Академический Документы
Профессиональный Документы
Культура Документы
September 7, 2011
Diseo de Experimentos n
Un estudio experimental o observacional se puede plantear en trminos de una variable respuesta y de varias variables predictoras e o factores predictores, teniendo la caracter stica de que estas variables predictoras pueden ser variables continuas o discretas con dos o mas niveles y con caracter sticas ordinales o nominales.
Diseo de Experimentos n
Diseo de Experimentos n
Diseo de Experimentos n
Cual es la relacin entre La cantidad de bovinos, porcinos y o terneros sacricados y el costo de operacin de una planta de o sacricio en 18 plantas de sacricio de animales
VARIABLE RESPUESTA COSTO = = MULTIPLES VARIABLES PREDICTORAS BOVINOS PORCINOS TERNEROS
OBJETIVO Crear un modelo del comportamiento de la variable respuesta a partir de varias variables predictoras Crear un modelo del costo de funcionamiento de una planta de sacricio a partir de las variables predictoras nmero de bovinos, ternero o cerdos u sacricados por ao n
Diseo de Experimentos n
1 , 2 n corresponde al coeciente de regresin PARA o CADA UNA DE LAS VARIABLES PREDICTORAS. X1i , X2i X3i corresponde a cada uno de los valores de cada una de las variables predictoras corresponde al error de cada una uno de los valores predichos con respecto a la recta de regresin. o
i
Daniel Mart nez Bello Diseo de Experimentos n
Xn,p1
p1
2 = . . . n =
Diseo de Experimentos n
X4i + i ; no lineal
Diseo de Experimentos n
= bp1
Diseo de Experimentos n
El modelo de regresin lineal mltiple, como se estiman los o u coecientes de regresin o Los coecientes de regresin multiple se estiman usando el mtodo o e de m nimos cuadrados.
b = (X X)1 (X X)Y
Esta ecuacin se lee: el vector de estimados b es igual a la o multiplicacin de la matriz inversa de la multiplicacin de la matriz o o transpuesta de las variables predictoras multiplicada por la matriz de las variables predictoras, por la matriz transpuesta de las variables predictoras multiplicada por la matriz de las variables predictoras, multiplicada por el vector de la variable respuesta Y.
Diseo de Experimentos n
Yn1
Los valores predichos son representados por Y = Xb Y el vector de errores o residuales es igual a e = Y Y = Y Xb
Daniel Mart nez Bello Diseo de Experimentos n
2 (e) =
Diseo de Experimentos n
El modelo de regresin lineal mltiple, la tabla de anlisis de o u a regresin o Fuente de Variacion Regresin o G.L. p-1 Sumas de Cuadrados (SC)
1 b X Y n Y JY
Error n-p YYbXY 1 Total n-1 Y Y n Y JY La matriz J es una matriz simetrica de 1s (unos).
Diseo de Experimentos n
El modelo de regresin lineal mltiple, el test F de relacin de la o u o regresin o Hipotesis nula: 1 = 2 = = p1 = 0 Hipotesis alterna: no todos los k son diferentes de cero. El estad stico es F = Cuadrado medio de la regresin o Cuadrado medio del error
Diseo de Experimentos n
El modelo de regresin lineal mltiple, el coeciente de o u determinacin mltiple o u Es una medicin de la reduccin en la variacin de la variable o o o respuesta Y asociada con el uso de una coleccin espec o ca de variables predictoras X. El coeciente de determinacion mltiple se u denota como R2 y se encuentra entre 0 y 1 (0 R 2 < 1). R2 = Cuadrado medio de la regresin o Cuadrado medio del error =1 Cuadrado medio total Cuadrado medio total
Diseo de Experimentos n
s2 (b)pp = MSE (X X)
Diseo de Experimentos n
bk s(bk )
EJEMPLO, Matriz de dispersin entre las variables costo o de funcionamiento, bovinos, porcinos y terneros
2000
6000
10000
q q q q q q q q
2000
q q q
q q
q q
q q
q q
q q q qq q
q q q q q q q q q
q q q qq q q q q
q q
10000
q q q q q q q q q q q q q q q q
q q q q q q q qq q qq q q q q q q q q
q q q q q q q q q
6000
bovinos
q q
2000
cerdos
q q q qq q q q q q q q q q q q q q q q qq qq q q q q q q q q q q q q q q q q q q qq q q q q q q
6000
q qq q
q q
q q q q q q qq q
q q q q q q q q
q q qq q qq q q q q q q q q q q
q q q q q q q q
terneros
2000
1000
3000
5000
5000
10000
15000
Diseo de Experimentos n
10000
15000
1000
3000
costo
q q
Como se ajusta un modelo de regresin para costo de o funcionamiento, bovinos, porcinos y terneros
Son varios los procedimientos para crear un modelo de regresion. Aqui pretendemos ilustrar el procedimiento y conocer como podemos utilizar un modelo de regresin para hacer predicciones, o se omiten los diagnsticos del modelo y se relajan los supuestos del o modelo. Primero, se ajusta un modelo con todas las variables predictoras, esto se conoce como un modelo saturado Segundo, se eliminan variables predictoras de acuerdo a su signicancia y al interes del investigador en ciertas variables predictoras, esto se conoce como reducir el modelo. Tercero, se determina un modelo reducido, con las variables predictoras signicativas y de interes para los investigadores y se aplican tecnicas diagnosticas para la validez del modelo. Cuarto, con el modelo reducido, se elaboran predicciones.
