Aviso
Ahora estás saliendo de support.minitab.com.
Haga clic en Continuar para continuar con:
La relación de las varianzas del error es la varianza del error para la respuesta dividida entre la varianza del error para el predictor.
| Relación | Interpretación |
|---|---|
| δ > 1 | Las mediciones de respuesta son más inciertas que las mediciones del predictor. |
| δ = 1 | Las mediciones de respuesta y las mediciones del predictor son igualmente inciertas. |
| δ < 1 | Las mediciones de respuesta son más ciertas que las mediciones del predictor. |
Utilice la ecuación de regresión para describir la relación entre la respuesta y los términos en el modelo. La ecuación de regresión es una representación algebraica de la línea de regresión. La ecuación de regresión para el modelo lineal tiene la forma siguiente: Y= b0 + b1x1. En la ecuación de regresión, Y es la variable de respuesta, b0 es la constante o intersección, b1 es el coeficiente estimado para el término lineal (también denominado como pendiente de línea) y x1 es el valor del término.
En la regresión ortogonal, el valor de X1 y el valor de Y representan valores inciertos. Los verdaderos valores de la variable predictora y la variable de respuesta se desconocen.
La regresión ortogonal suele utilizarse en química clínica o en laboratorios para determinar si dos instrumentos o métodos proporcionan mediciones comparables. Cuando las mediciones son comparables, el coeficiente de la constante es 0 y el coeficiente del término lineal es 1. Utilice los intervalos de confianza que se proporcionan en la tabla de coeficientes para decidir si existe evidencia estadística en contra de cualquiera de los dos valores.
Un coeficiente de regresión describe el tamaño de la relación entre un predictor y la variable de respuesta. Los coeficientes son los números por los cuales se multiplican los valores del término en una ecuación de regresión.
El coeficiente del término representa el cambio en la respuesta media para un cambio de una unidad en ese término, mientras que los otros términos en el modelo se mantienen constantes. El signo del coeficiente indica la dirección de la relación entre el término y la respuesta. Si el coeficiente es negativo, a media que el término aumenta, el valor medio de la respuesta disminuye. Si el coeficiente es positivo, a medida que el término aumenta, el valor medio de la respuesta se incrementa.
La regresión ortogonal suele utilizarse en química clínica o en laboratorios para determinar si dos instrumentos o métodos proporcionan mediciones comparables. Cuando las mediciones son comparables, el coeficiente de la constante es 0 y el coeficiente del término lineal es 1. Utilice los intervalos de confianza que se proporcionan en la tabla de coeficientes para decidir si existe evidencia estadística en contra de cualquiera de los dos valores.
El error estándar del coeficiente estima la variabilidad entre las estimaciones del coeficiente que se obtendrían si se tomara las muestras de la misma población una y otra vez. El cálculo asume que el tamaño de la muestra y los coeficientes a estimar se mantendrían iguales si se tomara la muestra una y otra vez.
Utilice el error estándar del coeficiente para medir la precisión de la estimación del coeficiente. Cuanto menor sea el error estándar, más precisa será la estimación.
Al dividir el coeficiente entre su error estándar se obtiene un valor Z. Si el valor p asociado con este estadístico Z es menor que el nivel de significancia, usted concluye que el coeficiente es estadísticamente significativo.
El valor Z es un estadístico de prueba para pruebas que miden la relación entre el coeficiente y su error estándar.
Minitab utiliza el valor Z para calcular el valor p, que se usa para tomar una decisión acerca de la significancia estadística de los términos.
A menudo se utiliza una regresión ortogonal en química clínica o un laboratorio para determinar si dos instrumentos o métodos proporcionan mediciones comparables. Utilice los intervalos de confianza para los coeficientes de la constante y el término lineal para determinar si las mediciones de los dos métodos son diferentes.
El valor p es una probabilidad que mide la evidencia en contra de la hipótesis nula. Las probabilidades más bajas proporcionan una evidencia más fuerte en contra de la hipótesis nula.
A menudo se utiliza una regresión ortogonal en química clínica o un laboratorio para determinar si dos instrumentos o métodos proporcionan mediciones comparables. Utilice los intervalos de confianza para los coeficientes de la constante y el término lineal para determinar si las mediciones de los dos métodos son diferentes.
Estos intervalos de confianza (IC) son rangos de valores que es probable que contengan el verdadero valor del coeficiente para cada término incluido en el modelo.
Puesto que las muestras son aleatorias, es poco probable que dos muestras de una población produzcan intervalos de confianza idénticos. Sin embargo, si toma muchas muestras aleatorias, un determinado porcentaje de los intervalos de confianza resultantes incluirá el parámetro de población desconocido. El porcentaje de estos intervalos de confianza que contiene el parámetro es el nivel de confianza del intervalo.
A menudo se utiliza una regresión ortogonal en química clínica o un laboratorio para determinar si dos instrumentos o métodos proporcionan mediciones comparables. Si el intervalo de confianza para el término constante contiene cero y el intervalo para el término lineal contiene 1, entonces se puede concluir generalmente que las mediciones de los dos instrumentos son comparables.
En estos resultados, el intervalo de confianza para el término constante es aproximadamente (−3, 4). Puesto que el intervalo contiene 0, esta parte del análisis no proporciona evidencia de que las mediciones de los dos instrumentos son diferentes.
El intervalo de confianza para el término lineal es aproximadamente (0.97, 1.02). Puesto que el intervalo contiene 1, esta parte del análisis no proporciona evidencia de que las mediciones de los dos instrumentos son diferentes.
| Predictor | Coef | SE Coef | Z | P | IC de 95% aprox. |
|---|---|---|---|---|---|
| Constante | 0.64441 | 1.74470 | 0.3694 | 0.712 | (-2.77513, 4.06395) |
| Actual | 0.99542 | 0.01415 | 70.3461 | 0.000 | (0.96769, 1.02315) |
| Variable | Varianza |
|---|---|
| Nuevo | 1.07856 |
| Actual | 1.19840 |
Las varianzas del error describen la cantidad de incertidumbre acerca de los valores del predictor y la respuesta.
Utilice las varianzas del error de cada variable para entender la variación en las mediciones de la variable de respuesta y la variable predictora. Varianzas más grandes del error indican que las mediciones son más inciertas. La varianza del error para la variable predictora y la relación de las varianzas del error determinan la varianza del error para la variable de respuesta.
Ahora estás saliendo de support.minitab.com.
Haga clic en Continuar para continuar con: