Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
y = b0 + b1x1 ++ bkxk
Debemos extender a k variables las ideas y tcnicas de la regresin lineal simple
Modelo
Y(x1,...xk) = b0 + b1x1 ++ bkxk + U con U N(0,s)
Muestra Aleatoria
En notacin matricial:
y = b0 + b1x1 + b2x2
Intervalos de confianza
Contrastes de hiptesis
Anlisis de la Varianza
Coeficiente de determinacin
Tabla Anova
Rechazaremos H0 , al nivel a, si :
Relacin entre F y R2
Estadsticas de la regresin Coeficiente de correlacin mltiple Coeficiente de determinacin R^2 R^2 ajustado Error tpico Observaciones
Respiracin de lquenes Se estudia la tasa de respiracin (en nmoles oxgeno g-1 min-1) del liquen Parmelia saxatilis en crecimiento bajo puntos de goteo con un recubrimiento galvanizado.
El agua que cae sobre el liquen contiene Zinc y Potasio que se utilizan como variables explicativas.
Ejemplo 2
Respiration Rate
Potassium ppm
Zinc ppm
Datos
388 258 292 205 449 331 114 580 622 MEDIAN 68.00 331.0 2607
2414 10693 11682 12560 2464 2607 16205 2005 1825 STDEV 18.8 168.1 5742
Plano de regresin
* *
* * * * * * * *
*
* *
Datos *
Regresin de la tasa de respiracin (RespRate) sobre el Potasio (K) y el Zinc (Zn). La ecuacin de regresin estimada es: RespRate = 101 - 0.0403 K - 0.00388 Zn
Predictor Coef Stdev t-ratio p
Constant K ppm
101.09 -0.04034
18.87 0.03424
5.36 -1.18
0.002 0.283
Zn ppm
-0.00387
0.001002
-3.87
0.008
ANLISIS DE VARIANZA (slo Zn) gr. Libertad Suma de cuadrados cuadrados medios Regresin 1 2150,58 2150,58 Residuos 7 493,42 70,49 Total 8 2644
Estadsticas de la regresin Coeficiente de correlacin mltiple Coeficiente de determinacin R^2 R^2 ajustado Error tpico Observaciones
ANLISIS DE VARIANZA (slo K) gr. Libertad Suma de cuadrados cuadrados medios Regresin 1 1244,51 1244,51 Residuos 7 1399,49 199,93 Total 8 2644
Estadsticas de la regresin Coeficiente de correlacin mltiple Coeficiente de determinacin R^2 R^2 ajustado Error tpico Observaciones
F 6,22
p-valor 0,04
Estimacin de la respuesta media de Y para los valores x10 ,, xk0 de las variables explicativas
Error tpico
Prediccin de un nuevo valor de Y dados los valores x10 ,, xk0 de las variables explicativas
Error tpico
Ejemplo 3
En un experimento sobre el efecto txico de un compuesto qumico sobre las larvas del gusano de seda, se inyectaron distintas dosis del compuesto qumico a 15 larvas de distintos pesos, midindose posteriormente su supervivencia.
Se decidi realizar una regresin lineal mltiple entre las variables: Y = Log10 (supervivencia) X1= Log10 (dosis) X2 = Log10 (peso)
Supervivencia
685,49 924,70 486,41 477,53 671,43 276,69
dosis
1,41 1,64 3,07 3,23 3,72 3,92
peso
2,66 2,75 2,00 2,11 2,35 1,24
Y
2,84 2,97 2,69 2,68 2,83 2,44
X1
,15 ,21 ,49 ,51 ,57 ,59
X2
,43 ,44 ,30 ,33 ,37 ,09
263,63
399,94
4,37
6,04
1,38
2,55
2,42
2,60
,64
,78
,14
,41
359,75
276,06 263,03 274,79 242,66
5,48
6,79 7,33 8,02 8,75
2,31
1,43 1,77 1,90 1,38
2,56
2,44 2,42 2,44 2,39
,74
,83 ,87 ,90 ,94
,36
,16 ,25 ,28 ,14
283,14
224,39
12,30
15,63
1,95
1,56
2,45
2,35
1,09
1,19
,29
,19
Datos
Datos transformados
b ANOVA
Modelo 1
gl 2 12 14
F 59, 178
Sig. ,000a
a. Variables predic toras: (Constante), Log10 (peso), Log10 (dos is ) b. Variable dependiente: Log10 (superv iv encia)
a Coefi cientes
Modelo 1
Estadst ic os Coef icientes est andarizad Coef icientes no est andarizados os B Error t p. Beta 2, 589 ,084 -, 378 ,066 -, 580 ,875 ,172 ,516
Coef icientes no est andarizados Modelo 1 B 2, 952 -, 550 Error t p. ,074 ,097
Interv alo de conf ianza para B al 95% L mite Sig. L mite inf erior superior ,000 2, 793 3, 111 ,000 -, 760 -, 340
Aceptando el modelo completo Para una larva (L1) que pesa 1.58 qu dosis estimamos necesaria para que viva el mismo tiempo que una larva (L2) que pesa 2.51 y a la que se administra una dosis de 3.16? Solucin Estimacin de Log10 (Supervivencia) de L2 = 2.589 + 0.875 Log10(2.51) 0.378Log10(3.16) = 2.75
Supervivencia estimada de L2 = 102.75 = 562.34 Dosis estimada para L1 2.75 = 2.589 + 0.875 Log10(1.58) 0.378Log10(x)
Ejemplo 4
Los siguientes resultados corresponden al anlisis realizado sobre los cerezos negros en el Allegheny National Forest, Pennsylvania. Los datos corresponden al volumen (en pies cbicos), la altura (en pies) y el dimetro (en pulgadas, a 54 pulgadas sobre la base) de 31 cerezos. Se trata de estimar el volumen de un rbol (y por tanto su cantidad de madera) dados su altura y su dimetro.
Correlaciones Diam
Dimetro Altura Volumen 1 0,519 0,967
Varianzas y covarianzas
Altura
1 0,598
Volumen
Dimetro Altura Volumen
Diam
7,986 7,598 38,030
Altura
36,432 44,917
Volumen
194,668
Predicciones puntuales
Para un cerezo con una altura de 80 pies y un dimetro de 16 pulgadas Con el modelo lineal completo (dimetro y altura): Volumen estimado = -57,988 + 4,708 (16) +0,339 (80) = 44,46 pies cbicos Con el modelo lineal (solo el dimetro): Volumen estimado = -36,943 + 5,066 (16) = 44,11 pies cbicos Con el modelo potencial (slo el dimetro): Volumen estimado = 0,095 (16)2,2 = 42,34 pies cbicos