Regresión Simple - peso vs.

dias
Variable dependiente: peso
Variable independiente: dias
Exponencial: Y = exp(a + b*X)
Número de observaciones: 11

Coeficientes
Mínimos Cuadrados Estándar Estadístico
Parámetro Estimado Error T Valor-P
Intercepto 0.715647 0.0703482 10.1729 0.0000
Pendiente 0.451033 0.00614636 73.3821 0.0000

NOTA: intercepto = ln(a)

Análisis de Varianza
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 22.3773 1 22.3773 5384.94 0.0000
Residuo 0.0373999 9 0.00415554
Total (Corr.) 22.4147 10

Coeficiente de Correlación = 0.999165

R-cuadrada = 99.8331 porciento
R-cuadrado (ajustado para g.l.) = 99.8146 porciento
Error estándar del est. = 0.0644635
Error absoluto medio = 0.0491981
Estadístico Durbin-Watson = 1.35381 (P=0.0576)
Autocorrelación de residuos en retraso 1 = 0.282116

El StatAdvisor
La salida muestra los resultados de ajustar un modelo para describir la relación entre peso y dias. La ecuación del
modelo ajustado es

peso = exp(0.715647 + 0.451033*dias)

Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relación estadísticamente significativa entre
peso y dias con un nivel de confianza del 95.0%.

El estadístico R-Cuadrada indica que el modelo ajustado explica 99.8331% de la variabilidad en peso después de
transformar a una escala recíproca para linearizar el modelo. El coeficiente de correlación es igual a 0.999165,
indicando una relación relativamente fuerte entre las variables. El error estándar del estimado indica que la
desviación estándar de los residuos es 0.0644635. Este valor puede usarse para construir límites de predicción para
nuevas observaciones, seleccionando la opción de Pronósticos del menú de texto.

El error absoluto medio (MAE) de 0.0491981 es el valor promedio de los residuos. El estadístico de Durbin-Watson
(DW) examina los residuos para determinar si hay alguna correlación significativa basada en el orden en el que se
presentan en el archivo de datos. Puesto que el valor-P es mayor que 0.05, no hay indicación de una
autocorrelación serial en los residuos con un nivel de confianza del 95.0%.
 Gráfico del Modelo Ajustado
peso = exp(0.715647 + 0.451033*dias)
(X 1000)
3

2.5

2
peso

1.5

0.5

0
6 8 10 12 14 16
dias

La salida muestra los resultados de ajustar un modelo model para describir la relación entre peso y dias. La ecuación del modelo ajustado, mostrado
como una línea sólida, es

peso = exp(0.715647 + 0.451033*dias)

Comparación de Modelos Alternos

Modelo Correlación R-Cuadrada
Exponencial 0.9992 99.83%
Logarítmico-Y Raíz Cuadrada-X 0.9963 99.25%
Log-Y Cuadrado-X 0.9927 98.55%
Multiplicativa 0.9888 97.77%
Raíz Cuadrada-X Cuadrado-X 0.9816 96.35%
Curva S -0.9603 92.22%
Doble Inverso 0.9570 91.58%
Raíz Cuadrada Doble 0.9295 86.40%
Cuadrado de X 0.9156 83.83%
Inversa-Y Log-X -0.9098 82.77%
Raíz Cuadrada-Y Log-X 0.9037 81.66%
Inversa-Y Raíz Cuadrada-X -0.8808 77.57%
Lineal 0.8627 74.42%
Raíz Cuadrada-Y Inversa de X -0.8416 70.83%
Raíz Cuadrada deX 0.8305 68.97%
Logaritmo de X 0.7951 63.22%
Cuadrado Doble 0.7887 62.20%
Inversa-Y Cuadrado-X -0.7829 61.30%
Cuadrado de Y 0.7210 51.98%
Inversa de X -0.7177 51.50%
Cuadrado-Y Raíz Cuadrada-X 0.6833 46.68%
Cuadrado-Y Log-X 0.6437 41.44%
Cuadrado-Y Inversa de X -0.5628 31.67%
Raíz Cuadrada de Y <sin ajuste>
Inversa de Y <sin ajuste>
Logístico <sin ajuste>
Log probit <sin ajuste>

El StatAdvisor
Esta tabla muestra los resultados de ajustar varios modelos curvilíneos a los datos. De los modelos ajustados, el
modelo es el que arroja el valore más alto de R-Cuadrada con 99.8331%. Este es el modelo actualmente
seleccionado.

Gráfico de Residuos
peso = exp(0.715647 + 0.451033*dias)

2.5

1.5
Rediduo Estudentizado

0.5

-0.5

-1.5

-2.5
6 8 10 12 14 16
dias

Esta gráfica despliega los residuos Estudentizados versus los valores de dias. Cualquier patrón no aleatorio indicaría que el modelo seleccionado no
es adecuado para describir los datos observados. Además, cualquier valor fuera del rango de -3 a +3 bien podría ser un dato aberrante (outlier).
Residuos Atípicos
Predicciones Residuos
Fila X Y Y Residuos Studentizados
6 11.0 261.0 292.074 -31.0737 -2.18

El StatAdvisor
La tabla de residuos atípicos enlista todas las observaciones que tienen residuos Estudentizados mayores a 2, en
valor absoluto. Los residuos Estudentizados miden cuántas desviaciones estándar se desvía cada valor observado
de peso del modelo ajustado, utilizando todos los datos excepto esa observación. En este caso, hay un residuo
Estudentizado mayor que 2, pero ninguno mayor que 3.

Regresión Simple - peso vs. dias

Variable dependiente: peso
Variable independiente: dias
Exponencial: Y = exp(a + b*X)
Número de observaciones: 11

Coeficientes
Mínimos Cuadrados Estándar Estadístico
Parámetro Estimado Error T Valor-P
Intercepto 0.715647 0.0703482 10.1729 0.0000
Pendiente 0.451033 0.00614636 73.3821 0.0000

NOTA: intercepto = ln(a)

Análisis de Varianza
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 22.3773 1 22.3773 5384.94 0.0000
Residuo 0.0373999 9 0.00415554
Total (Corr.) 22.4147 10

Coeficiente de Correlación = 0.999165

R-cuadrada = 99.8331 porciento
R-cuadrado (ajustado para g.l.) = 99.8146 porciento
Error estándar del est. = 0.0644635
Error absoluto medio = 0.0491981
Estadístico Durbin-Watson = 1.35381 (P=0.0576)
Autocorrelación de residuos en retraso 1 = 0.282116

El StatAdvisor
La salida muestra los resultados de ajustar un modelo para describir la relación entre peso y dias. La ecuación del
modelo ajustado es

peso = exp(0.715647 + 0.451033*dias)

Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relación estadísticamente significativa entre
peso y dias con un nivel de confianza del 95.0%.

El estadístico R-Cuadrada indica que el modelo ajustado explica 99.8331% de la variabilidad en peso después de
transformar a una escala recíproca para linearizar el modelo. El coeficiente de correlación es igual a 0.999165,
indicando una relación relativamente fuerte entre las variables. El error estándar del estimado indica que la
desviación estándar de los residuos es 0.0644635. Este valor puede usarse para construir límites de predicción para
nuevas observaciones, seleccionando la opción de Pronósticos del menú de texto.

El error absoluto medio (MAE) de 0.0491981 es el valor promedio de los residuos. El estadístico de Durbin-Watson
(DW) examina los residuos para determinar si hay alguna correlación significativa basada en el orden en el que se
presentan en el archivo de datos. Puesto que el valor-P es mayor que 0.05, no hay indicación de una
autocorrelación serial en los residuos con un nivel de confianza del 95.0%.
 Gráfico del Modelo Ajustado
peso = exp(0.715647 + 0.451033*dias)
(X 1000)
3

2.5

2
peso

1.5

0.5

0
6 8 10 12 14 16
dias

La salida muestra los resultados de ajustar un modelo model para describir la relación entre peso y dias. La ecuación del modelo ajustado, mostrado
como una línea sólida, es

peso = exp(0.715647 + 0.451033*dias)

Comparación de Modelos Alternos

Modelo Correlación R-Cuadrada
Exponencial 0.9992 99.83%
Logarítmico-Y Raíz Cuadrada-X 0.9963 99.25%
Log-Y Cuadrado-X 0.9927 98.55%
Multiplicativa 0.9888 97.77%
Raíz Cuadrada-X Cuadrado-X 0.9816 96.35%
Curva S -0.9603 92.22%
Doble Inverso 0.9570 91.58%
Raíz Cuadrada Doble 0.9295 86.40%
Cuadrado de X 0.9156 83.83%
Inversa-Y Log-X -0.9098 82.77%
Raíz Cuadrada-Y Log-X 0.9037 81.66%
Inversa-Y Raíz Cuadrada-X -0.8808 77.57%
Lineal 0.8627 74.42%
Raíz Cuadrada-Y Inversa de X -0.8416 70.83%
Raíz Cuadrada deX 0.8305 68.97%
Logaritmo de X 0.7951 63.22%
Cuadrado Doble 0.7887 62.20%
Inversa-Y Cuadrado-X -0.7829 61.30%
Cuadrado de Y 0.7210 51.98%
Inversa de X -0.7177 51.50%
Cuadrado-Y Raíz Cuadrada-X 0.6833 46.68%
Cuadrado-Y Log-X 0.6437 41.44%
Cuadrado-Y Inversa de X -0.5628 31.67%
Raíz Cuadrada de Y <sin ajuste>
Inversa de Y <sin ajuste>
Logístico <sin ajuste>
Log probit <sin ajuste>

El StatAdvisor
Esta tabla muestra los resultados de ajustar varios modelos curvilíneos a los datos. De los modelos ajustados, el
modelo es el que arroja el valore más alto de R-Cuadrada con 99.8331%. Este es el modelo actualmente
seleccionado.

Gráfico de Residuos
peso = exp(0.715647 + 0.451033*dias)

2.5

1.5
Rediduo Estudentizado

0.5

-0.5

-1.5

-2.5
6 8 10 12 14 16
dias

Esta gráfica despliega los residuos Estudentizados versus los valores de dias. Cualquier patrón no aleatorio indicaría que el modelo seleccionado no
es adecuado para describir los datos observados. Además, cualquier valor fuera del rango de -3 a +3 bien podría ser un dato aberrante (outlier).
Residuos Atípicos
Predicciones Residuos
Fila X Y Y Residuos Studentizados
6 11.0 261.0 292.074 -31.0737 -2.18

El StatAdvisor
La tabla de residuos atípicos enlista todas las observaciones que tienen residuos Estudentizados mayores a 2, en
valor absoluto. Los residuos Estudentizados miden cuántas desviaciones estándar se desvía cada valor observado
de peso del modelo ajustado, utilizando todos los datos excepto esa observación. En este caso, hay un residuo
Estudentizado mayor que 2, pero ninguno mayor que 3.