Regresión Lineal Múltiple

Slides:

Advertisements

Presentaciones similares

DISEÑO DE EXPERIMENTOS

Advertisements

Durante una reacción, las concentraciones de las especies cambian con el tiempo. La velocidad de reacción se mide a través de la variación de estas concentraciones.

Selección del Reactor Los Reactores son usados para convertir productos químicos de un bajo costo en productos químicos de mayor valor. El diseño de procesos.

Regresión lineal simple

DISEÑOS 2 K CON PUNTOS AL CENTRO

¿QUÉ VAMOS A VER? Descripción, haciendo fotografías con números

ESTUDIO INTEGRAL DE TRANSPORTE Y ÁREA METROPOLITANA DE ROSARIO

Covarianza muestral Sean x1, x2, ..., xn e y1, y2, ..., yn dos muestras aleatorias independientes de observaciones de X e Y respectivamente. La covarianza.

ANOVA Análisis de la Varianza (ANalysis Of VAriance)

9 Regresión Lineal Simple

RELACIONES ENTRE VARIABLES

LEAN SIGMA – FASE DE ANÁLISIS Propósito y herramientas 1.

REGRESION LINEAL En la búsqueda de mejoras o en la solución de problemas es necesario, frecuentemente, investigar la relación entre factores (o variables).

Control estadístico de Proceso

DISEÑOS DE COMPOSICION CENTRAL

Cinética y Equilibrio Químico

Problemática en la Adaptación Universitaria Mariano Fernández Director de Admisiones Noviembre, 2004.

ANOVA Anidado: diseño y procedimiento.

Regresión Lineal Simple

CO 3321/22 Modelos Lineales Práctica 3 Consideraremos modelos de la forma: Observación=señal + ruido Estos modelos pueden escribirse en la forma: Y=X 

Curso de Bioestadística. ANOVA

1 INTERPRETACIÓN DE UNA ECUACIÓN DE REGRESIÓN El diagrama muestra el ingreso por hora en 2002 graficado contra los años de educación, definido como el.

Modelo de regresión simple: Y =  1 +  2 X + u 1 Hemos visto que los coeficientes de regresión b 1 y b 2 son variables aleatorias. Estos, respectivamente,

Caso de regresión lineal simple: Relación entre población y número de nacimientos. Jorge Galbiati.

DERIVADO DE LOS COEFICIENTES DE REGRESIÓN LINEAL Y X Esta sequencia muestra cómo los coeficientes de regresión para un modelo de regresión lineal simple.

Educación y familia: apuntes sobre el estado de la cuestión en España Por Julio Carabaña UCM.

LOS COMPONENTES ALEATORIOS DE LOS COEFICIENTES DE REGRESIÓN

REGRESION LINEAL MULTIPLE: Introducción

CO2124 CRÍTICA DEL MODELO Práctica 5 1 El ajuste y el análisis de un modelo lineal se sustenta en cuatro suposiciones básicas: La relación entre las variables.

Modelos Lineales CO Práctica 4 Comparación de Modelos Lineales Se desea comparar dos modelos de la forma: (1) y i =  0 +  1 x 1i  l x li.

1 TEMA II Prof. Samaria Muñoz Análisis de Regresión simple: ESTIMACION.

RELACIÓN GRÁFICA EN UN MODELO DE REGRESIÓN MULTIPLE. reg EARNINGS S EXP Source | SS df MS Number of obs =

Concepto El diseño de discontinuidad en la regresión ofrece mejores perspectivas que el diseño de grupos no equivalentes, dado que se conoce la naturaleza.

APLICACIONES ECONOMÉTRICAS LIC. EN ECONOMIA PRÁCTICA 16/5/03.

Profesores: Walter Sosa Escudero Mariana Marchionni Asistentes: María Edo Camila Navajas.

Comparasi ó n de Regresión Lineales Capitulo 18. Los temas Regresión Lineal Comparando ecuaciones lineales Bondad de ajuste (Chi square) Tabla de contingencia.

pi V = ni R T Equilibrios gaseosos

UNIVERSIDAD DE GUADALAJARA C. U. C. E. I. Departamento de Madera Celulosa y Papel DETERMINACIÓN DEL EFECTO DEL MATERIAL DE ENVASE EN EL pH DE LA COCA COLA.

Cinética química a A + b B ® c C + d D Velocidad de reacción (1)

CO-2124 Análisis de Varianza con Un Criterio de Clasificación En clases anteriores se deseaba determinar si existían diferencias entre las medias de dos.

Cinética química 3° medio.

Regresión lineal simple. Regresión lineal: Ejemplo de juguete.

