Documente Academic
Documente Profesional
Documente Cultură
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
yi=a+bxi+cxi2
3. TABLA DE DATOS
X y X2 X3 X4 X* y X2*y y2
.. .. .. .. .. .. .. ..
1 x1 X12
1 x2 X22
... ..... .....
1 xn Xn2
y1
y2
.....
yn
1 1 ... 1
x1 x2 ... xn
X12 X22 ... Xn2
viii) Para el càlculo del anàlisis de varianza, se tienen las siguientes operaciones
matriciales:
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
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) 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
RAPIDEZ DISTANCIA
Km/h Metros
35 16
50 26
65 41
80 62
95 88
110 119
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
Ecuación Final:
Yi=13.3587-.3394xi+0.01182xi2
Se puede concluir que el grado de ajuste del modelo es alto (casi perfecto!), por lo que el
modelo es confiable para hacer predicciones.
=7711.3333
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.
y= 13.3587-.3394(100)+0.01182(100)2=97.618 m
Finalmente, dado que t calculada es mayor que la tabulada, se concluye al 99% que el
coeficiente b no es igual a 1.
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
Producto x ´ y
352
30935
2888725
Análisis de varianza
ym=352/6=58.666
Suma de cuadrados de regresión= b´x´y-nym2=