REGRESIN MULTIPLE

JEFFERSON ALVARADO MARTNEZ

LINA MARA ROJAS LPEZ

UNIVERSIDAD MILITAR NUEVA GRANADA

FACULTAD DE INGENIERA
PROGRAMA DE INGENIERA INDUSTRIAL
BOGOT D.C.
2013- I

REGRESIN MULTIPLE

JEFFERSON ALVARADO MARTNEZ

LINA MARA ROJAS LPEZ

ING. FERNANDO GONZLEZ BECERRA

DOCENTE

UNIVERSIDAD MILITAR NUEVA GRANADA

FACULTAD DE INGENIERA
PROGRAMA DE INGENIERA INDUSTRIAL
BOGOT D.C.
2013- I

REGRESIN MULTIPLE
EJERCICIO 23.
En el rea de desarrollo de una empresa se pretende obtener un nuevo polmero
de bajo peso molecular (y1), de lograrse esto, se obtendr un polmero que
funcione como dispersante en la industria de la cermica. De acuerdo con los
conocimientos tcnicos que se tienen, se considera que los factores crticos son
X1: Persulfato de sodio (NaPS), X2: cido hipofosforoso (H3PO4) y X3:
Isopropanol (IPA). Para encontrar las condiciones ptimas se realiz un
experimento y se obtuvieron los siguientes datos (los valores de los factores estn
codificados). Adems de Y1, se midi la viscosidad (Y2).
X1
Persulfato de
sodio
(NaPS)
0
-1
1
-1
1
-1
1
0
-1
1
0
0
0
0
0

X2
cido
hipofosforos
o (H3PO4)
0
-1
-1
1
1
0
0
0
0
0
-1
1
-1
1
0

a) Ajuste el modelo

X3
Isopropanol
(IPA)

Y1
Peso
molecular

Y2
Viscosidad

0
0
0
0
0
-1
-1
0
1
1
-1
-1
1
1
0

8392
9895
9204
7882
7105
8939
8548
8598
9152
8992
10504
7462
9368
7772
8440

1075
2325
1575
690
420
1188
930
920
1275
860
5600
540
1225
620
1015

Y 1= 0+ 1 X 1+ 2 X 2+ 3 X 3+

para la variable Y1.

b) El modelo explica la variacin observada en Y1?

c) Ajuste el modelo

Y 1= 0+ 1 X 1+ 2 X 2+ 3 X 3+ 12 X 1 X 2+ 13 X 1 X 3+ 23 X 2 X 3+ 11 X 12 + 22 X 22
, y analice con detalle la calidad del ajuste (Hiptesis sobre coeficientes
individuales, grficas de residuo).

d) Compare el error estndar de estimacin (

2

determinacin ( R 2 , R 2 AJUS

CME ) y los coeficientes de

)) para ambos modelos.

e) Con base en lo anterior, proponga un modelo que considere que slo tiene
trminos significativos. Ajstelo y haga un anlisis completo sobre este.
f) Para el modelo final al que llego en el punto anterior, interprete con detalle
el dignificado de cada uno de los coeficientes estimados en funcin de su
aporte para la variable de respuesta Y1.
SOLUCIN
A)

Y 1= 0+ 1 X 1+ 2 X 2+ 3 X 3+

MATRIZ DE VARIABLES PARA X y Y

MATRIZ TRASPUESTA DE X

MATRIZ X TRASPUESTA POR X

MATRIZ INVERSA DE LA MATRIZ TRASPUESTA DE X (A)

MATRIZ TRASPUESTA DE X POR MATRIZ Y (B)

MATRIZ A POR MATRIZ B

ANLISIS DE REGRESIN EN EXCEL

MODELO

Y 1= 0+ 1 X 1+ 2 X 2+ 3 X 3+

Y1=8683.5-252.375X1-1093.75X2-21.125X3+362.4

B) Segn se observa en la regresin realizada en Excel, con un nivel de

significancia de 5%, el coeficiente de determinacin es 0.8746, lo cual
quiere decir que el modelo planteado tiene un buen ajuste con respecto a
sus variables dependientes, el coeficiente de correlacin que es 0.93 se
est aproximando a 1, con esto quiere decir que el modelo tiende a ser
lineal.
C)
D)
E)
F)
G)
H)
I)
J)
K)
L)
M)
N)
O)
P)
Q)
R)
S)
T)
U)

