Deber de regresion no lineal
Fernando LeonInforme14 de Julio de 2022
2.663 Palabras (11 Páginas)110 Visitas
[pic 1]
ESCUELA SUPERIOR POLITÉCNICA DE CHIMBORAZO
FACULTAD DE CIENCIAS
CARRERA ESTADÍSTICA
NOMBRE:
JONATHAN FERNANDO LEÓN ORTA
PAO:
5to
FECHA:
14/06/2022
DOCENTE:
ING. NATALIA PEREZ
PERIODO ACADEMICO
ABRIL – SEMTIEMBRE
Descripción del modelo | ||
Nombre de modelo | MOD_1 | |
Variable dependiente | 1 | PRESION |
Ecuación | 1 | Lineal |
2 | Logarítmico | |
3 | Inverso | |
4 | Cuadrático | |
5 | Cúbico | |
6 | Compuestoa | |
7 | Potenciaa | |
8 | Sa | |
9 | Crecimientoa | |
10 | Exponenciala | |
11 | Logísticaa | |
Variable independiente | TEMPERATURA | |
Constante | Incluido | |
Variable cuyos valores etiquetan las observaciones en los gráficos | Sin especificar | |
Tolerancia para entrar términos en ecuaciones | ,0001 | |
a. El modelo requiere que todos los valores no perdidos sean positivos. |
Resumen de procesamiento de variables | |||
Variables | |||
Dependiente | Independiente | ||
PRESION | TEMPERATURA | ||
Número de valores positivos | 50 | 50 | |
Número de ceros | 0 | 0 | |
Número de valores negativos | 0 | 0 | |
Número de valores perdidos | Perdido por el usuario | 0 | 0 |
Perdido por el sistema | 0 | 0 |
Como podemos observar en la descripción de modelo observamos que existen 13 modelos que analizaremos y determinaremos cual es el mejor modelo para nuestro estudio, observamos también que tenemos 50 observaciones, como ya es de nuestro conocimiento trabajaremos únicamente con 2 variables una dependiente y una independiente, como realizamos manualmente en Excel y observamos que nuestra variable mas significativa es la temperatura; por tal razón trabajaremos como variable independiente y así analizar los diferentes modelos que nos arrojara el software SPSS.
Modelo de regresión lineal
La ecuación de regresión ajustada está dada por
[pic 2]
Resumen del modelo | |||
R | R cuadrado | R cuadrado ajustado | Error estándar de la estimación |
,810 | ,656 | ,649 | 4,113 |
La variable independiente es TEMPERATURA. |
ANOVA | |||||
Suma de cuadrados | gl | Media cuadrática | F | Sig. | |
Regresión | 1547,914 | 1 | 1547,914 | 91,493 | ,000 |
Residuo | 812,086 | 48 | 16,918 | ||
Total | 2360,000 | 49 | |||
La variable independiente es TEMPERATURA. |
Coeficientes | |||||
Coeficientes no estandarizados | Coeficientes estandarizados | t | Sig. | ||
B | Desv. Error | Beta | |||
TEMPERATURA | 8,031 | ,840 | ,810 | 9,565 | ,000 |
(Constante) | -223,540 | 31,656 | -7,062 | ,000 |
Ajustar un polinomio de segundo orden a los datos
[pic 3]
PRUEBA DE HIPOTESIS PARA LA ECUACIÓN DEL MODELO
- PLANTEAMIENTO DE HIPOTESIS
[pic 4]
[pic 5]
- NIVEL DE SIGNIFICANCIA
[pic 6]
- ESTADÍSTICO DE PUEBA
[pic 7]
[pic 8]
- REGIÓN DE RECHAZO
El valor p es menor que el nivel de significancia
[pic 9]
| |||
- DESICIÓN ESTADÍSTICA
El valor p es menor que 0,05 podemos decir que existe suficiente evidencia estadística para rechazar la hipótesis nula.
INTERPRETACIÓN
El ingreso al triaje del Hospital del Seguro Social las variables presión y temperatura aportan al estudio del modelo, los pacientes del hospital pueden variar su presión y temperatura esto puede ocurrir por diferentes factores uno de ellos puede ser la edad y sexo del paciente.
PRUEBA DE HIPOTESIS PARA LOS PARAMETROS
- PLANTEAMIENTO DE HIPOTESIS
[pic 11][pic 12] | |||
- NIVEL DE SIGNIFICANCIA
[pic 13]
- ESTADÍSTICO DE PUEBA
[pic 14]
[pic 15]
- REGIÓN DE RECHAZO
El valor p es menor que el nivel de significancia
[pic 16]
| |||
- DESICIÓN ESTADÍSTICA
El valor p es menor que 0,05 podemos decir que existe suficiente evidencia estadística para rechazar la hipótesis nula.
INTERPRETACIÓN
El ingreso al triaje del Hospital del Seguro Social la variable temperatura aporta al estudio del modelo, los pacientes del hospital pueden variar su temperatura esto puede ocurrir por diferentes factores uno de ellos puede ser la edad y sexo del paciente se puede decir que B1 = 0.
Modelo de regresión logarítmico
Resumen del modelo | |||
R | R cuadrado | R cuadrado ajustado | Error estándar de la estimación |
,810 | ,656 | ,649 | 4,112 |
La variable independiente es TEMPERATURA. |
ANOVA | |||||
Suma de cuadrados | gl | Media cuadrática | F | Sig. | |
Regresión | 1548,214 | 1 | 1548,214 | 91,544 | ,000 |
Residuo | 811,786 | 48 | 16,912 | ||
Total | 2360,000 | 49 | |||
La variable independiente es TEMPERATURA. |
Coeficientes | |||||
Coeficientes no estandarizados | Coeficientes estandarizados | t | Sig. | ||
B | Desv. Error | Beta | |||
ln(TEMPERATURA) | 302,966 | 31,665 | ,810 | 9,568 | ,000 |
(Constante) | -1020,381 | 114,926 | -8,879 | ,000 |
Ajustar a una ecuación logarítmica
...