmente distribuidos, entonces b se dice que está distribuido
como:
b  N (  , ( X ' X ) 1 2 )
Sea x’p un vector (1 x p) vector cuyos elementos corresponden a una fila de la matriz
X, p = k + 1, entonces en la región experimental el valor de predicción de la
respuesta es:
80
^
Y ( x )  x' p b (3.9)
Una medida de la precisión de la predicción Yˆ ( X ) se puede expresar como:
^
Var(Y ( x))  Var( x p b)  x' p ( X ' X ) 1 x p 2 (3.10)
RESIDUOS
Los residuos se definen como la diferencia entre los valores reales observados y los
valores predichos para estos valores de respuesta usando el modelo de ajuste y
predicción, o sea:
^
ru  Yu  Y ( x u ), u  1,2,..., N (3.11)
Si se obtienen valores para los N intentos entonces en forma matricial:

r  Yˆ  Xb  Y  HY  (1  H )Y (3.12)
los residuos tienen las propiedades siguientes:
1. 1’r = 0, donde 1’ es un vector (1 x n) de 1’s.

2. Yˆ ( X )' r  0
3. X’r = 0
ESTIMACIÓN DE 
Para un modelo con p parámetros y teniendo N observaciones (N > p), la varianza se
estima como sigue:
La suma de cuadros de los residuos es:
81
n
SSE   (Yi  Yˆ ) 2   ei2  e' e
i 1
Como e = Y – X b, se tiene:
SSE  (Y  Xb)' (Y  Xb)  Y ' Y  b' X ' Y  Y ' Xb  b' X ' Xb  Y ' Y  2b' X ' Y  b' X ' Xb (3.13)
Como X’Xb = X’Y, se transforma en:
SSE  Y 'Y  b' X 'Y (3.14)
La suma residual de cuadrados tiene n-p grados de libertad asociado con el ya que
se estiman p parámetros en el modelo de regresión. El cuadrado medio de los
residuos es:
SSE
s 2  MSE  (3.15)
Np
3.3 Intervalos de confianza para los coeficientes de la regresión
Asumiendo que los errores son independientes y distribuidos normalmente con media
cero y desviación estándar 2 , por tanto las observaciones Yi también son
independientes y normalmente distribuidas. Cada uno de los estadísticos:
bj   j
,... j  0,1,..., k (3.16)
S 2 C jj
Se distribuye con una distribución t con n-p grados de libertad, donde S2 es la varianza
del error de la ecuación (3.15). Por tanto un intervalo de confianza 100(1 -  )% para
el coeficiente de regresión j, para j = 0, 1, ...., k es:
b j  t / 2,n  p se(b j )   j  b j  t / 2,n  p se(b j ) (3.17)
82
Donde se(bj) es el error estándar del coeficiente de regresión bj.
se(b j )  S 2C jj (3.18)
Siendo Cjj el j-ésimo elemento de la matriz (X’X)-1 .
3.3.1 Intervalos de confianza para la respuesta media en un punto en
particular
Se puede construir un intervalo de confianza en la respuesta media de un punto en

particular, tal como X01, X02, X03,........, X0K. Definiendo el vector X0 como:
1 
X 
 01 
X 0   X 02 
 
..... 
 X 0 K 
El valor ajustado en este punto es:
Yˆ0  X ' 0 b (3.19)
Con varianza:
Var(Y0 )  S 2 X ' 0 ( X ' X ) 1 X 0 (3.20)
Por tanto el intervalo de confianza para el 100( 1 -  ) % es:
Yˆ0  t / 2,n  p S 2 X ' 0 ( X ' X ) 1 X 0  Y0  Yˆ0  t / 2,n  p S 2 X ' 0 ( X ' X ) 1 X 0 (3.21)
3.4 Prueba de Hipótesis en Regresión múltiple
83
Entre las pruebas importantes a realizar se encuentra la prueba de siginificancia de la

regresión, la prueba de coeficientes individuales de la regresión y otras pruebas
especiales. A continuación se analiza cada una de ellas.
3.6.1 Prueba de significancia para la regresión
La prueba de significancia de la regresión es probar para determinar si hay una

relación lineal entre la respuesta Y y cualquiera de las variables regresoras Xi’s, la
hipótesis apropiada es:
H 0 : 1   2  ....   k  0 (3.22)
H 0 :  j  0....... para.al.menos.una. j
El rechazo de H0 implica que al menos alguno de los regresores contribuye

significativamente al modelo. El método es una generalización del utilizado en la
regresión lineal. La suma total de cuadrados S yy se divide en suma de cuadrados
debidos a la regresión y la suma de cuadrados de los residuos, o sea:
SYY  SST  SSR  SSE
Para la prueba de la hipótesis se utiliza el estadístico F0 como sigue:
SSR / k MSR
F0   con k = No. de variables regresoras (3.23)
SSE /( n  k  1) MSE
La suma de cuadrados totales es:
N __
SST   (Yu  Y ) 2 con N-1 grados de libertad (3.24)
u 1
84
La suma de cuadrados debidos a la regresión es:
N ^ __
SSR   (Y ( x u )  Y ) 2 con p (parámetros) – 1 grados de libertad (3.25)
u 1
La suma de cuadrados del error o de los residuos es:
N ^
SSE   (Yu  Y ( x u )) 2 con (N-1) – (p –1) grados de libertad (3.26)
u 1
En forma matricial se tiene:
(1' Y ) 2
SST  Y ' Y  (3.27)
N
(1' Y ) 2
SSR  b' X ' Y  (3.28)
N
SSE  Y 'Y  b' X 'Y (3.29)
La tabla de ANOVA para la significancia de la regresión queda como:
Fuente de
variación SS df MS F0 .
Regresión SSR K MSR MSR/MSE

Residuos SSE n–k-1 MSE .
Total SST n–1
Para probar la hipótesis de existencia del modelo, se tiene:
H 0 : 1   2  ...   k  0
H a :  i  0, i  1,2,..., k
85
Se calcula el estadístico F0 como:
MSR SSR /( p  1)
F0   (3.30)
MSE SSE /( N  p )
Se compara el valor de F con el de tablas para F,p-1,N-p el cual es la parte superior

de la distribución F, si F calculada excede a F de tablas se infiere que la variación
explicada por el modelo es significativa.
El coeficiente de determinación R2 mide la proporción de la variación total de los

valores Yu alrededor de la media Y explicada por el modelo de ajuste. Se expresa en
porcentaje.
SSR
R2  (3.31)
SST
3.4.2 Prueba de los coeficientes individuales de la regresión
Con frecuencia estamos interesados en probar hipótesis sobre los coeficientes de

regresión individuales. Por ejemplo el modelo podría ser más efectivo con la inclusión
de regresores adicionales o con la eliminación de una o más variables regresoras
presentes en el modelo.
Al agregar una variable al modelo, siempre incrementa la suma de cuadrados de la

regresión y decrementa la suma de cuadrados de los residuos, sin embargo también
incrementa la varianza de los valores estimados Yest., de tal forma que se debe tener
cuidado en incluir sólo los regresores que mejor expliquen la respuesta. Por otra parte,
al agregar un regresor no importante puede incrementar el cuadrado medio de los
residuos, lo que decrementa la utilidad del modelo.
La hipótesis para probar la significancia de cualquier coeficiente individual de la
regresión j es:
86
H0 :  j  0 (3.32)
H1 :  j  0
Si no se rechaza H0, indica que el regresor Xj puede ser excluido del modelo. El
estadístico de prueba para esta hipótesis es:
bj
t0  (3.33)
se (b j )
La hipótesis nula es rechazada si t0  t / 2,n k 1 . Esta es una prueba parcial o marginal
de la contribución de Xj dados los otros regresores en el modelo.
3.4.3 Caso especial de columnas ortogonales en X
Si dentro de la matriz X si las columnas de X1 son ortogonales a las columnas en X2,

se tiene que X1’X2 = X2’ X1 = 0. Entonces los estimadores de mínimos cuadrados b1 y
b2 no dependen si está o no está en el modelo alguno de los otros regresores,
cumpliéndose:
SSR(  2 )  SSR( 1 )  SSR(  2 ) (3.34)
Un ejemplo de modelo de regresión con regresores ortogonales es el diseño factorial

23 siguiente:
Y   0  1 X 1   2 X 2   3 X 3  
Donde la matriz X es la siguiente:
87
  1,1,1,1
  1,1,1,1
 
  1,1,1,1
 
  1,1,1,1
X
  1,1,1,1
 
  1,1,1,1
  1,1,1,1
 
  1,1,1,1
En este caso, SSR(j), j = 1, 2, 3, mide la contribución del regresor Xj al modelo,

independientemente de cualquier otro regresor esté incluido en el modelo de ajuste.
88
Ejemplos:
Ejemplo 3.1 Un embotellador está analizando las rutas de servicio
de máquinas dispensadoras, está interesado en predecir la
cantidad de tiempo requerida por el chofer para surtir las
máquinas en el local (Y). La actividad de servicio incluye llenar
la máquina con refrescos y un mantenimiento menor. Se tienen como
variables el número de envases con que llena la máquina (X1) y
la distancia que tiene que caminar (X2). Se colectaron los datos
siguientes, y se procesaron con el paquete Minitab:
X1_envases X2_Distancia Y_tiempo

7 560 16.68
3 220 11.5
3 340 12.03
4 80 14.88
6 150 13.75
7 330 18.11
2 110 8
7 210 17.83
30 1460 79.24
5 605 21.5
16 688 40.33
10 215 21
4 255 13.5
6 462 19.75
9 448 24
10 776 29
6 200 15.35
7 132 19
3 36 9.5
17 770 35.1
10 140 17.9
26 810 52.32
9 450 18.75
8 635 19.83
4 150 1075
De manera matricial:
89
1's X1 X2
1 7 560
1 3 220
1 3 340
1 4 80
1 6 150
1 7 330
X 1 2 110
1 7 210
1 30 1460
1 5 605
1 16 688
1 10 215
1 4 255
1 6 462
1 9 448
1 10 776
1 6 200
1 7 132
1 3 36
1 17 770
1 10 140
1 26 810
1 9 450
1 8 635
1 4 150
La transpuesta de X es (Copiar con pegado especial Transponer):
X'
1's 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
X1 7 3 3 4 6 7 2 7 30 5 16 10 4 6 9 10 6 7 3 17 10 26 9 8
X2 560 220 340 80 150 330 110 210 1460 605 688 215 255 462 448 776 200 132 36 770 140 810 450 635
Con la función de Excel de multiplicación de matrices MMULT :

Seleccionar el rango de celdas de resultados y al final teclear (Ctrl-Shif-Enter).
final)
X'X
25 219 10,232
219 3,055 133,899
10,232 133,899 6,725,688
X'y
560
7,375
337,072
90
El vector estimador de los coeficientes Betas es :
ˆ  ( X ' X ) 1 X ' y
Con la función de Excel MINVERSA
(X'X)-1
0.113215186 -0.004449 -8.367E-05
-0.004448593 0.0027438 -4.786E-05
-8.36726E-05 -4.79E-05 1.229E-06
Matrix B = INV(X'X) X'Y
Betas est,
2.341231145
1.615907211
0.014384826

Y-TENT = 2.34 + 1.62 X1-ENV + 0.0144 X2-DIST
Estadísticas de la regresión
Coeficiente de 0.9795886
correlaciçon
mçultiple
Coeficiente de 0.9595937
determinación R^2
R^2 ajustado 0.9559205
Error típico 3.2594734
Observaciones 25
ANÁLISIS DE VARIANZA
Promedio
Grados de Suma de de F Valor
libertad cuadrados cuadrados Critico de F
Regresión 2 5550.81092 2775.405 261.235 4.6874E-16
Residuos 22 233.731677 10.62417
Total 24 5784.5426
Inferior Superior Inferior Superior

Coeficientes Error típico Estad. t Probab. 95% 95% 95.0% 95.0%
Intercepción 2.3412311 1.09673017 2.134738 0.04417 0.066752 4.615710293 0.066752 4.61571029
X1_envases 1.6159072 0.17073492 9.464421 3.3E-09 1.26182466 1.969989758 1.26182466 1.96998976
X2_Distancia 0.0143848 0.00361309 3.981313 0.00063 0.00689174 0.021877908 0.00689174 0.02187791
91
Cálculo de la estimación de la varianza:
Cov() = 2(X’X)-1
Si C = (X’X)-1
La varianza de i es 2Cjj y la covarianza entre i y j es 2Cij.
Y’_tiempo 16.68 11.5 12.03 14.88 13.75 18.11 8 17.83 79.24 21.5 40.33 21
13.5 19.75 24 29 15.35 19 9.5 35.1 17.9 52.32 18.75 19.83 10.75
La matriz y’y es:
y'y ’ X'y

18,310.63 2.3412 1.6159 0.0144 559.6
7375.44
337072
’X’y
18,076.90
SSE = 233.73 2 = =233.73/(25-3) =10.6239
SSE = y’y - ’ X’ y
2 = MSE = SSE / (n-p)
Matrix Y'Y = 18310.6
Matrix b' = [ 2.34123 1.61591 0.01438 ]
Matrix b'X'Y = 18076.9
Matrix SSe = Y'Y - b'X'Y = 233.732
SS E 233.732
S2    10.624
Np 25  3
Cálculo del error estándar de los coeficientes y del intervalo de confianza para  =
0.05
De ecuación 3.17 se tiene:
se(b j )  S 2C jj
92
M8 = (X'X)-1
0.113215186 -0.004449 -8.367E-05
-0.004448593 0.0027438 -4.786E-05
-8.36726E-05 -4.79E-05 1.229E-06
b1  t.025, 22 se(b1 )  1  b1  t.025, 22 se(b1 )
1.61591  (2.074) (10.6239)(0.00274378)  1  1.6191  (2.074)(0.17073)
Por tanto el intervalo de confianza para el 95% es:
1.26181  1  1.97001
Cálculo del intervalo de confianza para la respuesta media
El embotellador desea construir un intervalo de confianza sobre

el tiempo medio de entrega para un local requiriendo
X1 = 8 envases y cuya distancia es X2 = 275 pies. Por tanto:
1 
X 0  8 
 
275
El valor de respuesta estimada por la ecuación de ajuste es:
2.34123
Yˆ0  X ' 0 b  1,8,2751.61591   19.22minutos
 
0.01438
La varianza de Yˆ0 es estimada por (tomando M8=inv(X’X)

anterior):
1 
Var (Yˆ0 )  S X '0 ( X ' X ) X 0  10.62391,8,275M 88   10.6239(0.05346)  0.56794
2 1
275
Por tanto el intervalo al 95% de nivel de confianza es:
93
19.22  2.074 0.56794  Y0  19.22  2.074 0.56794
Que se reduce a:
17.66  Y0  20.78
De ecuaciones 3.26 a 3.29
(559.6) 2
SST = 18,310.629 - = 5784.5426
25
(559.6) 2
SSR = 18,076.930 - = 5,550.8166
25
SSE = SST – SSR = 233.7260
MSR 2775.4083
F0    261.24
MSE 10.6239
F0.05, 2, 22  3.44
Como la F calculada es mayor que la F de tablas, se concluye

que existe el modelo con alguno de sus coeficientes diferente
de cero.
Con el paquete Minitab se obtuvo lo siguiente:

Regression Analysis: Y_tiempo versus X1_envases, X2_Distancia

Y_tiempo = 2.34 + 1.62 X1_envases + 0.0144 X2_Distancia

Constant 2.341 1.097 2.13 0.044
X1_envases 1.6159 0.1707 9.46 0.000
X2_Distancia 0.014385 0.003613 3.98 0.001
S = 3.25947 R-Sq = 96.0% R-Sq(adj) = 95.6%
94
Source DF SS MS F P
Regression 2 5550.8 2775.4 261.24 0.000
Total 24 5784.5
Source DF Seq SS
X1_envases 1 5382.4
X2_Distancia 1 168.4
Obs X1_envases Y_tiempo Fit SE Fit Residual St Resid

9 30.0 79.240 71.820 2.301 7.420 3.21RX
22 26.0 52.320 56.007 2.040 -3.687 -1.45 X

X denotes an observation whose X value gives it large influence.
Predicted Values for New Observations
New
Obs Fit SE Fit 95% CI 95% PI
1 19.224 0.757 (17.654, 20.795) (12.285, 26.164)
Values of Predictors for New Observations
New
Obs X1_envases X2_Distancia
1 8.00 275

(response is Y_tiempo)
99
95
90
80
70
Percent
60
50
40
30
20
10
1
-3 -2 -1 0 1 2 3 4
95
Prueba de la significancia de los coeficientes particulares
Probando la contribución del regresor X2 (distancia) dado que

la variable regresora de casos está en el modelo. Las hipótesis
son:
H0 : 2  0
H1 :  2  0
El elemento de la diagonal principal de (X’X)-1 correspondiente

a 2 es C22 = 0.00000123, de tal forma que el estadístico t es:
b2 0.01438
t0    3.98
2
S C 22 (10.6239)( 0.00000123)
Como t 0.025, 22  2.074 , se rechaza la hipótesis H0, concluyendo que el
regresor de distancia X2 (distancia), contribuye

significativamente al modelo dado que “casos” X1 también está
en el modelo.
3.5 Predicción de nuevas observaciones

El modelo de regresión puede ser usado para predecir observaciones futuras en y
correspondientes a valores particulares en las variables regresoras, por ejemplo X01,
X02, ….., X0k. Si
x'0  [1, x01, x02 , x013,......., x01k ]
Entonces una observación futura y0 en este punto es:

yˆ 0  x'0 ̂
Un intervalo de de predicción con un nivel de confianza del 100(1-alfa) porciento

para una observación futura es:
yˆ 0  t / 2,n p  2 (1  x'0 ( X ' X ) 1 x0  y0  yˆ 0  t / 2,n p  2 (1  x'0 ( X ' X ) 1 x0
Es una generalización del modelo de regresión lineal simple.

Para el caso del ejemplo del embotellador:
96
El embotellador desea construir un intervalo de predicción

sobre el tiempo de entrega para un local requiriendo
X1 = 8 envases y cuya distancia es X2 = 275 pies. Por tanto:
1 
X 0  8  Xo’ = [1, 8, 275]
 
275
El valor de respuesta estimada por la ecuación de ajuste es:
2.34123
Yˆ0  X '0 b  1, 8, 275 1.61591   19.22 min utos
0.01438
X '0 ( X ' X ) 1 X 0  0.05346
Por tanto el intervalo de predicción al 95% de nivel de

confianza es:
19.22  2.074 10.6239(1  0.05346)  Y0  19.22  2.074 10.6239(1  0.05346)

Que se reduce al intervalo de predicción de:
12.28  Y0  26.16
3.6 Extrapolación oculta

AL predecir la respuesta promedio en un punto X0, se debe tener cuidado de no
extrapolar más allá de la región que contiene las observaciones originales, ya que el
ajuste puede no ser adecuado en esas regiones.
Para un procedimiento formal, se define el conjunto convexo más pequeño que

contiene todos los n puntos originales (Xi1, Xi2, ….., Xik), i=1, 2, 3, ….,n, como la
variable regresora envolvente o cáscara (Regressor Variable Hull – RVH). Si un punto
X0’ = [X01, X02, …, X0k] se encuentra fuera de la variable RHV entonces se requiere
extrapolación. El lugar de ese punto en relación con la RVH se refleja mediante:
h00 = X0’(X’X)-1X0
97
Los puntos h00 > hmax están fuera del elipsoide que encierra la RVH y son puntos de
extrapolación.
Los elementos diagonales hii de la matriz sombrero H = X(X’X)-1X’ se utilizan para

detectar extrapolación oculta. En general el punto que tiene el mayor valor de hii o
hmax se encuentra en la frontera de la RVH. El conjunto de puntos X que satisfacen
el modelo:
x’(X’X)-1x <= hmax

es un elipsoide que engloba todos los puntos dentro de la variable RVH.
Para el caso del ejemplo del embotellador se tiene:
x’
Observación 1 1 1 1 1 Etc..
X1_envases 7 3 3 4 6
X2_Distancia 560 220 340 80 150
(X'X)-1
0.1132152 -0.004 -8E-05
-0.0044486 0.0027 -5E-05
-8.367E-05 -5E-05 1E-06
X1’(X’X)-1
primero
-
0.0352184 0.0120421 0.0003
Segundo
-
0.0814614 0.0067458 4E-05
X1’(X’X)-1x1
Observación X1_envases X2_Distancia hii
1 7 560 0.10180178
1 3 220 0.07070164
La tabla completa se muestra a continuación:

Observación X1_envases X2_Distancia hii
1 7 560 0.10180178
98
1 3 220 0.07070164
1 3 340 0.09874
1 4 80 0.08538
1 6 150 0.07501
1 7 330 0.04287
1 2 110 0.0818
1 7 210 0.06373
1 30 1460 0.49829 hmax
1 5 605 0.1963
1 16 688 0.08613
1 10 215 0.11366
1 4 255 0.06113
1 6 462 0.07824
1 9 448 0.04111
1 10 776 0.16594
1 6 200 0.05943
1 7 132 0.09626
1 3 36 0.09645
1 17 770 0.10169
1 10 140 0.16528
1 26 810 0.39158
1 9 450 0.04126
1 8 635 0.12061
1 4 150 0.06664
Los puntos para los cuales hoo sea mayor a hmax, se encuentran fuera del elipsoide,
generalmente entre menor sea el valor de hoo es más probable que se encuentre en
el elipsoide.
En la tabla la observación 9 tiene el valor mayor de hii. Como el problema solo tiene
dos regresores se puede examinar en un diagrama de dispersión como sigue:
99
Scatterplot of X1_envases vs X2_Distancia
30
25
20
X1_envases
15
10
0
0 200 400 600 800 1000 1200 1400 1600
X2_Distancia
Se confirma que el punto 9 es el mayor valor de hii en la frontera de la RHV.

Ahora supongamos que se desea considerar la predicción o estimación para los puntos
siguientes:
Punto x10 x20 h00
a 8 275 0.05346
b 20 250 0.58917
c 28 500 0.89874
d 8 1200 0.86736
Todos los puntos se encuentran dentro del rango de los regresores X1 y X2. El punto
a es de interpolación puesto que hoo <= hmax (0.05346 < 0.49829) todos los demás
son puntos de extrapolación ya que exceden a hmax, lo que se confirma en la gráfica
de dispersión.
Inferencia simultanea en la regresión múltiple
Indica que se pueden hacer inferencias en forma simultanea
100
3.6 Evaluación de la adecuación del modelo
Como se comentó anteriormente, los residuos ei del modelo de regresión múltiple,

juegan un papel importante en la evaluación de la adecuación del modelo, de forma
similar que en la regresión lineal simple. Es conveniente graficar los residuos
siguientes:
1. Residuos en papel de probabilidad normal.

2. Residuos contra cada uno de los regresores X’s.
3. Residuos contra cada Yî , i  1,2,..., k
4. Residuos en secuencia de tiempo ( si se conoce)
Estas gráficas se usan para identificar comportamientos anormales, outliers, varianza

desigual, y la especificación funcional equivocada para un regresor. Se pueden
graficar los residuos sin escalamiento o con un escalamiento apropiado.
Existen algunas técnicas adicionales de análisis de residuos útiles en el análisis de la

regresión múltiple, como se describen a continuación.
Gráficas de residuos contra regresores omitidos en el modelo

Estas gráficas podrían revelar cualquier dependencia de la variable de respuesta Y
contra los factores omitidos, se esta forma se puede analizar si su incorporación
mejora la explicación del modelo.
Gráficas de residuos parciales

Estas gráficas están diseñadas para revelar en forma más precisa la relación entre los
residuos y la variable regresora Xj. Se define el residuo parcial i-ésimo para el regresor
Xj como sigue:
eij*  ei  b j X ij , i  1,2,...., n (3.35)
101
La gráfica de eij* contra X ij se denomina Gráfica de residuo parcial. Esta gráfica sirve
para detectar Outliers y desigualdad de varianza, dado que muestra la relación entre
Y y el regresor Xj después de haber removido el efecto de los otros regresores Xi (I<>j),
es el equivalente de la gráfica de Y contra Xj en regresión múltiple.
Gráficas de regresión parcial

Son gráficas de residuos de los cuales se ha removido la dependencia lineal de Y
sobre todos los regresores diferentes de Xj, así como su dependencia lineal de otros
regresores. En forma matricial se pueden escribir estas cantidades como
eY |X ( j ) , e X j |X ( j ) donde X(j) es la matriz original X con el regresor j-ésimo removido.
del modelo general en forma matricial:
Y  X    X ( j )   X j  j   (3.36)
Premultiplicando por [ I  H ( j ) ] y notando que (1  H ( j ) ) X ( j )  0 se tiene:
eY |X ( j )   j e X j |X ( j )  (1  H ( j ) ) (3.37)
Algunos programas como SAS generan gráficas de regresión parcial. Gráficas de

regresores Xi versus Xj.
Estas gráficas pueden ser útiles para el análisis de la relación entre los regresores y
la disposición de los datos en el espacio X, donde pueden descubrirse puntos remotos
del resto de los datos y que tienen influencia en el modelo. Si se encuentra que las
variables regresoras están altamente correlacionadas, puede no ser necesario
incluirlas ambas en el modelo. Si dos o más regresores están altamente
102
correlacionados, se dice que hay multicolinealidad en los datos, esto distorsiona al

modelo.
Xi
**
** * *
** *
**
** *
**
***
Xj
Fig. 3.1 Gráfica de Xi versus Xj
Método de escalamiento de residuos

Es difícil hacer comparaciones directas entre los coeficientes de la regresión debido a
que la magnitud de bj refleja las unidades de medición del regresor Xj. Por ejemplo:
Yˆ  5  X 1  1000 X 2 (3.38)
Donde Y esta medida en litros, X1 en mililitros y X2 en litros. Note que a pesar de que
b2 es mucho mayor que b1, su efecto en la variable de respuesta es idéntico. Por lo
anterior algunas veces es importante trabajar con regresores y variables de respuesta
con escala cambiada, de tal forma que produzcan coeficientes de regresión sin
dimensiones.
Existen dos técnicas para esto. La primera se denomina escala unitaria normal,
X ij  X j
Z ij  Con i = 1, 2, ......., n; j = 1, 2, ........., k (3.39)
Sj
Yi  Y
Yi*  Con i = 1, 2, ......., n (3.40)
Sy
103
De esta forma el modelo de regresión se transforma en:

Yi *  b1 Z i1  b2 Z i 2  b3 Z i 3  .........  bk Z ik   i i = 1, 2, ........, n (3.41)
En este modelo b0 = 0 y el estimador de mínimos cuadrados para b es:
b  ( Z ' Z ) 1 Z ' Y * (3.42)
El otro método de escalamiento es el escalamiento de longitud unitaria,
X ij
Wij  , i = 1, 2, ......, n; j = 1, 2, ........, k (3.43)
S jj
__
Y Y
Yi 0  i , i = 1, 2, ..........., n (3.44)
SYY
__
S jj   ( X ij  X j ) 2 (3.45)
Esta última es la suma de cuadrados corregida para el regresor Xj. En este caso cada
regresor Wj tiene media cero y longitud uno.
__
W j 0
n (3.46)
 (Wij  W j ) 2  1
i 1
En términos de las variables de regresión, el modelo queda como:
Yi 0  b1Wi1  b2Wi 2  ........  bkWik   i , i = 1, 2, ......, n (3.47)
El vector de mínimos cuadrados de los coeficientes es:
104
b  (W 'W ) 1W ' Y 0 (3.48)
La matriz de correlación W’W en la escala unitaria tiene la forma:
1, r12 , r13 ......r1k 

r 1, r ......r 
W 'W  
12, 23 2k 
.................. 
 
r1k , r2 k , r3k ....1 
Donde rij es la correlación simple entre Xi y Xj.
n __ __
( X ui  X i )( X uj  X j )
S ij
rij  u 1
 (3.49)
S ii S jj S ii S jj
De forma similar
 r1Y 
r 
W ' Y 0   2Y 
.... 
 
 rKY 
Donde rjy es la correlación simple entre el regresor Xj y la respuesta Y:
n __ __
( X uj  X j )(Yu  Y )
S jY
r jy  u 1
 (3.50)
S ii SYY S jj SYY
Si se utiliza la escala normal unitaria, la matriz Z’Z está relacionada con W’W como
sigue:
Z’Z = (n – 1) W’W (3.51)
Por lo que no importa que método se utilice para escalamiento, ambos métodos
producen el mismo conjunto de coeficientes de regresión sin dimensiones b.
105
La relación entre los coeficientes originales y los estandarizados es:
SYY
b j  bˆ j j = 1, 2, ....., k (3.52)
S JJ
___ k ___
b0  Y   b j X j (3.53)
j 1
Si las variables originales difieren mucho en magnitud, los errores de redondeo al

calcular X’X pueden ser muy grandes aún utilizando computadora, es por esto que los
programas muestran tanto los valores originales como coeficientes de regresión
estandarizados (coeficientes Beta). Por tanto se debe tener cuidado de usar éstos
últimos para medir la importancia relativa del regresor Xj.
Ejemplo 3.5
Calculando los coeficientes de correlación entre las diferentes
variables, se tiene:
Con Minitab:
Stat > Basic statistics > Correlation

Variables Y_tiempo, X1_envases, X2_Distancia
OK
Correlations: Y_tiempo, X1_envases, X2_Distancia
Y_tiempo X1_envases
X1_envases 0.965
0.000
X2_Distancia 0.892 0.824

0.000 0.000
r12 = 0.824215
r1y = 0.964615
r2y = 0.891670
106
La matriz de correlación para este problema W’W es:
1.000000, 0.824215
W 'W   
0.824215, 1.000000
Las ecuaciones normales en términos de los coeficientes de la

regresión estandarizados son:
1.000000, 0.824215 bˆ1  0.964615

W 'Wb       
0.824215, 1.000000 bˆ2  0.891670
Por tanto:
bˆ1  3.11841,  2.57023 0.964615 0.716267

   0.891670  0.301311
ˆ
 2
b   2.57023, 3.11841   
El modelo ajustado es:
Yˆ 0  0.716267W1  0.301311W2
De esta forma incrementando el valor estandarizado de envases W1

en una unidad incrementa la unidad estandarizada de tiempo en
0.7162. Además incrementando el valor estandarizado de la
distancia W2 en una unidad, incrementa la respuesta en 0.3013
unidades. Por lo tanto parece ser que el volumen de producto
surtido es más relevante que la distancia, con ciertas
precauciones dado que los coeficientes b’s son sólo coeficientes
parciales de regresión.
El coeficiente de determinación R2 se calcula como sigue:
107
SSR
R2 
SST
5550.816
R2   0.9596
5784.5426
Por lo anterior el 96% de la variabilidad en tiempo de entrega

es explicada por los dos regresores cantidad de surtimiento X1 y
distancia X2. El índice R2 siempre se incrementa cuando se agrega
una nueva variable al modelo de regresión, aunque sea
innecesaria.
__
Un índice más real es el índice ajustado R 2, que penaliza al
analista que incluye variables innecesarias en el modelo. Se
calcula como sigue:
__ 2
SSE /( N  p) N 1
R  1  1 (1  R 2 )
SST /( N  1) Np
Para el ejemplo se tiene:
__ 2
25  1
R 1 (1  0.9596)  0.9559
25  3
Residuos estandarizados y estudentizados

Los residuos se estandarizan como sigue:
ei
di  , i = 1, 2, .........., n (3.54)
MSE
Para los residuos estudentizados, utilizamos el vector de residuos:
108
e = (I – H ) Y (3.55)
donde
H = X (X’X)-1X’ es la matriz sombrero o “hat matriz”.
Esta matriz tiene las propiedades siguientes:

1. Es simétrica, es decir H’ = H.
2. Es idempotente, es decir H H = H.
3. En forma similar la matriz I – H es simétrica e idempotente.
Por tanto se tiene:
e  ( I  H )( X   )  X  HX  ( I  H )  X  X ( X ' X ) 1 X ' X  ( I  H )
e = (I – H)  (3.55)
De esta forma los residuos tienen la misma transformación lineal para las
observaciones Y y para los errores .
La varianza de los residuos es:
Var(e)   2 ( I  H ) (3.56)
Como la matriz I – H no es diagonal, los residuos tienen diferentes varianzas y

están correlacionados. La varianza del residuo i-ésimo es:
V ( ei )   2 (1  hii ) (3.57)
Donde hii es el elemento diagonal i-ésimo de H.
109
Tomando esta desigualdad de varianza en cuenta, varios autores recomiendan para

escalamiento de los residuos, graficar los residuos “estudentizados” siguientes en
lugar de ei (o di):
ei
ri  , i = 1, 2, .........., n (3.58)
MSE (1  hii )
Los residuos estudentizados tienen varianza constante = 1, independientemente de la

localización de Xi, cuando la forma del modelo es correcto. A pesar de que los residuos
estandarizados y los estudentizados proporcionan casi la misma información, como
cualquier punto con residuo y hii grande tiene una influencia potencial en el ajuste de
mínimos cuadrados, se recomienda el análisis de los residuos estudentizados.
La covarianza entre ei y ej es:
Cov(ei , e j )   2 hij (3.59)
De tal forma que otra forma de escalamiento de residuos es transformar los residuos
n dependientes en n-p funciones ortogonales de los errores .
Residuos PRESS – Suma de cuadrados del error de predicción
La suma de cuadrados del error de predicción (PRESS) propuesto por Allen (1971)
proporciona un escalamiento útil para los residuos. Para calcular PRESS, seleccione
una observación, por ejemplo (i), Ajuste el modelo de regresión a las observaciones
remanentes (N – 1), usando la ecuación para predecir la observación retenida (Yi).
Denotando el error de predicción como:
e( i )  Yi  Yˆ( i ) (3.60)
110
El error de predicción es normalmente denominado el residuo i-ésimo PRESS, el

procedimiento se repite para cada una de las observaciones i = 1, 2, ....., N,
produciendo los residuos PRESS correspondientes. Así el estadístico PRESS se
define como la suma de cuadrados de los N residuos PRESS, como:
PRESS   e(2i )   Yi  Yˆ( i ) 

N
2
(3.61)
i 1
Así PRESS utiliza cada uno de los posibles subconjuntos de N – 1 observaciones

como el conjunto de datos de estimación, y cada observación en turno es usada para
formar el conjunto de datos de predicción.
Como:
ei
e( i )  (3.62)
1  hii
Entonces:
2
 e  N
PRESS =   i  (3.63)
i 1  1  hii 
De esta forma se observa que los residuos asociados con valores altos de hii serán
puntos de alta influencia, donde si se excluyen mostrarán un ajuste pobre del
modelo.
La varizanza del residuo i-ésimo PRESS es:
2
Var(e( i ) )  (3.64)
1  hii
111
Y el residuo PRESS estandarizado es:
e( i ) ei
 (3.65)
V (e( i ) )  2 (1  hii )
Donde si utilizamos MSE para estimar la varianza 2 se convierte en el residuo

estudentizado discutido previamente.
R- STUDENT
Otro método para diagnosticar la presencia de outliers o puntos de alta influencia es
el residuo estudentizado R – Student donde la estimación de la varianza se hace
excluyendo la j-ésima observación, como sigue:
( N  p) MSE  ei2 /(1  hii )

S 2
 i = 1, 2, ..........., n (3.66)
n  p 1
(i )
y el residuo estudentizado externamente R – Student, está dado por:
e( i )
ti  , i = 1, 2, ..........., n (3.67)
S (2i ) (1  hii )
En muchas situaciones este residuo puede diferir del residuo estudentizado ri . Si la

observación i-ésima tiene influencia, entonces S(2i )  MSE y el estadístico R-student
será más sensible a este punto. También ofrece una prueba más formal de prueba
de hipótesis de outliers, ya que se puede comparar todos los n valores de
| ti | .versus.t ( / 2 n ),n  p 1 .
El estadístico PRESS puede usarse para calcular una R2 aproximada para

predicción, o sea:
112
PRESS
edicción  1 
2
RPr (3.68)
SYY
Para el ejemplo de las bebidas se tiene:4
457.4
edicción  1   0.9209
2
RPr
5784.5426
Por lo que esperaríamos que este modelo explicara
aproximadamente el 92% de la variabilidad al predecir nuevas
observaciones, que se compara con el 95.96% de la variabilidad
en los datos originales explicados por el ajuste de mínimos
cuadrados.
4
Montgomery, Douglas C., Peck, Elizabeth A., Introduction to Linear Regression Analysis, 2º edition, John
Wiley and Sons, Nueva York, 1991, p. 176
113
Tabla de residuos
R Student
ei = Y - ri=ei/raiz(MSE(1- e(i)=ei/(1- [ei/(1-
hii Y_tiempo Fits =Yest Yest di=ei/Sigma hii)) hii) S(i)^2 hii)^2) ti
0.10180 16.68 21.7081 -5.0281 -1.5426 -1.6277 -5.5980 9.7897 31.3372 -1.8878
0.07070 11.5 10.3536 1.1464 0.3517 0.3648 1.2336 11.0627 1.5218 0.3847
0.09874 12.03 12.0798 -0.0498 -0.0153 -0.0161 -0.0552 11.1299 0.0031 -0.0174
0.08538 14.88 9.9556 4.9244 1.5108 1.5797 5.3840 9.8676 28.9879 1.7922
0.07501 13.75 14.1944 -0.4444 -0.1363 -0.1418 -0.4804 11.1199 0.2308 -0.1498
0.04287 18.11 18.3996 -0.2896 -0.0888 -0.0908 -0.3025 11.1259 0.0915 -0.0927
0.0818 8 7.1554 0.8446 0.2591 0.2704 0.9199 11.0931 0.8462 0.2882
0.06373 17.83 16.6734 1.1566 0.3548 0.3667 1.2353 11.0620 1.5260 0.3839
0.49829 79.24 71.8203 7.4197 2.2764 3.2138 14.7888 5.9049 218.7096 8.5921
0.1963 21.5 19.1236 2.3764 0.7291 0.8133 2.9568 10.7955 8.7429 1.0038
0.08613 40.33 38.0925 2.2375 0.6865 0.7181 2.4484 10.8692 5.9945 0.7768
0.11366 21 21.5930 -0.5930 -0.1819 -0.1933 -0.6691 11.1112 0.4477 -0.2132
0.06113 13.5 12.4730 1.0270 0.3151 0.3252 1.0939 11.0766 1.1966 0.3392
0.07824 19.75 18.6825 1.0675 0.3275 0.3411 1.1581 11.0712 1.3413 0.3625
0.04111 24 23.3288 0.6712 0.2059 0.2103 0.7000 11.1077 0.4900 0.2145
0.16594 29 29.6629 -0.6629 -0.2034 -0.2227 -0.7948 11.1050 0.6317 -0.2612
0.05943 15.35 14.9136 0.4364 0.1339 0.1380 0.4639 11.1204 0.2152 0.1434
0.09626 19 15.5514 3.4486 1.0580 1.1130 3.8159 10.5034 14.5614 1.2386
0.09645 9.5 7.7068 1.7932 0.5501 0.5788 1.9846 10.9606 3.9387 0.6306
0.10169 35.1 40.8880 -5.7880 -1.7757 -1.8736 -6.4432 9.3542 41.5145 -2.2227
0.16528 17.9 20.5142 -2.6142 -0.8020 -0.8778 -3.1318 10.7402 9.8082 -1.0460
0.39158 52.32 56.0065 -3.6865 -1.1310 -1.4500 -6.0592 10.0664 36.7137 -2.4484
0.04126 18.75 23.3576 -4.6076 -1.4136 -1.4437 -4.8059 10.0756 23.0963 -1.5463
0.12061 19.83 24.4029 -4.5729 -1.4029 -1.4961 -5.2000 9.9977 27.0403 -1.7537
0.06664 10.75 10.9626 -0.2126 -0.0652 -0.0675 -0.2278 11.1278 0.0519 -0.0707
PRESS 459.03907
114
3.7 Estimación del error puro a partir de vecinos cercanos
Para la regresión lineal, la suma de cuadrados del error puro SSPE se calcula utilizando
respuestas replicadas en el mismo nivel de X. La suma de cuadrados del error o
residual se parte en un componente debido al error “puro” y un componente debido a
la falta de ajuste o sea:
SSE = SSPE + SSLOF
Esto mismo podría extenderse a la regresión múltiple, donde el cálculo de SS PE

requiere observaciones replicadas en Y con el mismo nivel de las variables regresoras
X1, X2, ......, Xk, o sea que algunas de las filas de la matriz X deben ser las mismas. Sin
embargo estas condiciones repetidas no son comunes y este método es poco usado.
Daniel y Wood han sugerido un método para obtener un estimado del error
independiente del modelo donde no hay puntos repetidos exactos. El procedimiento
busca puntos en el espacio X que son “vecinos cercanos” es decir observaciones que
se han tomado con niveles cercanos de Xi1, Xi2, ..., Xik. Las respuestas Yi de tales
“vecinos cercanos” pueden ser consideradas como réplicas a usar para el cálculo del
error puro. Como una medida de la distancia entre dos puntos Xi1, Xi2, ..., Xik y Xj1, Xj2,
..., Xjk proponen el estadístico de suma de cuadrados ponderados de la distancia
como:
 b j ( X ij  X i ' j ) 
2
k
D  
2
ii  (3.69)
j 1  MSE 
Los pares de puntos que tienen esta distancia pequeña son vecinos cercanos sobre
los cuales se puede calcular el error puro, y los que generan Dii2  1 están
ampliamente separados en el espacio X.
El estimado del error puro se obtiene del rango de los residuos en el punto i e i’, como
sigue:
115
Ei | ei  ei ' | (3.70)
Hay una relación entre el el rango de una muestra de una distribución normal y la
desviación estándar de la población. Para muestras de tamaño 2, la relación es:
R E
ˆ    0.886 E
d 2 1.128
Esta desviación estándar corresponde al error puro.
Un algoritmo para calcular la desviación estándar estimada es como sigue:
1. Arreglar los conjuntos de datos de puntos X’s en orden ascendente de Yi-est.

2. Calcular los valores de Dii2 , para todos los N-1 pares de puntos con valores
adyacentes de Y-est. Repetir el procedimiento para los pares de puntos separados por
uno, dos o tres valores intermedios de Y-est. Lo cual producirá (4 N – 10) valores de
Dii2 .
4. Arreglar los (4 N –10) valores de Dii2 en orden ascendente. Sea Eu, u = 1, 2,..., 4N-
10, sea el rango de los residuos en esos puntos.

5. Para los primeros m valores de Eu, calcular un estimado de la desviación estándar
del error puro como:
0.886 m
ˆ   Eu
m u 1
No se deben incluir Eu para los cuales la suma de las distancias cuadradas
ponderadas sea muy grande.
Ejemplo 3.6 La tabla 4.9 muestra el cálculo de Dii2 para pares de

puntos que en términos de Yˆ son adyacentes, en uno, dos y tres
puntos. Las columnas R en la tabla identifican a los 15 valores
más pequeños de Dii2 .
116
Fits ei = Y -
Observ =Yest Yest X1 X2 Delta D2ii Ra Delta D2ii Ra Delta D2ii R Delta D2ii
7 7.1554 0.8446 2 110 0.9486 0.3524271 4.0798 1.0006243 0.3018 0.48143932 1.0572 1.01425787
19 7.7068 1.7932 3 36 3.1312 0.28348034 12 0.6468 0.6593958 2.0058 0.49889025 1.843 1.79993866
4 9.9556 4.9244 4 80 3.778 0.62751294 5.137 0.0954348 3 4.9742 1.56238413 3.8974 0.5964673
2 10.3536 1.1464 3 220 1.359 0.34120864 15 1.1962 0.2804614 11 0.1194 0.26963257 9 1.5908 2.30739963
25 10.9626 -0.2126 4 150 0.1628 0.94887491 1.2396 0.2147282 6 0.2318 0.98309549 0.649 1.0317867
3 12.0798 -0.0498 3 340 1.0768 0.38649146 0.3946 2.9150659 0.4862 2.59370393 3.4984 4.77501254
13 12.473 1.027 4 255 1.4714 1.19782372 0.5906 1.0420119 2.4216 2.50662458 0.1296 2.25140474
5 14.1944 -0.4444 6 150 0.8808 0.04869121 2 3.893 0.2520843 8 1.601 0.31588921 13 0.1548 0.87681193
17 14.9136 0.4364 6 200 3.0122 0.33583313 14 0.7202 0.2477215 7 0.726 0.57492644 0.6311 1.33694371
18 15.5514 3.4486 7 132 2.292 0.11849492 5 3.7382 0.763556 2.3811 2.36676288 1.0722 5.34054958
8 16.6734 1.1566 7 210 1.4462 0.28046136 10 0.0891 1.4826085 1.2198 4.02191377 3.7708 2.30739963
6 18.3996 -0.2896 7 330 1.3571 0.58513212 2.666 2.4560045 2.3246 2.9150659 0.3034 2.46954135
14 18.6825 1.0675 6 462 1.3089 0.64404848 3.6817 5.9517817 1.6605 5.12062274 6.0956 0.43282602
10 19.1236 2.3764 5 605 4.9906 10.3556494 2.9694 9.1067199 7.4045 1.02253537 1.7052 4.41245781
21 20.5142 -2.6142 10 140 2.0212 0.10955522 4 2.4139 5.6476165 3.2854 2.09339097 1.9934 2.1174639
12 21.593 -0.593 10 215 4.4351 4.53015326 1.2642 1.3031327 4.0146 1.32136265 3.9799 4.41874711
1 21.7081 -5.0281 7 560 5.6993 1.2274085 0.4205 1.2187609 0.4552 0.35532909 4.3652 3.12065966
15 23.3288 0.6712 9 448 5.2788 7.7906E-05 1 5.2441 0.926847 1.3341 2.34113183 1.5663 13.1647652
23 23.3576 -4.6076 9 450 0.0347 0.91235651 3.9447 2.3156566 6.8451 13.1461457 1.1804 17.7239198
24 24.4029 -4.5729 8 635 3.91 1.37030746 6.8104 15.784237 1.2151 20.2626427 0.8864 80.2272024
16 29.6629 -0.6629 10 776 2.9004 8.99868534 5.1251 12.043621 3.0236 62.9406265 8.0826 107.421739
11 38.0925 2.2375 16 688 8.0255 0.37673375 5.924 24.867275 5.1822 59.7793515
20 40.888 -5.788 17 770 2.1015 19.9388461 13.2077 50.808538
22 56.0065 -3.6865 26 810 11.106 12.1611961
9 71.8203 7.4197 30 1460
Los 15 pares de puntos se usan para estimar  = 1.969. Sin embargo

de una tabla anterior se había calcualdo MSE  10.6239  3.259. Por
otro lado no se observa falta de ajuste y esperaríamos haber
encontrado que ˆ  MSE . Sin embargo en este caso MSE es sólo
del 65% mayor que ˆ , indicando una cierta falta de ajuste, lo
cual puede ser debido a el efecto de regresores no presentes en
el modelo o la presencia de uno o más outliers.
117
Determinación de la Desviación estándar
Núm. Observ D2ii Delta Sigma acum

1 15-23 7.7906E-05 5.2788 4.6770168
2 5-17 0.04869121 0.8808 2.7287028
3 4-25 0.09543477 5.137 3.336262533
4 21-12 0.10955522 2.0212 2.9498927
5 18-8 0.11849492
6 0.21472823
7 0.24772152
8 0.25208425
9 0.26963257
10 0.28046136
11 0.28046136
12 0.28348034
13 0.31588921
14 0.33583313
15 0.34120864
16 0.3524271
17 0.35532909
18 0.37673375
19 0.38649146
20 0.43282602
21 0.48143932
22 0.49889025
23 0.57492644
24 0.58513212
25 0.5964673
26 0.62751294
27 0.64404848
28 0.65939581
29 0.76355604
30 0.87681193
31 0.91235651
32 0.92684701
33 0.94887491
34 0.98309549
35 1.00062433
36 1.01425787
37 1.02253537
38 1.0317867
39 1.04201186 0.5907 1.983
40 1.19782372 1.4714 1.966
Desviación estándar
118
Diagnóstico de influyentes
A veces un pequeño grupo de puntos ejerce una influencia desproporcionada en el
modelo de regresión, se deben revisar con cuidado, si son valores “mal” tomados, se
deben eliminar, de otra forma se debe estudiar el porqué de su ocurrencia.
Puntos influyentes
Son observaciones remotas que tienen un apalancamiento desproporcionado
potencial en los parámetros estimados, valores de predicción, y estadísticas en
general.
Hoaglin y Welsch discuten el papel de la matriz sombrero H donde sus elementos de

la diagonal principal (hij) puede ser interpretado como la cantidad de influencia ejercida
por Yj en Yî . Así, enfocando la atención en los elementos de la diagonal de la matriz
n
H, como h
i 1
ii  rango( H )  rango( X )  p , el tamaño medio de un elemento en la
diagonal principal es p/n. Por tanto si un elemento de la diagonal principal hii  2 p / n ,

la observación (i) es un punto con apalancamiento alto.
Medidas de influencia: la D de Cook

Cook sugirió un diagnóstico de eliminación, es decir, mide la infuencia de la pésima
observación si se eliminara de la muestra. Sugiere medir la distancia cuadrada entre
el estimado de mínimos cuadrados basado en todos los n puntos b y el estimado
obtenido al borrar el i-ésimo punto b(i) , esta distancia se expresa como:
(b( i )  b)' M (b( i )  b)

Di ( M , c)  , i  1,2,......, n (3.71)
c
Donde M = X’X y c = pMSe, obteniéndose:
119
(b(i )  b)' X ' X (b(i )  b)

Di ( M , c)  , i  1,2,......, n (3.72)
pMSe
Los puntos con valores grandes de Di tienen una influencia considerable en los
estimadores de mínimos cuadrados b. La magnitud de Di puede evaluarse
comparándola con F , p ,n  p . Si Di  F.5, p ,n  p , entonces al borrar el punto i moverá a b al
límite del intervalo de confianza del 50% para  con base en el conjunto de datos
completo. Como F.5, p ,n  p  1 normalmente se considera que los puntos donde Di  1
tendrán influencia. Idealmente cada b(i ) deberá permanecer dentro de la banda del 10
a 20% de la región de confianza.
Otra forma de escribir el estadístico Di es:
ri2 V (Yî ) ri2 h ii

Di   ,  i  1,2,......, n (3.73)
p V (ei ) p (1  hii )
Así Di está formado por un componente que refleja que tan bien se ajusta el modelo a
la i-ésima observación Yi y un componente que mide que tan lejos se encuentra el
punto del resto de los datos. Uno o ambos componentes pueden contribuir a un valor
grande de Di .
Por ejemplo para el caso de tiempos de entrega para la primera observación se tiene:
ri 2 h ii  1.6277 2 0.1018
Di    0.10009
p (1  hii ) 3 (1  0.1018)
En la tabla mostrada abajo el valor máximo de Di = D9 = 3.41835, indicando que el

punto 9 tiene una alta influencia en el estimado de los coeficientes Beta, se consideran
como influyentes los puntos mayores a 1. También es la distancia euclidiana al
cuadrado que se mueve el vector de los valores estimados cuando elimina la i-ésima
observación.
120
Influencia en los valores estimados (DFFITS) y en los parámetros

estimados (DFBETAS)
También se puede investigar la influencia de la observación i-ésima en la predicción

de un valor. Un diagnóstico razonable es:
Yî  Yˆ( i )
DFFITS i  , i  1,2,........., n (3.74)
S (2i ) hii
Donde Yˆ( i ) es el valor estimado de Yi obtenido sin el uso de la iésima observación, el
denominador es una estandartización, por tanto DFFITS es el número de desviaciones

estándar que el valor estimado Yî cambia si la observación i-ésima es removida.
Computacionalmente se tiene:
1/ 2
 h 
DFFITS i   ii  ti (3.75)
 1  hii 
Donde ti es la R-student.
Por lo general merece atención cualquier observación donde
DFFITS i  2 p (3.76)
n
Para el caso de DFBETAS, indica cuánto cambia el coeficiente de regresión Beta(j) en

unidades de desviación estándar, si se omitiera la i-ésima observación.
ˆ j  ˆ j (i )
DFBETAS j ,i 
S(2i )C jj
C jj es el j-ésimo elemento diagonal de la matriz (X’X)-1
121
̂ j es el j-ésimo coeficiente de regresión, calculado sin usar la i-ésima observación.

Un valor grande de DFBETAS indica que la i-ésima observación tiene grana influencia
sobre el j-ésimo coeficiente de regresión.
De R = (X’X)-1X’, los n elementos del renglón k-ésimo de R producen el balanceo que

las n observaciones de la muestra tienen sobre Beta. Si r’j es el j-ésimo renglón de R,
se tiene:
rj ,i ti
DFBETAS j ,i 
rj ' rj 1  hii
Ejemplo de cálculo:
Renglón R = (X'X)-1X' n elementos

j=1 0.035217 0.081461 0.07142 0.088726 0.073971 0.054461 0.095113 0.064501 -0.14241 0.04035 -0.01553
j=2 -0.01204 -0.00675 -0.01249 0.002698 0.004835 -0.00104 -0.00423 0.004707 0.00799 -0.01968 0.006525
j=3 0.000269 4.3E-05 0.00019 -0.00018 -0.00019 -1.3E-05 -4.4E-05 -0.00016 0.000274 0.00042 -4.5E-06
1 2 3 4 5 6 7 8 9 10 11
0.050736 0.074083 0.047866 0.03569 0.003797 0.069787 0.071028 0.096856 -0.02684 0.057011 -0.07023 0.035523 0.024493 0.082869
0.0127 -0.00568 -0.0101 -0.0012 -0.01415 0.002442 0.00844 0.00206 0.005344 0.016289 0.028124 -0.00129 -0.01289 -0.00065
-0.0003 3.81E-05 0.000197 3.58E-05 0.000391 -0.00013 -0.00026 -0.00018 4.84E-05 -0.00039 -0.00033 3.83E-05 0.000314 -9.1E-05
12 13 14 15 16 17 18 19 20 21 22 23 24 25
R'
0.03522 -0.012 0.00027
0.08146 -0.0067 4.3E-05
0.07142 -0.0125 0.00019
0.08873 0.0027 -0.0002
0.07397 0.00484 -0.0002
0.05446 -0.001 -1E-05
0.09511 -0.0042 -4E-05
0.0645 0.00471 -0.0002
-0.1424 0.00799 0.00027

0.04035 -0.0197 0.00042
-0.0155 0.00652 -5E-06
0.05074 0.0127 -0.0003
122
0.07408 -0.0057 3.8E-05

0.04787 -0.0101 0.0002
0.03569 -0.0012 3.6E-05
0.0038 -0.0141 0.00039
0.06979 0.00244 -0.0001
0.07103 0.00844 -0.0003

0.09686 0.00206 -0.0002
-0.0268 0.00534 4.8E-05
0.05701 0.01629 -0.0004
-0.0702 0.02812 -0.0003
0.03552 -0.0013 3.8E-05
0.02449 -0.0129 0.00031
0.08287 -0.0007 -9E-05
C
0.11322 -0.0044 -8E-05
-0.0044 0.00274 -5E-05
1.2E-
-8E-05 -5E-05 06
ri2 V (Yî ) ri2 h ii

Di   ,  i  1,2,......, n Atender Di > 1
p V (ei ) p (1  hii )
1/ 2 Atender DFFITS > 2*raiz(p/n)

 h 
DFFITS i   ii  ti 0.69282032
 1  hii 
rj ,i ti Atneder DFBETAS > 2/raiz(n)

DFBETAS j ,i 
rj rj 1  hii 0.4
-1.991908828
123
Calculo de
Bo,i
r(0,1) = 0.035217
raiz(Cjj) 0.3364746
t1 = -1.8878
raiz(1-h11)
= 0.9477341
-
0.20848235
r(0,2) 0.0814608
raiz(Cjj) = 0.3364746
t2 = 0.3847
raiz(1-hii) = 0.9640021
0.09661409
r(0,3) = 0.0714204
raiz(Cjj) = 0.3364746
t3 = -0.0174
raiz(1-hii) = 0.9493471
-0.0038904
124
Tabla 6.1 Esatdísticas para detectar observaciones influyentes MSE = 10.62422153

R
(a) Student (b) (c ) (d) (e ) (f) (g)
ri=ei/raiz(MSE(1- Distancia DFBETTAS DFBETTAS DFBETTAS

Observación hii hii)) ti COOK Di DFFITS (0),i (1),i (2),i S(i)^2 COVRATIOi
-
1 0.1018 -1.6277 -1.8878 0.10009265 0.63554067 -0.208482352 9.7897 0.871051326
2 0.0707 0.3648 0.3847 0.00337483 0.10610942 0.096614091 11.0627 1.214887646
-
3 0.09874 -0.0161 -0.0174 9.4662E-06 0.00575931 -0.003890398 11.1299 1.275652362
4 0.08538 1.5797 1.7922 0.07765035 0.54757574 9.8676 0.875996886
-
5 0.07501 -0.1418 -0.1498 0.00054352 0.04265823 11.1199 1.239579127
-
6 0.04287 -0.0908 -0.0927 0.00012309 0.01961874 11.1259 1.19989481
7 0.0818 0.2704 0.2882 0.00217124 0.0860205 11.0931 1.239738655
8 0.06373 0.3667 0.3839 0.00305101 0.10015889 11.062 1.205614608
9 0.49829 3.2138 8.5921 3.41936807 8.56276509 5.9049 0.342210658
10 0.1963 0.8133 1.0038 0.05385259 0.49608987 10.7955 1.305398063
11 0.08613 0.7181 0.7768 0.01620013 0.23847575 10.8692 1.171701448
12 0.11366 -0.1933 -0.2132 0.00159716 -0.0763468 11.1112 1.290598609
13 0.06113 0.3252 0.3392 0.00229524 0.08655264 11.0766 1.207042614
14 0.07824 0.3411 0.3625 0.00329195 0.10561206 11.0712 1.227650876
15 0.04111 0.2103 0.2145 0.00063203 0.04441367 11.1077 1.191824428
-
16 0.16594 -0.2227 -0.2612 0.00328907 0.11650648 11.105 1.369200478
17 0.05943 0.138 0.1434 0.0004011 0.03604595 11.1204 1.219210661
18 0.09626 1.113 1.2386 0.04398164 0.40423345 10.5034 1.069189924
19 0.09645 0.5788 0.6306 0.01192026 0.2060293 10.9606 1.215232688
-
20 0.10169 -1.8736 -2.2227 0.13245993 0.74783684 9.3542 0.759805384
-
21 0.16528 -0.8778 -1.046 0.05085684 0.46544828 10.7402 1.237670199
22 0.39158 -1.45 -2.4484 0.45105736 -1.9642234 10.0664 1.398066135
-
23 0.04126 -1.4437 -1.5463 0.0298993 0.32078049 10.0756 0.889652807
-
24 0.12061 -1.4961 -1.7537 0.10232972 0.64946567 9.9977 0.947605181
-
25 0.06664 -0.0675 -0.0707 0.00010844 0.01889132 11.1278 1.231083177
De acuerdo a los puntos de corte de DFFITS de 0.69, los puntos 9 y 22 excend este
valor por lo que se consideran influyentes.
Con base en el punto de corte de DFBETAS de 0.4, los puntos 9 y 22 tienen efectos
grandes sobre los tres parámetros. La eliminación del punto 9 da como resultado que
la respuesta estimada se desplace en en más de cuatro desviaciones estándar.
125
Medida de desempeño del modelo

Como medida escalar de la precisión general de la estimación, se usa el determinante
de la matriz de covarianza, denominada varianza generalizada, para expresar el papel
de la i-ésima observación en la estimación de la precisión de la estimación, se define
la relación de covarianzas (COVRATIOi) como sigue:
( S(2i ) ) p 1
COVRATIO  
MS Rep s  hii 
Notar que [1/(1-hii)] es la relación de ( X (' i ) X (i ) ) 1 / ( X ' X ) 1 , por lo que un punto de alto
balanceo hará que COVRATIOi, sea grande.
COVRATIOi  1  3 p / n o
Si se debería considerar el i-ésimo punto como influyente.
COVRATIOi  1  3 p / n
Ejemplo:
En el caso de los refrescos: el corte para COVRATIOi es 1+-3*3/25 o sea (0.64, 1.66),
se puede observar de la tabla que se salen los puntos 9 y apenas el 22.
126
Multicolinealidad
La multicolinealidad implica una dependencia cercana entre regresores (columnas de
la matriz X ), de tal forma que si hay una dependencia lineal exacta hará que la matriz
X’X se singular. La presencia de dependencias cercanamente lineales impactan
dramáticamente en la habilidad para estimar los coeficientes de regresión.
La varianza de los coeficientes de la regresión son inflados debido a la

multicolinealidad. Esta es evidente por los valores diferentes de cero que no estan en
la diagonal principal de X’X. Los cuales se denominan correlaciones simples entre los
regresores. La multicolinealidad puede afectar seriamente la precisión con la cual los
coeficientes de regresión son estimados.
Entre las fuentes de colinealidad se encuantran:

 El método de recolección de datos empleado.
 Restricciones en el modelo o en la población.
 Especificación del modelo.
 Un modelo sobredefinido.
Los elementos de la diagonal principal de la matriz X’X se denominan Factores de

inflación de varianza (VIFs) y se usan como un diagnóstico importante de
multicolinealidad. El factor para el coeficiente j-ésimo coeficiente de regresión es:
1
VIF j  (3.77)
1  R 2j
R 2j es el coeficiente de determinación múltiple obtenido al hacer una regresión de Xj
con con todos los demás regresores. Si Xj es casi linealmente dependiente de algunos
de los otros regresores, entonces el coeficiente de determinación R j2 será cercano a
la unidad y el VIFj será muy grande, de tal forma que si es mayor a 10 implica que se
tienen serios problemas de multicolinealidad.
127
Los modelos de regresión que tienen presente multicolinealidad muestran ecuaciones

de predicción pobres y los coeficientes de regresión son muy sensibles a los datos en
la muestra colectada en particular. En comparación con el caso de regresores
ortogonales que son muy estables (imaginar un plano encima).
Y Y
X1 X2 X1 X2
a) Datos con multicolinealidad b) Regresores ortogonales

(muy inestable) (muy estable)
Fig. 3.2 Efectos de la colinealidad en la estabilidad del sistema
En la figura anterior, un sistema ortogonal se obtiene de los datos siguientes:
X1 X2
5 20
10 20
5 30
10 30
5 20
10 20
5 30
10 30
Asumiendo que se utiliza el escalamiento unitario para los coeficientes de regresión,

se obtiene:
1,0
X ' X     ( X ' X ) 1
0,1
128
Las varianzas de los coeficientes estandarizados de regresión b1 ,b2 son:
V (b1 ) V (b2 )
 1
 2
2
Y un sistema con colinealidad es:
1.00000,0.824215 3.11841,2.57023 
W 'W    donde (W 'W ) 1   
0.824215,1.00000  2.57023,3.11841
Las varianzas de los coeficientes estandarizados de regresión b1 ,b2 son:
V (b1 ) V (b2 )
  3.11841
 2
2
Se observa que están infladas debido a la multicolinealidad.
129
4. MODELOS DE REGRESIÓN POLINOMIAL
4.1 Introducción
El modelo de regresión lineal en forma matricial Y  X   es un modelo general
para estimar cualquier relación que sea lineal en los parámetros desconocidos .
Esto incluye a los modelos de regresión polinomial de segundo orden en una variable
y en dos variables. Los cuales son ampliamante utilizados en situaciones donde la
respuesta es curvilinea o muy compleja, pero que puede ser modelada por
polinomios en una región con pequeños rangos en las X’s.
Y   0  1 X 1   2 X 2  11 X 12   22 X 22  12 X 1 X 2  
4.2. Modelos polinomiales en una variable
El modelo denominado cuadrático es el siguiente:
Y   0  1 X   2 X 2  
Normalmente se denomina a  1 el parámetro del efecto lineal y  2 el parámetro del

efecto cuadrático. Como regla general el uso de polinomios de más alto orden debe
evitarse a menos que no haya otra alternativa.
130
5. REGRESIÓN MÚLTIPLE POR PASOS (Stepwise)
Introducción
El análisis de regresión es usado para investigar y modelar las relaciones entre una
variable de respuesta y uno o más predictores. Minitab proporciona mínimos
cuadrados, mínimos cuadrados parciales, y procedimientos de regresión logística.
 Usar mínimos cuadrados cuando la variable de respuesta sea continua.
 Usar procedimientos de mínimos cuadrados cuando los predictores sean

altamente correlacionados o excedan al número de observaciones.
 Usar regresión logística cuando la variable de respuesta sea categórica.
Tanto el método de regresión por mínimos cuadrados como la regresión logística

estiman parámetros en el modelo de manera que se optimice su ajuste.
La regresión por mínimos cuadrados, minimiza la suma de cuadrados de los errores

para obtener los parámetros estimados, mientras que la regresión logística obtiene
estimados de los parámetros con la máxima verosimilitud.
La regresión de cuadrados parciales (PLS) extrae combinaciones lineales de los

predictores para minimizar el error de predicción.
131
Tipo de Método de
Usar... Para... respuesta estimación
Regression Realizar regression simple, multiple o continua Mínimos
regression polynomial por mínimos cuadrados
cuadrados.
Stepwise Realizar regresión por pasos, selección de continua Mínimos
variables hacia adelante, o eliminación de cuadrados
variables hacia atrás para identificar un
conjunto útil de predictores.
Best Identificar subconjuntos de los predictores continua Mínimos
Subsets con base en el criterio R máximo. cuadrados
Fitted Line Realizar regresión lineal y polinomial con un continua Mínimos

Plot predictor simple y graficar una línea de cuadrados
regresión a través de los datos.
PLS Realizar regression con datos mal continua biased, non-
condicionados (ver explicación abajo). least
squares
Binary Realizar regresión logística sobre una categórica máxima
Logistic respuesta que solo tiene dos valores verosimilitud
posibles, tal como presencia o ausencia.
Ordinal Realizar regresión logística en una categórica máxima
Logistic respuesta que con tres o más valores verosimilitud
posibles que tienen un orden natural, tal
como: ninguno, medio o severo.
Nominal Realizar regresión logística en una categórica máxima
Logistic respuesta con tres o más valores posibles verosimilitud
que no tienen un orden natural, tal como:
dulce, salado, o ácido.
Datos mal condicionados

Los datos mal condicionados se refieren a problemas en las variables predoctoras,
las cuales pueden causar dificultades computacionales y estadísticas. Se presentan
dos tipos de problemas: multicolinealidad y un pequeño coeficiente de variación.
Multicolinearidad
La multicolinealidad significa que ambos predictores estan correlacionados con otros

predictores. Si la correlación es alta, se pueden calcular los valores estimados y los
residuos, pero el error estándar de los coeficientes será grande y su exactitud
132
numérica puede ser afectada. Se recomienda eliminar una de las variables

correlacionadas.
Para identificar los predictores que están altamente correlacionados, se puede

examinar la estructura de las variables predoctoras y hacer una regresión con cada
uno de los predictores sospechosos y los otros predictores. Se puede también revisar
el factor de inflación VIF, que mide cuanto de la varianza de un coeficiente de
regresión se incrementa, si los predictores están correlacionados. Si el VIF < 1, no
hay colinealidad, pero si VIF > 1, los predictores pueden estar correlacionados.
Montogomery sugiere que si se sobrepasa el límite de 5 a 10, los coeficientes tienen
una estimación deficiente.
Algunas soluciones al problema de multicolinealidad son:
 Eliminar los predictores del modelo, especialmente si al borrarlos tienen poco

efecto en la R2.
 Cambiar los predictores formando una combinación lineal con ellos usando la
regresión parcial de mínimos cuadrados o análisis de componentes
principales.
 Si se usan plinomios, restar un valor cercano a la media de un predictor antes
de elevarlo al cuadrado.
Coeficientes de variación pequeños
Los predictores con coeficientes de variación pequeños (porcentaje de la desviación

estándar de la media) y que casi son constantes, pueden causar problemas
numéricos. Por ejemplo, la variable Año con valores de 1970 a 1975 tiene un
pequeño coeficiente de variación, las diferencias numéricas se encuentran en el
cuarto dígito. El problema se complica se Año es elevado al cuadrado. Se pude
restar una constante de los datos, reemplazando Año con Año_desde_1970 con
valores de 0 a 5.
133
Regresión por pasos (Stepwise regression)
Stat > Regression > Stepwise
La regresión por pasos remueve y agrega variables al modelo de regresión con el

propósito de identificar un subconjunto útil de predictores. La regresión por pasos
remueve y agrega variables; la selección hacia delante agrega variables y la selección
hacia atrás remueve variables.
 En este método de regresión por pasos, se puede iniciar con un conjunto de

variables predoctoras en Predictors in initial model. Estas variables se
remueven si sus valores p son mayores que el valor de Alpha to enter. Si se
quieren conservar las variables en el modelo independientemente de su valor
p, seleccionarlas en Predictors to include in every model en la ventana
principal de diálogo.
 Cuando se selecciona el método de selección por pasos o hacia delante
(forward), se puede poner un valor de alfa para una nueva variables en Alpha
to enter.
 Cuando se selecciona el método de eliminación hacia atrás, se puede
establecer el valor de alfa para remover una variable del modelo en Alpha to
remove.
Entre los problemas que se presentan con el método automático de selección se

tienen los siguientes:
 Como el procedimiento automáticamente “encuentra” el mejor de muchos

modelos, puede ajustar los datos demasiado bien, pero solo por azar.
 Los tres procedimientos automáticos son algoritmos heurísticos, que
frecuentemente trabajan bien, pero pueden no seleccionar el modelo con la
R2 más alta (para un cierto número de predictores).
 Los procedimientos automáticos no pueden tomar en cuenta el conocimiento
especial que le analista puede tener sobre los datos. Por tanto, el modelo
seleccionado puede no ser el mejor desde el punto de vista práctico.
134
Ejemplo:
Los estudiantes de un curso introductorio de estadística participan en un experimento

simple. Cada estudiante registra su altura, peso, género, preferencia en fumar, nivel
de actividad normal, y puso en reposo. Todos lanzan una moneda, y aquellos que les
salga sol, corren durante un minuto. Después de esto el grupo coimpleto registra su
pulso en reposo una vez más. Se desea encontrar los mejores predictores para la
segunda tasa de pulso.
Los datos se muestran a continuación:
PULSE.MTW
Pulso1 Pulso2 Corrió Fuma Sexo Estatura Peso Actividad
64 88 1 2 1 66 140 2
58 70 1 2 1 72 145 2
62 76 1 1 1 73.5 160 3
66 78 1 1 1 73 190 1
64 80 1 2 1 69 155 2
74 84 1 2 1 73 165 1
84 84 1 2 1 72 150 3
68 72 1 2 1 74 190 2
62 75 1 2 1 72 195 2
76 118 1 2 1 71 138 2
90 94 1 1 1 74 160 1
80 96 1 2 1 72 155 2
92 84 1 1 1 70 153 3
68 76 1 2 1 67 145 2
60 76 1 2 1 71 170 3
62 58 1 2 1 72 175 3
66 82 1 1 1 69 175 2
70 72 1 1 1 73 170 3
68 76 1 1 1 74 180 2
72 80 1 2 1 66 135 3
70 106 1 2 1 71 170 2
74 76 1 2 1 70 157 2
66 102 1 2 1 70 130 2
70 94 1 1 1 75 185 2
96 140 1 2 2 61 140 2
62 100 1 2 2 66 120 2
78 104 1 1 2 68 130 2
82 100 1 2 2 68 138 2
100 115 1 1 2 63 121 2
68 112 1 2 2 70 125 2
96 116 1 2 2 68 116 2
78 118 1 2 2 69 145 2
135
88 110 1 1 2 69 150 2
62 98 1 1 2 62.75 112 2
80 128 1 2 2 68 125 2
62 62 2 2 1 74 190 1
60 62 2 2 1 71 155 2
72 74 2 1 1 69 170 2
62 66 2 2 1 70 155 2
76 76 2 2 1 72 215 2
68 66 2 1 1 67 150 2
54 56 2 1 1 69 145 2
74 70 2 2 1 73 155 3
74 74 2 2 1 73 155 2
68 68 2 2 1 71 150 3
72 74 2 1 1 68 155 3
68 64 2 2 1 69.5 150 3
82 84 2 1 1 73 180 2
64 62 2 2 1 75 160 3
58 58 2 2 1 66 135 3
54 50 2 2 1 69 160 2
70 62 2 1 1 66 130 2
62 68 2 1 1 73 155 2
48 54 2 1 1 68 150 0
76 76 2 2 1 74 148 3
88 84 2 2 1 73.5 155 2
70 70 2 2 1 70 150 2
90 88 2 1 1 67 140 2
78 76 2 2 1 72 180 3
70 66 2 1 1 75 190 2
90 90 2 2 1 68 145 1
92 94 2 1 1 69 150 2
60 70 2 1 1 71.5 164 2
72 70 2 2 1 71 140 2
68 68 2 2 1 72 142 3
84 84 2 2 1 69 136 2
74 76 2 2 1 67 123 2
68 66 2 2 1 68 155 2
84 84 2 2 2 66 130 2
61 70 2 2 2 65.5 120 2
64 60 2 2 2 66 130 3
94 92 2 1 2 62 131 2
60 66 2 2 2 62 120 2
72 70 2 2 2 63 118 2
58 56 2 2 2 67 125 2
88 74 2 1 2 65 135 2
66 72 2 2 2 66 125 2
84 80 2 2 2 65 118 1
62 66 2 2 2 65 122 3
66 76 2 2 2 65 115 2
136
80 74 2 2 2 64 102 2
78 78 2 2 2 67 115 2
68 68 2 2 2 69 150 2
72 68 2 2 2 68 110 2
82 80 2 2 2 63 116 1
76 76 2 1 2 62 108 3
87 84 2 2 2 63 95 3
90 92 2 1 2 64 125 1
78 80 2 2 2 68 133 1
68 68 2 2 2 62 110 2
86 84 2 2 2 67 150 3
76 76 2 2 2 61.75 108 2
Corrida en Minitab:
1 Open worksheet PULSE.MTW.
2 Presionar [CTRL] + [M] para activar la session de commandos.
3 Seleccionar Editor > Enable Commands de forma que Minitab despliegue la

sesión de comandos.
4 Ejecutar Stat > Regression > Stepwise.
5 En Response, seleccionar Pulse2.
6 En Predictors, seleccionar Pulse1 Ran-Weight.
7 Click Options.
8 In Number of steps between pauses, anotar 2. Click OK en cada una de las

ventanas de diálogo.
9 En la ventana de sesión, en el primer More? prompt, contestar Yes.
10 En la ventana de sesión, en el primer More? prompt, contestar No.
Resultados:
Results for: Pulse.MTW
MTB > Stepwise 'Pulso2' 'Pulso1' 'Corrió'-'Peso';
137
SUBC> AEnter 0.05;

