Modelos de Calibracin - Abs. versus Conc.

Y (medida): Abs. X (actual): Conc. Modelo Lineal: Y = a + b*X Estimado de Parmetro Mnimos Cuadrados Intercepto 0.00669231 Pendiente 0.00498492 Anlisis de Varianza Fuente Suma de Cuadrados Modelo 3.63423 Residuo 0.00110279 Total (Corr.) 3.63534 Error Estndar 0.00258388 0.0000177253 GL 1 24 25 Estadstico T 2.59002 281.232

Valor-P 0.0161 0.0000 Razn-F 79091.48 Valor-P 0.0000

Cuadrado Medio 3.63423 0.0000459497

Coeficiente de correlacin = 0.999848 R-Cuadrada = 99.9697 porciento R-Cuadrada (ajustada por g.l.) = 99.9684 porciento Error estndar del est. = 0.00677862 Error medio absoluto = 0.0049226 Estadstico Durbin-Watson = 1.32034 (P=0.0208) Autocorrelacin residual de retardo 1 = 0.291063 Anlisis de Residuos Estimacin n 28 CME 0.305742 MAE 0.140225 MAPE ME 0.135654 MPE Validacin

El StatAdvisor La salida muestra los resultados de ajustar un modelo Lineal para describir la relacin entre Abs. y Conc.. La ecuacin del modelo ajustado es Abs. = 0.00669231 + 0.00498492*Conc. Como el valor-P en la tabla ANOVA es menor que 0.05 hay una relacin estadsticamente significativa entre Abs. y Conc. con un nivel de confianza del 95.0%. El estadstico R-Cuadrada indica que el modelo, as ajustado, explica 99.9697% de la variabilidad en Abs.. El coeficiente de correlacin es igual a 0.999848, indicando una relacin relativamente fuerte entre las variables. El error estndar del estimado muestra que la desviacin estndar para los residuos es de 0.00677862. Este valor puede ser usado para construir lmites de prediccin para nuevas observaciones, seleccionando la opcin de Pronsticos del men de texto. El error absoluto medio (MAE) de 0.0049226 es el valor promedio de los residuos. El estadstico de Durbin-Watson (DW) prueba los residuos para determinar si hay alguna correlacin significativa basada e el orden en que se presentaron en su archivo de datos. Dado que el valor-P es menor que 0.05, esto es indicativo de una posible correlacin serial con un nivel de confianza del 95.0%. Grafique los residuos versus el orden de las filas para ver si hay algn patrn que pueda detectarse.

Grfica del Modelo Ajustado Abs. = 0.00669231 + 0.00498492*Conc. 4

Abs.

0 0 50 100 150 Conc. 200 250 300

Intervalos de confianza del 95.0% para los estimados de los coeficientes Error Parmetro Estimado Estndar Lmite Inferior Lmite Superior CONSTANTE 0.00669231 0.00258388 0.00135942 0.0120252 PENDIENTE 0.00498492 0.0000177253 0.00494834 0.00502151 El StatAdvisor Esta ventana muestra intervalos de confianza del 95.0% para los parmetros del modelo ajustado. En muestreos repetidos, 95.0% de tales intervalos contendr los valores verdaderos de los parmetros, siempre que el modelo sea de la forma correcta y los errores sean independientes y se distribuyan normalmente.

Grfica de Abs. 4

3 observado

0 0 1 2 predicho 3 4

Pruebas de hiptesis Hiptesis nula: intercepto = 0.0 Hiptesis alterna: intercepto no igual 0.0 Estadstico t calculado = 2.59002 Valor-P = 0.0160625 Rechazar la hiptesis nula para alfa = 0.05.

Hiptesis nula: pendiente = 1.0 Hiptesis alterna: pendiente no igual 1.0 Estadstico t calculado = -56135.3 Valor-P = 0.0 Rechazar la hiptesis nula para alfa = 0.05. El StatAdvisor Esta ventana muestra los resultados de 2 pruebas de hiptesis relativas a los parmetros del modelo de calibracin ajustado. La primera prueba atae a el intercepto. Como el valor-P es menor que 0.05, se puede rechazar la hiptesis de que el intercepto es igual a 0.0 al nivel de confianza del 95.0%. La segunda prueba atae a la pendiente. Como el valor-P es menor que 0.05, se puede rechazar la hiptesis de que la pendiente es igual a 1.0 al nivel de confianza del 95.0%.