V)

Y 1= 0+ 1 X 1+ 2 X 2+ 3 X 3+ 12 X 1 X 2+ 13 X 1 X 3+ 23 X 2 X 3+ 11 X 12 + 22 X 22 + 33 X 32 + ,
W) MATRIZ DE VARIABLES PARA X

X)

Y)
Z)
AA)

AB)
AC)
AD)

MATRIZ TRASPUESTA DE X

AE)

AF)

MATRIZ X TRASPUESTA POR X

AG)

AH)

AI)
AJ)
AK)
AL)
AM)

MATRIZ INVERSA DE LA MATRIZ TRASPUESTA DE X (A)

AN)

AO)

MATRIZ TRASPUESTA DE X POR MATRIZ Y (B)

AP)
AQ)
AR)
AS)
AT)

MATRIZ A POR MATRIZ B

AU)
AV)

AW)
AX)
AY)
AZ)
BA)
BB)
BC)
BD)
BE)
BF)

ANLISIS DE REGRESIN EN EXCEL

BG)

BH)

MODELO

Y 1= 0+ 1 X 1+ 2 X 2+ 3 X 3+ 12 X 1 X 2+ 13 X 1 X 3+ 23 X 2 X 3+ 11 X 12 + 22 X 22 + 33 X 32 +

BI) Y=8476.6-252.375X1-1093.75X2-21.125X3-21.5X1X2+57.75X1X3+361.5X2X3+88.04X1^243.20X2^2+343.04X3^2
BJ)

BK)
ANLISIS ESTADSTICO
BL)
Primero determinaremos a travs de la tabla de distribucin Fisher,
si el modelo planteado presenta inconsistencia en sus variables, que no
permitan que se acerque al modelo original.

BM)
Ho= Los coeficientes afectan la solucin del modelo
Ha Los coeficientes no afectan la solucin del modelo
Significancia: Se utilizara un nivel de significancia de 5%
FT=14.072
FE=3.48
Decisin Se acepta la hiptesis Ho

BN)
BO)
BP)
BQ)
BR)
BS)
BT)
BU)
Como se acepta la hiptesis nula, quiere decir que dentro del modelo
existen variables que lo estn afectando, realizaremos una nueva prueba
estadstica utilizando graficas t- Studen, para identificar las variables que
afectan nuestro modelo.

BV)
BW)
1. Para la variable X1
BX)
Ho= La variable x1 afecta la solucin del modelo
BY)
Ha La variable x1 no afecta la solucin del modelo
BZ)
Significancia: Se utilizara un nivel de significancia de 5%
CA)
ST=-2.41
CB)
SE= 1.761

6.

CC)
Decisin Se rechaza la Ho
CD)
2. Para la variable X2
CE)
Ho= La variable x2 afecta la solucin del modelo
CF)
Ha La variable x2 no afecta la solucin del modelo
CG)
Significancia: Se utilizara un nivel de significancia de 5%
CH)
ST=-10.45
CI) SE=1.761
CJ)
Decisin Se rechaza la Ho
CK)
3. Para la variable X3
CL)
Ho= La variable x3 afecta la solucin del modelo
CM)
Ha La variable x3 no afecta la solucin del modelo
CN)
Significancia: Se utilizara un nivel de significancia de 5%
CO)
ST=-0.20
CP)
SE=1.761
CQ)
Decisin Se rechaza la Ho
CR)
4. Para la variable X1*X2
CS)
Ho= La variable x1*x2 afecta la solucin del modelo
CT)
Ha La variable x1*x2 no afecta la solucin del modelo
CU)
Significancia: Se utilizara un nivel de significancia de 5%
CV)
ST=-0.14
CW)
SE=1.761
CX)
Decisin Se rechaza la Ho
CY)
5. Para la variable X1*X3
CZ)
Ho= La variable x1*x3 afecta la solucin del modelo
DA)
Ha La variable x1*x3 no afecta la solucin del modelo
DB)
Significancia: Se utilizara un nivel de significancia de 5%
DC)
ST=0.39
DD)
SE=1.761
DE)
Decisin Se rechaza la Ho
DF)
Para la variable X2*X3
DG)
Ho= La variable x2*x3 afecta la solucin del modelo
DH)
Ha La variable x2x*3 no afecta la solucin del modelo
DI) Significancia: Se utilizara un nivel de significancia de 5%
DJ)
ST=2.44
DK)
SE=1.761
DL)
Decisin Se acepta la Ho
DM)