SUBC> ARemove 0.10;
SUBC> Best 0;
SUBC> Steps 2;
SUBC> Constant;
SUBC> Press.
Stepwise Regression: Pulso2 versus Pulso1, Corrió, ...
Alpha-to-Enter: 0.05 Alpha-to-Remove: 0.1
Response is Pulso2 on 6 predictors, with N = 92
Step 1 2
Constant 10.28 44.48
Pulso1 0.957 0.912

T-Value 7.42 9.74
P-Value 0.000 0.000
Corrió -19.1
T-Value -9.05
P-Value 0.000
S 13.5 9.82
R-Sq 37.97 67.71
R-Sq(adj) 37.28 66.98
Mallows C-p 103.2 13.5
PRESS 17252.4 9304.69
R-Sq(pred) 35.12 65.01
More? (Yes, No, Subcommand, or Help)
SUBC> Yes
Step 3
Constant 42.62
Pulso1 0.812
T-Value 8.88
P-Value 0.000
Corrió -20.1
T-Value -10.09
P-Value 0.000
Sexo 7.8
T-Value 3.74
P-Value 0.000
S 9.18
R-Sq 72.14
R-Sq(adj) 71.19
Mallows C-p 1.9
PRESS 8195.99
R-Sq(pred) 69.18
More? (Yes, No, Subcommand, or Help)
SUBC> No
MTB >
138
139
Interpretando los resultados
Este ejemplo usa seis predictores. Se requirío a Minitab intervenir para mostrar los
resultados.
La primera “página” de salida proporciona los resultados para los dos primeros
pasos. En el paso 1, la variable Pulso1 entró al modelo; en el paso 2, entró la
variable Corrio. No se removío ninguna variable en ninguno de los dos pasos. En

cada uno de los modelos, se mostró el término constante del modelo, los coeficientes
y su valor t de cada variable en el modelo, S (raíz de MSE), y R2.
Como se constestó “Yes” en “MORE?”, el procedimiento automático realizó un paso

adicional, agregando la variable “Sexo”. En este punto, no más variables entraron o
salieron de modo que se terminó el procedimiento automático, y otra vez preguntó
por intervención, donde se indicó NO.
La salida por pasos está diseñada para presentar un resumen conciso de un número
de modelos ajustados.
140
6. REGRESIÓN POR MEJORES SUBCONJUNTOS

HALLADOS (Best Subsets)
La regresión de los mejores subconjuntos idnetifica los modelos de regresión que

mejor ajusten los datos con los predictores especificados. Es una forma eficiente de
identificar modelos que logreen las metas con los menores predictores que sea
posible. Los modelos de subconjuntos pueden realmente estimar los coeficientes de
regresión y predecir respuestas futures con varianzas más pequeñas que el modelo
completo que utiliza todos los predictores.
Primero se evalúan los modelos que tienen un predictor, después los de dos
predictores, etcetera. En cada caso se muestra el mejor modelo.
Ejemplo:
El flujo de calor solar se mide ocmop parte de una prueba de energía térmica solar. Se
desea ver como se estima el flujo de calor con base en otras variables: aislamiento,
posición de puntos focales en el este, sur, y norte, y la hora del día. (datos de D.C.
Montgomery and E.A. Peck (1982). Introduction to Linear Regression Analysis. John Wiley &
Sons. p. 486).
Los datos son los siguientes (Exh_regr.Mtw):
Flujo_de_calor Aislamiento Este Sur Norte Hora

271.8 783.35 33.53 40.55 16.66 13.2
264 748.45 36.5 36.19 16.46 14.11
238.8 684.45 34.66 37.31 17.66 15.68
230.7 827.8 33.13 32.52 17.5 10.53
251.6 860.45 35.75 33.71 16.4 11
257.9 875.15 34.46 34.14 16.28 11.31
263.9 909.45 34.6 34.85 16.06 11.96
266.5 905.55 35.38 35.89 15.93 12.58
229.1 756 35.85 33.53 16.6 10.66
239.3 769.35 35.68 33.79 16.41 10.85
258 793.5 35.35 34.72 16.17 11.41
141
257.6 801.65 35.04 35.22 15.92 11.91

267.3 819.65 34.07 36.5 16.04 12.85
267 808.55 32.2 37.6 16.19 13.58
259.6 774.95 34.32 37.89 16.62 14.21
240.4 711.85 31.08 37.71 17.37 15.56
227.2 694.85 35.73 37 18.12 15.83
196 638.1 34.11 36.76 18.53 16.41
278.7 774.55 34.79 34.62 15.54 13.1
272.3 757.9 35.77 35.4 15.7 13.63
267.4 753.35 36.44 35.96 16.45 14.51
254.5 704.7 37.82 36.26 17.62 15.38
224.7 666.8 35.07 36.34 18.12 16.1
181.5 568.55 35.26 35.9 19.05 16.73
227.5 653.1 35.56 31.84 16.51 10.58
253.6 704.05 35.73 33.16 16.02 11.28
263 709.6 36.46 33.83 15.89 11.91
265.8 726.9 36.26 34.89 15.83 12.65
263.8 697.15 37.2 36.27 16.71 14.06
Instrucciones de Minitab:
1 Open worksheet EXH_REGR.MTW.
2 Seleccionar Stat > Regression > Best Subsets.
3 En Response, seleccionar Flujo_de_Calor.
4 En Free Predictors, seleccionar Aislamiento-Hora Click OK.
Los resultados se muestran a continuación:
Results for: Exh_regr.MTW
Best Subsets Regression: Flujo_de_calor versus Aislamiento, Este, ...
Response is Flujo_de_calor
A
i
s
l
a
m
i N
e E o H
n s S r o
Mallows t t u t r
Vars R-Sq R-Sq(adj) C-p S o e r e a
1 72.1 71.0 38.5 12.328 X
1 39.4 37.1 112.7 18.154 X
142
2 85.9 84.8 9.1 8.9321 X X

2 82.0 80.6 17.8 10.076 X X
3 87.4 85.9 7.6 8.5978 X X X
3 86.5 84.9 9.7 8.9110 X X X
4 89.1 87.3 5.8 8.1698 X X X X
4 88.0 86.0 8.2 8.5550 X X X X
5 89.9 87.7 6.0 8.0390 X X X X X
Interpretando los resultados
Cada línea de la salidad representa un modelo diferente. Vars es el número de

variables o predictores en el modelo, R2 y R2 ajustada se convienten a porcentajes.
Los predictores que están presentes se indican con una X.
En este ejemplo, no es claro que modelo ajusta mejor a los datos.
 El modelo con todas las variables tiene la mayor R2 ajustada (87.7%), un valor
bajo de Cp de Mallows (6.0), y el menor valor de S (8.039).
 El modelo de cuatro predictores con todas las variables excepto la Hora, tiene
un valor bajo de Cp (5.8), la S es ligeramente mayor (8.16) y la R2 ajustada en
ligeramente menor (87.3%).
 El mejor modelo de tres predictores incluye Norte, Sur, y Este, con un valor de
Cp ligeramente más alto (7.6) y un valor menor de R2 ajustado.
 El modelo con dos predictores podría ser considerado con el menor ajuste. Se
puede observar que el agregar la variable Este no mejora el ajuste del modelo.
Antes de seleccionar un modelo, se debe verificar si no se viola ninguno de los

supuestos de la regresión por medio de las gráficas de residuos y otras pruebas de
diagnóstico, tales como las siguientes.
Verificación de la adecuación del modelo
Características de un modelo
de regression adecuado
143
Checar usando... Posibles soluciones

Relación lineal entre Prueba de Lack-of-fit (falta · Agregar terminos de
respuesta y predictores de ajuste) mayor orden al modelo
Gráfica de Residuales vs · Transformar variables.

variables
Los Residuales tienen Gráfica de Residuals vs · Transformar variables.
varianza constante. estimados (fits)
· Mínimos cuadrados
ponderados.
Los Residuales son Estadístico de Durbin- · Agregar un nuevo
independientes entre sí (no Watson predictor.
correlacionados).
Gráfica de Residualess vs · Usar análisis de series de
orden tiempo.
· Agregar variable
defasada en tiempo (lag).
Los Residuales están Histograma de residuales · Transformar variables.
normalmente distribuidos.
Gráfica Normal de · Checar puntos atípicos.
residuales
Gráfica de Residuales vs
estimados (fits)
Prueba de Normalidad
Observations No usuales, Gráficas de Residuales · Transformar variables.
puntos atípicos o outliers.
Influyentes (Leverages) · Eliminar la observación
atípica.
Distancia de Cook's
DFITS
Datos mal condicionados (ill Factor de Inflación de · Remover predictor.
conditioned). Variance (VIF)
· Regresión de mínimos
Matriz de correlación de cuadrados parciales.
predictores
· Transformar variables.
Si se determina que el modelo no cumple con los criterios listados en la tabla, se

debe:
1. Verificar si los datos se introdujeron correctamente, especialemente identificar

puntos atípicos.
144
2. Tratar de determinar las causas del problema. Puedes querer ver que tan sensible
es el modelo al problema. Por ejemplo, si se observa un Outlier, correr el modelo sin
esa observación, para ver como difieren los resultados.
3. Considerar alguna de las soluciones listadas en la tabla.
7. REGRESIÓN POR MÍNIMOS CUADRADOS PARCIALES (PLS)

Usar reegresión de mínimos cuadrados parcial (PLS) para realizar una regresión
sesgada, no de mínimos cuadrados. PLS se utiliza cuando los predictores son muy
colineales o se tienen más predictores que observaciones, y la regresión lineal
normal falla o produce coeficientes con altos errores estándar. La PLS reduce el
número de predictores a un conjunto de componentes no correlacionados y realiza la
regresión de mínimos cuadrados en esos componentes.
La PLS ajusta variables de respuesta múltiple en un modelo simple. Dado que los
modelos PLS tratan las respuestas como multivariadas, los resultados pueden diferir
de si se tratan individualmente por separado. El modelo agrupa las respuestas
múltiples sólo si estan correlacionadas.
Ejemplo:
Un productor de vino quiere saber como la composición química del vino se relaciona
con las pruebas sensoriales. Se tienen 37 muestras, cada una descrita por 17
concentraciones elementales (Cd, Mo, Mn, Ni, Cu. Al, Ba, Cr, Sr, B, Mg, Si, Na, Ca,
P, K) y una medida del aroma del vino de un panel de catadores. Se quiere predecir
la media del aroma a partir de los 17 elementos y determinar si el modelo PLS es
adecuado, dado que la relaciónde muestras a predictores es baja. Los datos son de
I.E. Frank and B.R. Kowalski (1984). "Prediction of Wine Quality and Geographic Origin
from Chemical Measurements by Partial Least-Squares Regression Modeling," Analytica
Chimica Acta, 162, 241251.
Archivo WineAroma.mtw
145
Cd Mo Mn Ni Cu Al Ba Cr Sr Pb B Mg Si Na Ca P K Aroma
0.005 0.044 1.51 0.122 0.83 0.982 0.387 0.029 1.23 0.561 2.63 128 17.3 66.8 80.5 150 1130 3.3
0.055 0.16 1.16 0.149 0.066 1.02 0.312 0.038 0.975 0.697 6.21 193 19.7 53.3 75 118 1010 4.4
0.056 0.146 1.1 0.088 0.643 1.29 0.308 0.035 1.14 0.73 3.05 127 15.8 35.4 91 161 1160 3.9
0.063 0.191 0.96 0.38 0.133 1.05 0.165 0.036 0.927 0.796 2.57 112 13.4 27.5 93.6 120 924 3.9
0.011 0.363 1.38 0.16 0.051 1.32 0.38 0.059 1.13 1.73 3.07 138 16.7 76.6 84.6 164 1090 5.6
0.05 0.106 1.25 0.114 0.055 1.27 0.275 0.019 1.05 0.491 6.56 172 18.7 15.7 112 137 1290 4.6
0.025 0.479 1.07 0.168 0.753 0.715 0.164 0.062 0.823 2.06 4.57 179 17.8 98.5 122 184 1170 4.8
0.024 0.234 0.91 0.466 0.102 0.811 0.271 0.044 0.963 1.09 3.18 145 14.3 10.5 91.9 187 1020 5.3
0.009 0.058 1.84 0.042 0.17 1.8 0.225 0.022 1.13 0.048 6.13 113 13 54.4 70.2 158 1240 4.3
0.033 0.074 1.28 0.098 0.053 1.35 0.329 0.03 1.07 0.552 3.3 140 16.3 70.5 74.7 159 1100 4.3
0.039 0.071 1.19 0.043 0.163 0.971 0.105 0.028 0.491 0.31 6.56 103 9.47 45.3 67.9 133 1090 5.1
0.045 0.147 2.76 0.071 0.074 0.483 0.301 0.087 2.14 0.546 3.5 199 9.18 80.4 66.3 212 1470 3.3
0.06 0.116 1.15 0.055 0.18 0.912 0.166 0.041 0.578 0.518 6.43 111 11.1 59.7 83.8 139 1120 5.9
0.067 0.166 1.53 0.041 0.043 0.512 0.132 0.026 0.229 0.699 7.27 107 6 55.2 44.9 148 854 7.7
0.077 0.261 1.65 0.073 0.285 0.596 0.078 0.063 0.156 1.02 5.04 94.6 6.34 10.4 54.9 132 899 7.1
0.064 0.191 1.78 0.067 0.552 0.633 0.085 0.063 0.192 0.777 5.56 110 6.96 13.6 64.1 167 976 5.5
0.025 0.009 1.57 0.041 0.081 0.655 0.072 0.021 0.172 0.232 3.79 75.9 6.4 11.6 48.1 132 995 6.3
0.02 0.027 1.74 0.046 0.153 1.15 0.094 0.021 0.358 0.025 4.24 80.9 7.92 38.9 57.6 136 876 5
0.034 0.05 1.15 0.058 0.058 1.35 0.294 0.006 1.12 0.206 2.71 120 14.7 68.1 64.8 133 1050 4.6
0.043 0.268 2.32 0.066 0.314 0.627 0.099 0.045 0.36 1.28 5.68 98.4 9.11 19.5 64.3 176 945 6.4
0.061 0.245 1.61 0.07 0.172 2.07 0.071 0.053 0.186 1.19 4.42 87.6 7.62 11.6 70.6 156 820 5.5
0.047 0.161 1.47 0.154 0.082 0.546 0.181 0.06 0.898 0.747 8.11 160 19.3 12.5 82.1 218 1220 4.7
0.048 0.146 1.85 0.092 0.09 0.889 0.328 0.1 1.32 0.604 6.42 134 19.3 125 83.2 173 1810 4.1
0.049 0.155 1.73 0.051 0.158 0.653 0.081 0.037 0.164 0.767 4.91 86.5 6.46 11.5 53.9 172 1020 6
0.042 0.126 1.7 0.112 0.21 0.508 0.299 0.054 0.995 0.686 6.94 129 43.6 45 85.9 165 1330 4.3
0.058 0.184 1.28 0.095 0.058 1.3 0.346 0.037 1.17 1.28 3.29 145 16.7 65.8 72.8 175 1140 3.9
0.065 0.211 1.65 0.102 0.055 0.308 0.206 0.028 0.72 1.02 6.12 99.3 27.1 20.5 95.2 194 1260 5.1
0.065 0.129 1.56 0.166 0.151 0.373 0.281 0.034 0.889 0.638 7.28 139 22.2 13.3 84.2 164 1200 3.9
0.068 0.166 3.14 0.104 0.053 0.368 0.292 0.039 1.11 0.831 4.71 125 17.6 13.9 59.5 141 1030 4.5
0.067 0.199 1.65 0.119 0.163 0.447 0.292 0.058 0.927 1.02 6.97 131 38.3 42.9 85.9 164 1390 5.2
0.084 0.266 1.28 0.087 0.071 1.14 0.158 0.049 0.794 1.3 3.77 143 19.7 39.1 128 146 1230 4.2
0.069 0.183 1.94 0.07 0.095 0.465 0.225 0.037 1.19 0.915 2 123 4.57 7.51 69.4 123 943 3.3
0.087 0.208 1.76 0.061 0.099 0.683 0.087 0.042 0.168 1.33 5.04 92.9 6.96 12 56.3 157 949 6.8
0.074 0.142 2.44 0.051 0.052 0.737 0.408 0.022 1.16 0.745 3.94 143 6.75 36.8 67.6 81.9 1170 5
0.084 0.171 1.85 0.088 0.038 1.21 0.263 0.072 1.35 0.899 2.38 130 6.18 101 64.4 98.6 1070 3.5
0.106 0.307 1.15 0.063 0.051 0.643 0.29 0.031 0.885 1.61 4.4 151 17.4 7.25 103 177 1100 4.3
0.102 0.342 4.08 0.065 0.077 0.752 0.366 0.048 1.08 1.77 3.37 145 5.33 33.1 58.3 117 1010 5.2
Las instrucciones de Minitab son las siguientes:
1 Open worksheet WINEAROMA.MTW o tomar los datos de la tabla.
2 Seleccionar Stat > Regression > Partial Least Squares.
146
3 En Responses, seleccionar Aroma.
4 En Predictors, selección las variables Cd-K.
5 En Maximum number of components, indicar 17.
6 Click Validation, seleccionar Leave-one-out. Click OK.
7 Click Graphs, luego seleccionar Model selection plot, Response plot, Std
Coefficient plot, Distance plot, Residual versus leverage plot, y Loading plot. No
seleccionar Coefficient plot. Click OK en cada una de las ventanas de diálogo.
PLS Regression: Aroma versus Cd, Mo, Mn, Ni, Cu, Al, Ba, Cr, ...
La primera línea, muestra el número de componentes en el modelo óptimo, el cual es

definido como el modelo con la mayor R2 Predictora (Predicted R2), en este caso de
0.46.
R2 Predictora
Es similar a la R2, la R2 predictora indica que tan bien estima el modelo las respuestas
a nuevas observaciones, mientras que la R2 sólo indica que tan bien el modelo se
ajusta a los datos. La R2 predictora puede evitar el sobreajuste del modelo y es más
útil que la R2 ajustada para comparar modelos dado que es calculada con
observaciones no incluidas en el cálculo del modelo.
Su valor se encuentra entre 0 y 1, y se calcula a partir del estadístico PRESS. Valores

altos de R2 Predictora sugieren modelos de mayor capacidad de predicción o
estimación.
Como se tiene el mimso número de componentes que predictors (17), se pueden

comparar los estadísticos de bondad de ajuste y de bondad de predicción para el
modelo PLS y la solución de mínimos cuadrados.
Number of components selected by cross-validation: 2
147
Number of observations left out per group: 1

Number of components cross-validated: 17
El ANOVA muestra que el valor p para Aroma es 0.000 menor a 0.05,

proporcionando suficiente evidencia de que el modelo es significativo.
Analysis of Variance for Aroma

Source DF SS MS F P
Regression 2 28.8989 14.4494 39.93 0.000
Total 36 41.2032
148
Usar la tabla de Selección y Validación del Modelo para seleccionar el número

óptimo de componentes para el modelo. Dependiendo de los datos o campo de
estudio, se puede determinar que un modelo diferente del seleccionado por
validación cruzada es más apropiado.
Model Selection and Validation for Aroma
Components X Variance Error SS R-Sq PRESS R-Sq (pred)

1 0.225149 16.5403 0.598569 22.3904 0.456585
2 0.366697 12.3044 0.701374 22.1163 0.463238
3 8.9938 0.781720 23.3055 0.434377
4 8.2761 0.799139 22.2610 0.459726
5 7.8763 0.808843 24.1976 0.412726
6 7.4542 0.819087 28.5973 0.305945
7 7.2448 0.824168 31.0924 0.245389
8 7.1581 0.826274 30.9149 0.249699
9 6.9711 0.830811 32.1611 0.219451
10 6.8324 0.834178 31.3590 0.238920
11 6.7488 0.836207 32.1908 0.218732
12 6.6955 0.837501 34.0891 0.172660
13 6.6612 0.838333 34.7985 0.155442
14 6.6435 0.838764 34.5011 0.162660
15 6.6335 0.839005 34.0829 0.172811
16 6.6296 0.839100 34.0143 0.174476
17 6.6289 0.839117 33.8365 0.178789
- El modelo con dos componentes, seleccionado por validación cruzada, tiene una
R2 de 70.1% y una R2 de Predicción de 46.3%. El modelo de cuatro componentes
tiene una R2 predictora un poco menor, con una mayor R2, pero también se podría
utilizar.
- Comparando la R2 predictora del modelo PLS de dos componentes con la R2
predictora del modelo de mínimos cuadrados de 17 componentes, se puede ver
que el modelo PLS predice los datos mucho más exactamente que el modelo
completo. La R2 del modelo PLS de dos componentes es de 46%, mientreas que
el de 17 componentes es de solo 18%.
- La varianza de X indica la cantidad de varianza en los predictores que es explicada
por el modelo. En este ejemplo, el modelo de dos componentes explica el 36.7%
de la varianza en los predictores.
-
149
Esta gráfica muestra la tabla de “Model Selection and Validation. La línea vertical indica
que le modelo óptimo tiene dos componentes. Se puede observar que la habilidad
predictiva de todos los modelos con más de cuatro componentes, se reduce
significativamente, incluyendo el de 17 componententes con sólo 18%.
PLS Model Selection Plot

