Doe

4
UNIVERSIDAD DE MONTERREY DIVISIÓN DE INGENIERIA Y TECNOLOGÍA DEPARTAMENTO DE INGENIERÍA PRIMAVERA 2013 Tarea #5 Diseño de Experimentos Francisco Javier Hernandez Carrillo 260310 Dr. Juan Baldemar Garza Villegas

Transcript of Doe

Page 1: Doe

UNIVERSIDAD DE MONTERREYDIVISIÓN DE INGENIERIA Y TECNOLOGÍA

DEPARTAMENTO DE INGENIERÍAPRIMAVERA 2013

Tarea #5

Diseño de Experimentos Francisco Javier Hernandez Carrillo 260310Dr. Juan Baldemar Garza Villegas

San Pedro Garza García, N.L a 11 de marzo de 2013

Page 2: Doe

REGRESION LINEAL MULTIPLE

Una regresión lineal se usa para modelar la relación de una o varias variables continua X con respecto a una variable continua Y.

Los pasos para desarrollar una modelo de regresión lineal múltiple es la siguiente

Recaudar la información:

Generalmente muestreas una población y vas capturando los valores de las variables X y Y. Por ejemplo si queremos determinar la relación entre el costo de un carro y el kilometraje que este tenga, muestreamos cierta cantidad de carros y registramos el costo de esto carro junto con el kilometraje de cada uno de estos.

Recolectar una muestra suficientemente grande:

A menos que la relación de X y Y sea demasiado fuerte una muestra pequeña ( (menor a 15) no será suficiente para estimar de manera precisa la relación entre las variables, la cual esta medida por el estadístico R^2. Si se necesita un estimado fuerte se necesita usar muestras de tamaño 40 o mayor.

Capturar la información en el orden que se recolecto:

Al no hacer esto la relación entre los valores serán incorrecto dando como resultado problemas en el modelo de regresión.

Los valores de la variable dependiente no necesitan tener una distribución normal.

Esto no es necesario para obtener un modelo de regresión adecuado, sin embargo si tienes una muestra menor a 15 se debe tener cuidado al interpretar el p-valor. Con muestras pequeñas la precisión del p – valor es sensible a errores residuales

Los supuestos que se deben cumplir para una regresión múltiple con los siguientes:

Prueba de normalidad para variables continuas: debe de existir normalidad en las variables continuas independientes.

Page 3: Doe

Prueba de homocedasticidad:

Prueba global F: en esta prueba se determina si la regresión es significativa

• Si p valor es menor (<) .05 la regresión es significativa

Prueba de significancia de variables independientes:

• Si p- valor ees menor (<) .05 la variable independiente es significativa

Prueba de multicolinealidad: esta prueba nos sirve para determinar la relación entre las variables independientes, si hay mucha relación entre variables independientes esta debe de ser eliminada ya que no puede afectar la precisión del modelo de regresión.

Page 4: Doe

• Si 1 vif es mayor a 10 esa variable debe de ser descartada del modelo

BIBLIOGRAFIA

Software MINITAB.