Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
2. La fuerza de la relación entre x y y se puede medir usando R 2 � To S ta S l R SS lo cual se acerca a 1 cuando la relación se hace más fuerte. 3. Use gráfi cas residuales para verifi car si hay no normalidad, desigualdad de varianzas y un modelo incorrectamente ajustado. 4. Las pruebas de signifi cancia para los coefi cientes de regresión parcial se pueden efectuar usando la prueba t de Student: t � b S i E � (b b i) i con error df � n � k � 1 5. Los intervalos de confi anza pueden ser generados por computadora para estimar el valor promedio de y, E(y), para valores dados de x1, x2, …, xk. Los intervalos de predicción generados por computadora se pueden usar para predecir una observación particular y para valores determinados de x1, x2, …, xk. Para x1, x2, …, xk, los intervalos de predicción determinados son siempre más anchos que los intervalos de confi anza. V. Construcción de un modelo 1. El número de términos en un modelo de regresión no puede exceder al número de observaciones del conjunto de datos y debe ser considerablemente menor. 2. Para considerar un efecto curvilíneo en una variable cuantitativa, use un modelo polinomial de segundo orden. Para un efecto cúbico, use un modelo polinomial de tercer orden. 3. Para agregar una variable cualitativa con k categorías, use (k � 1) variables fi cticias o indicadoras. 4. Puede haber interacciones entre dos variables cuantitativas o entre una variable cuantitativa y una cualitativa. Los términos de interacción se introducen como bxi ji. 5. Compare modelos usando R2(adj). MINITABMIMI Procedimientos de regresión múltiple En el capítulo 12 usamos los procedimientos de regresión lineal disponibles en MINITAB para efectuar estimación y probar un análisis de regresión lineal simple. Obtuvimos una grá- fi ca de la recta de mejor ajuste de regresión de mínimos cuadrados y calculamos el co- efi ciente de correlación r y el coefi ciente de determinación r2. Las técnicas de prueba y estimación para un análisis de regresión múltiple también están disponibles con MINITAB y contienen casi el mismo conjunto de comandos. Se podría revisar la sección “Mi MINITAB” al fi nal del capítulo 12 antes de continuar con esta sección. Para una variable de respuesta y que está relacionada con diversas variables predic- toras x1, x2, …, xk, los valores observados de y y cada una de las variables predictoras k deben introducirse en las primeras (k � 1) columnas de la hoja de trabajo MINITAB. Una vez hecho esto, las principales herramientas inferenciales para análisis de regresión lineal se generan usando Stat � Regression � Regression. El cuadro de diálogo para el comando Regression se muestra en la figura 13.21. Seleccione y para la variable de respuesta y x1, x2, …, xk para las variables predictoras. Ahora se puede escoger generar algunas gráficas residuales para comprobar la validez de las suposiciones de regresión antes de usar el modelo para estimación o predicción. Escoja Graphs para exhibir el cuadro de diálogo para gráficas residuales y escoja la gráfica apropiada de diagnóstico. Una vez que haya verificado lo apropiado del modelo de regresión múltiple, puede esco- ger Options y obtener intervalos de confianza y predicción para cualquiera de estos casos: • Un solo conjunto de valores x1, x2, …, xk (tecleados en el cuadro marcado “Pre- diction Intervals for new observations”) • Varios conjuntos de valores x1, x2, …, xk guardados en k columnas de la hoja de trabajo Cuando haga clic en OK dos veces, se genera la salida de regresión. MI MINITAB ❍ 583 SS Total Probabilidad_Mendenhall_13.indd 583Probabilidad_Mendenhall_13.indd 583 5/14/10 8:20:39 AM5/14/10 8:20:39 AM www.FreeLibros.me 584 ❍ CAPÍTULO 