Documente Academic
Documente Profesional
Documente Cultură
Regresión 1
Implantación de programas de mejora Seis Sigma
Regresión 2
Implantación de programas de mejora Seis Sigma
Regresión 3
Implantación de programas de mejora Seis Sigma
450
400
Tiempo
350
300
30 32 34 36 38 40 42 44 46 48
Edad
Regresión 4
Implantación de programas de mejora Seis Sigma
3. Descripciones numéricas
Regresión 5
Implantación de programas de mejora Seis Sigma
Ejemplos reales
90 90 90
85 85 85
80 80 80
75 75 75
150 160 170 180 150 160 170 180 150 160 170 180
Temperatura Temperatura Temperatura
200
0 10 20 30
Regresión 6
Implantación de programas de mejora Seis Sigma
400
Tiempo
350
300
250
30 32 34 36 38 40 42 44 46 48
Edad
Regresión 7
Implantación de programas de mejora Seis Sigma
ŷ = b0 + b1x
Recta ajustada:
(a partir de una muestra) ŷ i predicción de la recta
yi observado
r ⋅ sy
ŷ = y + (x − x)
sx
xi X
y
r ⋅ sy
ŷ = b0 + b1x b1 =
sx
b1
1
b0
Regresión 8
Implantación de programas de mejora Seis Sigma
e i = y i − ŷ i
ei
Regresión 9
Implantación de programas de mejora Seis Sigma
Regression Plot
Rendi2 = 10,2163 + 0,447563 Temperatura
95
Intervalo para las predicciones
85
Regression
95% CI
75
95% PI
Temperatura
Regresión 10
Implantación de programas de mejora Seis Sigma
Regresión no lineal
400
Tiempo
350
300
250
30 32 34 36 38 40 42 44 46 48
Edad
Regresión múltiple
Yi = α + β1 X 1i + β 2 X 2i + ... + +β k X ki + ε i
Regresión 11
Implantación de programas de mejora Seis Sigma
Regresión múltiple
Regresión 12
Implantación de programas de mejora Seis Sigma
R 2 = r2 = 1−
∑ (y i − ŷ i ) 2
∑ (y i − yi ) 2
Regresión 13
Implantación de programas de mejora Seis Sigma
Regresión 14
Implantación de programas de mejora Seis Sigma
50 0
10
-50
1
400
0,1 -100
-100 0 100 320 340 360 380
Tiempo
12 50
Frequency
Residual
300 8 0
4 -50
30 32 34 36 38 40 42 44 46 48 0 -100
Edad -80 -40 0 40 80 1 5 10 15 20 25 30 35 40 45 50 55 60 65
Residual Observation Order
S 38,3533 90
50
Residual
Percent
10 0
1
400 -50
0,1
-100 -50 0 50 100 280 300 320 340 360
Tiempo
350 Histogram of the Residuals Residuals Versus the Order of the Data
16
100
12
300
Frequency
50
Residual
8
0
4
250
30 32 34 36 38 40 42 44 46 48 0 -50
Edad -40 -20 0 20 40 60 80 100 1 5 10 15 20 25 30 35 40 45 50 55 60 65
Residual Observation Order
Regresión 15
Implantación de programas de mejora Seis Sigma
Source DF SS MS F P
Regression 9 116566 12952 25,14 0,000
Residual Error 55 28339 515 Linealidad significativa
Total 64 144905
Unusual Observations
Obs Edad Tiempo Fit SE Fit Residual St Resid
19 36,0 408,00 359,05 10,03 48,95 2,40R
32 37,0 407,00 364,39 10,96 42,61 2,14R
36 37,0 325,00 367,72 8,39 -42,72 -2,03R
Regresión 16
Implantación de programas de mejora Seis Sigma
Posibilidades:
Representar gráficamente las relaciones: Gráfico matriz
Calcular los coeficientes de correlación entre las variables
Regresión 17
Implantación de programas de mejora Seis Sigma
420
Tiempo 360
300
48
40
Edad
32
80
70
Peso
60
5,0
Experiencia 2,5
0,0
90
60
EnCarrera
30
450
300
EnBici
150
20
10
EnNatación
0
70
60
CoCarrera
50
70
60
CoBici
50
CoNatación
Regresión 18
Implantación de programas de mejora Seis Sigma
Regresión 19
Implantación de programas de mejora Seis Sigma
Step 1 2 3 4 5
Constant 687,9 709,7 704,1 532,8 516,1
EnCarrer 0,80
T-Value 2,96
P-Value 0,004
Regresión 20
Implantación de programas de mejora Seis Sigma
Response is Tiempo
E E E C C
x n n o o
p C E N C C N
e a n a a o a
E P r r B t r B t
d e i r i a r i a
a s e e c c e c c
Vars R-Sq R-Sq(adj) C-p S d o n r i i r i i
Regresión 21
Implantación de programas de mejora Seis Sigma
Inconveniente:
el modelo es muy dependiente de la primera elegida (la que más
información aporta por si sola, pero puede no ser la mejor para
trabajar con ella)
Inconvenientes:
No dice cual es la mejor opción, luego hay que decidirse.
Su lista se basa en el valor R2, luego habrá que comprobar si las variables
del modelo son significativas
Regresión 22
Implantación de programas de mejora Seis Sigma
Analysis of Variance
Source DF SS MS F P
Regression 5 114844 22969 45,08 0,000
Residual Error 59 30062 510
Total 64 144905
Regresión 23
Implantación de programas de mejora Seis Sigma
Analysis of Variance
Source DF SS MS F P
Regression 4 110381 27595 47,96 0,000
Residual Error 60 34524 575
Total 64 144905
Regresión 24
Implantación de programas de mejora Seis Sigma
Residual
Percent
50 0
10 -25
1
-50
0,1
-80 -40 0 40 80 250 300 350 400 450
Residual Fitted Value
12 50
25
Frequency
9
Residual
6 0
-25
3
-50
0
-40 -20 0 20 40 60 1 5 10 15 20 25 30 35 40 45 50 55 60 65
Residual Observation Order
Regresión 25