(response is Aroma)
optimal
0.9 Variable
Fitted
0.8 Crossval
0.7
0.6
R-Sq
0.5
0.4
0.3
0.2
0.1
2 4 6 8 10 12 14 16
Components
Como los puntos muestran un patrón de línea recta, de abajo hacia arriba, la gráfica
de respuesta indica que el modelo ajusta los datos adecuadamente. A pesar de haber
diferencias entre las respuestas estimadas (fitted) y las de validación cruzada (cross-
validated indica que tan bien el modelo estima los datos, de modo que se puedan
omitir), ninguno es suficientemente severo para indicar puntos influyentes extremos.
PLS Response Plot

(response is Aroma)
2 components
8 Variable
Fitted
Crossval
7
Calculated Response
3
3 4 5 6 7 8
Actual Response
150
La gráfica de coeficientes muestra los coeficientes estandarizados para los

predictores. Se usa para interpretar la magnitud y signo de los coeficientes. Los
elementos Sr, B, Mg, Pb y Ca tienen los coeficientes más altos y el mayor impacto en
Aroma. Los elementos Mo, Cr, Pb, y B están positivamente realcionados con Aroma,
mientras que Cd, Ni, Cu, Al, BA y Sr están realcionados negativamente.
PLS Std Coefficient Plot

(response is Aroma)
2 components
0.3
0.2
Standardized Coefficients
0.1
0.0
-0.1
-0.2
-0.3
2 4 6 8 10 12 14 16
Predictors
La gráfica de carga compara la influencia relativa de los predictors en la respuesta. El

Cu y el Mn tienen líneas muy cortas, indicando que tienen carga baja en X y no se
realcionan con Aroma. Los elementos Sr, Mg, y Ba tienen líneas largas, indicando que
tienen una carga mayor y se están más relacionadas con Aroma.
PLS Loading Plot

0.6
Mo
0.5 Cr P Pb
B
0.4
Si
0.3
K Ca
Component 2
0.2 Mg
Na Ni
0.1 Cu
Cd
0.0 Mn
Ba
-0.1 Sr
-0.2
Al
-0.3
-0.5 -0.4 -0.3 -0.2 -0.1 0.0 0.1 0.2
Component 1
151
La gráfica de distancia y la gráfica de residuales versus influyentes, muestran los

puntos atípicos e influyentes. Brushing la gráfica de distancia, pueden observarse
comparados con el resto de datos. La observación 14 y 32 tienen una mayor
distancia en el eje Y y las observaciones de los renglones 7, 12, y 23 tienen una
mayor distancia en el eje X.
PLS Distance Plot

2 components
9
6
Distance From Y
0
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
Distance From X
La gráfica de residuos versus influyentes confirma estos hallazgos, indicando que:
- Las observaciones 14 y 32 son puntos atípicos, ya que salen de las líneas de

referencia horizontales.
- Las observaciones 7, 12 y 23 tienen valores influyentes extremos, dado que están
a la derecha de la línea vertical de referencia.
152
PLS Residual Versus Leverage

(response is Aroma)
2 components
0.108
2
-1
-2
0.0 0.2 0.4 0.6 0.8 1.0

Leverages
153
8. REGRESIÓN LOGÍSTICA BINARIA5

Tanto la regression logística como la regresión por mínimos cuadrados, investigan la
relación entre una variable de respuesta y uno o más predictores. Una diferencia
práctica entre ellas es que las técnicas de regresión logística se utilizan con
variabnles de respuesta categóricas, y las técnicas de regresión lineal son usadas
con variables de respuesta comtinuas.
Hay tres procedimientos de regresión logística que se pueden utilizar para evaluar
las relaciones entre uno o más vareiables predoctoras y una respuesta categórica de
los tipos siguientes:
Tipo de
Variable Número de
categorias Características Ejemplos
Binary 2 Dos niveles Éxito, falla
Si, No
Ordinal 3 o más Orden natural de niveles Nada, moderado, severo
Fino, medio, grueso
Nominal 3 o más Niveles sin orden natural Azul negro, rojo, amarillo
Soleado, lluvioso, nublado
Tanto los métodos de regression logísticos como los métodos de mínimos cuadrados,
estiman los parámetros en el modelo de manera que el ajuste es optimizado. El de
mínimos cuadrados minimiza la suma de cuadrados de los errores para estimar los
parámetros, mientras que la regresión logística obtiene la máxima verosimilitud de los
parámetros usando un algoritmo iterativo de mínimos cuadrados reponderados.
5
Hair., Joseph Jr., Et. Al., Multivariate Data Analysis, Prentice Hall Internacional, Nueva Jersey, 1984, pp. 279-
325
154
La regresión logística predice directamente la probabilidad de que un evento ocurra,

la respuesta tiene un rango entre cero y uno con una forma de S.
Su término de error es el de una variable discreta, que no sigue la distribución normal

sino la binomial; la varianza de una variable dicotómica no es contante, creando
situaciones de heteroestacidad.
Su relación única entre las variables independientes y dependiente requiere un

método diferente para estimar, evaluar bondad de ajuste e interpretar los
coeficientes.
P(y) = 1
P(y) = 0
Bajo Alto
Para la estimación de sus coeficientes dada su naturaleza no lineal, se utiliza el

método de máxima verosimilitud, buscando el mayor valor de verosimilitud (likelihood
value) de que un evento ocurra, en vez de la mínima suma de cuadrados como en la
regresión múltiple.
En el siguiente ejemplo se muestran ejemplos de cuando el modelo puede adecuado

y cuando no.
155
A. Relación con ajuste pobre

Hay valores de X que tienen respuesta Y de eventos y no eventos.
B. Relación con ajuste bien definido
Los valores de X sólo tienen una respuesta en Y de eventos o no eventos.
El nombre de regresión logística deriva de la transformación utilizada en su variable

dependiente. El procedimiento para calcular los coeficientes logísticos, comparan la
156
probabilidad de que un evento ocurra con la probabilidad de que no ocurra. Esta

razón de posibilidades se expresa como:
P(evento)
 e B 0  B1 X 1  B2 X 2  ....  Bn X n
P(no evento)
Los coeficientes estimados (B0, B1, … Bn) son medidas reales de las posibilidades
en la relación de probabilidades. Como se expresan en logaritmos, al final se deben
regresar con las funciones de antilogaritmo de modo que se pueda el efecto en las
probabilidades de manera más fácil.
Cuando los coeficientes son positivos, su transformación será mayor a uno, en la

razón de posibilidades se incrementa y viceversa en caso contrario.
La medición global de que tan bien ajusta el modelo, similar a la menor suma de
cuadrados en la regresión múltiple, se da por el valor de verosimilitud (que es
realmente menos 2 veces el logaritmo del valor de verosimilitud = -2LL). Un modelo
ideal tendrá una verosimilitud de 1 y un -2LL de cero. Para determinar un “pseudos
R2” de la regresión logística se puede calcular como:
 2 LLnull  (2 LLmod el )

it 
2
Rlog
 2 LLnull
Para probar la significancia de los coeficientes se usa el estadístico de Wald,

utilizado de manera similar a la regresión múltiple para probar significancia.
157
Ejemplo de Minitab
Un investigador está interesado en comprender el efecto de fumar y el peso en la

tasa de pulso en reposo. Dado que se ha categorizado la tasa de respuesta del puso
en baja y alta, el análisis de regresión logística es adecuado para comprender los
efectos de fumar y peso en la tasa de pulso.
DATOS MINITAB. Exh_Regr

Y X1 X2
Pulso en reposo Fuma Peso
Bajo No 140
Bajo No 145
Bajo Si 160
Bajo Si 190
Bajo No 155
Bajo No 165
Alto No 150
Bajo No 190
Bajo No 195
Bajo No 138
Alto Si 160
Bajo No 155
Alto Si 153
Bajo No 145
Bajo No 170
Bajo No 175
Bajo Si 175
Bajo Si 170
Bajo Si 180
Bajo No 135
Bajo No 170
Bajo No 157
Bajo No 130
Bajo Si 185
Alto No 140
Bajo No 120
Bajo Si 130
Alto No 138
Alto Si 121
Bajo No 125
Alto No 116
Bajo No 145
Alto Si 150
Bajo Si 112
Bajo No 125
158
Bajo No 190
Bajo No 155
Bajo Si 170
Bajo No 155
Bajo No 215
Bajo Si 150
Bajo Si 145
Bajo No 155
Bajo No 155
Bajo No 150
Bajo Si 155
Bajo No 150
Alto Si 180
Bajo No 160
Bajo No 135
Bajo No 160
Bajo Si 130
Bajo Si 155
Bajo Si 150
Bajo No 148
Alto No 155
Bajo No 150
Alto Si 140
Bajo No 180
Bajo Si 190
Alto No 145
Alto Si 150
Bajo Si 164
Bajo No 140
Bajo No 142
Alto No 136
Bajo No 123
Bajo No 155
Alto No 130
Bajo No 120
Bajo No 130
Alto Si 131
Bajo No 120
Bajo No 118
Bajo No 125
Alto Si 135
Bajo No 125
Alto No 118
Bajo No 122
Bajo No 115
Bajo No 102
Bajo No 115
Bajo No 150
159
Bajo No 110
Alto No 116
Bajo Si 108
Alto No 95
Alto Si 125
Bajo No 133
Bajo No 110
Alto No 150
Bajo No 108
Corrida en Minitab:
1 Abrir la hoja de trabajo EXH_REGR.MTW o tomar datos de esta tabla.
2 Seleccionar Stat > Regression > Binary Logistic Regression.
3 En Response, seleccionar RestingPulse. En Model, seleccionar Smokes

Weight. En Factors (optional), seleccionar Smokes.
4 Click Graphs. Seleccionar Delta chi-square vs probability y Delta chi-square

vs leverage. Click OK.
5 Click Results. Seleccionar In addition, list of factor level values, tests for
terms with more than 1 degree of freedom, and 2 additional goodness-of-fit
tests. Click OK en cada uno de las ventanas de diálogo.
Model: Especificar los términos a ser incluidos en el modelo.
Factors (optional): Especificar cuales de los predictores son factores, Minitab

asume que todas las variables en el modelo con covariados a menos que se
especifique cuales predictors son factores. Los predoctores continuos deben ser
modelados como covariados; y los predictores categóricos deben ser modelados
como factores.
Binary Logistic Regression: RestingPulse versus Smokes, Weight
Link Function: Logit
Información de la respuesta: - muestra el número de valores no considerados y el

número de observaciones que caen dentro de cada una de las dos categorías de
160
respuesta. El valor de la respuesta que se ha designado como el evento de referencia

es la primera entrada en Valor y se etiqueta como evento. En este caso, el evento de
referencia es tasa de pulso baja.
Response Information
Variable Value Count
Pulso en reposo Bajo 70 (Event)
Alto 22
Total 92
Información de los factores: muestra todos los factores del modelo, el número de
niveles para cada factor, y los valores de nivel de los factores. El nivel del factor que
se ha designado como nivel de referencia es la primera entrada en Values, el sujeto
no fuma.
Factor Information
Factor Levels Values
Fuma 2 No, Si
Tabla de regression logística – muestra los coeficientes estimados, error estándar

de los coeficientes, su valor Z y p. Cuando se usa la función de enlace logia, se
puede también obtener la tasa de posibilidades y un intervalo de confianza del 95%
para esta tasa.
 De la salida, se puede ver que los coeficientes estimados para ambos Fuma
(z=-2.16, p =0.031) y Peso (z= 2.04, p = 0.041), tienen valores p menores a
0.05 indicando que hay suficiente evidencia de que los coeficientes no sean
cero utilizando un alfa de 0.05.
 El coeficiente estimado de -1.193 para Fuma, representa el cambio en el
logaritmo de P(pulso bajo/P(pulso alto) cuando el sujeto fuma comparado a
cuando no lo hace, con el covariado peso mantenido constante.
 El coeficiente estimado de 0.025 para Peso representa el cambio en el
logaritmo de P(pulso bajo/P(pulso alto) con un incremento en peso de 1 libra,
con el factor Fuma mantenido constante.
161
 A pesar de que hay evidencia de que el coeficiente estimado para el peso no

es cero, la tasa de posibilidades es cercana a uno (1.03), indicando que un
incremento de una libra en peso afecta de forma mínima a la tasa de pulso en
reposo de la persona. Se puede observar una diferencia más significativa si se
comparan sujetos con una diferencia más grande en peso, (por ejemplo, si la
unidad de peso es de 10 libras, la tasa de posibilidades pasa a ser 1.28,
indicando que las posibilidades de un sujeto para que tenga un pulso bajo se
incrementan 1.28 veces con cada 10 libras de incremento en peso).
 Para Fuma, el coeficiente negativo de -1.193 y la tasa de posibilidades de
0.30, indica que quien fuma, tiende a tener una tasa de pulso más alta que los
sujetos que no fuman. Si los sujetos tienen el mismo peso, la tasa de
posibilidades se puede interpretar como las posibilidades de que los
fumadores en la muestra tengan un pulso bajo sea sólo del 30% de las
posibilidades de que los no fumadores tengan un pulso bajo.
Logistic Regression Table

Odds 95% CI
Predictor Coef SE Coef Z P Ratio Lower Upper
Constant -1.98717 1.67930 -1.18 0.237
Fuma
Si -1.19297 0.552980 -2.16 0.031 0.30 0.10 0.90
Peso 0.0250226 0.0122551 2.04 0.041 1.03 1.00 1.05
Se muestra el último valor de verosimilitud logarítmica de las iteraciones de

máxima verosimilitud, junto con el estadístico G. Este estadístico prueba la hipótesis
nula de que todos los coeficientes asociados con los predictores son iguales a cero
versus que sean diferentes de cero. En este caso, G = 7.54, con un valor P de 0.023,
indica que suficiente evidencia de uno de los coeficientes es diferente de cero, para
alfa de 0.05.
Log-Likelihood = -46.820
Test that all slopes are zero: G = 7.574, DF = 2, P-Value = 0.023
Las pruebas de bondad de ajuste muestran las pruebas de – Pearson,

desviación, y Hosmer-Lemeshow. Como se seleccionó el enlace a la función Logia y
las opciones en la ventana de resultados, además se muestran las pruebas de Brown
162
de alternativa general y simétrica. Las pruebas de bondad de ajuste, con valor p de

0.312 y 0.724, indican que no hay suficiente evidencia para afirmar que el modelo no
ajusta los datos adecuadamente, si los valores p fueran menores a alfa, el modelo no
ajustaría a los datos.
Goodness-of-Fit Tests
Method Chi-Square DF P
Pearson 40.8477 47 0.724
Deviance 51.2008 47 0.312
Hosmer-Lemeshow 4.7451 8 0.784
Brown:
General Alternative 0.9051 2 0.636
Symmetric Alternative 0.4627 1 0.496
La tabla de valores observados y frecuencias esperadas – permite ver que tan

bien el modelo ajusta los datos, al comparar las frecuencias observadas y esperadas.
Hay evidencia insuficiente de que el modelo no ajuste a los datos bien, ya que ambas
frecuencias son similares. Esto soporta las conclusiones hechas en las pruebas de
bondad de ajuste.
Table of Observed and Expected Frequencies:

(See Hosmer-Lemeshow Test for the Pearson Chi-Square Statistic)
Group
Value 1 2 3 4 5 6 7 8 9 10 Total
Bajo
Obs 4 6 6 8 8 6 8 12 10 2 70
Exp 4.4 6.4 6.3 6.6 6.9 7.2 8.3 12.9 9.1 1.9
Alto
Obs 5 4 3 1 1 3 2 3 0 0 22
Exp 4.6 3.6 2.7 2.4 2.1 1.8 1.7 2.1 0.9 0.1
Total 9 10 9 9 9 9 10 15 10 2 92
Medidas de asociación – muestran una tabla del número y porcentaje de pares de

datos concordantes, discordantes y apareados, así como las estadísticas de
correlaciones comunes de rangos. Estos valores miden la asociación entre las
respuestas observadas y las probabilidades estimadas.
 La tabla de pares de datos concordantes, discordantes y apareados se calcula

con valores de respuesta diferentes. En este caso, se tienen 70 individuos con
pulso bajo y 22 con pulso alto, resultando en 70*22 = 1540 pares con diferentes
valores de respuesta. Con base en el modelo, un par es concordante si el
163
individuo con pulso bajo tiene una probabilidad más alta de tener un pulso bajo;
es discordante si ocurre lo opuesto; y pareado si las probabilidades son iguales.
 En este ejemplo, el 67.9% es concordante y 29.9% son discordantes. Se

pueden usar estos valores como una medición comparativa de predicción, por
ejemplo al comparar valores estimados con diferentes conjuntos de predictores
o con diferentes funciones de enlace.
 Se presentan resúmenes pares concordantes y discordantes de Sommers,

Goodman-Krsukal Gamma y Kendall Tau-a. Estas medidas tienden a
encontrarse entre 0 y 1, donde los valores más grandes indican que le modelo
tien una mejor habilidad predictiva. En este ejemplo, el rango de medición de
0.14 a 0.39 implica una predictibilidad menor a la deseable.
Measures of Association:
(Between the Response Variable and Predicted Probabilities)
Pairs Number Percent Summary Measures
Concordant 1045 67.9 Somers' D 0.38
Discordant 461 29.9 Goodman-Kruskal Gamma 0.39
Ties 34 2.2 Kendall's Tau-a 0.14
Total 1540 100.0
Gráficas: - En el ejemplo, se seleccionaron dos gráficas para diagnóstico, Delta Chi

cuadrada de Pearson versus la probabilidad estimada del evento y Delta Pearson
versus los valores influyentes.
La Delta Chi cuadrada de Pearson para el j-ésimo patrón de factor/covariado es el

cambio en la Chi cuadrada de Pearson cuando se omiten todas las observaciones
con ese patrón de factor/covariado.
Las gráficas indican que dos observaciones no ajustan bien en el modelo (alto Delta
Chi cuadrado). Puede ser causado por un valor influeyente grande y/o un residuo alto
de Pearson, que fue el caso ya que los valores influyentes fueron menores 0.1.
164
Hosmer y Lemeshow indican que Delta Chi cuadrado o Delta Deviance mayores a
3.84 son grandes.
Delta Chi-Square versus Probability

6
4
Delta Chi-Square
0.4 0.5 0.6 0.7 0.8 0.9 1.0

Probability
Delta Chi-Square versus Leverage

6
4
Delta Chi-Square
0.00 0.02 0.04 0.06 0.08 0.10 0.12 0.14 0.16

Leverage
Si se seleccionar Editor > Brush, se marcan los puntos, y dando clic en ellos, se
identifican como valores de 31 y 66. Estos son individuos con un pulso en reposo
alto, queines no fuman, y quienes tienen menos peso que el promedio (peso
165
promedio = 116.136 libras). Se pueden hacer más investigaciones para ver por qué
el modelo no se ajustó a ellos.
166
Corrida con SPSS

Variables
Pulsorep String
Fuma String
peso Numeric
Instrucciones:
1. Analyze > Regresión > Binary Logistic
2. Seleccionar en Dependent – Pulsorep; Covariates – Fuma Peso
3. Con el botón Categorical – Fuma > Continue
4. Con boitón Options Seleccionar Calsification Plots, Hosmer Goodness of fit, CI for
Exp(B) > Continue
5. OK
Exportar el reporte a Word con:

Seleccionar el reporte Output1
File > Export > seleccionar All Visible Objects y dar el nombre de archivo
OK
Cargarlo en Word y hacer comentarios:
Logistic Regression
Case Processing Summary
Unweighted Cases(a) N Percent
Included in Analysis 92 100.0
Selected Cases Missing Cases 0 .0
Total 92 100.0
Unselected Cases 0 .0
Total 92 100.0
a If weight is in effect, see classification table for the total number of cases.
167
Dependent Variable Encoding

Original Value Internal Value
Bajo 0
Alto 1
Categorical Variables Codings
Parameter coding
Frequency
(1)
No 64 1.000
FUMA
Si 28 .000
Block 0: Beginning Block

Classification Table(a,b)
Predicted
PULSOREP
Alto Percentage Correct

Observed Bajo
Bajo 70 0 100.0
PULSOREP
Step 0 Alto 22 0 .0
Overall Percentage 76.1
a Constant is included in the model.
b The cut value is .500
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 0 Constant -1.157 .244 22.425 1 .000 .314
Variables not in the Equation
Score df Sig.
FUMA(1) 3.081 1 .079

Step 0 Variables
PESO 2.721 1 .099
168
Overall Statistics 7.249 2 .027
Block 1: Method = Enter

Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 7.574 2 .023
Step 1 Block 7.574 2 .023
Model 7.574 2 .023
Model Summary
Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square
1 93.640 .079 .118
Hosmer and Lemeshow Test

Step Chi-square df Sig.
1 7.561 8 .477
Contingency Table for Hosmer and Lemeshow Test
PULSOREP = Bajo PULSOREP = Alto
Expected Total
Observed Expected Observed
1 9 8.345 0 .655 9
2 10 9.591 1 1.409 11
3 8 9.322 3 1.678 11
4 7 7.379 2 1.621 9
5 6 7.119 3 1.881 9
Step 1
6 9 6.782 0 2.218 9
7 7 7.213 3 2.787 10
8 6 5.419 2 2.581 8
9 4 5.532 5 3.468 9
10 4 3.299 3 3.701 7
Classification Table(a)
169
Predicted
PULSOREP
Alto Percentage Correct

Observed Bajo
Bajo 68 2 97.1
PULSOREP
Step 1 Alto 20 2 9.1
a The cut value is .500
Variables in the Equation
95.0% C.I.for EXP(B)

B S.E. Wald df Sig. Exp(B)
Lower Upper
FUMA(1) -1.193 .553 4.654 1 .031 .303 .103 .897
Step 1(a) PESO -.025 .012 4.169 1 .041 .975 .952 .999
Constant 3.180 1.871 2.888 1 .089 24.050
a Variable(s) entered on step 1: FUMA, PESO.
Step number: 1
Observed Groups and Predicted Probabilities
16 ô ô
ó ó
ó ó
F ó ó
R 12 ô ô
E ó A ó
Q ó B ó
U ó B ó
E 8 ô B ô
N ó B B ó
C ó BA AA B ó
Y ó BAABA B A B A ó
4 ô BBBBB ABB A B A ô
ó B B BBBBBABBB B B B A ó
ó B B BBBBBBBBBABAB B B ó
ó B BBBBBBBBBBBBBBBBBAB BAA AB A A B B ó
Predicted òòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòò
Prob: 0 .25 .5 .75 1
Group: BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA
Predicted Probability is of Membership for Alto
The Cut Value is .50
Symbols: B - Bajo
A - Alto
Each Symbol Represents 1 Case.
170
Ejemplo con HATCO
Tomando la base de datos de HATCO donde:

X1 - Rapidez de entregas
X2 - Nivel de precios percibido
X3 - Flexibilidad en precios (para negociar)
X4 - Imagen de manufactura
X5 - Service global necesario para mantener satifacción del cliente
X6 - Imagen de la fuerza de ventas
X7 - Calidad del producto pericbida por los clientes
X8 - Tamaño de la mepresa: 1 = grande; 0 = pequeña.
X9 - Nivel de utilización, porcentaje de productos adquiridos de Hatco
X10 - Nivel de satisfacción del cliente, en las mismas unidades que las percepciones X1 a X7
X11 - Uso de especificaciones: 1 - Valor; 0-con especificaciones.
X12 - Estrutura del abastecimiento: 1-Centralizado; 0-Descentralizado
X13 - Tipo de industria: 1 - industria A; 0 - otras industrias.
X14 - Tipo de situación de compra para el cliente: 1-Nueva tarea; 2-Compra modificada; 3-
Compra normal
n X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14

