AO DE LA CONSILIDACIN DEL MAR DE GRAU

FACULTAD DE INGENIERA AGROINDUSTRIAL

ESCUELA ACADEMICA PROFESIONAL DE INGENIERA

AGROINDUSTRIAL

ASIGNATURA :
METODOS ESTADISTICOS
TEMA :
TRABAJOS

CICLO :
V

ESTUDIANTE :
SALAS GACRA POOL KEVIN
TAFUR REATEGUI JHON KENEDY
PASHANASHI JHON KENEDI
MORALESTARAPOTO
2016-II

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

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

regresin polinomiales, siendo su grado igual a 2.

2. Ecuacin caracterstica
La funcin que define el modelo es la siguiente:

Yi=A+Bxi+Cxi2+E
En la cual:
Yi : Variable dependiente, isima observacin
A, B, C: Parmetros de la ecuacin, que generalmente son desconocidos
E: Error asociado al modelo
Xi : Valor de la -esima observacin de la variable independiente

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

yi=a+bxi+cxi2

3. Tabla de datos
Para el ajuste de un conjunto de datos al modelo cuadrtico de regresin, se construye la
siguiente tabla de datos:

X y X2 X3 X4 X* y X2*y y2

.. .. .. .. .. .. .. ..

x y x2 x3 x4 x*y x2y y2

4. Estimadores del modelo

los estimadores para el ajuste del modelo se calculan de la siguiente manera:
 5. Anlisis de varianza para la regresin
Con el objeto de determinar si el modelo explica o no el fenmeno en estudio, se realiza el
anlisis de varianza, que se calcula de la siguiente manera

Fuente de Grados de Suma de cuadrados Cuadrado F calculada F ta

Variacin libertad medio
Regresin 2 b* (xy-x*y/n)+c*(x2y- x2* S.C. Reg/2 C.M.Reg/C.M.Error
y/n)
Error n-3 S.C. Total- S.C. Regresin S.C. Error/(n-3)
Total n-1 (y)2-(y)2 /n

Ho: El modelo no explica el fenmeno en estudio

Ha: El modelo s explica el fenmeno en estudio

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

regresin y en el denominador, de acuerdo al nivel de significancia escogido (los ms usuales
son al 5% y al 1%)
Si el valor de F calculada es mayor que el de F tabulada, se rechaza Ho, en caso
contrario se acepta

6. Grado de ajuste del modelo

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

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

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

i) formar la matriz x: (matriz de variable independiente), agregando la primera columna formada

por unos y una tercera columna formada por los valores de x elevados al cuadrado:

1 x1 X12
1 x2 X22
... ..... .....
1 xn Xn2

ii) Formar el vector de valores de y

 y1
y2
.....
yn

iii) Formar la matriz x transpuesta ( x)

1 1 ... 1
x1 x2 ... xn
X12 X22 ... Xn2

iv) Calcular el producto matricial xx

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

Fuente de Grados de Suma de cuadrados Cuadrado F calculada F

Variacin libertad medio tabulada
Regresin 2 D( x )(y)-nym2 S.C. Reg/2 C.M.Reg/C.M.Error *
Error n-3 yy-D( x )(y) S.C. Error/(n-
3)
Total n-1 yy- nym2

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

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

siguiente manera:

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

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

7.1 Para el coeficiente b

Para probar la hiptesis de que el coeficiente b es igual a un valor b, se procede de la
siguiente manera:

i) Se plantea la hiptesis Ho: b= b y la alternativa Ha: b b

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

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

iii) Se busca en la tabla de t de student el valor tabulado para los siguientes datos:
n-3 grados de libertad y un nivel /2

iv) Si el valor de t calculado es mayor que el tabulado, se rechaza la Ho, en caso

contrario, se acepta .

7.2 Para el coeficiente c

Para probar la hiptesis de que el coeficiente c es igual a un valor c, se procede de la
siguiente manera:

i) Se plantea la hiptesis Ho: c= c y la alternativa Ha: c c

ii) Se calcula el estadstico :

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

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

iii) Se busca en la tabla de t de student el valor tabulado para los siguientes datos:
n-3 grados de libertad y un nivel /2

iv) Si el valor de t calculado es mayor que el tabulado, se rechaza la Ho, en caso

contrario, se acepta .

7.3 Para el coeficiente a

Se puede probar la hiptesis de que el coeficiente a es igual a un valor a, para lo
cual se sigue el siguiente procedimiento:

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

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

iii) Se calcula el estadstico de prueba:

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

8. Intervalos de confianza

8.1 Para el coeficiente b

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

El cuadrado medio del error se obtiene del anlisis de varianza

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

8.2 Para el coeficiente c

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

El cuadrado medio del error se obtiene del anlisis de varianza

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

8.3 Para el coeficiente a

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

El cuadrado medio del error se obtiene del anlisis de varianza

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

8.5 para la respuesta media de y, con valores de x fijos

Un intervalo de confianza para la respuesta media de y, dado x 0 sera:

El cuadrado medio del error se obtiene del anlisis de varianza

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

8.4 para la estimacin de y

El intervalo de confianza para la estimacin de y, dado un valor de x 0 se obtiene de la siguiente
manera:
 El cuadrado medio del error se obtiene del anlisis de varianza
El valor de t se obtiene de la tabla de t de student con n-3 grados de libertad y un
nivel /2

