Regresión Simple - VD: Eficiencia % vs.
VI: Capacidad Lt
Variable dependiente: VD: Eficiencia %
Variable independiente: VI: Capacidad Lt
Lineal: Y = a + b*X
Número de observaciones: 30
Coeficientes
Mínimos Cuadrados Estándar Estadístico
Parámetro Estimado Error T Valor-P
Intercepto -216.596 12.4907 -17.3405 0.0000
Pendiente 0.25947 0.0112116 23.1431 0.0000
Análisis de Varianza
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 12439.3 1 12439.3 535.60 0.0000
Residuo 650.298 28 23.2249
Total (Corr.) 13089.6 29
Coeficiente de Correlación = 0.974843
R-cuadrada = 95.032 porciento
R-cuadrado (ajustado para g.l.) = 94.8545 porciento
Error estándar del est. = 4.81923
Error absoluto medio = 3.88817
Estadístico Durbin-Watson = 0.104544 (P=0.0000)
Autocorrelación de residuos en retraso 1 = 0.759768
El StatAdvisor
La salida muestra los resultados de ajustar un modelo para describir la relación entre VD: Eficiencia % y
VI: Capacidad Lt. La ecuación del modelo ajustado es
VD: Eficiencia % = -216.596 + 0.25947*VI: Capacidad Lt
Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relación estadísticamente
significativa entre VD: Eficiencia % y VI: Capacidad Lt con un nivel de confianza del 95.0%.
El estadístico R-Cuadrada indica que el modelo ajustado explica 95.032% de la variabilidad en VD:
Eficiencia %. El coeficiente de correlación es igual a 0.974843, indicando una relación relativamente fuerte
entre las variables. El error estándar del estimado indica que la desviación estándar de los residuos es
4.81923. Este valor puede usarse para construir límites de predicción para nuevas observaciones,
seleccionando la opción de Pronósticos del menú de texto.
El error absoluto medio (MAE) de 3.88817 es el valor promedio de los residuos. El estadístico de
Durbin-Watson (DW) examina los residuos para determinar si hay alguna correlación significativa basada en
el orden en el que se presentan en el archivo de datos. Puesto que el valor-P es menor que 0.05, hay
indicación de una posible correlación serial con un nivel de confianza del 95.0%. Grafique los residuos
versus el número de fila para ver si hay algún patrón que pueda detectarse.
Análisis de Varianza con Carencia de Ajuste
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 12439.3 1 12439.3 535.60 0.0000
Residuo 650.298 28 23.2249
Carencia de Ajuste 650.298 28 23.2249
Error Puro 0 0
Total (Corr.) 13089.6 29
El StatAdvisor
La prueba de Falta de Ajuste está diseñada para determinar si el modelo seleccionado es adecuado para
describir los datos observados, ó si se debería utilizar un modelo más complicado. La prueba se realiza
comparando la variabilidad de los residuos del modelo actual con la variabilidad entre observaciones hechas
en valores repetidos de la variable independiente X. Desafortunadamente, la prueba no puede ejecutarse en
este caso debido a que no hay observaciones replicadas en los mismos valores de VI: Capacidad Lt.
Valores Predichos
Pronosticado Inferior 95% Superior 95% Inferior 95% Superior 95%
X Y Límite Pred. Límite Pred. Límite Conf. Límite Conf.
1000.0 42.8745 32.5189 53.23 39.7464 46.0026
1250.5 107.872 97.3401 118.403 104.202 111.541
El StatAdvisor
Esta tabla muestra los valores predichos para VD: Eficiencia % usando el modelo ajustado. Además de las
mejores predicciones, la tabla muestra:
(1) intervalos de previsión del 95.0% para las nuevas observaciones
(2) intervalos de confianza del 95.0% para la media de varias observaciones
Los intervalos de predicción y de confianza corresponden a las cotas internas y externas en la gráfica del
modelo ajustado.
Comparación de Modelos Alternos
Modelo Correlación R-Cuadrada
Cuadrado-Y Inversa de X -0.9976 99.52%
Cuadrado-Y Log-X 0.9964 99.27%
Cuadrado-Y Raíz Cuadrada-X 0.9954 99.09%
Cuadrado de Y 0.9943 98.86%
Cuadrado Doble 0.9914 98.29%
Inversa de X -0.9848 96.98%
Logaritmo de X 0.9802 96.08%
Raíz Cuadrada deX 0.9776 95.57%
Lineal 0.9748 95.03%
Raíz Cuadrada-Y Inversa de X -0.9696 94.01%
Cuadrado de X 0.9687 93.84%
Raíz Cuadrada-Y Log-X 0.9633 92.79%
Raíz Cuadrada Doble 0.9598 92.13%
Raíz Cuadrada de Y 0.9562 91.44%
Raíz Cuadrada-X Cuadrado-X 0.9485 89.96%
Curva S -0.9472 89.73%
Multiplicativa 0.9392 88.22%
Logarítmico-Y Raíz Cuadrada-X 0.9350 87.42%
Exponencial 0.9306 86.60%
Log-Y Cuadrado-X 0.9213 84.88%
Doble Inverso 0.8804 77.51%
Inversa-Y Log-X -0.8695 75.60%
Inversa-Y Raíz Cuadrada-X -0.8638 74.62%
Inversa de Y -0.8580 73.62%
Inversa-Y Cuadrado-X -0.8461 71.59%
Logístico <sin ajuste>
Log probit <sin ajuste>
El StatAdvisor
Esta tabla muestra los resultados de ajustar varios modelos curvilíneos a los datos. De los modelos
ajustados, el modelo Y-cuadrada X-inversa es el que arroja el valore más alto de R-Cuadrada con
99.5196%. Este es 4.48761% mayor que el modelo seleccionado. Para cambiar los modelos, seleccione
el cuadro de diálogo de las Opciones de Análisis.
Residuos Atípicos
Predicciones Residuos
Fila X Y Y Residuos Studentizados
1 1000.0 30.0 42.8745 -12.8745 -3.27
2 1005.5 35.5 44.3015 -8.80155 -2.02
30 1250.5 99.0 107.872 -8.87179 -2.10
El StatAdvisor
La tabla de residuos atípicos enlista todas las observaciones que tienen residuos Estudentizados mayores a
2, en valor absoluto. Los residuos Estudentizados miden cuántas desviaciones estándar se desvía cada
valor observado de VD: Eficiencia % del modelo ajustado, utilizando todos los datos excepto esa
observación. En este caso, hay 3 residuos Estudentizados mayores que 2, pero ninguno mayor que 3. Es
conveniente examinar detenidamente las observaciones con residuos mayores a 3 para determinar si son
valores aberrantes que debieran ser eliminados del modelo y tratados por separado.
Puntos Influyentes
Predicciones Residuos
Fila X Y Y Studentizados Influencia
Influencia Media de un punto = 0.0666667
El StatAdvisor
La tabla de puntos influyentes enlista todas las observaciones que tienen valores de influencia mayores
que 3 veces la de un punto promedio de los datos. Valor de Influencia es un estadístico que mide que tan
influyente es cada observación en la determinación de los coeficientes del modelo estimado. En este
caso, un punto promedio de los datos tendría un valor de influencia igual a 0.0666667. No hay puntos con
más de 3 veces el valor de influencia promedio.
Lineal
Raiz cuadrada de Y
Exponencial
Y inversa
Y cuadrada
Raiz cuadrada de y
Doble raíz cuadrada
Log Y raíz cuadrada de Y
Log X
X cuadrada