La ley del equilibrio químico

ECUACIONES LINEALES MATEMATICAS 1.

Intercambios de energía en las reacciones químicas Energética y cinética química: Intercambios de energía en las reacciones químicas.

REGRESIÓN MULTIPLE CON DOS VARIABLES EXPLICATIVAS: EJEMPLO INGRESO EXP S 11 1 INGRESO =  1 +  2 S +  3 EXP + u Esta presentación proporciona una interpretación.

LA CARTA DE AJUSTE POR RETROALIMENTACIÓN Suponer una variable de calidad Y, que tiene un “target” T. Suponer una variable controlable X que influye en.

Curso de Bioestadística Anova de 2 vías

2009 M.P.Díaz1 Introducción a los Modelos Lineales Generalizados Continuación …. Algunos ejemplos de motivación.

Tema 8 CLASE PRÁCTICA ANÁLISIS DE LA QUIEBRA.

Asociación entre la pobreza y el crecimiento poblacional Jennifer Rodríguez.

APLICACIONES ECONOMÉTRICAS LIC. EN ECONOMIA PRÁCTICA 28/3/03.

El Régimen de Tutorías en la UCEMA Mariano Fernández Director de Admisiones 31 de Agosto, 2004.

IMPORTANCIA METABOLICA DE LAS ENZIMAS:. Las enzimas Catalizadores de naturaleza proteínica de biosfera. Catalizan reacciones que abastecen ala célula.

DISEÑOS FACTORIALES 2 K. DISEÑOS FACTORIALES 2 K INTRODUCCION PROBLEMA HIPOTESIS SIGNOS DE LAS INTERACCIONES OBTENCION DEL CONTRASTE EFECTOS PROMEDIO.

DISEÑO Y ANALISIS DE EXPERIMENTOS DISEÑOS 2 A LA K CON PUNTOS CENTRALES.

DISEÑOS POR BLOQUES ALEATORIZADOS

METODO DE MAXIMA PENDIENTE

M.E. ADA PAULINA MORA GONZALEZ. Esta parte describe las técnicas para ajustar curvas en base a datos para estimaciones intermedias. Una manera de hacerlo.

DISEÑO FRACCION UN CUARTO. DISEÑOS FACTORIALES FRACCIONADOS 2 K-2 DISEÑOS FACTORIALES FRACCION UN CUARTO Dependiendo del numero de factores y del costo.

Procedimiento completo de regresión múltiple

Anova de una via Diseños completamente aleatorios

Anova de una via Diseños completamente aleatorios

Análisis de Regresión. Introducción Importancia Principal Aplicación: Determinación relación Y = F(X 1, X 2,... X n )

Sumas de cuadrados en Anova

REGRESION LINEAL MULTIPLE

DISEÑOS 2 A LA K CON PUNTOS CENTRALES

REGRESION LINEAL MULTIPLE

Transcripción de la presentación:

Regresión Lineal Múltiple En muchos problemas existen dos o más variables que están relacionadas y puede ser importante modelar y explorar esta relación. Por ejemplo, el rendimiento de una reacción química puede depender de la temperatura, presión y concentración del catalizador. En este caso se requiere al menos un modelo de regresión con tres variables. El problema general consiste en ajustar el modelo de primer orden

Ejemplo, Un ingeniero químico se encuentra investigando el rendimiento de un proceso, del cual le interesan tres variables: temperatura, presión y concentración porcentual. Cada variable puede estudiarse a dos niveles, bajo y alto, y el ingeniero decide correr un diseño con estas tres variables. El experimento y los rendimientos resultantes se muestran en la siguiente tabla, Corrida x1(Temp.) X2(presion) X3(concentra) rendimiento ---------------------------------------------------------------------- 1 -1. -1. -1. 32 2 - 1. -1. 1. 36 3 -1. 1. -1. 57 4 1. -1. -1. 46 5 1. 1. -1. 65 6 -1. 1. 1. 57 7 1. -1. 1. 48 8 1. 1. 1. 68

Multiple Regression - y Multiple Regression Analysis ----------------------------------------------------------------------------- Dependent variable: y Standard T Parameter Estimate Error Statistic P-Value CONSTANT 51.125 0.572822 89.2511 0.0000 x1 5.625 0.572822 9.81981 0.0006 x2 10.625 0.572822 18.5485 0.0000 x3 1.125 0.572822 1.96396 0.1210 ---------------------------------------------- Multiple Regression - y Analysis of Variance ----------------------------------------------------------------------------- Source Sum of Squares Df Mean Square F-Ratio P-Value Model 1166.38 3 388.792 148.11 0.0001 Residual 10.5 4 2.625 Total 1176.88 7