Finalmente podemos extrapolar la ecuación discriminante lineal: Z= 3.045 +.747( frec agua) -.208 (frecuencia aguas frescas)+.237 (frec jugo) + .150(frecuencia refresco cola comida) +.664( frecuencia aguas frescas en comida) -.187( frec. Jugo comida)-.061 (sabor coca light) +.590 (sabor sprite) -.727 (sabor fanta) -.600 (saludable coca cola)-.040 (saludable coca light)-.786( saludable fanta)+.455( refrescante coca light) -1.214 (refrescante sprite) +.521(Refrescante Fanta) +.221(imagen coca cola) -.203 (imagen dr. pepper) +.460(dañina
coca light) -.684(dañina sprite) .003(dañina dr. pepper)+2.010 (disponibilidad coca cola)+.851 (disponibilidad coca light-.561 (disp. sprite) +.400(dr. pepper ).469(frec refresco coca light)-.502 (frec refresco sprite)-.027 (frecuencia refresco dr. pepper) +.892(conserva lata)+.649 (conserva plastico)-.674(conserva vidrio)-.740(conserva maquina).206(máximo a pagar vidrio)+.870 (precio maximo a pagar plastico).387(perjuicio mucho azucar)-.341 (prejuicio sabor desagradable).277 (perjuicio precio alto)+.372 ( presentación común 2 litros)-
.335( preferencia vidrio)-.035 (preferencia 2 litro)-.537 (preferencia 1 litro)+.588 (preferencia .5 litro de plastico) +.121 (preferencia 355 ml de vidrio) +.580 (preferencia de lata) Con esta ecuación podemos determinar en que grupo queda cada persona. Simplemente esta en sustituir los valores en cada variable correspondiente.
Por ejemplo, si la ecuación nos arrojara: -3.99 de parte de Juan X y tuviéramos las siguientes tablas: Grupo 1 (-3.140): Juan X entraría al Grupo 1, al de consumidores de bebidas naturales. Después de ver estos puntos importantes podemos continuar con nuestro estudio.
Analisis de Varianza Por medio de este análisis se pudo obtener una representación grafica de cómo es que las marcas de los refrescos son vistas por los consumidores dependiendo de sus atributos. Para poder hacer esto se hizo un análisis por atributo en donde se obtuvo un STRESS de .27204 por lo que dicho resultado según la interpretación de Kruskal quiere decir que el ajuste de datos es pobre y se obtuvo un RSQ de .77182 por lo que se deduce que el modelo es bueno ya que el valor esta cerca del 1 que es lo máximo que se puede explicar
20
Por otra parte se realizo el análisis por marca en donde se obtuvo un STRESS .46965 que quiere decir que también tiene un ajuste de datos pobre y su RSQ fue de .10357 por lo que dice que el modelo es malo por que el valor se encuentra muy alejado del 1.
GOURMET AM