Deber de regresion no lineal
Enviado por Fernando Leon • 14 de Julio de 2022 • Informe • 2.663 Palabras (11 Páginas) • 78 Visitas
[pic 1]
ESCUELA SUPERIOR POLITÉCNICA DE CHIMBORAZO
FACULTAD DE CIENCIAS
CARRERA ESTADÍSTICA
NOMBRE:
JONATHAN FERNANDO LEÓN ORTA
PAO:
5to
FECHA:
14/06/2022
DOCENTE:
ING. NATALIA PEREZ
PERIODO ACADEMICO
ABRIL – SEMTIEMBRE
Descripción del modelo | ||
Nombre de modelo | MOD_1 | |
Variable dependiente | 1 | PRESION |
Ecuación | 1 | Lineal |
2 | Logarítmico | |
3 | Inverso | |
4 | Cuadrático | |
5 | Cúbico | |
6 | Compuestoa | |
7 | Potenciaa | |
8 | Sa | |
9 | Crecimientoa | |
10 | Exponenciala | |
11 | Logísticaa | |
Variable independiente | TEMPERATURA | |
Constante | Incluido | |
Variable cuyos valores etiquetan las observaciones en los gráficos | Sin especificar | |
Tolerancia para entrar términos en ecuaciones | ,0001 | |
a. El modelo requiere que todos los valores no perdidos sean positivos. |
Resumen de procesamiento de variables | |||
Variables | |||
Dependiente | Independiente | ||
PRESION | TEMPERATURA | ||
Número de valores positivos | 50 | 50 | |
Número de ceros | 0 | 0 | |
Número de valores negativos | 0 | 0 | |
Número de valores perdidos | Perdido por el usuario | 0 | 0 |
Perdido por el sistema | 0 | 0 |
Como podemos observar en la descripción de modelo observamos que existen 13 modelos que analizaremos y determinaremos cual es el mejor modelo para nuestro estudio, observamos también que tenemos 50 observaciones, como ya es de nuestro conocimiento trabajaremos únicamente con 2 variables una dependiente y una independiente, como realizamos manualmente en Excel y observamos que nuestra variable mas significativa es la temperatura; por tal razón trabajaremos como variable independiente y así analizar los diferentes modelos que nos arrojara el software SPSS.
Modelo de regresión lineal
La ecuación de regresión ajustada está dada por
[pic 2]
Resumen del modelo | |||
R | R cuadrado | R cuadrado ajustado | Error estándar de la estimación |
,810 | ,656 | ,649 | 4,113 |
La variable independiente es TEMPERATURA. |
ANOVA | |||||
Suma de cuadrados | gl | Media cuadrática | F | Sig. | |
Regresión | 1547,914 | 1 | 1547,914 | 91,493 | ,000 |
Residuo | 812,086 | 48 | 16,918 | ||
Total | 2360,000 | 49 | |||
La variable independiente es TEMPERATURA. |
Coeficientes | |||||
Coeficientes no estandarizados | Coeficientes estandarizados | t | Sig. | ||
B | Desv. Error | Beta | |||
TEMPERATURA | 8,031 | ,840 | ,810 | 9,565 | ,000 |
(Constante) | -223,540 | 31,656 | -7,062 | ,000 |
Ajustar un polinomio de segundo orden a los datos
[pic 3]
PRUEBA DE HIPOTESIS PARA LA ECUACIÓN DEL MODELO
- PLANTEAMIENTO DE HIPOTESIS
[pic 4]
[pic 5]
- NIVEL DE SIGNIFICANCIA
[pic 6]
- ESTADÍSTICO DE PUEBA
[pic 7]
[pic 8]
- REGIÓN DE RECHAZO
El valor p es menor que el nivel de significancia
[pic 9]
| |||
- DESICIÓN ESTADÍSTICA
El valor p es menor que 0,05 podemos decir que existe suficiente evidencia estadística para rechazar la hipótesis nula.
INTERPRETACIÓN
El ingreso al triaje del Hospital del Seguro Social las variables presión y temperatura aportan al estudio del modelo, los pacientes del hospital pueden variar su presión y temperatura esto puede ocurrir por diferentes factores uno de ellos puede ser la edad y sexo del paciente.
...