1 4.1 0.6 6.9 4.7 2.4 2.3 5.2 0 32 4.2 1 0 1 1
2 1.8 3 6.3 6.6 2.5 4 8.4 1 43 4.3 0 1 0 1
3 3.4 5.2 5.7 6 4.3 2.7 8.2 1 48 5.2 0 1 1 2
4 2.7 1 7.1 5.9 1.8 2.3 7.8 1 32 3.9 0 1 1 1
5 6 0.9 9.6 7.8 3.4 4.6 4.5 0 58 6.8 1 0 1 3
6 1.9 3.3 7.9 4.8 2.6 1.9 9.7 1 45 4.4 0 1 1 2
7 4.6 2.4 9.5 6.6 3.5 4.5 7.6 0 46 5.8 1 0 1 1
8 1.3 4.2 6.2 5.1 2.8 2.2 6.9 1 44 4.3 0 1 0 2
9 5.5 1.6 9.4 4.7 3.5 3 7.6 0 63 5.4 1 0 1 3
10 4 3.5 6.5 6 3.7 3.2 8.7 1 54 5.4 0 1 0 2
11 2.4 1.6 8.8 4.8 2 2.8 5.8 0 32 4.3 1 0 0 1
12 3.9 2.2 9.1 4.6 3 2.5 8.3 0 47 5 1 0 1 2
13 2.8 1.4 8.1 3.8 2.1 1.4 6.6 1 39 4.4 0 1 0 1
14 3.7 1.5 8.6 5.7 2.7 3.7 6.7 0 38 5 1 0 1 1
15 4.7 1.3 9.9 6.7 3 2.6 6.8 0 54 5.9 1 0 0 3
16 3.4 2 9.7 4.7 2.7 1.7 4.8 0 49 4.7 1 0 0 3
17 3.2 4.1 5.7 5.1 3.6 2.9 6.2 0 38 4.4 1 1 1 2
18 4.9 1.8 7.7 4.3 3.4 1.5 5.9 0 40 5.6 1 0 0 2
19 5.3 1.4 9.7 6.1 3.3 3.9 6.8 0 54 5.9 1 0 1 3
20 4.7 1.3 9.9 6.7 3 2.6 6.8 0 55 6 1 0 0 3
21 3.3 0.9 8.6 4 2.1 1.8 6.3 0 41 4.5 1 0 0 2
22 3.4 0.4 8.3 2.5 1.2 1.7 5.2 0 35 3.3 1 0 0 1
23 3 4 9.1 7.1 3.5 3.4 8.4 0 55 5.2 1 1 0 3
24 2.4 1.5 6.7 4.8 1.9 2.5 7.2 1 36 3.7 0 1 0 1
25 5.1 1.4 8.7 4.8 3.3 2.6 3.8 0 49 4.9 1 0 0 2
26 4.6 2.1 7.9 5.8 3.4 2.8 4.7 0 49 5.9 1 0 1 3
171
27 2.4 1.5 6.6 4.8 1.9 2.5 7.2 1 36 3.7 0 1 0 1

28 5.2 1.3 9.7 6.1 3.2 3.9 6.7 0 54 5.8 1 0 1 3
29 3.5 2.8 9.9 3.5 3.1 1.7 5.4 0 49 5.4 1 0 1 3
30 4.1 3.7 5.9 5.5 3.9 3 8.4 1 46 5.1 0 1 0 2
31 3 3.2 6 5.3 3.1 3 8 1 43 3.3 0 1 0 1
32 2.8 3.8 8.9 6.9 3.3 3.2 8.2 0 53 5 1 1 0 3
33 5.2 2 9.3 5.9 3.7 2.4 4.6 0 60 6.1 1 0 0 3
34 3.4 3.7 6.4 5.7 3.5 3.4 8.4 1 47.3 3.8 0 1 0 1
35 2.4 1 7.7 3.4 1.7 1.1 6.2 1 35 4.1 0 1 0 1
36 1.8 3.3 7.5 4.5 2.5 2.4 7.6 1 39 3.6 0 1 1 1
37 3.6 4 5.8 5.8 3.7 2.5 9.3 1 44 4.8 0 1 1 2
38 4 0.9 9.1 5.4 2.4 2.6 7.3 0 46 5.1 1 0 1 3
39 0 2.1 6.9 5.4 1.1 2.6 8.9 1 29 3.9 0 1 1 1
40 2.4 2 6.4 4.5 2.1 2.2 8.8 1 28 3.3 0 1 1 1
41 1.9 3.4 7.6 4.6 2.6 2.5 7.7 1 40 3.7 0 1 1 1
42 5.9 0.9 9.6 7.8 3.4 4.6 4.5 0 58 6.7 1 0 1 3
43 4.9 2.3 9.3 4.5 3.6 1.3 6.2 0 53 5.9 1 0 0 3
44 5 1.3 8.6 4.7 3.1 2.5 3.7 0 48 4.8 1 0 0 2
45 2 2.6 6.5 3.7 2.4 1.7 8.5 1 38 3.2 0 1 1 1
46 5 2.5 9.4 4.6 3.7 1.4 6.3 0 54 6 1 0 0 3
47 3.1 1.9 10 4.5 2.6 3.2 3.8 0 55 4.9 1 0 1 3
48 3.4 3.9 5.6 5.6 3.6 2.3 9.1 1 43 4.7 0 1 1 2
49 5.8 0.2 8.8 4.5 3 2.4 6.7 0 57 4.9 1 0 1 3
50 5.4 2.1 8 3 3.8 1.4 5.2 0 53 3.8 1 0 1 3
51 3.7 0.7 8.2 6 2.1 2.5 5.2 0 41 5 1 0 0 2
52 2.6 4.8 8.2 5 3.6 2.5 9 1 53 5.2 0 1 1 2
53 4.5 4.1 6.3 5.9 4.3 3.4 8.8 1 50 5.5 0 1 0 2
54 2.8 2.4 6.7 4.9 2.5 2.6 9.2 1 32 3.7 0 1 1 1
55 3.8 0.8 6.7 2.9 1.6 2.1 5.6 0 39 3.7 1 0 0 1
56 2.9 2.6 7.7 7 2.8 3.6 7.7 0 47 4.2 1 1 1 2
57 4.9 4.4 7.4 6.9 4.6 4 9.6 1 62 6.2 0 1 0 2
58 5.4 2.5 9.6 5.5 4 3 7.7 0 65 6 1 0 0 3
59 4.3 1.8 7.6 5.4 3.1 2.5 4.4 0 46 5.6 1 0 1 3
60 2.3 4.5 8 4.7 3.3 2.2 8.7 1 50 5 0 1 1 2
61 3.1 1.9 9.9 4.5 2.6 3.1 3.8 0 54 4.8 1 0 1 3
62 5.1 1.9 9.2 5.8 3.6 2.3 4.5 0 60 6.1 1 0 0 3
63 4.1 1.1 9.3 5.5 2.5 2.7 7.4 0 47 5.3 1 0 1 3
64 3 3.8 5.5 4.9 3.4 2.6 6 0 36 4.2 1 1 1 2
65 1.1 2 7.2 4.7 1.6 3.2 10 1 40 3.4 0 1 1 1
66 3.7 1.4 9 4.5 2.6 2.3 6.8 0 45 4.9 1 0 0 2
67 4.2 2.5 9.2 6.2 3.3 3.9 7.3 0 59 6 1 0 0 3
68 1.6 4.5 6.4 5.3 3 2.5 7.1 1 46 4.5 0 1 0 2
69 5.3 1.7 8.5 3.7 3.5 1.9 4.8 0 58 4.3 1 0 0 3
70 2.3 3.7 8.3 5.2 3 2.3 9.1 1 49 4.8 0 1 1 2
71 3.6 5.4 5.9 6.2 4.5 2.9 8.4 1 50 5.4 0 1 1 2
72 5.6 2.2 8.2 3.1 4 1.6 5.3 0 55 3.9 1 0 1 3
73 3.6 2.2 9.9 4.8 2.9 1.9 4.9 0 51 4.9 1 0 0 3
74 5.2 1.3 9.1 4.5 3.3 2.7 7.3 0 60 5.1 1 0 1 3
172
75 3 2 6.6 6.6 2.4 2.7 8.2 1 41 4.1 0 1 0 1

76 4.2 2.4 9.4 4.9 3.2 2.7 8.5 0 49 5.2 1 0 1 2
77 3.8 0.8 8.3 6.1 2.2 2.6 5.3 0 42 5.1 1 0 0 2
78 3.3 2.6 9.7 3.3 2.9 1.5 5.2 0 47 5.1 1 0 1 3
79 1 1.9 9.1 4.5 1.5 3.1 9.9 1 39 3.3 0 1 1 1
80 4.5 1.6 8.7 4.6 3.1 2.1 6.8 0 56 5.1 1 0 0 3
81 5.5 1.8 8.7 3.8 3.6 2.1 4.9 0 59 4.5 1 0 0 3
82 3.4 4.6 5.5 8.2 4 4.4 6.3 0 47.3 5.6 1 1 1 2
83 1.6 2.8 6.1 6.4 2.3 3.8 8.2 1 41 4.1 0 1 0 1
84 2.3 3.7 7.6 5 3 2.5 7.4 0 37 4.4 1 1 0 1
85 2.6 3 8.5 6 2.8 2.8 6.8 1 53 5.6 0 1 0 2
86 2.5 3.1 7 4.2 2.8 2.2 9 1 43 3.7 0 1 1 1
87 2.4 2.9 8.4 5.9 2.7 2.7 6.7 1 51 5.5 0 1 0 2
88 2.1 3.5 7.4 4.8 2.8 2.3 7.2 0 36 4.3 1 1 0 1
89 2.9 1.2 7.3 6.1 2 2.5 8 1 34 4 0 1 1 1
90 4.3 2.5 9.3 6.3 3.4 4 7.4 0 60 6.1 1 0 0 3
91 3 2.8 7.8 7.1 3 3.8 7.9 0 49 4.4 1 1 1 2
92 4.8 1.7 7.6 4.2 3.3 1.4 5.8 0 39 5.5 1 0 0 2
93 3.1 4.2 5.1 7.8 3.6 4 5.9 0 43 5.2 1 1 1 2
94 1.9 2.7 5 4.9 2.2 2.5 8.2 1 36 3.6 0 1 0 1
95 4 0.5 6.7 4.5 2.2 2.1 5 0 31 4 1 0 1 1
96 0.6 1.6 6.4 5 0.7 2.1 8.4 1 25 3.4 0 1 1 1
97 6.1 0.5 9.2 4.8 3.3 2.8 7.1 0 60 5.2 1 0 1 3
98 2 2.8 5.2 5 2.4 2.7 8.4 1 38 3.7 0 1 0 1
99 3.1 2.2 6.7 6.8 2.6 2.9 8.4 1 42 4.3 0 1 0 1
100 2.5 1.8 9 5 2.2 3 6 0 33 4.4 1 0 0 1
Paso 1. Obtener el comportamiento del modelo por cada variable X1 a X7:
La variable dependiente es X11:
Corrida en Minitab:
1 Abrir la hoja de trabajo HATCO.MTW o tomar datos de esta tabla.
2 Seleccionar Stat > Regression > Binary Logistic Regression.
3 En Response, seleccionar X11 En Model, seleccionar X1-X7
4 Click Graphs. Seleccionar Delta chi-square vs probability y Delta chi-square

vs leverage. Click OK.
5 Click Results. Seleccionar In addition, list of factor level values, tests for
terms with more than 1 degree of freedom, and 2 additional goodness-of-fit
tests. Click OK en cada uno de las ventanas de diálogo.
173
Model: Especificar los términos a ser incluidos en el modelo.
Los resultados de la corrida son los siguientes:
Binary Logistic Regression: X11 versus X1, X2, X3, X4, X5, X6, X7


X11 1 60 (Event)
0 40
Total 100

95% CI
Predictor Coef SE Coef Z P Odds Ratio Lower Upper
Constant -1.37522 5.27926 -0.26 0.794
X1 0.0759455 4.00067 0.02 0.985 1.08 0.00 2744.24
X2 -0.349077 4.00277 -0.09 0.931 0.71 0.00 1801.48
X3 2.21451 0.869462 2.55 0.011 9.16 1.67 50.33
X4 -2.04458 1.75315 -1.17 0.244 0.13 0.00 4.02
X5 2.63834 8.25052 0.32 0.749 13.99 0.00 1.47505E+08
X6 5.10396 2.97675 1.71 0.086 164.67 0.48 56297.08
X7 -3.39040 1.09301 -3.10 0.002 0.03 0.00 0.29
Pearson 41.5472 91 1.000
Deviance 24.9571 91 1.000
Hosmer-Lemeshow 2.0928 8 0.978
Brown:
General Alternative 2.5040 2 0.286
Symmetric Alternative 0.0018 1 0.966
Table of Observed and Expected Frequencies:

(See Hosmer-Lemeshow Test for the Pearson Chi-Square Statistic)
Group
Value 1 2 3 4 5 6 7 8 9 10 Total
1
Obs 0 0 0 2 9 9 10 10 10 10 60
Exp 0.0 0.0 0.3 2.1 8.0 9.6 9.9 10.0 10.0 10.0
0
Obs 10 10 10 8 1 1 0 0 0 0 40
Exp 10.0 10.0 9.7 7.9 2.0 0.4 0.1 0.0 0.0 0.0
Total 10 10 10 10 10 10 10 10 10 10 100
174

Total 2400 100.0
Delta Chi-Square versus Probability
20
15
Delta Chi-Square
10
0.0 0.2 0.4 0.6 0.8 1.0

Probability
Delta Chi-Square versus Leverage
20
15
Delta Chi-Square
10
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7

Leverage
175
Corrida en SPSS de Hatco

Logistic Regression
Case Processing Summary

a
Unweighted Cases N Percent
Selected Cases Included in Analysis 100 100.0
Missing Cases 0 .0
Total 100 100.0
Unselected Cases 0 .0
Total 100 100.0
a. If weight is in effect, see classification table for the total
number of cases.
De pendent Varia ble Encoding
Original Value Int ernal Value

.00 0
1.00 1
Block 0: Beginning Block
Iteration Historya,b,c
Coefficien
-2 Log ts
Iteration likelihood Constant
Step 1 134.603 .400
0 2 134.602 .405
a. Constant is included in the model.
b. Initial -2 Log Likelihood: 134.602
c. Es timation terminated at iteration number 2 because
log-likelihood decreased by less than .010 percent.
Classification Tablea,b
Predicted
X11 Percentage
Observed .00 1.00 Correct
Step 0 X11 .00 0 40 .0
1.00 0 60 100.0
a. Constant is included in the model.
b. The cut value is .500
176
Va riables in the Equation
B S. E. W ald df Sig. Ex p(B)

St ep 0 Constant .405 .204 3.946 1 .047 1.500
Variables not in the Equation
Score df Sig.
Step Variables X1 39.773 1 .000
0 X2 18.312 1 .000
X3 37.681 1 .000
X4 .142 1 .706
X5 4.821 1 .028
X6 .181 1 .670
X7 46.796 1 .000
Overall Statistics 66.959 7 .000
Block 1: Method = Enter
Iteration Historya,b,c,d
-2 Log Coefficients
Iteration likelihood Constant X1 X2 X3 X4 X5 X6 X7
Step 1 59.008 -1.327 .842 .489 .453 -.048 -.913 .347 -.570
1 2 38.779 -1.776 1.318 .850 .747 -.077 -1.409 .909 -1.126
3 29.850 -2.073 1.594 1.054 1.109 -.251 -1.481 1.659 -1.757
4 26.324 -1.986 1.518 .950 1.502 -.683 -.851 2.695 -2.403
5 25.175 -1.600 .871 .356 1.887 -1.383 .811 3.969 -2.965
6 24.965 -1.397 .216 -.226 2.149 -1.919 2.313 4.882 -3.307
7 24.957 -1.375 .081 -.345 2.212 -2.040 2.627 5.096 -3.387
8 24.957 -1.375 .076 -.349 2.215 -2.045 2.638 5.104 -3.390
a. Method: Enter
b. Constant is included in the model.
c. Initial -2 Log Likelihood: 134.602
d. Es timation terminated at iteration number 8 because log-likelihood decreased by less than .010 percent.
Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step 109.645 7 .000
Block 109.645 7 .000
Model 109.645 7 .000
177
Model Summary
-2 Log Cox & Snell Nagelkerke

Step likelihood R Square R Square
1 24.957 .666 .900
Hosme r and Leme show Test
St ep Chi-square df Sig.
1 2.093 8 .978
Contingency Table for Hosmer and Lemeshow Test
X11 = .00 X11 = 1.00

Observed Expected Observed Expected Total
Step 1 10 10.000 0 .000 10
1 2 10 9.969 0 .031 10
3 10 9.727 0 .273 10
4 8 7.909 2 2.091 10
5 1 1.965 9 8.035 10
6 1 .368 9 9.632 10
7 0 .059 10 9.941 10
8 0 .002 10 9.998 10
9 0 .000 10 10.000 10
10 0 .000 10 10.000 10
Classification Tablea
Predicted
X11 Percentage
Observed .00 1.00 Correct
Step 1 X11 .00 38 2 95.0
1.00 2 58 96.7
a. The cut value is .500
Va riables in the Equation
95.0% C.I. for EXP(B)

B S. E. W ald df Sig. Ex p(B) Lower Upper
Sta ep X1 .076 4.001 .000 1 .985 1.079 .000 2743.863
1 X2 -.349 4.003 .008 1 .931 .705 .000 1801.224
X3 2.215 .869 6.487 1 .011 9.157 1.666 50.331
X4 -2. 045 1.753 1.360 1 .244 .129 .004 4.021
X5 2.638 8.251 .102 1 .749 13.990 .000 1.5E+ 08
X6 5.104 2.977 2.940 1 .086 164.671 .482 56290.184
X7 -3. 390 1.093 9.622 1 .002 .034 .004 .287
Constant -1. 375 5.279 .068 1 .794 .253
a. Variable(s ) ent ered on step 1: X1, X2, X3, X4, X5, X6, X7.
178
Correlation Matrix
Constant X1 X2 X3 X4 X5 X6 X7
Step Constant 1.000 -.173 -.181 -.300 -.189 .146 .166 -.252
1 X1 -.173 1.000 .978 -.285 .516 -.987 -.426 .235
X2 -.181 .978 1.000 -.192 .454 -.980 -.372 .162
X3 -.300 -.285 -.192 1.000 -.701 .309 .717 -.746
X4 -.189 .516 .454 -.701 1.000 -.530 -.938 .631
X5 .146 -.987 -.980 .309 -.530 1.000 .430 -.279
X6 .166 -.426 -.372 .717 -.938 .430 1.000 -.716
X7 -.252 .235 .162 -.746 .631 -.279 -.716 1.000
Step number: 1
Observed Groups and Predicted Probabilities
80  
 
 
F  
R 60  
E  
Q  
U  
E 40  1
N  1
C  1
Y 0 1
20 0 1
0 1
0 1
000 11 1
Predicted


Prob: 0 .25 .5 .75 1
Group: 000000000000000000000000000000111111111111111111111111111111
Predicted Probability is of Membership for 1.00

The Cut Value is .50
Symbols: 0 - .00
1 - 1.00
Each Symbol Represents 5 Cases.
Ca sew ise Listb
Select ed Observed Predic ted Temporary Variable

a
Case St atus X11 Predic ted Group Resid ZResid
85 S 0** .950 1 -.950 -4. 381
87 S 0** .926 1 -.926 -3. 529
a. S = Selec ted, U = Uns elec ted cas es, and ** = Mis clas sified cases .
b. Cases with studentized res iduals greater t han 2.000 are lis ted.
179
Ejemplo del Titanic
En 1912, se hunde el Titanic, de los 2,228 pasajeros y tripulación, sólo sobrevivieron

705. Se reunió información de 1,309 pasajeros observando si sobrevivieron en función
de su edad, género, tipo de boleto y número de miembros de la familia que los
acompañaban.
Se investigó para tratar de determinar si había algunas variables explicativas de la

supervivencia.
Fig. 1 Características de 21 pasajeros6
Este problema puede ser abordado con la Regresión Logística, donde la respuesta es
binaria (0,1) y no sigue una distribución normal con varianza constante.
En el modelo general:
6
Landau Sabine y Everitt Brian, Statistical Analysis USing SPSS, Chapman & Hall/ CRC, Chicago, EEUU.,
2004
180
El valor esperado es la probabilidad de que la variable tome el valor de uno (1 =

supervivencia). Para poder utilizar un modelo más general se hace una transformación
logística (por ejemplo ln(p/(1-p)), lo que nos lleva al modelo de regresión logística:
Los parámetros en la regresión logística se estiman por el método de máxima

verosimilitud, en términos de p, el modelo de regresión se puede escribir como:
En el ejemplo, “1” equivale a sobrevivió y “0” a no sobrevivió, y las cinco características

de los pasajeros son:
 Pclass es la clase “1” es primera, “2” es segunda y “3” es tercera.