Daniel Mart nez Bello Diseo de Experimentos n
Estimate Std. Error t value Pr(>|t|) (Intercept) 553.79520 260.53185 2.126 0.05181 bovinos 0.28771 0.03424 8.403 7.7e-07 *** cerdos 0.05912 0.03732 1.584 0.13547 terneros 0.21816 0.06804 3.206 0.00634 ** Residual standard error: 478.6 on 14 degrees of freedom Multiple R-squared: 0.917, Adjusted R-squared: 0.8992 F-statistic: 51.56 on 3 and 14 DF, p-value: 8.21e-08
Diseo de Experimentos n
Estimate Std. Error t value Pr(>|t|) (Intercept) 553.79520 260.53185 2.126 0.05181 bovinos 0.28771 0.03424 8.403 7.7e-07 *** cerdos 0.05912 0.03732 1.584 0.13547 terneros 0.21816 0.06804 3.206 0.00634 ** Residual standard error: 478.6 on 14 degrees of freedom Multiple R-squared: 0.917, Adjusted R-squared: 0.8992 F-statistic: 51.56 on 3 and 14 DF, p-value: 8.21e-08
Observe el p-valor para la variable cerdos, es no signicativa al nivel de signicancia 0.05, mientras que bovinos y terneros son altamente signicativas. Eliminamos cerdos del modelo.
Daniel Mart nez Bello Diseo de Experimentos n
Estimate Std. Error t value Pr(>|t|) (Intercept) 503.82661 271.31833 1.857 0.08306 . bovinos 0.29467 0.03562 8.272 5.69e-07 ** terneros 0.25842 0.06622 3.903 0.00141 ** Residual standard error: 502.1 on 15 degrees of freedom Multiple R-squared: 0.9021, Adjusted R-squared: 0.8891 F-statistic: 69.13 on 2 and 15 DF, p-value: 2.692e-08 Los valores de signicancia son altamente signicativos para las variables bovinos y terneros
Diseo de Experimentos n
Diseo de Experimentos n
EJEMPLO, Predicciones del costo de funcionamiento para diferente combinaciones de nmero de bovinos y nmero u u de terneros sacricados por ao. n
Costo de funcionamiento
1000
2000
3000
4000
5000
0 0
2000
4000
6000
8000
10000
Diseo de Experimentos n
EJEMPLO, Predicciones del costo de funcionamiento para diferentes combinaciones de nmero de bovinos y nmero u u de terneros sacricados por ao. n
Costo de funcionamiento
1000
2000
3000
4000
5000
0 0
2000
4000
6000
8000
10000
Diseo de Experimentos n
OTRO EJEMPLO
Experimento aleatorizado donde se administra un producto alimenticio a un grupo de 16 personas, y se les pide calicar el producto en una escala de 1 a 100. El producto alimenticio tiene diferentes niveles de humedad y dulzura.
Diseo de Experimentos n
Preferencias alimenticias
Pregunta cient ca: hay relacin entre la preferencia o del producto y los niveles de humedad y dulzura
Diseo de Experimentos n
10
q q q q q q q
q q q
q q q
pref
q q
q q
q q q
q q
10
humedad
qq q q q q
q q
dulzura
q q
60
70
80
90
100
2.0
2.5
3.0
3.5
4.0
Diseo de Experimentos n
2.0
2.5
3.0
3.5
4.0
60
70
q q
q q
80
90
100
Residual standard error: 2.693 on 13 degrees of freedom Multiple R-squared: 0.9521, Adjusted R-squared: 0.9447 F-statistic: 129.1 on 2 and 13 DF, p-value: 2.658e-09
Las dos variables predictoras son altamente signicativas luego las dejamos en el modelo.
Diseo de Experimentos n
Diseo de Experimentos n
EJEMPLO, Predicciones de preferencia de producto alimenticio con relacin a unidades de humedad y de o dulzura
Preferencia
40
60
80
100
20
4 Humedad
10
Diseo de Experimentos n
EJEMPLO, Predicciones de preferencia de producto alimenticio con relacin a unidades de humedad y de o dulzura
Preferencia
20
40
60
80
100
2.5
3.0 Dulzura
3.5
4.0
Diseo de Experimentos n
OTRO EJEMPLO
El administrador de un hospital desea estudiar la relacin entre la satisfaccin del paciente (Y) y la o o edad del paciente (X1 en aos), la severidad de la n enfermedad (X2 un indice) y el nivel de ansiedad (X3 un indice).
Diseo de Experimentos n
Pregunta cient ca: cual es la relacin entre la o satisfaccin del paciente en el hospital y la edad, la o severidad de la enfermedad y el nivel de ansiedad.
Diseo de Experimentos n
30 35 40 45 50 55
qq q q q q q q q q q q q q q q q qq q qq q q q q q q q q q
1.8
q q q q q q q q q q q q q
2.2
q q
2.6 90
q q q q q q q q q q q q q q
q q q q q q
q q
q q
30 35 40 45 50 55
q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q
q q q q
edad
q q q
q q
q q q q q q q q q
q q q
q q q q
q q q q q qq q q q q q q q q q q q q q q q q q q q q q q q q q q q
q q q q q q q q q q q q q q q q q q q q q q q q q
q q qq q q
q q
2.6
q q q qq qq q q q q q q q q q q q q q q
q q q q q q q q q qq q q q q q q q q q q q q qq q qqq qq q
2.2
ansiedad
q q
1.8
30
50
70
90
45
50
55
60
Diseo de Experimentos n
45
50
severidad
55
60
30
50
satisfaccion
q q q q q q
70
Estimate Std. Error t value Pr(>|t|) (Intercept) 162.8759 25.7757 6.319 4.59e-06 *** edad -1.2103 0.3015 -4.015 0.00074 *** severidad -0.6659 0.8210 -0.811 0.42736 ansiedad -8.6130 12.2413 -0.704 0.49021 Residual standard error: 10.29 on 19 degrees of freedom Multiple R-squared: 0.6727, Adjusted R-squared: 0.621 F-statistic: 13.01 on 3 and 19 DF, p-value: 7.482e-05
La variable ansiedad es no signicativa asi como la variable severidad, pero solo se saca del modelo la variable ansiedad.
Daniel Mart nez Bello Diseo de Experimentos n
Estimate Std. Error t value Pr(>|t|) (Intercept) 166.5913 24.9084 6.688 1.65e-06 *** edad -1.2605 0.2892 -4.359 0.000304 *** severidad -1.0893 0.5514 -1.976 0.062163 . Residual standard error: 10.16 on 20 degrees of freedom Multiple R-squared: 0.6641, Adjusted R-squared: 0.6305 F-statistic: 19.77 on 2 and 20 DF, p-value: 1.827e-05
La variable severidad es no signicativa, pero no se saca del modelo, porque puede ser un factor importante para tener en cuenta.
Diseo de Experimentos n
Diseo de Experimentos n
EJEMPLO, Predicciones de satisfaccin del paciente con o relacin a la edad y a la severidad de la enfermedad o
Satisfaccin
30
40
50
60
70
80
90
10
20
30 Edad
40
50
Diseo de Experimentos n
EJEMPLO, Predicciones de satisfaccin del paciente con o relacin a la edad y a la severidad de la enfermedad o
80
90
45
50
55 Severidad
60
65
70
Diseo de Experimentos n