MODELOS LINEALES: SIMPLE Y MLTIPLE

ESTADSTICA II GRUPO AD

DEPARTAMENTO DE CIENCIAS BSICAS BARRANQUILLA, 2010

TABLA DE CONTENIDO Pg. Introduccin Objetivos General Especficos Metodologa Evidencias Conclusin 5 18 20 4

INTRODUCCIN En la practica de nuestros conocimientos vemos que la EstadsticaInferencial nos permite trabajar con una variable a nivel de intervalo o razn, as tambin se puede comprender la relacin de dos o ms variablesy nos permitir relacionar mediante ecuaciones, una variable en relacin de la otra variable llamndose Regresin Lineal y una variable en relacin a otras variables llamndose Regresin mltiple. Casi constantemente en la practica de la investigacin estadstica, se encuentran variables que de alguna manera estn relacionados entre si, por lo que es posible que una de las variables puedan relacionarse matemticamente en funcin de otra u otras variables. En el presente trabajo mediante un experimento en el cual evidenciaremos una simulacin de obreros trabajando en el embalaje de un producto al trasporte, describiremos tcnicas estadsticas aplicadas a los modelos lineales.

OBJETIVOS

General Adquirir la habilidad de construir un modelo de regresin simple y mltiple utilizando los conocimientos adquiridos en algebra lineal.

Especficos Aplicar modelos lineales a problemas de la vida diaria. Establecer si al conjunto de datos se le puede aplicar bajo hiptesis. Hallar valores dentro de la tabla de anlisis de varianza ANOVA.

METODOLOGA Realice un experimento en donde todas las personas del grupo carguen un objeto pesado (pesa) a una distancia. Tomando el tiempo de traslado del punto de partida hasta la distancia prefijada. Usted debe variar el peso de cada persona, replicando el experimento tres veces por persona (el mismo peso, la misma distancia). Pero a medida que avanza el experimento debe aumentar el peso del objeto de la carga (Simulacin de obreros trabajando en el embalaje de un producto al trasporte).
Persona Replicacin 1 1 2 3 1 2 2 3 1 3 2 3 1 4 2 3 1 5 2 3 EDAD en meses Peso de la persona Tiempo establecido hasta la distancia x Peso del objeto de carga

1. Ajuste un modelo de regresin lineal simple tomando como variable dependiente el tiempo establecido por cada persona y su peso corporal. Construya la tabla de anlisis de varianza y realice las conclusiones pertinentes. 2. Ajuste un modelo de regresin mltiple tomando como variable dependiente el tiempo establecido por cada persona y el resto de las variables del experimento como las variables independientes. Construya la tabla de anlisis de varianza y realice las conclusiones pertinentes. Utilice un alfa de 5%.

Recopilacin de datos
Persona Replicacin 1 1 2 3 1 2 2 3 1 3 2 3 1 4 2 3 EDAD en meses 252 252 252 228 228 228 233 233 233 230 230 230 Peso de la persona 65.5 64 65 56 56 55 50 49 49 54 54.5 53 Tiempo establecido hasta la distancia x 3.05 3.07 3.53 5.07 5.23 5.96 3.74 3.95 4.13 3.70 3.74 4.12 Peso del objeto de carga 2.5 7.5 20 2.5 7.5 20 2.5 7.5 20 2.5 7.5 20

La informacin de la anterior tabla es la recopilacin del peso de la persona, tiempo empleado y peso del objeto de carga. La informacin de la persona 1, 2, 3 y 4, corresponde a Jos, Heidy, Jorge y Camila respectivamente. Las cargas empleadas para tal uso fueron: 1 carga: 2.5 kg (incluida barra). 2 carga: 2.5 kg + 5 kg (7.5 kg, incluida barra). 3 carga: 2.5 kg + 5 kg + 12.5 kg (20 kg, incluida barra). La distancia establecida desde el punto de partida hasta el punto de llegada fue de 4.0 metros.

Realizacin punto #1 Caso Jos.

Y Tiempo 3.05 3.07 3.53 X Peso corporal 65,5 64 65

Tiempo (y), variable dependiente. Peso corporal (x), variable independiente.

Por lo tanto, ( ) ( ) ( )( )

( ) ( )

( ) ( )

 ( )( )

El modelo es el siguiente, El coeficiente de correlacin [ [ ( ( [ )( ) ( ) ( ) ( ) ] )( ) ( ) ]

( ) ] [ ( ( ) ) ][

No existe una relacin entre x y y El modelo no es idneo. ( ) ( ) ( ) ( ) ]

F de V Modelo Error Total

[ [ ] ] ( )

SS 2 3 5

CM

Valor f

0,05428571 0,02714286 0,87387572 0,09318095 0,03106032 0,14746667

No se rechaza Ho.

 Caso Heidy.
Y Tiempo 5.07 5.23 5.96 X Peso corporal 56 56 55

Tiempo (y), variable dependiente. Peso corporal (x), variable independiente. Por lo tanto, ( ) ( ) ( )( )

( ) ( )

( ) ( )

 ( )( )

El modelo es el siguiente,

El coeficiente de correlacin [ ( ) ( ) ( ) ] )( ) ( ) ]

( ) ] [ (

) ][

( (

)( )

) Existe una relacin negativa entre x y y El modelo es idneo. ( )

( ) ( ) ( ) ]

F de V Modelo Error Total

[ [ ] ] ( )

SS 2 3 5 -0,81 1,2602 0,4502

CM -0,405 0,42006667

Valor f -0,96413268

No se rechaza Ho.