13 ANÁLISIS DE REGRESIÓN MÚLTIPLE La única dificultad para efectuar el análisis de regresión múltiple usando MINITAB podría ser introducir correctamente los datos para su modelo particular. Si el mode- lo contiene términos con polinomios o términos de interacción, el comando Calc � Calculator le ayudará. Por ejemplo, suponga que desea ajustar el modelo E(y) � b0 � b1x1 � b2x2 � b3 x 2 1 � b4 x1x2 Necesitará introducir los valores observados de y, x1 y x2 en las primeras tres columnas de la hoja de trabajo MINITAB. Aplique nombre a la columna C4 “x1-sq” y a C5 “x1x2”. Ahora puede usar el cuadro de diálogo de calculadora que se ve en la fi gura 13.22 para generar estas dos columnas. En el cuadro Expression, seleccione x1*x1 o x1**2 y guarde los resultados en C4 (x1-sq). Dé un clic en OK. Del mismo modo, para obtener los da- tos para C5, seleccione x1*x2 y guarde los resultados en C5 (x1x2). Dé un clic en OK. Ahora está listo para efectuar el análisis de regresión múltiple. Si usted está ajustando ya sea un modelo cuadrático o uno cúbico en una variable x, puede ahora graficar los puntos de datos, la curva de regresión polinomial y los límites de confianza y predicción superiores e inferiores usando Stat � Regression � Fit- ted line Plot. Seleccione y y x para las variables Response y Predictor, y dé un clic en “Display confidence interval” y “Display prediction interval” en el cuadro de diálogo Options. Asegúrese que Quadratic o Cubic esté seleccionado como el “Type of Re- gression Model”, de modo que obtenga el ajuste apropiado a los datos. Recuerde que, en el capítulo 12, utilizó Stat � Basic Statistics � Correlation para obtener el valor del coeficiente de correlación r. En análisis de regresión múl- tiple, el mismo comando va a generar una matriz de correlaciones, una por cada par de variables del conjunto y, x1, x2, …, xk. Asegúrese que el cuadro marcado “Display p-values” se haya seleccionado con una “paloma”. Los valores p darán información sobre la correlación significativa entre un par particular, en presencia de todas las obras variables del modelo y sean idénticas para las pruebas t individuales de los coeficientes de regresión. FIGURA 13.21 ● Probabilidad_Mendenhall_13.indd 584Probabilidad_Mendenhall_13.indd 584 5/14/10 8:20:39 AM5/14/10 8:20:39 AM www.FreeLibros.me Ejercicios suplementarios 13.25 Ingesta de Biotina en pollos Grupos de pollos de 10 días de edad se asignaron al azar a siete grupos de tratamiento en los que una dieta basal se suplementó con 0, 50, 100, 150, 200, 250 o 300 microgramos/kilogramo (mg/kg) de biotina. La tabla siguiente da el promedio de ingesta de biotina (x) en microgramos por día y el promedio de aumento de peso (y) en gramos por día.6 Biotin agregado Ingesta de biotina, x Aumento de peso, y 0 .14 8.0 50 2.01 17.1 100 6.06 22.3 150 6.34 24.4 200 7.15 26.5 250 9.65 23.4 300 12.50 23.3 En la salida impresa MINITAB, el modelo polinomial de segundo orden E(y) � b0 � b1x � b2x 2 está ajustado a los datos. Use la salida impresa para contestar las preguntas. a. ¿Cuál es la recta de mínimos cuadrados ajustada? b. Encuentre R2 e interprete su valor. c. ¿Los datos dan suficiente evidencia para concluir que el modelo aporta información significativa para predecir y? d. Encuentre los resultados de la prueba de H0 : b2 � 0. ¿Hay suficiente evidencia para indicar que el modelo cuadrático da un mejor ajuste a los datos que un modelo lineal simple? e. ¿Las gráficas residuales indican que cualquiera de las suposiciones de regresión han sido violadas? Explique. DATOSMISMIS EX1325 FIGURA 13.22 ● EJERCICIOS SUPLEMENTARIOS ❍ 585 Probabilidad_Mendenhall_13.indd 585Probabilidad_Mendenhall_13.indd 585 5/14/10 8:20:39 AM5/14/10 8:20:39 AM www.FreeLibros.me
Compartir