Este documento presenta un análisis multivariado del rendimiento de los estudiantes en la asignatura "ICI415 – Procesos Industriales Químicos" en relación a otras asignaturas previas. Se utilizaron gráficos de dispersión y regresión para evaluar la influencia de 5 variables en la nota obtenida. La variable xx4 fue la única significativa. Posteriormente, se realizó un análisis de regresión simple eliminando las variables no significativas, resultando también significativa la variable x.

1. Trabajo Nº 1<br />Análisis multivariado:<br />Estudio del resultado de la Asignatura “ICI415 – Procesos Industriales Químicos” en relación a las asignaturas de pre-requisito.<br />Asignatura: EII740 – Metodos Cuantitativos Para La Toma de Desiciones<br />Profesor: Srta. Pamela Wilson<br />Alumnos: Alfredo Rojas<br />Luis Faundes<br />Fecha: 13 de Mayo de 2011<br />Graficos de Dispersión para la ecuación<br />Resumen del Modelo<br />Residuals:<br /> Min 1Q Median 3Q Max <br />-2.7720 -1.1393 0.1794 1.3168 2.2921 <br />Coefficients:<br /> Estimate Std. Error t value Pr(>|t|) <br />(Intercept) 4.7230 3.9773 1.187 0.2428 <br />xx1 -0.1314 0.3020 -0.435 0.6660 <br />xx2 -0.1155 0.4768 -0.242 0.8100 <br />xx3 -0.1960 0.3081 -0.636 0.5287 <br />xx4 0.5119 0.2307 2.219 0.0329 *<br />xx5 -0.3058 0.3445 -0.888 0.3807 <br />Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 <br />Residual standard error: 1.509 on 36 degrees of freedom<br />Multiple R-squared: 0.1366,Adjusted R-squared: 0.01667 <br />F-statistic: 1.139 on 5 and 36 DF, p-value: 0.3578<br />Analizar esto<br />Calculo de ANOVA<br />Df Sum Sq Mean Sq F value Pr(>F)<br />x 5 12.971 2.5942 1.139 0.3578<br />Residuals 36 81.994 2.2776<br />Anderson-Darling normality test para el error<br />data: e <br />A = 0.4979, p-value = 0.2001<br />--------------------<br />Goldfeld-Quandt test<br />data: fit <br />GQ = 1.3206, df1 = 15, df2 = 15, p-value = 0.2985<br />Durbin-Watson test<br />data: fit <br />DW = 1.7967, p-value = 0.2702<br />alternative hypothesis: true autocorrelation is greater than 0<br />Hay que poner la paja molida<br />Analisis de Regresión simple por eliminación de variables X que no son significativas<br />Tallo de Hojas<br />The decimal point is at the |<br /> 1 | 3<br /> 1 | 59<br /> 2 | <br /> 2 | 5<br /> 3 | 33<br /> 3 | <br /> 4 | 000000011122344<br /> 4 | 55678999<br /> 5 | 00012223<br /> 5 | 5778<br /> 6 | 2<br />Histograma de Caja con Bigotes<br />Medidas de Resumen: Centro y Posición<br />Min. 1st Qu. Median Mean 3rd Qu. Max. <br /> 1.300 4.000 4.450 4.364 5.000 6.200 <br /> [1] 1.143328<br /> [1] 1.069265<br /> [1] 0.2619736<br />Residuals:<br /> Min 1Q Median 3Q Max <br />-2.71792 -1.42465 0.08208 1.27554 2.63952 <br />Coefficients:<br /> Estimate Std. Error t value Pr(>|t|) <br />(Intercept) 1.5672 0.9538 1.643 0.1082 <br />x 0.4701 0.2124 2.213 0.0326 *<br />---<br />Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1<br />Residual standard error: 1.454 on 40 degrees of freedom<br />Multiple R-squared: 0.1091,Adjusted R-squared: 0.08683 <br />F-statistic: 4.899 on 1 and 40 DF, p-value: 0.03264<br />Muy Significativo<br />Resumen ANOVA<br />Df Sum Sq Mean Sq F value Pr(>F) <br />x 1 10.361 10.3613 4.8987 0.03264 *<br />Residuals 40 84.604 2.1151 <br />---<br />Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1<br />