 Age es la edad del pasajero.
 Sex es “1” para mujeres y “1” para hombres.
 Parch, número de familiares directos padres e hijos.
 Sibsp, número de hermanos o esposa.
Las tablas de contingencia para las diferentes variables son las siguientes (comando
Crosstabs…):
181
Las proporciones de supervivencia decrecen para boletos en primera clase.
Las proporciones de supervivencia son mayores en las mujeres que en los hombres.
182
Las proporciones de supervivencia son mayores para pasajeros con un hermano o

esposa o tres familiares directos (padres / hijos) con ellos.
Para examinar la asociación entre la edad y la supervivencia, se puede observar una

gráfica de dispersión de dos variables, con la opción de Lowess curve. La cuál
proporciona una representación informal del cambio en la proporción de “1” con la
edad.
___________________________________________________________________.
Por ejemplo al examinar las edades de las parejas que contraen matrimonio se observa que hay cierta
concentración en los jóvenes, como sigue:
183
La curva Lowess (locally weighted regresión fit) permite revelar la relación entre las dos edades en vez
de asumir que es lineal
________________________________________________________________.
184
Para el caso que se está tratando de encontrar la relación entre edad y supervivencia
se tiene:
A pesar de que las tablas de contingencia y gráficas de dispersión son útiles para los
análisis iniciales, no describen las posibles confusiones o interacciones entre las
variables consideradas.
Haciendo un análisis de tablas de contingencia adicionales con las variables se

encuentra que:
 Los hombres tienden a tener un boleto de tercera clase que las mujeres.
 Los hombres llevan menos hermanos que las mujeres.
 La mediana de edad es decreciente con la clase baja de pasajeros.
 El número de hermanos o esposa decrece con la edad.
 El número de familiares directos se incrementa con la edad.
Para clarificar la presentación de los datos, se puede hacer una clasificación múltiple
de supervivencia de pasajeros dentro de estratos definidos por variables explicativas.
185
Para lo cual se categorizar las variables edad, parch y sibsp, formando nuevas
variables:
 Age_cat para categorizar a los pasajeros en niños (<21 años) y adultos (>21
años).
 Marital, para categorizar en cuatro estados civiles (1-Sin hermanos o esposa;
2-Con hermanos o esposa pero sin niños; 3- Sin hermanos o esposa pero con
niños; 4- Con hermanos o esposa y además con niños). Para generar estas
variables se pueden utilizar los comandos de SPSS Recode, Compute e If
Cases. También se usa el comando Crosstabs para generar la tabla de cinco
vías y Layer para indicar que forme celdas para cada combinación de las
variables.
186
187
Las conclusiones del estudio indican que para los pasajeros sin hermanos o
esposa o sin niños, a los cuales pertenecía el 60% de los pasajeros se observa
que:
 Las mujeres con boleto de primera clase tenían una probabilidad mayor de
supervivencia.
 Los hombres con boleto de tercera clase tenían menos probabilidad de
sobrevivir.
 Los niños tuvieron mayor probabilidad de sobrevivir que los adultos.
Ahora se procederá a investigar las asociaciones entre la supervivencia y los cinco

predictores potenciales utilizando la regresión logística con el comando:
Analyze – Regression – Binary Logistic

Se inicia incluyendo una variable a la vez para observar su efecto no ajustado, en este
caso Pclass.
 La variable binaria se declara en la ventana de Dependent, y la variable

explicatorio en la vantana Covariates.
 Por omisión SPSS asume que las variables explicativas se miden en una
escala de intervalo. Para informar a SPSS que la variable pclass es
categórica, se le indica con el botón Categorical y se incluye en la ventana
Categorical Covariates. Esto hará que se generen las variables artificiales
188
apropiadas, por omisión se generan k-1 variables indicadoras para k

categorías, donde el código de la categoría más alta representa la categoría
de referencia, también puede cambiarse esto.
 Con el botón Options seleccionar CI for exp(B) en la ventana de diálogo,

para incluir intervalos de confianza para las razones de indicadores en los
resultados.
Los resultados de la codificación de la categoría de clase de boleto se muestran a

continuación:
Se observa que la codificación de la variable artificial, para la variable categórica

predoctora única, es (1) para primera clase, (2) para segunda clase y la tercera clase
representa la categoría de referencia.
SPSS inicia con ajustar un null model vgr. Un modelo que contiene sólo un
parámetro de intersección (ver Block 0: beginning block).
189
La primera parte de esta tabla es una “tabla de clasificación” para el modelo nulo, que
compara las predicciones de supervivencia realizadas con base en el modelo ajustado
con el estatus verdadero de supervivencia. Se pronostica a los pasajeros en la
categoría de supervivencia si sus probabilidades son superiores a 0.05 (la cuál puede
cambiarse en el diálogo Options), de manera que la proporción de no supervivencia
de 0.382 está por debajo del límite de 0.5 y así el modelo calsifica a los no
sobrevivientes con una exactitud del 61.8%.
A continuación la tabla de “Variables en la ecuación” proporciona la prueba de Wald

para la hipótesis nula de intersección cero (o un número igual de las proporciones de
supervivientes y no supervivientes). También muestra las pruebas para las variables
aún no incluidas en el modelo, aquí pclass. Es claro que la supervivencia está
190
relacionada significativamente con la clase del boleto del pasajero (Chi cuadrada =
127.9, p < 0.001), también se incluyen comparaciones entre las clases de pasajeros
con la categoría de referencia (tercera clase).
191
Los resultados anteriores muestran la “Tabla de clasificación” donde se indica que

Pclass incrementa el porcentaje de clasificación correcta a 67.7%.
La tabla “Ominibus Test of Model” muestra la razón de verosimilitud (LR) o sea es una
prueba para evaluar los efectos de Pclass, de nuevo se detecta un efecto significativo
con Chi cuadrada = 127.8 y p < 0.001.
Finalmente la tabla de “Variables en la ecuación” proporciona las pruebas de Wald

para todas las variables incluidas en el modelo. Consistente con las pruebas LR, el
efecto de Pclass es significativo (Chi cuadrada de 120.5 con p <0.001). Los parámetros
estimados, son proporcionados en la columna “B” y su error estándar en “SE”. Como
los efectos son difíciles de interpretar, se proporcionar en términos logarítmicos en la
columna “Exp(B)”. Comparando cada clase con la tercera, se estima que las
probabilidades de supervivencia fueron 4.7 veces más altas para pasajeros de primera
clase (CI de 3.6 a 6.3) y 2.2 veces más altas que para la segunda clase (1.6 a 2.9).
Claramente, las probabilidades de supervivencia son mayores en las dos clases
superiores.
Los resultados de las otras variables categóricas explicativas consideradas

individualmente se muestran a continuación, las variables sibsp y parch se
recodificaron previamente en sibsp1 y parch1 dado que la supervivencia de pasajeros
acompañados por muchos familiares o niños fue cero, se agruparon en una sola
categoría.
Se muestra que la probabilidad de supervivencia entre pasajeros es 8.4 veces mayor

para las mujeres que para los hombres.
192
Las edades se centran en 30 años, se determinan los términos lineales, cuadráticos

y cúbicos y se dividen por sus desviaciones estándar para mejor comparación.
193
Se observa que los términos combinados de Age tienen un efecto significativo en la

supervivencia (Chi cuadrada (3) = 16.2, p = 0.001). Las pruebas de Wald indican que
el modelo cuadrático y cúbico contribuyen significativamente a explicar la variabilidad
en las probabilidades de supervivencia y el modelo logarítmico lineal no es suficiente.
Habiendo analizado que todos los predoctores potenciales tienen asociación con la
supervivencia cuando se consideran de manera singular, el siguiente paso es estimar
sus efectos simultáneamente. De esta manera, se puede estimar el efecto para cada
uno, ajustado por el remanente. El modelo de regresión logística incluye en su
ventana de Covariates, las cuatro variables categóricas y los tres términos de edad
(con el botón Categorical). Los resultados se muestran a continuación:
194
Se puede notar que de la tabla “Case Processing Summary”, los casos incluidos en
el análisis se reduce a 1046 dado que falta información en la variable de edad para
263 pasajeros.
La tabla “Ómnibus..” proporciona el efecto de todas las variables explicativas

simultáneamente, la guía de la significancia son las pruebas de Wald. En esta corrida
se observa que la variable Patch1 no contribuye a la explicación de las
probabilidades de supervivencia, una vez que se introducen las otras variables, de
manera que se excluye del modelo y se hace una nueva corrida, donde ahora el
tercer término de la edad no es necesario.
195
El modelo final de efectos principales contiene términos de edad, clase del boleto,
género, y número de hermanos/esposas, cada contribuye significativamente a un
nivel del 5% después de ajustar los otros términos del modelo.
Ahora se prueban los términos de interacción de dos vías, una por una, por medio de
la opción de bloqueo para agregar los términos de interacción de interés, a los
efectos principales significativos identificados previamente. Por ejemplo para Age y
Sex:
Un término de interacción se puede definir en la ventana de Logistic Regresión,

seleccionando las variables involucradas y el botón >a*b> para crear términos de
interacción.
Los resultados se indica como sigue:
196
El primer término permite que el efecto del término lineal de Age varie con Sex, la
segunda hace lo mismo con el término cuadrático y Age.
Se procede a analizar las otras interacciones.
De la tabla siguiente se observa que se deben incluir en el modelo las interacciones

entre: género y clase de boleto; género y edad; clase de boleto y número de
hermanos/esposa; y edad y número de hermanos/esposa. Si se considera el 10%
también se debe incluir este último término.
197
198
Como un medio alterno para interpretar el modelo logístico de ajuste, se obtienen

gráficas de las probabilidades logarítmicas de la supervivencia, dado que el modelo
asume efectos aditivos de las variables explicativas en esta escala.
Las instrucciones son las siguientes:
 Guardar las probabilidades de supervivencia como una nueva variable

pre_1, en la vista de Datos, seleccionado Predicted Values:Probabilities
en la ventana Save New Variables cuando se obtenga el modelo de
regresión final.
 Transformar estos valores en posibilidades usando la fórmula odds =

pre_1/(1-Pre_1) y calcular la variable logarítmica con la fórmula ln_odds=
ln(odds).
 Generar un factor de interacción clase y género (class.se) con Compute

Numeric Expresión 100 x pclass + 1 x Sex. Resultará en un factor con 6
niveles, cada uno con tres dígitos: el primero indica la clase; el intermedio es
cero; y el último indica el género.
 Usar el comando Split File para organizar la salida en grupos definidos por
sibsp2.
 Usar el comando Simple Scatterplot para producir una gráfica de dispersión
de ln_odds contra la edad con marcadores definidos por class.se.
199
200
 Predictores identificados: cada una de las variables, edad del pasajero,

género, clase de boleto, y número de hermanos/esposa, hacen una
contribución independiente a la predicción de las posibilidades de
supervivencia. Quienes tienen mayores posibilidades son: los jóvenes (<20
años), mujeres, en primera clase. Los que tienen menos posibilidades son: los
de tercera clase, adultos acompañados de dos o más hermanos/esposa.
 Interacción edad por género: Las posibilidades de supervivencia son
mayores para mujeres que para hombres conforme se tiene mayor edad.
 Interacción de género por clase de boleto: Las posibilidades de
supervivencia de las mujeres sobre los hombres se incrementa con la clase.
201
9. REGRESIÓN LOGÍSTICA ORDINAL
La regression logística ordinal realiza una regresión con una variable de respuesta
ordinal. Las variables ordinales son variables categóricas que tienen tres o más niveles
posibles con un orden natural, tal como fuertemente en desacuerdo, desacuerdo, de
acuerdo, y fuertemente de acuerdo. Un modelo con uno o más predictores se ajusta
usando un algoritmo iterativo de mínimos cuadrados reponderado, para obtener los
estimados de los parámetros por máxima verosimilitud.
Se asumen líneas de regresión paralelas, y por tanto, se determina una sóla pendiente
para cada covariado. En situaciones donde este supuesto no es válido, la regresión
logística nominal es más apropiada, ya que genera funciones logit separadas.
Ejemplo:
Suponiendo que un biólogo cree que la población adulta de salamandras en el Norte

se ha hecho más pequeña durante los últimos años. Se quiere determinar si existe
alguna asociación entre el tiempo que vive una salamandra recien nacida y el nivel de
toxicidad del agua, así como si hay un efecto regional. El tiempo de supervivencia se
codifica como sigue: 1 si es <10 días; 2 = 10 a 30 días; 3 = 31 a 60 días.
Supervivencia Region NivelToxico Supervivencia Region NivelToxico

1 1 62.00 2 1 40.50
1 2 46.00 2 2 60.00
2 1 48.50 3 1 57.50
3 2 32.00 2 1 48.75
2 1 63.50 2 1 44.50
1 1 41.25 1 1 49.50
2 2 40.00 2 2 33.75
3 1 34.25 2 1 43.50
2 1 34.75 2 2 48.00
1 2 46.25 3 1 34.00
2 1 43.50 1 1 50.00
2 2 46.00 3 2 35.00
2 1 42.50 1 1 49.00
1 2 53.00 2 2 43.50
1 2 43.50 3 2 37.25
202
1 1 56.00 3 2 39.00
2 1 40.00 3 1 34.50
1 2 48.00 2 1 47.50
2 1 46.50 1 2 42.00
2 2 72.00 2 2 45.50
2 2 31.00 2 2 38.50
1 1 48.00 2 1 36.50
2 2 36.50 2 2 37.50
2 2 43.75 3 1 38.50
2 1 34.25 2 2 47.00
2 1 41.25 2 2 39.75
2 2 41.75 1 1 60.00
2 2 45.25 2 2 41.00
2 1 43.50 2 1 41.00
2 2 53.00 3 1 30.00
3 1 38.00 2 2 45.00
2 2 59.00 2 2 51.00
2 1 52.50 2 2 35.25
2 2 42.75 1 2 40.50
2 2 31.50 2 2 39.50
2 2 43.50 3 2 36.00
2 2 40.00
Instrucciones de Minitab
2 Seleccionar Stat > Regression > Ordinal Logistic Regression.
3 En Response, seleccionar Survival. En Model, seleccionar Region ToxicLevel.

En Factors (optional), seleccionar Region.
4 Click Results. Seleccionar In addition, list of factor level values, and tests for
terms with more than 1 degree of freedom. Click OK en cada ventana de diálogo.
Ordinal Logistic Regression: Supervivencia versus Region, NivelToxico
203
Información de respuesta: muestra el número de observaciones que caen dentro

de cada una de las categorías de respuesta. Abajo se muestran los valores
ordenados de la respuesta de menor a mayor. 1 corresponde a <10 días; 2 = 10 a 30
días; y 3 = 31 a 60 días.
Información de factores: muestra todos los factores en el modelo, el número de

niveles para cada factor, y los valores de los niveles del factor. El nivel del factor que
ha sido designado como el nivel de referencia, es el primer dato en Valores. En este
caso Región 1.
Niveles de Referencia para los factores

Se requiere asignar un nivel de factor como el nivel de referencia. Los coeficientes estimados
se interpretan respecto a este nivel de referencia. Minitab asigna el nivel de referencia como
sigue dependiendo del tipo de datos:
- Para factores numéricos, el nivel de referencia es el valor con el menor valor numérico.
- Para fechas, el nivel de referencia es el nivel con la fecha/hora más antigua.
- Para factores de texto, el nivel de referencia es el nivel que está primero en orden
alfabético.
Se puede cambiar esta configuración de Default en la ventana de diálogo de Options. Para

cambiar el nivel de referencia de un factor, especificar la variable del factor seguida por el
nuevo nivel de referencia en la ventana Reference factor level. Se puede especificar
niveles de referencia para más de un factor al mismo tiempo. Si todos los niveles son texto o
fecha/hora, encerrarlos entre comillas.
Si ya se definió un valor de orden para un factor de texto, la regla por omisión es que se
designa el primer valor en el orden definido como valor de referencia.
La regression logística crea un conjunto de variables de diseño para cada uno de los factores
en el Modelo. Si hay k niveles, habrá k-1 variables de diseño y el nivel de referencia será
codificado con cero. Por ejemplo:
204
Nivel de referencia para la variable de respuesta
Minitab asigna el nivel de referencia como sigue dependiendo del tipo de datos:
- Para factores numéricos, el nivel de referencia es el valor con el mayor valor numérico.
- Para fechas, el nivel de referencia es el nivel con la fecha/hora más reciente.
- Para factores de texto, el nivel de referencia es el nivel que es último en orden alfabético.
Se pueden cambiar en la ventana siguiente:

Supervivencia 1 15
2 46
3 12
Total 73
Factor Information

Region 2 1, 2
Tabla de regression logística: muestra los coeficientes estimados, el error estándar

de los coeficientes, los valores Z, los valores p. Cuando se utiliza la función de enlace
logit, se muestran las tasas de posibilidades calculadas, y un intervalo de confianza
del 95% para las tasas de posibilidades.
205
- Los valores etiquetados Const(1) y Const(2) son intersecciones estimadas para las
funciones logit de probabilidad acumuladas de supervivencia para <10 días, y para
10-30 días respectivamente.
- El coeficiente de 0.2015 para la región es el cambio estimado en la función logit
acumulativa del tiempo de supervivencia cuando la región es 2 comparada con la
región 1, con el covariado Nivel Toxico mantenido constante. Dado que el
coeficiente estimado es 0.685, no hay suficiente evidencia de que la región tenga
un efecto sobre el tiempo de supervivencia.
- Hay un coeficiente estimado para cada covariado, que da líneas paralelas para el
nivel del factor. En este caso, el coeficiente estimado para un covariado simple,
Nivel Toxico, es 0.121, con un valor p < 0.0005. El valor p indica que para la
mayoría de niveles alfa, hay evidencia suficiente para concluir que el nivel de
toxicidad afecta la supervivencia. El coeficiente positivo, y una tasa de posibilidades
mayor a uno, indica que los niveles de toxicidad más altos tienden a estar
asociados con menores valores de superviviencia. Específicamente, un incremento
de una unidad en la toxicidad del agua resulta en un 13% de incremento en las
posibilidades que la salamadra viva menos o igual a 10 días contra más de 30 días,
y que la salamandra viva menos que o igual a 30 días versus más que 30 días.
- Se muestra la verosimilitud logarítmica (log Likelihood) de las iteraciones de
máxima verosimilitud junto con el estadístico G. Este estadístico prueba la hipótesis
que todos los coeficientes asociados con los predictores son iguales a cero versus
al menos un coeficiente no es cero. En este caso G = 14.713 con un valor p de
0.001, indicando que hay suficiente evidencia para concluir que al menos uno de
los coeficientes estimados es diferente de cero.

Odds 95% CI
Predictor Coef SE Coef Z P Ratio Lower Upper
Const(1) -7.04343 1.68017 -4.19 0.000
Const(2) -3.52273 1.47108 -2.39 0.017
Region
2 0.201456 0.496153 0.41 0.685 1.22 0.46 3.23
NivelToxico 0.121289 0.0340510 3.56 0.000 1.13 1.06 1.21
206
Prueba de bondad de ajuste: muestra tanto las pruebas de Pearson como deviance.
En este ejemplo para Pearson se tiene un valor P de 0.463, y para la prueba de
deviance es 0.918, indicando que no hay suficiente evidencia para afirmar que el
modelo no ajusta los datos adecuadamente. Si el valor P es menor que el nivel de alfa
seleccionado, la prueba rechaza la hipótesis de que el modelo ajusta los datos
adecuadamente.
Pearson 122.799 122 0.463
Deviance 100.898 122 0.918
Medidas de asociación: muestra una tabla de los números y porcentajes de parejas

concordantes, discordantes y similares, y estadísticas de correlación de rango común.
Estos valores miden la asociación entre las respuestas observadas y las
probabilidades estimadas o pronosticadas.
- La tabla de pares concordantes, discordantes y similares, se calcula emparejando

las observaciones con diferentes valores de respuestas. Si se tienen 15 1’s, 46 2’s,
y 12 3’s, resultan en 15 x 46 + 15 x 12 + 46 x 12 = 1422 pares de diferentes valores
de respuesta. Para pares incluyendo los valores de respuesta codificados menores
(1-2 y 1-3 pares de valores en el ejemplo), un par es concordante si la probabilidad
acumualtiva hasta el valor de respuesta más bajo (aquí 1) es mayor para la
observación con el valor más bajo. De manera similar para otros pares. Para pares
con respuestas 2 y 3, un par es concordante si la probabilidad acumulativa hasta 2
es mayor para la observación codificada como 2. El par es discordante si ocurre lo
opuesto. El par es similar si las probabilidades son iguales. En este caso, 79.3%
de pares son concordantes, 20.3% son discordantes, y 0.5% son similares. Se
pueden usar estos valores como medida comparativa de predicción, por ejemplo
para evaluar predictores de diferentes funciones de enlace.
- Se muestran resúmenes de pares concordantes y discordantes de Somers’D,
Goodman-Kruskal Gamma y la Tau-a de Kendall. Los números tienen el mismo
numerador: el número de pares concordantes menos el número de pares
207
discordantes. El denominador es el número total de pares con Somers’D, el número

total de pares excepto los similares con Goodman-Kruskal Gamma, y el número de
todas las posibles observaciones para la Tau-a de Kendall. Estas medidas tienden
a estar entre 0 y 1 donde los valores mayores indican una mejor capacidad
predictiva del modelo.

Total 1422 100.0
208
10. REGRESIÓN LOGÍSTICA NOMINAL

Usar la regression logística nominal para realizar regresión sobre una variable de
respuesta nominal, usando un algoritmo iterativo de mínimos cuadrados
reponderados, para obtener la estimación de máxima verosimilitud de los
parámetros.
Las variables nominales son variables categóricas que tienen tres o más niveles
posibles, sin un orden natural. Por ejemplo, los niveles en un estudio de gusto por la
comida, puede incluir: crujiente, fresca y firme (crunchy, mushy, and crispy).
Ejemplo:
Suponiendo que un director de escuela se interesa por identificar la materia favorita

de los niños, como se asocia con su edad o con el método de enseñanza empleado.
Se toman 30 niños, de 10 a 13 años, con clases de ciencias, matemáticas, y lenguaje,
que emplean ya sea técnicas de enseñanza de exposición o discusión. Al final del año
escolar, se les preguntó por su materia favorita. Se usa la regresión logística nominal
porque la respuesta es categórica pero no tiene un órden implícito.
Los datos considerados son los siguientes:
Materia MetodoEnseñanza Edad

Matemáticas Discusión 10
Ciencias Discusión 10
Matemáticas Exposición 10
Ciencias Exposición 10
Artes Exposición 11
209
Artes Discusión 13
Instrucciones de Minitab:
2 Seleccionar Stat > Regression > Nominal Logistic Regression.
3 En Response, seleccionar Subject. En Model, seleccionar TeachingMethod

Age. En Factors (optional), seleccionar TeachingMethod.
4 Click Results. Seleccionar In addition, list of factor level values, and tests for
terms with more than 1 degree of freedom. Click OK en cada ventana de diálogo.
Nominal Logistic Regression: Materia versus MetodoEnseñanza, Edad
Información de respuesta: muestra el número de observaciones que caen dentro

de cada una de las categorías de respuesta (ciencias, matemáticas y artes del
lenguaje).

Materia Matemáticas 11 (Reference Event)
Ciencias 10
Artes 9
Total 30
Información de factores: muestra todos los factores en el modelo, el número de

niveles para cada factor, y los valores de los niveles del factor. El nivel del factor que
210
ha sido designado como el nivel de referencia, es el primer dato en Valores. Aquí, el

esquema de codificación de default define el nivel de referencia como Discusión
usando el orden alfabético.
Factor Information

MetodoEnseñanza 2 Discusión, Exposición
Tabla de regression logística: muestra los coeficientes estimados, el error estándar

de los coeficientes, los valores Z, los valores p. Cuando se utiliza la función de enlace
logit, se muestran las tasas de posibilidades calculadas, y un intervalo de confianza
del 95% para la tasa de posibilidades. El coeficiente asociado con un predictor es el
cambio estimado en la función logia con el cambio de una unidad en el predictor,
asumiendo que todos los otros factores y covariados permanecen constantes.
- Si hay k respuestas distintas, Minitab estima k-1 conjuntos de parámetros

estimados, denominados Logia(1) y Logia (2). Estas son diferencias estimadas en
logaritmo de posibilidades o logias de matemáticas y artes de lenguaje,
respectivamente, comparado con la ciencia como el evento de referencia. Cada
conjunto contiene una constante y coeficientes para los factores, aquí el método de
enseñanza, y el covariado edad. El coeficiente del método de enseñanza es el
cambio estimado en el Logit cuando el método de enseñanza sea exposción
comparado a cuando sea discusión, manteniendo la edad constante. El coeficiente
de la edad es el cambio estimado en el logit con un año de incremento en edad
manteniendo constante el método de enseñanza. Estos conjuntos de estimados de
parámetros dan líneas no paralelas para los valores de respuesta.
- El primer conjunto de logiats estimados, etiquetados como Logia(1), son los
parámetros estimados del cambio en Logias de matemáticas respecto al evento de
referencia, ciencia. Como el valor p tiene valores de 0.548 y 0.756 para el método
de enseñanza y edad, indica que hay insuficiente evidencia para concluir que un
cambio en el método de enseñanza de discusión a exposición, o en edad afecten
la selección de materia favorita cuando se compara con la ciencia.
211
- El segundo conjunto de logias estimados, Logia(2), son los parámetros estimados

del cambio en Logias de artes del lenguaje respecto al evento de referencia ciencia.
Los valores p de 0.044 y 0.083 para método de enseñanza y edad,
respectivamente, indica que hay suficiente evidencia, si los valores p son menores
al valor aceptable de alfa, se concluye que la selección favorece a la ciencia.
- El coeficiente positivo del método de enseñanza indica que los estudiantes que se
les aplica el método de enseñanza de exposición, prefieren las artes del lenguaje
sobre la ciencia comparado a estudiantes que se les da un método de enseñanza
de discusión. La tasa estimada de posibilidades de 15.96 indica que las
posibilidades de seleccionar el lenguaje sobre la ciencia es de alrededor de 16
veces más alto para los estudiantes, cuando el método de enseñanza cambia de
discusión a lectura. El coeficiente positivo asociado con la edad indica que los
estudiantes tienden a preferir las artes del lenguaje sobre las ciencias confoirme se
hacen más maduros.

