Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Regresión Lineal múltiple Regresión múltiple Cuando se usa más de una variable independiente para predecir los valores de una variable dependiente, el proceso se llama análisis de regresión múltiple, incluye el uso de ecuaciones lineales. Ecuación de la regresión lineal múltiple Y=a+b1x1+ 2x2+ ……bnxn Se asume que los errores u tienen las características siguientes: Tienen media cero y varianza común 2. Son estadísticamente independientes. Están distribuidos en forma normal. 2 Tamaño de muestra Tomar 5 observaciones para cada una de las variables independientes, si esta razón es menor de5 a 1, se tiene el riesgo de “sobre ajustar” el modelo Un mejor nivel deseable es tomar 15 a 20 observaciones por cada variable independiente 3 Ejemplo Se realizó un experimento para determinar si era posible predecir el peso de un animal después de un periodo determinado con base en su peso inicial y la cantidad de alimento que consumía se registraron los siguientes datos, en kilogramos Peso Final Peso Inicial Peso del alimento 95 42 272 77 33 226 80 33 259 100 45 292 97 39 311 70 36 183 50 32 173 80 41 236 92 40 230 84 38 235 a) Ajuste una ecuación de regresión múltiple b) Prediga cuanto pesara un animal que comienza pesando 35 kilogramos después de consumir 250 kilogramos de alimento c) Calcular el Coeficiente de determinación d) Análisis de Residuos e) Definir en el ANOVA si se acepta Ho Respuesta en Excel Menú Datos Análisis de datos a) Se selecciona el rango Y que es la variable dependiente, para este caso Peso Final b) Se selecciona el rango X que son las variable independientes, para este caso Peso Inicial y Peso del alimento c) Se activa la casilla Rótulos por tener encabezado y de define el nivel de confianza d) Se define el la casilla para rango de salida e) Se pide análisis de resiudos Resultados e Interpretación Coeficientes Error típico Estadístico t Probabilid ad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0% Intercepción -22,9931639 17,7625433 - 1,29447476 0,23656497 -64,99490462 19,0085768 - 64,9949046 19,0085768 Peso Inicial 1,39567292 0,58254166 2,39583365 0,04775762 0,018180773 2,77316506 0,01818077 2,77316506 Peso del alimento 0,21761341 0,05776696 3,76709101 0,00700955 0,081016245 0,35421057 0,08101625 0,35421057 a) Ajuste una ecuación de regresión múltiple Ecuación de la regresión lineal múltiple Y=a+b1x1+ 2x2+ ……bnxn Peso Final = - 22,9931 + 1,39567 Peso Inicial + 0,217613 Peso del alimento b) Prediga cuanto pesara un animal que comienza pesando 35 kilogramos después de consumir 250 kilogramos de alimento Peso Final = - 22,9931 + 1,39567 (35)+ 0,217613 (250)= 80,2587 Resultados e Interpretación Resumen Estadísticas de la regresión Coeficiente de correlación múltiple 0,93442923 Coeficiente de determinación R^2 0,87315798 R^2 ajustado 0,8369174 Error típico 6,05078864 Observaciones 10 c) Calcular el Coeficiente de determinación d) Análisis de Residuos se interpreta que el 87% de la variabilidad es explicada por peso inicial y peso de alimento. El resto de la variabilidad es debido a efectos (variables explicativas) que no son tenidos en cuenta en este ejemplo Observación Peso real Pronóstico Peso Final Residuos 1 95 94.81594518 0.18405482 2 77 72.24467223 4.75532777 3 80 79.42591465 0.57408535 4 100 103.3552321 - 3.35523206 5 97 99.1158493 -2.1158493 6 70 67.07431448 2.92568552 7 50 59.31548875 - 9.31548875 8 80 85.58618962 - 5.58618962 9 92 82.88483626 9.11516374 10 84 81.18155747 2.81844253 Resultados e Interpretación e) Definir en el ANOVA si se acepta Ho ANÁLISIS DE VARIANZA Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F Regresión 2 1764,2157 882,107849 24,0933795 0,00072681 Residuos 7 256,284302 36,6120431 Total 9 2020,5 F tablas con 2 y 7 grados de libertad y un nivel de confianza de 95% 4,737como la F es 24,0933 es mayor, se rechaza Ho por lo tanto se considera que el peso final depende del peso inicial y cantidad de alimento Respuesta en Minitab c) Calcular el Coeficiente de determinación R-Sq = 87,3% R-Sq(adj) = 83,7% Resultados e Interpretación a) Ajuste una ecuación de regresión múltiple Regression Analysis: Peso Final versus Peso Inicial; Peso del alimento The regression equation is Peso Final = - 23,0 + 1,40 Peso Inicial + 0,218 Peso del alimento b) Prediga cuanto pesara un animal que comienza pesando 35 kilogramos después de consumir 250 kilogramos de alimento Peso Final = - 22,9931 + 1,39567 (35)+ 0,217613 (250)= 80,2587 e) Definir en el ANOVA si se acepta Ho Analysis of Variance Source DF SS MS F P Regression 2 1764,22 882,11 24,09 0,001 Residual Error 7 256,28 36,61 Total 9 2020,50 F tablas con 2 y 7 grados de libertad y un nivel de confianza de 95% 4,737como la F es 24,0933 es mayor, se rechaza Ho por lo tanto se considera que el peso final depende del peso inicial y cantidad de alimento Bibliografía Barry Render . (2009). ADMINISTRACION DE OPERACIONES. Pearson Educación . Chase, R. (2009). Richard Chase ADMINISTRACION DE OPERACIONES PRODUCCION Y CADENA DE SUMINISTRO. McGRAW-HILL / INTERAMERICANA EDITORES, S.A. DE C.V. .
Compartir