ANALISIS DE REGRESION CUADRATICA

1. INTRODUCCION:
El modelo de regresión cuadrática es una alternativa cuando el modelo lineal no logra un
coeficiente de determinación apropiado, o cuando el fenómeno en estudio tiene un
comportamiento que puede considerarse como parabólico. La forma más simple de tratar de
establecer la tendencia es a través de un diagrama de dispersión o nube de puntos, tal como la
siguiente:

Este modelo también es conocido como parabólico, y es el caso más simple de modelos de
regresión polinomiales, siendo su grado igual a 2.

2. ECUACIÓN CARACTERÍSTICA
La función que define el modelo es la siguiente:

Yi=A+Bxi+Cxi2+E
En la cual:
 Y: Variable dependiente, i-ésima observación
 A, B, C: Parámetros de la ecuación, que generalmente son desconocidos
 E Error asociado al modelo
 Xi: Valor de la í-esima observación de la variable independiente

Al sustituir los parámetros por estimadores, el modelo adopta la siguiente forma:

yi=a+bxi+cxi2
3. TABLA DE DATOS

Para el ajuste de un conjunto de datos al modelo cuadrático de regresión, se construye la

siguiente tabla de datos:

X y X2 X3 X4 X* y X2*y y2

.. .. .. .. .. .. .. ..

Σx Σy Σx2 Σx3 Σx4 Σ x*y Σx2y Σy2

4. Estimadores del modelo

los estimadores para el ajuste del modelo se calculan de la siguiente manera:

5. ANÁLISIS DE VARIANZA PARA LA REGRESIÓN

Con el objeto de determinar si el modelo explica o no el fenómeno en estudio, se realiza el

análisis de varianza, que se calcula de la siguiente manera

Fuente de Grados Suma de cuadrados Cuadrado medio F calculada F tabulada

Variación de
libertad
Regresión 2 b* (Σxy- S.C. Reg/2 C.M.Reg/C.M.Error
Σx*Σy/n)+c*( Σx2
y-Σx2* Σy/n)
Error n-3 S.C. Total- S.C. S.C. Error/(n-3)
Regresión

Total n-1 Σ(y)2-(Σy)2 /n

Ho: El modelo no explica el fenómeno en estudio

Ha: El modelo sí explica el fenómeno en estudio

 Para buscar en la tabla la F tabulada, se usan en el numerador los grados de libertad

de regresión y en el denominador, de acuerdo al nivel de significancia escogido (los más
usuales son al 5% y al 1%)

 Si el valor de F calculada es mayor que el de F tabulada, se rechaza Ho, en caso

contrario se acepta

6. GRADO DE AJUSTE DEL MODELO

Para determinar el grado de ajuste del modelo, se calcula el coeficiente de determinación, de la

siguiente manera:
 7. CÀLCULO DE ESTIMADORES, COEFICIENTE DE DETERMINACIÒN Y
ANÀLISIS DE VARIANZA MEDIANTE EL USO DE MATRICES
Un método alternativo para realizar los cálculos, es el uso de matrices. En este caso, el
procedimiento es el siguiente:

i) formar la matriz x: (matriz de variable independiente), agregando la primera columna formada

por unos y una tercera columna formada por los valores de x elevados al cuadrado:

1 x1 X12
1 x2 X22
... ..... .....
1 xn Xn2

ii) Formar el vector de valores de y

y1
y2
.....

yn

iii) Formar la matriz x transpuesta ( x´)

1 1 ... 1
x1 x2 ... xn
X12 X22 ... Xn2

iv) Calcular el producto matricial x´x

v) Calcular la inversa del producto x´x (o sea [x´x]-1

vi) Calcular el producto x´y

vii) Calcular el producto (x´x)-1*(x´y)=D

El resultado de esta operaciòn es el vector de coeficientes de regresiòn en el orden a,b,c

viii) Para el càlculo del anàlisis de varianza, se tienen las siguientes operaciones
matriciales:

Fuente de Grados de Suma de cuadrados Cuadrado F calculada F

Variación libertad medio tabulada
Regresión 2 D´( x´ )(y)-nym2 S.C. Reg/2 C.M.Reg/C.M.Error *
Error n-3 y´y-D´( x´ )(y) S.C. Error/(n-
3)
Total n-1 y´y- nym2

El valor de ym que se usa en los cálculos es el promedio de valores de y (Σy/n)

ix) Finalmente, el coeficiente de determinaciòn por matrices se obtiene de la
siguiente manera:

r2= [D´(x´)(y)- nym2]/[(y´y)- nym2 ]

8. Pruebas de Hipótesis para el modelo
Para el planteo y prueba de hipótesis, es necesario definir el término “multiplicadores de
Gauss”
Los multiplicadores de Gauss son los elementos de la matriz inversa x´x:

7.1 Para el coeficiente b

Para probar la hipótesis de que el coeficiente b es igual a un valor b´, se procede de la
siguiente manera:

i) Se plantea la hipótesis Ho: b= b´ y la alternativa Ha: b≠ b´

ii) Se calcula el estadístico :

Sb es conocido como el error standard de b y se calcula de la siguiente manera:

El cuadrado medio del error se obtiene del anàlisis de varianza.

iii) Se busca en la tabla de t de student el valor tabulado para los siguientes datos:
n-3 grados de libertad y un nivel α/2

iv) Si el valor de t calculado es mayor que el tabulado, se rechaza la Ho, en caso

contrario, se acepta .

