Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more ➡
Download
Standard view
Full view
of .
Add note
Save to My Library
Sync to mobile
Look up keyword
Like this
146Activity
×
0 of .
Results for:
No results containing your search query
P. 1
Metodo de Duncan

Metodo de Duncan

Ratings: (0)|Views: 22,104|Likes:
Published by software029

More info:

Published by: software029 on Mar 17, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, DOC, TXT or read online from Scribd
See More
See less

07/21/2013

pdf

text

original

 
METODO DE DUNCAN
Análisis de los métodos estadísticos a la solución de problemas técnico
1. Desarrollo
Regresión Lineal Simple Y MúltipleProblema 1.En la Unidad Económica Básica "Frank País" de Moa se desea conocer el pesopromedio que alcanzarán las gallinas en el próximo trimestre. A final de cadatrimestre estas gallinas son distribuidas a lapoblacióny se inicia nuevamente elciclo de crecimiento.Se conoce la cantidad de pienzo y agua consumida por estas juega un papeldeterminante en el peso de las mismas.En el actual trimestre se realizó un estudio donde se obtuvieron losdatospara 35gallinas. (Ver anexo 1). (Los datos recopilados no son reales).Análisis de laRegresión Simple.Variables:
Variable dependiente: Y. Peso de las gallinas en libras (lb.).
Variable independiente: X. Cantidad de pienzo consumida en kilogramos(Kg.)Dócima de la pendiente.Planteamiento de lashipótesis:Si se acepta H0 : la variable no es significativa.(No existe relación lineal entre Y yX ).Si se rechaza H0 la variable es significativa (Existe relación lineal entre Y y X ).F. variaciónS.CG.LC.MFPRegresión153,1981153,19890,580,0000Residuos55,815331,69136Total209,01334 El coeficiente de correlación = 0,856131(las variables se encuentran relacionadaslinealmente en un 85,6131%).R2 = 73,2959 (Se ha eliminado un 73,2959 % de los errores con la regresión).El error estándar = 1,30052Como elvalor deprobabilidades 0,0000<0,05 se RH0 lo que quiere decir que el pienzo es determinante en el peso de las gallinas.
 
La ecuación determinada para esta estimación es:Dócima de la falta de ajuste.(Elmodelolineal proporciona un buen ajuste).(El modelo lineal no proporciona un buen ajuste). El modelo que mejor ajusta es el Square Root-XF. variaciónS.CG.LC.MFPF.A36,1583241,50660,690,7771E.P19,656792,18407Como el valor de probabilidad 0,7771>0,10 se AH0 por lo que el modeloproporciona un buen ajuste.Análisis de la Regresión múltiple:Variables:
Variable dependiente: Y. Peso de las gallinas en libras (lb.).
Variable independiente: X1 .cantidad de pienzo consumida en kilogramos(Kg.).
Variable independiente: X2 .cantidad de agua consumida en litros (L.).Dócima de la pendienteF. variaciónS.CG.LC.MFPRegresión177,586288,792990,410,0000Residuos31,4272320,982099Total209,01334R2 = 84,964 %R2 ajustada =84,0243 %Error estándar =0,991009Error medio absoluto = 0,742858Estadístico de Durbin Watson = 1,76054.Como la probabilidad es menor que 0,05 entonces se RH0, lo que indica quealgunas de estas variables son útiles para hacer estimaciones del peso de lasgallinas (Y).Método paso a paso.(paso alante )Con estemétodopodemos determinar cuáles variables del modelo sonsignificativas.Estadígrafo para entrar = 4,14911
 
Estadígrafo para remover = 4,14911En el paso número cero tenemos cero variables en el modelo con 34 G.L para elerror y un coeficiente de determinación de 0,00 %.En el paso número uno adicionamos la variable X1 con un estadígrafo para entrar de 87,4949 y como este valor es mayor que 4,14911 esta variable queda en elmodelo con 33 G.L para el error y un coeficiente de determinación de 72,61 %.En el paso número dos adicionamos la variable X2 con un estadígrafo para entrar de 26,2859 y como este valor es mayor que 4,14911 esta variable queda en elmodelo con 32 G.L para el error y un coeficiente de determinación de 84,96 %.Como podemos observar, tanto el pienzo comoel aguaque consumen las gallinasson significativas en el peso de las mismas.El modelo tiene la siguiente ecuación:Verificación de supuestos:Normalidad:Si aproximadamente el 95 % de los residuos están en el intervalo de ,entonces no hay razón para rechazar el supuesto de normalidad.El intervalo es (-1,982018; 1,982018)Se cumple el supuesto de normalidad ya que el 94,29 % de los errores aleatoriosse encuentran dentro del intervalo indicado.Homocedasticidad:(Hay Homocedasticidad)
 
Algún difiere (No hay Homocedasticidad)n =35c = 3p =3S.C Residual G.1 = 22, 2067S.C Residual G.2 = 24,306F = 1, 09453451,0945345<2,57693Se acepta H0 por lo que se cumple el supuesto de Homocedasticidad.No autocorrelación:

Activity (146)

You've already reviewed this. Edit your review.
1 hundred reads
1 thousand reads
goldengirl-andy liked this
Pao Illescas liked this
Oscar Palacio liked this
Eli Cutipa liked this
Caro Borja liked this
Marcela liked this

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->