95%
Odds CI
Predictor Coef SE Coef Z P Ratio Lower
Logit 1: (math/science)
Constant -1.12266 4.56425 -0.25 0.806
TeachingMethod
lecture -0.563115 0.937591 -0.60 0.548 0.57 0.09
Age 0.124674 0.401079 0.31 0.756 1.13 0.52
Logit 2: (arts/science)
Constant -13.8485 7.24256 -1.91 0.056
TeachingMethod
lecture 2.76992 1.37209 2.02 0.044 15.96 1.08
Age 1.01354 0.584494 1.73 0.083 2.76 0.88
Predictor Upper
Logit 1: (math/science)
Constant
TeachingMethod
lecture 3.58
Age 2.49
Logit 2: (arts/science)
Constant
TeachingMethod
lecture 234.91
Age 8.66
212
Log-Likelihood: de las iteraciones de máxima verosimilitud junto con el estadístico

G. G es la diferencia en -2 log-likelihood (-2LL) para un modelo el cual sólo tiene los
términos de la constante y el modelo ajustado indicado en la Tabla de la Regresión
logística. G prueba la hipótesis nula que los coeficientes asociados con los
predictores son iguales a cero versus que no todo son cero. G = 12.825 con un valor
p de 0.012, indican que para alfa = 0.05, hay evidencia suficiente que al menos uno
de los coeficientes es diferente de cero.
Prueba de bondad de ajuste: muestra tanto las pruebas de Pearson como deviance.
En este ejemplo para Pearson se tiene un valor P de 0.730, y para la prueba de
deviance es 0.640, indicando que no hay suficiente evidencia para afirmar que el
modelo no ajusta los datos adecuadamente. Si el valor P es menor que el nivel de alfa
seleccionado, la prueba rechaza la hipótesis de que el modelo ajusta los datos
adecuadamente.
Pearson 6.95295 10 0.730
Deviance 7.88622 10 0.640
213
BIBLIOGRAFÍA
Montgomery, Doglas C., Peck, Elizabeth A., Introduction to Linear Regression

Analysis, John Wiley and Sons, 2º edition, Inc., New York, 1992
Chatterjee, Samprit, Price, Bertram, Regression Analysis by Example, John Wiley

and Sons, Inc., 2º edition, 1991
Draper, Norman R., Smith, Harry, Applied Regression Analysis, John Wiley and
Sons, Inc., New York, 1998
214
TAREA NO. 1 DE ANALISIS DE REGRESIÓN

Con apoyo de Minitab
11/11/00
PROBLEMA 2.1
Calcular lo siguiente (Y vs X8):
a) La recta de regresión

Y = 21.8 - 0.00703 X8
b) La tabla ANOVA y prueba de significancia
Source DF SS MS F P
Regression 1 178.09 178.09 31.10 0.000
Total 27 326.96 Ftablas=F1,26,0.05=4.23
Nota: Como p = 0 equivale a Fc > F tablas y se rechaza la Ho: Beta1 = 0

quiere decir que existe la recta de regresión
c) El intervalo de confianza al 95%

de la pendiente b1
Predictor Coef StDev T P

Constant 21.788 2.696 8.08 0.000
X8 -0.007025 0.001260 -5.58 0.000
El intervalo de confianza para 1 se calcula como sigue:

t0.025,26 = 2.056
b1  t*std dev (Predict.X8) =-0.007025  2.056* (0.00126) =
-0.0096 <= 1 <= -0.004435;
El iuntervalo de confianza para 0 es:

b0  t*std dev (Constant) =21.788  2.056* (2.696);
d) % de la variabilidad explicada por la

regresión
R-Sq = 54.5%
e) El intervalo de confianza a un 95% para la media

del valor estimado de Y, cuando Xo = 2000 yardas (corresponde a CI).
215
Predicted Values
Fit StDev Fit 95.0%CI para media 95.0% PI p.valor futuro
7.738 0.473 ( 6.766; 8.710) ( 2.724; 12.752)
f) Probar la hipótesis nula de que el coeficiente de

correlación es cero. Ho:  = 0
0.738234 26
t0   5.58055 Ttablas 0.025,26 = 2.056
1  0.545
Cómo to > ttablas, se rechaza Ho. Es decir que  es diferente de cero.
g) Probar la hipótesis nula de que el coeficiente de

correlación es Ho: 0 = -0.80
Zo = -0.76006 Z tablas = Z0.025 = 1.96
Cómo Zo < |Ztablas| no hay evidencia suficiente para rechazar Ho
h) Encontrar el intervalo de confianza del 95% para .

- 0.87134<=  <= - 0.50396
i) Con Minitab construir las sig. gráficas de residuos

y comentar acerca de la adecuación del modelo
- Gráfica de probabilidad normal
- Gráfica de residuos contra Yi est.
- Gráfica de residuos contra Xi8..
Los residuos muestran una variación normal con varianza constante
j) Graficar los residuos contra el porcentaje de juegos

ganados X7i, ¿se mejora el modelo agregando esta
variable?.
No se mejora la distribución de los residuos

Y = 17.9 - 0.00654 X8 + 0.048 X7
S = 2.432 R-Sq = 54.8% R-Sq(adj) = 51.1%
216
Al agregar la nueva variable X7, el modelo no mejora realmente (comparar R^2)
PROBLEMA 2.2
Si las yardas ganadas se limitan a 1800. Hallar el intervalo de predicción

al 90% en el número de juegos ganados (corresponde a PI).
t(0.05,26) = 1.705616 Alfa = 0.1
Intervalo 8.1238 <= Ymedia <=10.16 4.936<=Ypuntual<=13.35
217
PROBLEMA 2.3
Calcular lo siguiente:
a) La recta de regresión
Y1 = 607 - 21.4 X4
b) La tabla ANOVA y prueba de significancia

Source DF SS MS F P
Regression 1 10579 10579 69.61 0.000
Residual Error 27 4103 152
Total 28 14682 Ftablas=F1,27,.05=4.21
Como Fc=69.61 es mayor que Ftablas=4.21, se rechaza Ho y existe la regresión
c) El intervalo de confianza al 99%

de la pendiente 1
Constant 607.10 42.91 14.15 0.000
X4 -21.402 2.565 -8.34 0.000
El intervalo de confianza para 1 se calcula como sigue:

t0.005,27 = 2.771 7.1076
b1  t*std dev (Predict.X4) =-21.402  2.771* (2.565) =
-28.5096 <= 1 <= -14.2943
d) % de la variabilidad explicada por la

regresión R^2
R-Sq = 72.1% R-Sq(adj) = 71.0%
e) El intervalo de confianza a un 95% para la media

del valor estimado de Y, cuando Xo = 16.5 (corresponde a CI).
Predicted Values
Fit StDev Fit 95.0% CI para media 95.0% PI p.valor futuro

253.96 2.35 ( 249.15; 258.78) ( 228.21; 279.71)
f) Probar la hipótesis nula de que el coeficiente de

correlación es cero. Ho:  = 0
218
0.84882 27
t0   8.3427 Ttablas 0.025,27 = 2.052
1  0.7205
Cómo to > Ttablas, se rechaza Ho. Es decir que  es diferente de cero.
g) Probar la hipótesis nula de que el coeficiente de

correlación es 0 = - 0.80.
Zo = 0.78172 Z tablas = Z0.025 = 1.96
Cómo Zo < |Ztablas| no hay evidencia suficiente para rechazar Ho
h) Encontrar el intervalo de confianza del 95% para .

- 0.927 <=  <= - 0.7
i) Con Minitab construir las sig. gráficas de residuos

y comentar acerca de la adecuación del modelo
- Gráfica de probabilidad normal
- Gráfica de residuos contra Yi est.
- Gráfica de residuos contra Xi4.
Obs X4 Y1 Fit StDev Fit Residual St Resid
22 17.6 254.50 229.99 3.28 24.51 2.06R
24 19.1 181.50 199.39 6.44 -17.89 -1.70 X
25 16.5 227.50 253.75 2.34 -26.25 -2.17R
X denotes an observation whose X value gives it large
influence.
Los residuos no muestran una distribución aleatoria
219
PROBLEMA 2.7
a) Ecuación de regresión
Y78 = 77.9 + 11.8 X78
b) Probar la hipótesis nula de que Ho: 1 = 0
Source DF SS MS F P
Regressio 1 148.31 148.31 11.47 0.003
Residual 18 232.83 12.94
error
Total 19 381.15 Ftablas = F0.05,1,18=4.41
Cómo Fc > F tablas se rechaza la hipótesis Ho, implicando 1  0
c) Calcular R^2
R-Sq = 38.9%
d) Encontrar el intervalo de confianza al 95% para la pendiente:

Constant 77.863 4.199 18.54 0.000
X78 11.801 3.485 3.39 0.003
t0.025,18 = 2.101
b1  t*std dev (Predict.X78) =11.801  2.101* (3.485) =
4.47699 <= 1 <= 19.12301
e) Encontrar el intervalo de confianza para la pureza media si el % de hidrocarbono

es de 1.00
Predicted Values
Fit StDev Fit 95.0% CI p. la media 95.0% PI p. valor futuro

89.664 1.025 ( 87.510; 91.818) ( 81.807; 97.521)
220
PROBLEMA 2.8
a) ¿Cuál es la correlación entre las dos variables?
R-Sq = 38.9% entonces r = 0.6237
b) Probar la Hipótesis nula Ho:  = 0
0.6237 18
t0   3.38527 Ttablas 0.025,18 = 2.101
1  0.389
c) Contruir un intervalo de confianza del 95% para .
0.25139 <=  <= 0.8356
PROBLEMA 2.9
a) Ecuación de regresión

Y9 = - 6.33 + 9.21 X9
b) Probar la significancia de la regresión
Source DF SS MS F P
Regressi 1 280590 280590 74122.78 0.000
Residual 10 38 4
error
Total 11 280627
Como el valor de p es cero, se rechaza la hipótesis Ho: 1 = 0, por tanto existe la

regresión.
c) Si se incrementa la temperatura ambiente promedio en un grado, el consumo de

vapor se incrementa en 10 unidades. ¿se soporta esta afirmación?.
Column Mean
Mean of X9 = 46.500; se incrementa en un grado
221
Predicted Values
Fit StDev Fit 95.0% CI 95.0% PI

421.862 0.562 ( 420.610; 423.113) ( 417.350; 426.374)
431.070 0.563 ( 429.816; 432.324) ( 426.557; 435.583)
Por los resultados observados se cumple la afirmación
d) Intervalo de predicción con un 99% de nivel de confianza para Xo = 58.
Predicted Values
Fit StDev Fit 99.0% CI 99.0% PI

527.759 0.683 ( 525.593; 529.925) ( 521.220; 534.298)
PROBLEMA 2.10
a) Encontrar el coeficiente de correlación r
R-Sq = 100.0% por tanto r = 1
b ) Probar la Hipótesis nula Ho:  = 0
0.999 10
t0   272.25 Ttablas 0.005,10 = 1.812
1  0.999
c) Contruir un intervalo de confianza del 95% para .
0.99 <=  <= 0.999
222
FÓRMULAS DE REGRESIÓN LINEAL MÚLTIPLE
Modelos de Regresión Múltiple
Asumiendo que N observaciones de la respuesta se tiene:

Yu   0  1 X u1   2 X u 2  .......   k X uk   u (3.1)
Para N observaciones el modelo en forma matricial es:
Y = X  +  = [1 : D]  +  (3.2)
k es el número de variables independientes o regresores

Y es un vector N x 1.
X es una matriz de orden N x (k + 1), donde la primera columna es de 1’s.
 es un vector de orden (k + 1) x 1.
 es un vector de orden N x 1.
D es la matriz de Xij con i = 1, 2, ..., N; j = 1, 2, ......, k
Se trata de encontrar el vector de estimadores de mínimos cuadrados b que

minimicen:
n
S (  )    i2   '   (Y  X )' (Y  X )
i 1 quedando
X’X b = X’ Y (3.4)
A) VECTOR DE ESTIMADORES DE MINIMOS CUADRADOS b de 
b = (X’X)-1 X’Y (3.5)
B) VARIANZAS Y COVARIANZAS DE b
Var(b) = C = (X’X)-1 2 (3.6)
El elemento (ii) de esta matriz cii 2  Var(bi ) es la varianza del elemento bi .

El error estándar de bi es la raíz cuadrada positiva de la varianza de bi o sea:
se.bi  cii 2 (3.7)
La covarianza del elemento bi y bj de b es Co var( cij )  cij 2 . (3.8)

La desviación estándar se estima como sigue:
n
SSE   (Yi  Yˆ ) 2   ei2  e' e ; con p = k +1 parámetros del modelo se tiene:
i 1
SSE  (Y  Xb)' (Y  Xb)  Y ' Y  b' X ' Y  Y ' Xb  b' X ' Xb  Y ' Y  2b' X ' Y  b' X ' Xb
223
SSE
s 2  MSE  (3.15)
Np
C) INTERVALO DE CONFIANZA PARA LOS COEFICIENTES  j
Con intervalo de confianza 100(1 -  )% , para j = 0, 1, ...., k es:
b j  t / 2,n  p se(b j )   j  b j  t / 2,n  p se(b j ) (3.17)
Donde se(bj) es el error estándar del coeficiente de regresión bj.

se(b j )  S 2C jj (3.18)
D) INTERVALO DE CONFIANZA PARA LA RESPUESTA MEDIA Yo

en Xo
El intervalo de confianza para el 100( 1 -  ) % es:
Yˆ0  t / 2,n  p S 2 X ' 0 ( X ' X ) 1 X 0  Y0  Yˆ0  t / 2,n  p S 2 X ' 0 ( X ' X ) 1 X 0 (3.21)
E) TABLA ANOVA PARA LA REGRESIÓN
H 0 : 1   2  ....   k  0 ; H a :  i  0, i  1,2,..., k
Ho se rechazará si Ft >= Fo
Fuente de
variación SS df MS F0 .
Regresión SSR k= p-1 MSR MSR/MSE
Residuos SSE n–k–1= N-p MSE Ft=F,p-1,N-p
Total SST=SSR+SSE n – 1=k+(n-k+1)
Donde:
N __
SST   (Yu  Y ) 2 con N-1 grados de libertad (3.24)
u 1
N ^ __
SSR   (Y ( x u )  Y ) 2 con p (parámetros) – 1 grados de libertad (3.25)
u 1
N ^
SSE   (Yu  Y ( x u )) 2 con (N-1) – (p –1) grados de libertad (3.26)
u 1
En forma matricial se tiene:
224
(1' Y ) 2
SST  Y ' Y  (3.27)
N
(1' Y ) 2
SSR  b' X ' Y  (3.28)
N
SSE  Y 'Y  b' X 'Y
F) PRUEBA DE LA SIGNIFICANCIA DE LOS COEFICIENTES INDIVIDUALES

BETAx
H0 :  j  0 H1 :  j  0
Si no se rechaza Ho quiere decir que el regresor Xj puede ser excluido del modelo,
Ho es rechazada si t0  t / 2,n k 1 , donde:
bj
t0 
se (b j )
G) INTERVALO DE PREDICCIÓN PARA LA RESPUESTA Yo en Xo

El intervalo de confianza para el 100( 1 -  ) % es:
Yˆ0  t / 2,n  p S 2 (1  X ' 0 ( X ' X ) 1 X 0 )  Y0  Yˆ0  t / 2,n  p S 2 (1  X ' 0 ( X ' X ) 1 X 0 )
225
FORMULAS
226
227
228
229
230
231
232
233
234
Bibliografía
[1] A. Agresti (1984). Analysis of Ordinal Categorical Data. John Wiley & Sons, Inc.
[2] A. Agresti (1990). Categorical Data Analysis. John Wiley & Sons, Inc.
[3] D.A. Belsley, E. Kuh, and R.E. Welsch (1980). Regression Diagnostics. John Wiley &
Sons, Inc.
[4] A. Bhargava (1989). "Missing Observations and the Use of the Durbin-Watson Statistic,"
Biometrik, 76, 828831.
[5] C.C. Brown (1982). "On a Goodness of Fit Test for the Logistic Model Based on Score
Statistics," Communications in Statistics, 11, 10871105.
[6] D.A. Burn and T.A. Ryan, Jr. (1983). "A Diagnostic Test for Lack of Fit in Regression
Models," ASA 1983 Proceedings of the Statistical Computing Section, 286290.
[7] R.D. Cook (1977). "Detection of Influential Observations in Linear Regression,"

Technometrics, 19, 1518.
[8] R.D. Cook and S. Weisberg (1982). Residuals and Influence in Regression. Chapman
and Hall.
[9] N.R. Draper and H. Smith (1981). Applied Regression Analysis, Second Edition. John
Wiley & Sons, Inc.
[10] S.E. Fienberg (1987). The Analysis of Cross-Classified Categorical Data. The MIT
Press.
[11] I.E. Frank and J.H. Friedman (1993). "A Statistical View of Some Chemometrics
Regression Tool," Technometrics, 35, 109135.
[12] I.E. Frank and B.R. Kowalski (1984). "Prediction of Wine Quality and Geographic
Origin from Chemical Measurements by Partial Least-Squares Regression Modeling,"
Analytica Chimica Acta, 162, 241251.
[13] M.J. Garside (1971). "Some Computational Procedures for the Best Subset Problem,"
Applied Statistics, 20, 815.
[14] P. Geladi and B. Kowalski (1986). "Partial Least-Squares Regression: A Tutorial,"

Analytica Chimica Acta, 185, 117.
[15] P. Geladi and B. Kowalski (1986). "An Example of 2-Block Predictive Partial Least-
Squares Regression with Simulated Data," Analytica Chimica Acta, 185, 19-32.
235
[16] James H. Goodnight (1979). "A Tutorial on the Sweep Operator," The American
Statistician, 33, 149158.
[17] W.W. Hauck and A. Donner (1977). "Wald's test as applied to hypotheses in logit
analysis," Journal of the American Statistical Association, 72, 851-853.
[18] D.C. Hoaglin and R.E. Welsch (1978). "The Hat Matrix in Regression and ANOVA,"
The American Statistician, 32, 1722.
[19] R.R. Hocking (1976). "A Biometrics Invited Paper: The Analysis and Selection of
Variables in Linear Regression," Biometrics, 32, 149.
[20] A. Hoskuldsson (1988). "PLS Regression Methods," Journal of Chemometrics, 2,

211228.
[21] D.W. Hosmer and S. Lemeshow (2000). Applied Logistic Regression. 2nd ed. John
Wiley & Sons, Inc.
[22] LINPACK (1979). Linpack User's Guide by J.J. Dongarra, J.R. Bunch, C.B. Moler, and
G.W. Stewart, Society for Industrial and Applied Mathematics, Philadelphia, PA.
[23] A. Lorber, L. Wangen, and B. Kowalski (1987). "A Theoretical Foundation for the PLS
Algorithm," Journal of Chemometrics, 1, 1931.
[24] J.H. Maindonald (1984). Statistical Computation. John Wiley & Sons, Inc.
[25] P. McCullagh and J.A. Nelder (1992). Generalized Linear Model. Chapman & Hall.
[26] W. Miller (1978). "Performing Armchair Roundoff Analysis of Statistical Algorithms,"

Communications in Statistics, 243255.
[27] D.C. Montgomery and E.A. Peck (1982). Introduction to Linear Regression Analysis.
John Wiley & Sons.
[28] J. Neter, W. Wasserman, and M. Kutner (1985). Applied Linear Statistical Models.
Richard D. Irwin, Inc.
[29] S.J. Press and S. Wilson (1978). "Choosing Between Logistic Regression and
Discriminant Analysis," Journal of the American Statistical Association, 73, 699-705.
[30] M. Schatzoff, R. Tsao, and S. Fienberg (1968). "Efficient Calculation of All Possible
Regressions," Technometrics, 10, 769779.
[31] G.W. Stewart (1973). Introduction to Matrix Computations. Academic Press.
236
[32] R.A. Thisted (1988). Elements of Statistical Computing: Numerical Computation.

Chapman & Hall.
[33] P. Velleman and R. Welsch (1981). "Efficient Computation of Regression Diagnostics,"

The American Statistician, 35, 234242.
[34] P.F. Velleman, J. Seaman, and I.E. Allen (1977). "Evaluating Package Regression
Routines," ASA 1977 Proceedings of the Statistical Computing Section.
[35] S. Weisberg (1980). Applied Linear Regression. John Wiley & Sons, Inc.
[36] H. Wold (1975). "Soft Modeling by Latent Variables; the Nonlinear Iterative Partial
Least Squares Approach," in Perspectives in Probability and Statistics, Papers in Honour
of M.S. Bartlett, ed. J. Gani, Academic Press.
237

Curso Ana Regres 2

Cargado por

Copyright:

Formatos disponibles

Curso Ana Regres 2

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Curso Ana Regres 2

Cargado por

Copyright:

Formatos disponibles

Análisis de Regresión P.

Reyes / Enero, 2007

UNIVERSIDAD IBEROAMERICANA A.C.

MAESTRÍA EN INGENIERÍA DE CALIDAD

Dr. Primitivo Reyes Aguilar

1. REGRESIÓN LINEAL SIMPLE

2. ADECUACIÓN DEL MODELO DE REGRESIÓN LINEAL

3. REGRESIÓN LINELA MÚLTIPLE

1. REGRESIÓN LINEAL SIMPLE

El método de análisis llamado análisis de regresión, investiga y modela la relación

Como ejemplo supóngase que un ingeniero industrial de una embotelladora está

1.2 El modelo de regresión lineal simple

Al tomar observaciones de ambas variables Y respuesta y X predicción o regresor,

Fig. 1.1 Diagrama de dispersión y recta de ajuste

El modelo de ajuste o modelo de regresión lineal es:

Donde los coeficientes 0 y 1 son parámetros del modelo denominados coeficientes

Conviene ver al regresor o predictor X como la variable controlada por el analista y

La media de esta distribución es:

De esta forma la media de Y es una función lineal de X a pesar de que la varianza de

1.2.1 Estimación de los parámetros por mínimos cuadrados

El método de mínimos cuadrados se usa para estimar 0 y 1 se estimará 0 y 1

De la ecuación modelo de regresión de la población

Usando los pares de datos se puede establecer el criterio de mínimos cuadrados

Simplificando estas dos ecuaciones se obtienen las ecuaciones de mínimos

La solución a las ecuaciones normales anteriores:

Ejemplo 1.1 Se realizaron 25 observaciones de la variable Y y X

Haciendo cálculos con el paquete Minitab con X en la columna C2 y Y en la columna

Regression Analysis: C1 versus C2

The regression equation is

Predictor Coef SE Coef T P

Constant 13.6230 0.5815 23.43 0.000

S = 0.8901 R-Sq = 71.4% R-Sq(adj) = 70.2%

Por lo anterior la ecuación de regresión obtenida es:

Después de obtener esta ecuación, surgen algunas preguntas:

1.2.2 Análisis de Varianza

La desviación estándar S corresponde a la raíz cuadrada del valor de MSE o

observado y el valor estimado por la ecuación de predicción.

Fig. 1.2 Errores involucrados en la recta de ajuste

Por otra parte:

Suma de cuadrados = Suma de cuadrados + Suma de cuadrados

De tal forma que la tabla de análisis de varianza queda como:

Tabla de Análisis de Varianza .

Residual n-2 SSE  SSYY  b1S XY S2=MSE=SSE/n-2

Obteniéndose con el Minitab

El estadístico F se calcula como F = MSEREG / S2 y se compara con la F de tablas

1.2.3 Intervalos de confianza para  0 , 1

En base al error estándar para los parámetros se tiene:

Del ejemplo, como s = 0.7963 y SXX = 7154.42

El intervalo de confianza 100 (1 - )% para  0 ,  1 , considerando que las

observaciones y los errores siguen un comportamiento normal, es:

Y Para el coeficiente o se tiene:

Para el caso del coeficiente Beta 1:

El error estándar es:

Suponiendo  = 0.05, t(23,0.975) = 2.069, los límites de

-0.798  (2.069)(0.0105) o sea -0.798  0.0217

Para el caso de sigma, si los errores están distribuidos normalmente y son

es Chi-cuadrada con n – 2 grados de libertad y de esta forma:

Por consecuencia un intervalo de confianza 100 (1 -  ) % en 2 es: