Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tiempo (min) 10 15 20 8 12 13 15 12 14 20 19 18 Rendimiento (%) 64 81.7 76.2 68.5 66.6 77.9 82.2 74.2 70 76 83.2 85.3
a) En este problema cual variable se considera independiente y cual independiente? - Se debe considerar el tiempo de extraccin como variable independiente (x) y al rendimiento como la variable dependiente (y), dado que el rendimiento siempre va a variar conforme el tiempo y no viceversa. b) Mediante un diagrama de dispersin analice la relacin entre estas dos variables. Qu tipo de relacin observa y cuales son algunos hechos especiales?
Existe correlacin lineal positiva ya que conforme aumenta el tiempo de extraccin tambin aumenta el rendimiento, es razonable suponer que la relacin entre estas variables la explique un modelo de regresin lineal simple.
c) Haga un anlisis de regresin (ajuste una lnea recta a estos datos, aplique pruebas de hiptesis y verifique residuos) Para ajustar la mejor recta que pasa ms cerca de todos los puntos y para calcular estimadores, se usa mtodo de mnimos cuadrados, se resumen los clculos en la hoja de Excel: X Tiempo (min) 10 15 20 8 12 13 15 12 14 20 19 18 176 y Rendimiento (%) 64 81.7 76.2 68.5 66.6 77.9 82.2 74.2 70 76 83.2 85.3 905.8 100 4096 225 6674.89 400 5806.44 64 4692.25 144 4435.56 169 6068.41 225 6756.84 144 5505.64 196 4900 400 5776 361 6922.24 324 7276.09 2752 68910.36 640 1225.5 1524 548 799.2 1012.7 1233 890.4 980 1520 1580.8 1535.4 13489 69.93 75.88 81.83 67.55 72.31 73.5 75.88 72.31 74.69 81.83 80.64 79.45 -5.93 5.82 -5.63 0.95 -5.71 4.4 6.32 1.89 -4.69 -5.83 2.56 5.85 35.1649 33.8724 31.6969 0.9025 32.6041 19.36 39.9424 3.5721 21.9961 33.9889 6.5536 34.2225 293.8764 X2 Y2 Xy Y estimado e E2
Suma
) [ [
)
( )( )
Por lo que se observa, se concluye que los errores estn distribuidos aleatoriamente, la prueba de hiptesis de inters plantea que la pendiente es significativamente diferente de 0.
Hiptesis a Establecer Anlisis de Regresin Para 1 H0 1 = 0 HA 1 0 t0 1 / Para 0 H0 0= 0 HA 0 0 t0 0 CME [
H0 se rechaza si |> F( , n -2 )
Estadsticos obtenidos, Minitab: Con 5% de significancia para el anlisis de regresin, es obvio que para los dos estimadores el estadsticos son mayores (9.22; 2.88) que el del criterio de rechazo (2.2281) Para el anlisis de Varianza es lo mismo 8.29 > 4.965 Por lo tanto se rechazan las hiptesis nulas establecidas y se aceptan las alternativas, las cuales indican que el modelo es significativo
d) La calidad del ajuste es satisfactoria? Argumente Determinemos si el modelo permite hacer estimaciones con una precisin aceptable: Coeficiente de determinacin R2 = SCR / Syy = 243.68 / 537.55 = 0.4533 El 45 % de la variacin observada en el rendimiento es explicada por el modelo, la calidad de ajuste no es satisfactorio, veamos su ajuste Coeficiente de determinacin ajustado R2 aj = CMtotal - CME / CMtotal =48.8681 29.38 / 48.8681 = 0.3987 Para fines de prediccin se recomienda un coeficiente de determinacin ajustado de 0.7 este es otro indicador de que nuestro modelo no hace estimaciones con precisin. Coeficiente de Correlacin r = Sxy / SxxSyy = 203.93 / (170.66) (537.55) = 0.6732 Observemos las grficas 4 en uno del modelo de regresin:
Se observa que en la grfica de probabilidad normal la mayor parte de los puntos tienden a ajustarse a la lnea recta pero en la de residuo contra valor ajustado hay cierto patrn, el modelo registra falla.
Se concluye que aunque el modelo es significativo, la intensidad de la relacin lineal entre las variables no es muy fuerte
e) Destaque el valor de la pendiente de la recta e interprtelo en trminos prcticos El valor de la pendiente de la recta es: 1.1949, en trminos prcticos, tan solo es la cantidad que se incrementa o disminuye la variable Y para cada unidad que se incrementa X.
f) Estime el rendimiento promedio que se espera a un tiempo de extraccin de 25 minutos y obtenga un intervalo de confianza para esta estimacin. El intervalo de confianza est dado por:
Y 0 - t(
/ 2 , n -2 )
] <= (
)<= Y0 +t( / 2 , n -2 )
77.65 <= (
)<= 98.004
22.-se realiz un experimento para estudiar el sabor del queso panela en funcin de la cantidad del cuajo y la sal. La variable de respuesta observada es el sabor promedio reportado por un grupo de 5 panelistas que probaron todos los quesos y los calificaron con una escala hednica. Los datos obtenidos se muestran a continuacin:
Sal 6 5.5 4.5 4 4.5 5.5 5 5 a) ajuste el modelo Cuajo 0.3 0.387 0.387 0.3 0.213 0.213 0.3 0.3 sabor 5.67 7.44 7.33 6.33 7.11 7.22 6.33 6.66
c) Ajuste un modelo que incluya trminos cuadrticos y analice con detalle la calidad del ajuste.
Y = 5.4 + 4.77 x1 - 70.4 x2 + 0.00 x1x2 - 0.495 x12 + 119 x22 Podemos prescindir del cuarto trmino de la ecuacin, ya que su coeficiente es cero, quedando la ecuacin de la siguiente manera: Y = 5.4 + 4.77 x1 - 70.4 x2 - 0.495 x12 + 119 x22 Se analiza la calidad del ajuste en la siguiente cuestin.
En nuestro primer modelo al calcular los coeficientes de determinacin y el ajustado del mismo, nos pudimos dar cuenta de que el modelo no era adecuado para explicar la relacin de variables debido a que el valor era demasiado bajo y por lo tanto no era un modelo confiable. Al obtener nuestra ecuacin con trminos cuadrticos, nos dimos cuenta que este modelo si es significativo debido a los valores que nos arroj el coeficiente de determinacin y su ajustado, al ver una amplia mejora en los resultados.
Primer modelo
= 0.7127
Segundo modelo
= 0.3029
Es claro que la diferencia entre un modelo y otro es evidente. e) Cul modelo prefiere para explicar el sabor? El segundo modelo con trminos cuadrticos.