Grfica de Residuos 4 Residuo Estudentizado

-2

-4 0 0.3 0.6 0.9 predicho Abs. 1.2 1.5

Valores Predichos para Y 95.00% Prediccin de Lmites de X Y Inferior 7.0 0.0415868 0.0266906 9.0 0.0515566 0.0366815 11.0 0.0615265 0.0466721 15.0 0.0814662 0.0666522 19.0 0.101406 0.0866309 21.0 0.111376 0.0966198 177.0 0.889024 0.87464 195.0 0.978752 0.964267 205.0 1.0286 1.01405 215.0 1.07845 1.06382

Prediccin Superior 0.0564829 0.0664317 0.0763809 0.0962801 0.116181 0.126132 0.903407 0.993237 1.04316 1.09308

95.00% Lmites de Inferior 0.0364718 0.0465032 0.0565343 0.0765956 0.0966555 0.106685 0.885685 0.974999 1.02459 1.07416

Confianza Superior 0.0467018 0.05661 0.0665186 0.0863367 0.106156 0.116066 0.892362 0.982505 1.03261 1.08274

El StatAdvisor Esta tabla muestra los valores predichos para Abs. usando el modelo ajustado. Adems de las mejores predicciones, la tabla muestra los intervalos del: (1) intervalos de previsin del 95.0% para nuevas observaciones (2) intervalos de confianza del 95.0% para la media de muchas observaciones Los intervalos de prediccin y de confianza corresponden a las cotas internas y externas en la grfica del modelo ajustado. Comparacin de Modelos Alternativos Modelo Correlacin Doble raz cuadrada 0.9999 Lineal 0.9998 R-Cuadrada 99.98% 99.97%

Doble cuadrado Raz cuadrada-X Y-cuadrada Raz cuadrada-Y X-cuadrada Y-cuadrada Raz cuadrada-X Raz cuadrada-Y X-cuadrada Exponencial Y-Inversa Log-Y Raz cuadrada-X Y-Inversa Raz cuadrada-X Log-X Raz cuadrada-Y Log-X Multiplicativo Y-Inversa Log-X Y-cuadrada Log-X X-Inversa Raz cuadrada-Y X-Inversa Modelo curva-S Doble inverso Y-cuadrada X-Inversa Log-Y X-cuadrada Y-Inversa X-cuadrada Logstico Log probit

0.9997 0.9705 0.9692 0.9657 0.9626 0.8858 0.8755 <sin ajuste> <sin ajuste> <sin ajuste> <sin ajuste> <sin ajuste> <sin ajuste> <sin ajuste> <sin ajuste> <sin ajuste> <sin ajuste> <sin ajuste> <sin ajuste> <sin ajuste> <sin ajuste> <sin ajuste> <sin ajuste> <sin ajuste> <sin ajuste>

99.95% 94.19% 93.94% 93.26% 92.65% 78.47% 76.66%

El StatAdvisor Esta tabla muestra los resultados de ajustar varios modelos curvilneos a los datos. De los modelos ajustados, el modelo Doble raz cuadrada arroja el valor ms alto de R-Cuadrada con 99.9794%. Este es 0.00971951% mayor que el modelo actualmente seleccionado. Para cambiar modelos, seleccione el cuadro de dilogo Opciones de Anlisis. Residuos Atpicos Fila 14 25 X 130.0 240.0 Y 0.671 1.186 Y Predicha 0.654732 1.20307 Residuo 0.0162677 -0.0170738 Residuo Estudentizado 2.77 -3.17

El StatAdvisor La tabla de residuos atpicos lista todas las observaciones que tienen un residuo Estudentizado mayor que 2 en valor absoluto. Los residuos Estudentizados miden cuntas desviaciones estndar se desva cada valor observado de Abs. de un modelo ajustado utilizando todas las observaciones menos esa. En este caso, hay 2 residuos Estudentizados mayores que 2, uno mayor que 3. Debera examinar con cuidado los residuos Estudentizados mayores que 3 para determinar si corresponden a observaciones aberrantes que debieran eliminarse del modelo y manejarse por separado. Puntos Influyentes Y Residuo Fila X Y Predicha Estudentizado Leverage Leverage promedio de un solo punto = 0.0769231 El StatAdvisor La tabla de puntos influyentes lista todas las observaciones que tienen valores de leverage mayores que 3 veces el de un punto promedio. Leverage es un estadstico que mide que tanta influencia tiene cada observacin en la determinacin de los coeficientes del modelo estimado. En este caso, un punto promedio tendra un valor de leverage igual a 0.0769231. No hay puntos con ms de 3 veces el leverage promedio.