Informe - Correlación Lineal Múltiple Sanchez

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 5

Estadística Aplicada

Correlación lineal múltiple


1. Análisis de correlación general:

Resumen del modelo


R cuadrado Error estándar
Modelo R R cuadrado ajustado de la estimación
1 ,845a ,714 ,668 5,15798
a. Predictores: (Constante), Tiempo (ms), Temperatura (°C), Potencia
(mW), Fueza (mg)

R2
R2=0 Incorrelacion
0<R2≤0.25 Débil correlacion R2=0.668
Fuerte correlación múltiple
0.25<R2≤0.60 Moderada correlacion
0.60<R2<1 Fuerte correlacion
Correlacion directa

Prueba de Hipotesis
FH0: ro=0 no existe correlacion multiple ente resistencia y fuerza potencia temperatura y tiempo
VH1: ro=0 existe correlacion multiple ente resistencia y fuerza potencia temperatura y tiempo

ANOVAa
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 1660,140 4 415,035 15,600 ,000b
Residuo 665,119 25 26,605
Total 2325,259 29
a. Variable dependiente: Resistencia (mg)
b. Predictores: (Constante), Tiempo (ms), Temperatura (°C), Potencia (mW), Fueza (mg)

Valor P= 0,000<alfa=0,005
Rechazamos H0 como Verdadera
existe correlacion multiple ente resistencia y fuerza potencia temperatura y tiempo

Modelo

Prof. Sergio Jurado


Estadística Aplicada

Coeficientesa
Coeficientes
Coeficientes no estandarizados estandarizados
Modelo B Error estándar Beta t Sig.
1 (Constante) -37,477 13,100 -2,861 ,008
Fueza (mg) ,212 ,211 ,108 1,005 ,324
Potencia (mW) ,498 ,070 ,759 7,100 ,000
Temperatura (°C) ,130 ,042 ,329 3,079 ,005
Tiempo (ms) ,258 ,211 ,131 1,227 ,231
a. Variable dependiente: Resistencia (mg)

𝑌̂= -37,477+0,212X1+0,498X2+0.130X3+0,285X4
Las variables con valor P≤alfa son: Potencia(x2) y Temperatura(x3). Las otras
variables no tienen una significativa con la resistencia (Y)

2. Construcción del modelo:

Resumen del modelo


R cuadrado Error estándar
Modelo R R cuadrado ajustado de la estimación
1 ,759a ,577 ,562 5,92888
2 ,828b ,685 ,662 5,20698
a. Predictores: (Constante), Potencia (mW)
b. Predictores: (Constante), Potencia (mW), Temperatura (°C)

El segundo modelo propuesto tine un R2 mayor (0,662)

Coeficientesa
Coeficientes
Coeficientes no estandarizados estandarizados
Modelo B Error estándar Beta t Sig.
1 (Constante) 1,032 6,147 ,168 ,868
Potencia (mW) ,498 ,081 ,759 6,177 ,000
2 (Constante) -24,902 10,072 -2,472 ,020
Potencia (mW) ,498 ,071 ,759 7,033 ,000
Temperatura (°C) ,130 ,043 ,329 3,050 ,005
a. Variable dependiente: Resistencia (mg)

𝑌̂= -24,902+0,498X1+0,130X2

Prof. Sergio Jurado


Estadística Aplicada

3. Validación del modelo:

El histograma de los residuos no es muy simétrico por tanto no es una prueba contundente de la
normalidad de los residuos.

Prof. Sergio Jurado


Estadística Aplicada

Los punto tienen sierta tendencia lineal, pero no es suficiente para probar normalidad en los
residuos

Prueba de normalidad para los residuos:


H0: la distribución de los residuos es normal.
H1: la distribución de los residuos no es normal.

Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk n≤50
Estadístico gl Sig. Estadístico gl Sig.
Standardized Residual ,127 30 ,200* ,966 30 ,433
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors

Valor P = 0,433 > alfa=0,05


Aceptamos H0 como verdadera.
La distribución de los residuos es normal

Prof. Sergio Jurado


Estadística Aplicada

Análisis de autocorrelacion:

Homosedasticidad:

4. Predicción:
Potencia(x1)
Temperatura(x2)

Prof. Sergio Jurado

También podría gustarte