DN)
7. Para la variable X1^2
DO)
Ho= La variable x1^2 afecta la solucin del modelo
DP)
Ha La variable x1^2 no afecta la solucin del modelo
DQ)
Significancia: Se utilizara un nivel de significancia de 5%
DR)
ST=0.57
DS)
SE=1.761
DT)
Decisin Se rechaza la Ho
DU)
8. Para la variable X2^2
DV)
Ho= La variable x2^2 afecta la solucin del modelo
DW)
Ha La variable x2^2 no afecta la solucin del modelo
DX)
Significancia: Se utilizara un nivel de significancia de 5%
DY)
ST=-0.28
DZ)
SE=1.761
EA)
Decisin Se rechaza la Ho
EB)
9. Para a variable X3^2
EC)
Ho= La variable x3^2 afecta la solucin del modelo
ED)
Ha La variable x3^2 no afecta la solucin del modelo
EE)
Significancia: Se utilizara un nivel de significancia de 5%
EF)
ST=2.22
EG)
SE=1.761
EH)
Decisin Se acepta la Ho
EI)
EJ)
EK)
EL)
EM)
EN)
EO)
EP)
EQ)
ER)

ES)
ET)
EU)
EV)

EZ) MOD
ELO 1
FD) MOD
ELO 2
FH)

COMPARACIN
EW) ERROR
ESTNDAR DE
ESTIMACIN
FA) 362.4191
FE)

295.9193

EX) C.
DETERMINACIN
FB)

0.8746

FF)

0.9620

EY) C.
DETERMINACIN
AJUSTADO
FC) 0.8404
FG)

0.8936

FI) Como se puede observar el modelo 2 est ms cerca al modelo original de

la funcin, debido a que su error de estimacin es menor con respecto al
primer modelo, adems se observa tambin que tanto el coeficiente de
determinacin y el coeficiente de determinacin ajustado es mayor con
respecto al primero, este sera el modelo ms conveniente a usar si se
considera un nivel de significancia del 5%.
FJ)

Despus del anlisis y la comparacin entre el modelo 2 y el uno,

identificamos cual modelo se acerca ms a la funcin, a travez de sus
coeficientes de determinacin, y por medio del anlisis estadsticos
identificamos las variables que afectaban el modelo ms cercano, ahora
realizaremos el tercer modelo, con base a estos anlisis que ser:

FK)
2

Y 1= 0+ 1 X 1+ 2 X 2+ 3 X 3+ 12 X 1 X 2+ 13 X 1 X 3+ 11 X 1 + 22 X 2 +
,
FL)
FM)
FN)
FO)
FP)
FQ)
FR)
FS)
FT)

FU)
FV)

Y 1= 0+ 1 X 1+ 2 X 2+ 3 X 3+ 12 X 1 X 2+ 13 X 1 X 3+ 11 X 12 + 22 X 22 +

FW)

FX)

MATRIZ PARA VARIABLES X

FY)
FZ)

Se realizara la regresin directamente en Excel.

GA)
GB)
GC)

GD)

ANLISIS DE REGRESIN EN EXCEL

GE)

GF)
GG)
GH)

GI) COMPARACIN DE MODELOS

GJ)

GN) MOD
ELO 1
GR) MOD
ELO 2
GV) MOD
ELO 3
GZ)

GK) ERROR
ESTNDAR DE
ESTIMACIN
GO) 362.4191

GL) C.
DETERMINACIN

GM) C.
DETERMINACIN
AJUSTADO
GQ) 0.8404

GP)

0.8746

295.9193

GT)

0.9620

GU)

0.8936

GW) 446.4258

GX)

0.8789

GY)

0.7579

GS)

Como se puede observar en la tabla de comparacin el modelo 3

planteado, est muy lejos de la funcin original, con respecto debido a que
su error esta mayor con respecto a los otros dos, aunque su coeficiente de
determinacin se encuentre entre el modelo 1 y el modelo 2, el coeficiente
de determinacin ajustado est muy por debajo de los mismo, lo cual quiere
decir que en alguna parte del anlisis hubo un error.

HA)