Diseo de Experimentos n

TEMA 9 Daniel Mart nez Bello

Universidad Cooperativa de Colombia Facultad de Medicina Veterinaria y Zootecnia

September 19, 2011

Daniel Mart nez Bello

Diseo de Experimentos n

PRINCIPIOS DE REGRESION LINEAL

Cuando usted se vea involucrado en un estudio experimental o observacional y el inters se centre en hallar la relacion entre un e grupo de factores y una variable respuesta se puede utilizar una tcnica denominada REGRESION LINEAL. e

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

Cual es la relacin entre el peso de alimento que consume un ave o de engorde y el peso a los 35 d de vida as Ave 1 2 3 4 5 6 7 8 9 10 alimento 2270 2300 2150 2220 2070 2160 2410 2500 2140 2050 peso 1255 1260 1195 1230 1155 1198 1336 1376 1188 1140

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

Grco de dispersin entre la variable alimento y la variable a o ganancia de peso a los 35 d de vida as

1400

1350

GANANCIA DE PESO EN GRAMOS

1300

1250

q q

1200

q q

1150

q q

1100

2100

2200

2300

2400

2500

ALIMENTO EN GRAMOS

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

Grco de dispersin entre la variable alimento y la variable a o ganancia de peso a los 35 d de vida incluyendo una l as nea que puede resumir la informacin aportada por todos los datos o

1400

1350

GANANCIA DE PESO EN GRAMOS

1300

1250

q q

1200

q q

1150

q q

1100

2100

2200

2300

2400

2500

ALIMENTO EN GRAMOS

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

Como generar la recta de regresin o La l nea de regresin se genera de los datos, en este caso de la o variable X que corresponde a alimento y la variable Y que corresponde a peso. Se utiliza una tecnica de la matemtica denominada a estimacin por minimos cuadrados. o El metodo de estimacin genera una ecuacin que o o corresponde a una ecuacin de la l o nea recta mas un componente denominado el ERROR, que muestra como las observaciones se comportan con respecto a la l nea recta que resume los datos.

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

Como generar la recta de regresin o Aplicando los m nimos cuadrados a los datos obtenemos la ecuacin de regresin y esa ecuacin nos congura un o o o MODELO del experimento. El modelo de regresin linear simple es o

Yi = + Xi +

Donde es el intercepto (o sea el valor de Y donde la recta cruza), es el valor de la pendiente de la recta, y i corresponde a la desviacion de cada observacion con respecto a la recta.

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

Para que sirve tener un modelo de los datos

Ayuda a denir la relacin o asociacin entre dos o o variables, denidas de ahora en adelante como la variable predictora y la variable respuesta, o conocidas en otros contextos como la variable independiente y la variable dependiente. Utilizando un modelo de regresin podemos o predecir el comportamiento de una variable inuenciada por otra.

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

Para que sirve tener un modelo de los datos El modelo de regresin simple lineal para el ejemplo del o consumo de alimento con el peso es :

Yi = 71.3783 + 0.5217 Xi Con este modelo podemos predecir cual es el peso para cierto consumo de alimento. Por ejemplo el peso para un ave que consuma aproximadamente 2450 gramos de alimento es igual a 71.3783 + 0.5217 2450 = 1349.543

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

Como se estima la ecuacin de regresin en una forma manual o o Ave 1 2 3 4 5 6 7 8 9 10 Alimento(X) 2102 2403 2236 2167 2299 2399 2255 2245 2102 2164 Peso(Y) 5221 5290 4945 5106 4761 4968 5543 5750 4922 4715 XY 2848850 2898000 2569250 2730600 2390850 2587680 3219760 3440000 2542320 2337000 YY(Peso 2 ) 1575025 1587600 1428025 1512900 1334025 1435204 1784896 1893376 1411344 1299600 XX(Alimento 2 ) 5152900 5290000 4622500 4928400 4284900 4665600 5808100 6250000 4579600 4202500

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

Estimacin de las sumas de cuadrados o SCXX SCYY SCXY X Y x i )2 495952900 = 49784500 = 189210 n 10 152102890 ( y i )2 = 15261995 = 51706.1 = yi2 n 10 yi xi 274655910 = xi yi = 27564310 = 98719 n 10 = 1233.3 = xi2 ( = 2227

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

Como se estima la ecuacin de regresin en una forma manual o o A manera de ilustracin se presenta el clculo de la ecuacin o a o de regresin o Previamente se determinaron para este ejemplo las sumas de los cuadrados de la variable alimento al cuadrado (SCXX ) y las sumas de los cuadrados de la variable peso al cuadrado (SCYY ), y la suma de los cuadrados de la multiplicacin entre o el alimento y el peso (SCXY ). La ecuaciones para calcular los parametros son = y ( = SCXY 98719 x ) = 1233.3 + ( 2227) = 71.37826 SCXX 189210 SCXY 98719 = = 0.521743 SCXX 189210
Daniel Mart nez Bello Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

Tambin podemos determinar el efecto de la variable independiente e sobre la variable dependiente El parmetro de la variable independiente(predictora) a denotada como se denomina tambin como coeciente de e regresin. Este nos informa el grado de relacin entre la o o variable predictora y la variable respuesta. Esto se hace utilizando una prueba de hiptesis de el coeciente de o regresin. o H0 : = 0; HA : = 0 La hiptesis de el coeciente de regresin igual a 0 se prueba o o estimando un estad stico que tiene una distribucin F, y se o realiza a traves de la descomposicin de la variabilidad de la o ecuacin de regresin estimada de los datos en tres partes, y o o esta descomposicin se conoce como anlisis de regresin. o a o
Daniel Mart nez Bello Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

Tabla de analisis de regresin o

Fuente de Variacion Regresin o Error Total G.L. 1 n-2 n-1 Sumas de Cuadrados (SC) Suma de Cuadrados de la regresin o Suma de Cuadrados del error Suma de cuadrados Total Cuadrados Medios (CM) Cuadrados medios de la regresin o Cuadrados medios del error F CM regresin o CM del error

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

Tabla de analisis de regresin o

Fuente de Variacin o Regresin o G.L. 1 Sumas de Cuadrados (SC)
n y i=1 (i n i=1 (yi n i=1 (yi

Cuadrados Medios (CM)

(i )2 y y 1 n y 2 i=1 (yi i ) n2
n i=1

F CM regresin o CM del error

y )2

yi )2 Error n-2 Total n-1 y )2 Donde, yi corresponde a los valores ajustados, o predichos, y es la media de la variable dependiente y yi corresponde al valor de cada variable dependiente.

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

Tabla de anlisis de regresin a o

Fuente de Variacion G.L. Sumas de Cuadrados (SC) Cuadrados Medios (CM)
(SC )2

XY CM regresin o (SCXY )2 SCXX Regresin o 1 SCXX 1 CM del error SCerror Error n-2 SC total - SC regresin o n2 Total n-1 SCYY Donde, yi corresponde a los valores ajustados, o predichos, y es la media de la variable dependiente y yi corresponde al valor de cada variable dependiente.

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

Anlisis de regresin para la a o ganancia de peso de acuerdo al alimento en aves a los 35 d de vida as
Fuente de Variacion G.L. Sumas de Cuadrados (SC)
2

Cuadrados Medios (CM)

Festimado

(98719) 51505.95 Regresin o 1 51505.95 189210 25.01875 = 2058.69 200.15 = 25.01875 Error 10 2 200.15 8 Total 10 1 51706.1 De la tabla del anlisis de regresin nalmente obtenemos un valor de a o Festimado = 2058.694, que es comparado con un valor de F con 1 y 8 grados de libertad, aplicando la siguiente regla de decisin, al nivel de o signicancia = 0.05. Si Festimado F0.975,1,8 , aceptamos la hiptesis o nula. La hiptesis nula dice que el coeciente de regresin, o sea la o o pendiente de la recta es igual a 0. La hiptesis nula signica que no hay o una relacin entre la variable predictora y la variable respuesta. Para este o caso la hiptesis nula es rechazada, luego se concluye que existe un o efecto entre la cantidad de comida y la ganancia de peso.

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

De la tabla se extrae un elemento importante que corresponde a la suma de los cuadrados del error, denotada como SCerror . Este elemento se utiliza para hallar el cuadrado medio del error CMerror , que equivale a la SCerror dividido en los grados de libertad. Este elemento congura la varianza de los errores , o sea las desviaciones de los valores predichos con respecto a los valores observados, los errores tambin se conocen como residuales y se e hallan utilizando la siguiente frmula. o ri = yi yi donde los yi son los valores observados de la respuesta y yi son los valores predichos de la ecuacion de regresin yi = + xi . o

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

Ave 1 2 3 4 5 6 7 8 9 10

alimento xi 2270 2300 2150 2220 2070 2160 2410 2500 2140 2050

peso yi 1255 1260 1195 1230 1155 1198 1336 1376 1188 1140

predichos yi 1255.73 1271.39 1193.13 1229.65 1151.39 1198.34 1328.78 1375.74 1187.91 1140.95

residuales ri = yi yi -0.73495 -11.38724 1.87421 0.3522 3.61366 -0.34322 7.22102 0.26415 0.09164 -0.95148

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

La varianza de los errores Los residuales tienen una media de 0, o sea que la suma de todos los residuales es igual a 0, y una varianza que se estima de acuerdo al cuadrado medio del error (CMerror ) SCerror = 25.01875 n2

Varianza( ) = Varianzaerror =

La varianza del error se utiliza para encontrar el error standard de los coecientes de regresin y o

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

Que representan los residuales o errores Los errores agrupan todas las posibles fuentes de variabilidad en la respuesta entre los individuos de un experimento o estudio observacional. Las posibles fuentes de variabilidad entre otras son el error de medida (el error en que incurre el instrumento de medida que registra la variable respuesta), factores intr nsecos al individuo como su acervo gentico, el e cambio en tiempo en que se registra la variable respuesta para cada individuo.

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

Que representan los residuales o errores Los errores son importantes en regresin linear simple porque o son la base de la validez de sus conclusiones, ya que un modelo de regresin debe cumplir con unos supuestos en o relacin con la distribucin de los errores. o o Primero se asume que los errores tienen una distribucin o normal con media 0 y varianza 2 N(0, 2 ) Ademas se asume que los errores tienen una varianza constante y que cada residual es estad sticamente independiente.

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

La varianza de los errores y su relacin con el error standard del o coeciente de regresin o La estimacin de la varianza de y su error standard se o obtiene de la siguiente manera. Varianza( ) 25.01875 = = 0.0001322274 2 (n 1)sx (9)21023.33

Varianza() =

Donde Varianza() es la varianza del coeciente de regresin, o 2 Varianza( ) es la varianza de los errores y sx es la varianza de la variable predictora. La ra cuadrada de la varianza del coeciente de regresin z o es igual a 0.01149 y corresponde al error standard de el coeciente de regresin. Con este error standard se pueden o crear intervalos de conanza de .
Daniel Mart nez Bello Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

Anlisis de regresin para la ganancia de peso y el alimento de las a o aves a los 35 d de vida. as

Yi = + Xi Yi = 71.3783 + 0.5217 Xi Estimate Std. Error t value Pr(> |t|) Intercepto 71.3783 25.6571 2.782 0.0239 alimento 0.5217 0.0115 45.373 6.15e-11 F-statistic: 2059 on 1 and 8 DF, p-value: 6.149e-11 Residual standard error: 5.002 on 8 degrees of freedom Multiple R-squared: 0.9961, Adjusted R-squared: 0.9956

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

Cual es la relacin entre el peso de alimento que consume un ave o de engorde y el peso a los 120 d de vida as Ave 1 2 3 4 5 6 7 8 9 10 alimento 2102 2403 2236 2167 2299 2399 2255 2245 2102 2164 peso 5221 5290 4945 5106 4761 4968 5543 5750 4922 4715

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

Grco de dispersin entre la variable alimento y la variable a o ganancia de peso a los 120 d de vida as

2400

GANANCIA DE PESO EN GRAMOS

2300

2350

2250

q q q

2200

2100

2150

4800

5000

5200

5400

5600

ALIMENTO EN GRAMOS

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

Anlisis de regresin para la ganancia de peso y el alimento de las a o aves a los 120 d de vida. as

Yi = + Xi Yi = 2044 + 0.03777 Xi Estimate Std. Error t value Pr(> |t|) Intercepto 2044 582.8 3.507 0.008 alimento 0.03777 0.1136 0.333 0.748 F-statistic: 0.1106 on 1 and 8 DF, p value: 0.748. Residual standard error: 113.6 on 8 degrees of freedom. Multiple R squared: 0.01363 Adjusted R-squared: -0.1097

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

Grco de dispersin entre la variable alimento y la variable a o ganancia de peso a los 120 d de vida as

2400

2300

2350

peso1

2250

q q q

2200

2100

2150

4800

5000

5200 alimento1

5400

5600

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

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 Planta 1 2 3 4 5 6 7 8 9 Costo 27698 57634 47172 49295 24115 33612 9512 14755 10570 Bovinos 3437 12801 6136 11685 5733 3021 1689 2339 1025 Cerdos 3268 5751 15175 639 534 839 318 610 734 Terneros 5791 4558 6223 3212 3220 4348 634 1895 834

Daniel Mart nez Bello

Diseo de Experimentos n

 PRINCIPIOS DE REGRESION LINEAL

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 Planta 10 11 12 13 14 15 16 17 18 Costo 15394 27843 17717 20253 37465 47427 35944 45945 46890 Bovinos 2936 5049 1693 1187 9730 7737 7538 10211 8697 Cerdos 331 1589 837 459 3780 1394 2565 3081 1378 Terneros 1419 4195 3602 2679 3951 9043 4538 4994 3005

Daniel Mart nez Bello

Diseo de Experimentos n

Grco de dispersin entre la variable costo y la variable a o nmero de bovinos u

Cual es la relacin entre La cantidad de bovinos sacricados y el o costo de operacin de una planta de sacricio en 18 plantas de o sacricio

6000

5000

q q q q q

COSTO EN MILLONES DE PESOS

4000

q q q

3000

2000

q q q q

1000

q q

0 0

5000 BOVINOS

10000

15000

Daniel Mart nez Bello

Diseo de Experimentos n

Cual es la relacin entre La cantidad de bovinos sacricados y el o costo de operacin de una planta de sacricio en 18 plantas de o sacricio

Yi = + Xi Yi = 1136 + 0.3554 Xi Estimate Std. Error t value Pr(> |t|) Intercepto 1136 299.3 3.795 0.00159 alimento 0.3554 0.04405 8.069 4.96e 07 F-statistic: 65.11 on 1 and 16 DF, p value: 4.96e-07 Residual standard error: 690.2 on 16 degrees of freedom Multiple R-squared: 0.8027, Adjusted R-squared: 0.7904.

Daniel Mart nez Bello

Diseo de Experimentos n

Grco de dispersin entre la variable costo y la variable a o nmero de bovinos u

Cual es la relacin entre La cantidad de bovinos sacricados y el o costo de operacin de una planta de sacricio en 18 plantas de o sacricio

6000

5000

q q q q q

COSTO EN MILLONES DE PESOS

4000

q q q

3000

2000

q q q q

1000

q q

0 0

5000 BOVINOS

10000

15000

Daniel Mart nez Bello

Diseo de Experimentos n

Grco de dispersin entre la variable costo y la variable a o nmero de porcinos u

Cual es la relacin entre La cantidad de porcinos sacricados y el o costo de operacin de una planta de sacricio en 18 plantas de o sacricio

6000

5000

q q q q q

COSTO EN MILLONES DE PESOS

4000

q q q

3000

2000

q q q q

1000

q q

0 0

5000 PORCINOS

10000

15000

Daniel Mart nez Bello

Diseo de Experimentos n

Cual es la relacin entre La cantidad de porcinos sacricados y el o costo de operacin de una planta de sacricio en 18 plantas de o sacricio Estimate Std. Error t value Pr(>|t|) (Intercept) 2658. 3.906e+02 6.804 4.23e-06 *** cerdos 0.2099 9.349e-02 2.245 0.0393 * Residual standard error: 1355 on 16 degrees of freedom Multiple R-squared: 0.2395, Adjusted R-squared: 0.192 F-statistic: 5.038 on 1 and 16 DF, p-value: 0.03928

Daniel Mart nez Bello

Diseo de Experimentos n

Grco de dispersin entre la variable costo y la variable a o nmero de porcinos u

Cual es la relacin entre La cantidad de porcinos sacricados y el o costo de operacin de una planta de sacricio en 18 plantas de o sacricio

6000

5000

q q q q q

COSTO EN MILLONES DE PESOS

4000

q q q

3000

2000

q q q q

1000

q q

0 0

5000 PORCINOS

10000

15000

Daniel Mart nez Bello

Diseo de Experimentos n

Grco de dispersion entre la variable costo y la variable a nmero de terneros u

Cual es la relacin entre La cantidad de terneros sacricados y el o costo de operacin de una planta de sacricio en 18 plantas de o sacricio

6000

5000

q q q q q

COSTO EN MILLONES DE PESOS

4000

q q q

3000

2000

q q q q

1000

q q

0 0

5000 TERNEROS

10000

15000

Daniel Mart nez Bello

Diseo de Experimentos n

Grco de dispersin entre la variable costo y la variable a o nmero de terneros u

Anlisis de regresin entre La cantidad de terneros sacricados y el a o costo de operacin de una planta de sacricio en 18 plantas de o sacricio Estimate Std. Error t value Pr(>|t|) (Intercept) 1278.2372 581.4695 2.198 0.04299 * terneros 0.4977 0.1360 3.660 0.00211 ** --Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1 Residual standard error: 1147 on 16 degrees of freedom Multiple R-squared: 0.4557, Adjusted R-squared: 0.4216 F-statistic: 13.39 on 1 and 16 DF, p-value: 0.002115

Daniel Mart nez Bello

Diseo de Experimentos n

Grco de dispersin entre la variable costo y la variable a o nmero de terneros u

Recta de regresin entre La cantidad de terneros sacricados y el o costo de operacin de una planta de sacricio en 18 plantas de o sacricio

6000

5000

q q q q q

COSTO EN MILLONES DE PESOS

4000

q q q

3000

2000

q q q q

1000

q q

0 0

5000 TERNEROS

10000

15000

Daniel Mart nez Bello

Diseo de Experimentos n