10

 Caso Jorge.
Y Tiempo 3.74 3.95 4.13 X Peso corporal 50 49 49

Tiempo (y), variable dependiente. Peso corporal (x), variable independiente. Por lo tanto, ( ) ( ) ( )( )

( ) ( )

( ) ( )

11

 ( )( )

El modelo es el siguiente,

El coeficiente de correlacin [ ( ) ( ) ( ) ] )( ) ( ) ]

( ) ] [ (

) ][

( (

)( )

) Existe una relacin negativa entre x y y El modelo esrelativamente idneo. ( )

( ) ( ) ( ) ] ( )
SS 2 3 5
)

F de V Modelo Error Total

[ [ ] ] (

CM -0,15 0,1254

Valor f -1,19617225

-0,3 0,3762 0,0762

No se rechaza Ho.

12

 Caso Camila.
Y Tiempo 3.7 3.74 4.12 X Peso corporal 54 54.5 53

Tiempo (y), variable dependiente. Peso corporal (x), variable independiente. Por lo tanto, ( ) ( ) ( )( )

( ) ( )

( ) ( )

13

 ( )( )

El modelo es el siguiente,

El coeficiente de correlacin [ ( ) ( ) ( ) ] )( ) ( ) ]

( ) ] [ (

) ][

( (

)( )

) Existe una relacin negativa entre x y y El modelo esrelativamente idneo. ( )

( ) ( ) ( ) ] ( )
SS 2 3 5
)

F de V Modelo Error Total

[ [ ] ] (

CM

Valor f

-0,27714286 -0,13857143 -1,08087361 0,38460952 0,12820317 0,10746667

No se rechaza Ho.

14

Realizacin punto #2 Tenemos la informacin obtenida experimentalmente:

Tabla de datos Y Tiempo
3,05 3,07 3,53 5,07 5,23 5,96 3,74 3,95 4,13 3,7 3,74 4,12

X1 Edad
252 252 252 228 228 228 233 233 233 230 230 230

X2 Peso persona
65,5 64 65 56 56 55 50 49 49 54 54,5 53

X3 Peso carga
2,5 7,5 20 2,5 7,5 20 2,5 7,5 20 2,5 7,5 20

Tiempo (y), variable dependiente. Edad (X1), variable 1 independiente. Peso corporal (x2), variable 2 independiente. Peso carga del objeto (X3), variable 3 independiente. A partir de la tabla, obtenemos la matriz x,
Matriz x 1 1 1 1 1 1 1 1 1 1 1 1 252 252 252 228 228 228 233 233 233 230 230 230 65,5 64 65 56 56 55 50 49 49 54 54,5 53 2,5 7,5 20 2,5 7,5 20 2,5 7,5 20 2,5 7,5 20

15

De esta ltima se le aplica la matriz traspuesta x,

Matriz x' 1 252 65,5 2,5 1 252 64 7,5 1 252 65 20 1 228 56 2,5 1 228 56 7,5 1 228 55 20 1 233 50 2,5 1 233 49 7,5 1 233 49 20 1 230 54 2,5 1 230 54,5 7,5 1 230 53 20

Seguidamente obtenemos una matriz producto a partir de x (traspuesta) y x; con dimensiones 4x4.
Matriz x'x 12 2829 671 120 2829 668031 158719 28290 671 158719 37905,5 6680 120 28290 6680 1850

Luego, a esta ltima se invierte, obteniendo la matriz (xx)-1

Matriz (x'x)-1 77,5716783 -0,43753817 0,45789194 0,00574886 -0,43753817 0,00277216 -0,00383126 -0,00017683 0,45789194 -0,00383126 0,00789892 0,00036457 0,00574886 -0,00017683 0,00036457 0,00155529

Posteriormente se multiplica la matriz x por la matriz y, seleccionada de la tabla de datos

Obteniendo

16

Por ltimo Se aplica la forma: ( ) Para obtener:

= (x'x)-1x'y 24,4789493 -0,1125236 0,10353548 0,03666318 0 1 2 3

Donde, , es igual a , es igual a , es igual a , es igual a As,

El modelo es:

17

CONCLUSIONES

1. En el caso de la Persona 1 (Jos), se pudo concluir que no existe relacin entre las variables "x" y las variables "y", obteniendo r=0.1526. Adems, se estableci que el modelo aplicado al conjunto de datos que arroja la experiencia con la Persona 1 (Jos) no es idneo mientras que no se rechaz la hiptesis nula (Ho). 2. En el caso de la Persona 2 (Heidy), se pudo concluir que existe una altsima relacin negativa entre las variables "x" y las variables "y", obteniendo r=-0.9856. Adems, se estableci que el modelo aplicado al conjunto de datos que arroja la experiencia con la Persona 2 (Heidy) es idneo mientras que no se rechaz la hiptesis nula (Ho). 3. En el caso de la Persona 3 (Jorge), se pudo concluir que existe una relacin negativa y relativamente alta entre las variables "x" y las variables "y", obteniendo r=-0.8873. Adems, se estableci que el modelo aplicado al conjunto de datos que arroja la experiencia con la Persona 3 (Jorge) es relativamente idneo mientras que no se rechaz la hiptesis nula (Ho). 4. En el caso de la Persona 4 (Camila), se pudo concluir que existe una relacin negativa y relativamente alta entre las variables "x" y las variables "y", obteniendo r=-0.9131. Adems, se estableci que el modelo aplicado al conjunto de datos que arroja la experiencia con la Persona 4 (Camila) es relativamente idneo mientras que no se rechaz la hiptesis nula (Ho). 5. Finalmente, a partir de los datos obtenidos experimentalmente se pudo notar el modelo de relacin entre las variables, conociendo sus respectivos coeficientes. El modelo es:

18