10. Se realiza una prueba de frenado de un automvil nuevo, midiendo la distancia de parada
de acuerdo a la rapidez del vehculo al momento de aplicar los frenos, obtenindose los
siguientes resultados:

RAPIDE DISTANCIA
Z Metros
Km/h
35 16
50 26
65 41
80 62
95 88
110 119

En base a los datos anteriores:

a) Construya un diagrama de dispersin
b) Efecte la estimacin del modelo cuadrtico
c) Determine el grado de ajuste e interprtelo
d) Elabore el anlisis de varianza y disctalo
e) Si el vehculo viaja a 100 km/h, en qu distancia se detiene?
f) Pruebe la hiptesis que b=1 con un 99% de confianza
g) Calcule intervalo de confianza al 95% para a y b
h) Efecte la estimacin del modelo, el andeva y obtenga el coeficiente de determinacin por
medio de matrices.

a) Diagrama de Dispersin

b) Estimadores del modelo

i) Tabla de Datos:
x y x2 x3 x4 xy x2y y2
35 16 1,225 42,875 1,500,625 560 19,600 256
50 26 2,500 125,000 6,250,000 1,300 65,000 676
65 41 4,225 274,625 17,850,625 2,665 173,225 1,681
80 62 6,400 512,000 40,960,000 4,960 396,800 3,844
95 88 9,025 857,375 81,450,625 8,360 794,200 7,744
110 119 12,100 1,331,000 146,410,000 13,090 1,439,900 14,161
=435 =352 =35,475 =3,142,875 =294,421,875 =30,935 =2,888,725 =28,362
ii) Estimadores del modelo

Ecuacin Final:
Yi=13.3587-.3394xi+0.01182xi2

c) Grado de ajuste del modelo

El coeficiente de determinacin se calcula as:

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

d) Anlisis de varianza del modelo

i) Suma de cuadrados de regresin:

ii) Suma de cuadrados Total

=7711.3333

iii) Suma de cuadrados del error : 7711.3333-7711.2119=0.12143

iv) Grados de libertad de regresion=2
v) Grados de libertad totales= 6-1=5
vi) Grados de libertad del error=6-3=3
vii) Cuadrado medio de regresin= 7711.2119/2=3855.5069
viii) Cuadrado medio del error= 0.1243/3=0.04048
ix) F Calculada=3855.5069/0.04048=95256.147
x) F Tabulada (2,3,0.01)=30.82
xi) Tabla de Andeva:

Fuente de Grados de Suma de cuadrados Cuadrado medio F calculada F

Variacin libertad tabulada
Regresin 2 7711.2119 3855.60595 95256.14 30.82**
Error 3 0.12143 0.04048
Total 5 7711.33333
 Debido a que F calculada es mayor que F tabulada, se rechaza la Ho y se acepta la Ha, con lo
cual se concluye que el modelo s explica el fenmeno en estudio y que los resultados
obtenidos no se deben a la casualidad.

e) Si el vehculo viaja a 100 km/h, en qu distancia se detiene?

Para esto, simplemente se utiliza la ecuacin anteriormente encontrada por estimacin,

sustituyendo el valor de x por 100

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

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

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

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

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

de , siendo el valor igual a 5.840

Finalmente, dado que t calculada es mayor que la tabulada, se concluye al 99% que el
coeficiente b no es igual a 1.

g) Calcule intervalos de confianza al 95% para a y b

El valor de t de student al 95% (/2=0.05/2=0.025) con 3 grados de libertad es= 3.182
Intervalo de confianza para b:

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

Intervalo de confianza para a:

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

i) Ajuste del modelo y anlisis de varianza mediante matrices:

Matriz x:
1 35 1225
1 50 2500
1 65 4225
1 80 6400
1 95 9025
1 110 12100

Matriz x transpuesta ( x )
 1 1 1 1 1 1
35 50 65 80 95 110
1225 2500 4225 6400 9025 12100

Vector y:

16
26
41
62
88
119

Producto xx:

6 435 35475
435 35475 3142875
35475 314287 29442187
5 5

Matriz inversa de xx:

12.6973 -0.3713 0.002433
-0.3713 0.01137 -0.00007671
0.002433 -0.00007671 0.000000529
1

Producto x y

352
30935
2888725

Producto Final b=(xx)-1* (x y)

13.3587
-0.3394
0.01182

Anlisis de varianza
ym=352/6=58.666
Suma de cuadrados de regresin= bxy-nym2=

Suma de cuadrados total= yy- nym2=

Suma de cuadrados del error : 7711.3333-7711.2119=0.12143
Grados de libertad de regresion=2
Grados de libertad totales= 6-1=5
Grados de libertad del error=6-3=3
Cuadrado medio de regresin= 7711.2119/2=3855.5069
Cuadrado medio del error= 0.1243/3=0.04048
F Calculada=3855.5069/0.04048=95256.147
F Tabulada (2,3,0.01)=30.82

Anlisis de Varianza Final:

Fuente de Grados de Suma de cuadrados Cuadrado medio F calculada F

Variacin libertad tabulada
Regresin 2 7711.2119 3855.60595 95256.14 30.82**
Error 3 0.12143 0.04048
Total 5 7711.33333