7.2 Para el coeficiente c

Para probar la hipótesis de que el coeficiente c es igual a un valor c´, se procede de la
siguiente manera:

i) Se plantea la hipótesis Ho: c= c´ y la alternativa Ha: c≠ c´

ii) Se calcula el estadístico :

Sb es conocido como el error standard de b y se calcula de la siguiente manera:

 El cuadrado medio del error se obtiene del anàlisis de varianza.

iii) Se busca en la tabla de t de student el valor tabulado para los siguientes datos:
n-3 grados de libertad y un nivel α/2

iv) Si el valor de t calculado es mayor que el tabulado, se rechaza la Ho, en caso

contrario, se acepta .

7.3 Para el coeficiente a

Se puede probar la hipótesis de que el coeficiente a es igual a un valor a´, para lo
cual se sigue el siguiente procedimiento:

i) Se define la hipótesis: Ho: a=a´ y la alternativa Ha: a≠a´

ii) Se calcula el error standard para a con la siguiente fórmula:

iii) Se calcula el estadístico de prueba:

iv) Se obtiene en la tabla de t de student el estadístico comparador, con los siguientes datos: n-3
grados de libertad y nivel α/2
v) Si el valor de t calculado es mayor que el tabulado, se rechaza la Ho, en caso contrario, la
hipótesis se acepta

8. Intervalos de confianza

8.1 Para el coeficiente b

El intervalo de confianza para el coeficiente b se calcula así:

El cuadrado medio del error se obtiene del análisis de varianza

El valor de t se obtiene de la tabla de t de student con n-3 grados de libertad y un
nivel α/2

8.2 Para el coeficiente c

El intervalo de confianza para el coeficiente b se calcula así:

El cuadrado medio del error se obtiene del análisis de varianza

El valor de t se obtiene de la tabla de t de student con n-3 grados de libertad y un
nivel α/2

8.3 Para el coeficiente a

El intervalo de confianza para el coeficiente a se calcula así:
 El cuadrado medio del error se obtiene del análisis de varianza
El valor de t se obtiene de la tabla de t de student con n-3 grados de libertad y un
nivel α/2

8.5 para la respuesta media de y, con valores de x fijos

Un intervalo de confianza para la respuesta media de y, dado x0 sería:

El cuadrado medio del error se obtiene del análisis de varianza

El valor de t se obtiene de la tabla de t de student con n-3 grados de libertad y un
nivel α/2
El vector x0 contiene los valores de x para los que se calcula el valor de y. Para obtener el
valor de y que se usa en ésta fórmula, se sustituye en la ecuación de regresión obtenida los
valores de x y x al cuadrado.

8.4 para la estimación de y

El intervalo de confianza para la estimación de y, dado un valor de x0 se obtiene de la siguiente
manera:

El cuadrado medio del error se obtiene del análisis de varianza

El valor de t se obtiene de la tabla de t de student con n-3 grados de libertad y un
nivel α/2

10. Por fin un ejemplo!

Se realiza una prueba de frenado de un automóvil nuevo, midiendo la distancia de parada de
acuerdo a la rapidez del vehículo al momento de aplicar los frenos, obteniéndose los siguientes
resultados:

RAPIDEZ DISTANCIA
Km/h Metros
35 16
50 26
65 41
80 62
95 88
110 119

En base a los datos anteriores:

a) Construya un diagrama de dispersión
b) Efectúe la estimaciòn del modelo cuadrático
c) Determine el grado de ajuste e interprételo
d) Elabore el análisis de varianza y discútalo
e) Si el vehículo viaja a 100 km/h, en qué distancia se detiene?
f) Pruebe la hipòtesis que b=1 con un 99% de confianza
g) Calcule intervalo de confianza al 95% para a y b
h) Efectùe la estimaciòn del modelo, el andeva y obtenga el coeficiente de determinaciòn por
medio de matrices.
 a) Diagrama de Dispersión

b) Estimadores del modelo

i) Tabla de Datos:
x y x2 x3 x4 xy x2y y2
35 16 1,225 42,875 1,500,625 560 19,600 256
50 26 2,500 125,000 6,250,000 1,300 65,000 676
65 41 4,225 274,625 17,850,625 2,665 173,225 1,681
80 62 6,400 512,000 40,960,000 4,960 396,800 3,844
95 88 9,025 857,375 81,450,625 8,360 794,200 7,744
110 119 12,100 1,331,000 146,410,000 13,090 1,439,900 14,161
Σ=435 Σ=352 Σ=35,475 Σ=3,142,875 Σ=294,421,875 Σ=30,935 Σ=2,888,725 Σ=28,362

ii) Estimadores del modelo

Ecuación Final:
Yi=13.3587-.3394xi+0.01182xi2

c) Grado de ajuste del modelo

El coeficiente de determinación se calcula así:

Se puede concluir que el grado de ajuste del modelo es alto (casi perfecto!), por lo que el
modelo es confiable para hacer predicciones.

d) Análisis de varianza del modelo

i) Suma de cuadrados de regresión:

 ii) Suma de cuadrados Total

=7711.3333

iii) Suma de cuadrados del error : 7711.3333-7711.2119=0.12143

iv) Grados de libertad de regresion=2
v) Grados de libertad totales= 6-1=5
vi) Grados de libertad del error=6-3=3
vii) Cuadrado medio de regresión= 7711.2119/2=3855.5069
viii) Cuadrado medio del error= 0.1243/3=0.04048
ix) F Calculada=3855.5069/0.04048=95256.147
x) F Tabulada (2,3,0.01)=30.82
xi) Tabla de Andeva:

Fuente de Grados de Suma de cuadrados Cuadrado medio F calculada F

Variación libertad tabulada
Regresión 2 7711.2119 3855.60595 95256.14 30.82**
Error 3 0.12143 0.04048
Total 5 7711.33333

Debido a que F calculada es mayor que F tabulada, se rechaza la Ho y se acepta la Ha, con lo
cual se concluye que el modelo sì explica el fenòmeno en estudio y que los resultados
obtenidos no se deben a la casualidad.

e) Si el vehículo viaja a 100 km/h, en qué distancia se detiene?

Para esto, simplemente se utiliza la ecuaciòn anteriormente encontrada por estimaciòn,

sustituyendo el valor de x por 100

y= 13.3587-.3394(100)+0.01182(100)2=97.618 m

f) Pruebe la hipòtesis de que b=1 con un 99% de confianza

Inicialmente se plantea Ho: b=1 y su alterna Ha: b≠1
A continuaciòn se obtiene el error standard de b:

El valor de t de student de calcula de la siguiente manera:

El valor de t se obtiene en la tabla de t de student, con 6-3 grados de libertad y (1-.99)/2=0.005

de α, siendo el valor igual a 5.840

Finalmente, dado que t calculada es mayor que la tabulada, se concluye al 99% que el
coeficiente b no es igual a 1.

g) Calcule intervalos de confianza al 95% para a y b

 El valor de t de student al 95% (α/2=0.05/2=0.025) con 3 grados de libertad es= 3.182
Intervalo de confianza para b:

El intervalo final será entonces el siguiente: -0.40766<B<-0.27114

Intervalo de confianza para a:

El intervalo final para a sería: 11.0775<A<15.6399

i) Ajuste del modelo y análisis de varianza mediante matrices:

Matriz x:
1 35 1225
1 50 2500
1 65 4225
1 80 6400
1 95 9025
1 110 12100

Matriz x transpuesta ( x´ )
1 1 1 1 1 1
35 50 65 80 95 110
1225 2500 4225 6400 9025 12100

Vector y:

16
26
41
62
88
119

Producto x´x:

6 435 35475
435 35475 3142875
35475 3142875 294421875

Matriz inversa de x´x:

12.6973 -0.3713 0.002433
-0.3713 0.01137 -0.00007671
0.002433 -0.00007671 0.0000005291

Producto x ´ y
 352
30935
2888725

Producto Final b=(x´x)-1* (x ´ y)

13.3587
-0.3394
0.01182

Análisis de varianza
ym=352/6=58.666
Suma de cuadrados de regresión= b´x´y-nym2=

Suma de cuadrados total= y´y- nym2=

Suma de cuadrados del error : 7711.3333-7711.2119=0.12143

Grados de libertad de regresion=2
Grados de libertad totales= 6-1=5
Grados de libertad del error=6-3=3
Cuadrado medio de regresión= 7711.2119/2=3855.5069
Cuadrado medio del error= 0.1243/3=0.04048
F Calculada=3855.5069/0.04048=95256.147
F Tabulada (2,3,0.01)=30.82

Análisis de Varianza Final:

Fuente de Grados de Suma de cuadrados Cuadrado medio F calculada F

Variación libertad tabulada
Regresión 2 7711.2119 3855.60595 95256.14 30.82**
Error 3 0.12143 0.04048
Total 5 7711.33333