Regresin curvilnea

Se est considerando un tipo relativamente nuevo de aglomerado que se

puede formar con mucha mayor facilidad que el producto comercial ya
aceptado. Es necesario saber a qu densidad su rigidez es comparable con la
del producto comercial bien conocido y documentado. Terrance E. Conners
realiz un estudio titulado Investigation of Certain Mechanical Properties of a
Wood Foam Composite (Tesis para el doctorado, Departamento de Bosques y
Vida Silvestre, University of Massachusetts). Se produjeron 30 tableros de
aglomerado con densidades que variaban aproximadamente de 8 a 26 libras
por pie cubico y se midi su rigidez en libras por pulgada cuadrada. Los datos
se muestran en la siguiente tabla:
Densidad Rigidez,
Datos
,x
y
1
9.5 14814
2
9.8 14007
3
8.3
7573
4
8.6
9714
5
7
5304
6
17.4 43243
7
15.2 28028
8
16.7 49499
9
15 26222
10
14.8 26751
11
25.6 96305
12
24.4 72594
13
19.5 32207
14
22.8 70453
15
19.8 38138
16
8.4 17502
17
11 19443
18
9.9 14191
19
6.4
8076
20
8.2 10728
21
15 25319
22
16.4 41792
23
15.4 25312
24
14.5 22148
25
13.6 18036
26
23.4 104170
27
23.3 49512
28
21.2 48218
29
21.7 47661
30
21.3 53045
a) Calcule la ecuacin de regresin

b)
c)
d)
e)
f)

Calcule el coeficiente de correlacin y determinacin

Calcule los residuales
Calcule el error estndar
Calcule los lmites de confianza
Construya la tabla de ANOVA de la regresin

a) Calcule la ecuacin de regresin

Diagrama de dispersin de los datos

120000
100000
80000

Rigidez, y

60000
40000
20000
0

10

15

20

25

30

Densidad, x

Segn el diagrama de dispersin de los datos se sugiere un modelo con

transformacin de logaritmos naturales. El comportamiento de los datos
sugiere una tendencia exponencial a lo cual se elije hacer una ecuacin de
regresin de ln y contra x.
Datos
1
2
3
4
5
6
7
8

Densidad Rigidez
,x
,y
ln y
9.6033
9.5
14814
28
9.5473
9.8
14007
12
8.9323
8.3
7573
45
9.1813
8.6
9714
23
8.5762
7
5304
17
10.674
17.4
43243
59
10.240
15.2
28028
96
10.809
16.7
49499
71

x^2
90.25
96.04
68.89
73.96
49
302.76
231.04
278.89

x*(ln y)
91.2316
16
93.5636
62
74.1384
6
78.9593
81
60.0335
16
185.737
88
155.662
58
180.522
12

(ln
y)^2
92.223
91
91.151
18
79.786
78
84.296
7
73.551
49
113.94
69
104.87
72
116.84
98

15

26222

10

14.8

26751

11

25.6

96305

12

24.4

72594

13

19.5

32207

14

22.8

70453

15

19.8

38138

16

8.4

17502

17

11

19443

18

9.9

14191

19

6.4

8076

20

8.2

10728

21

15

25319

22

16.4

41792

23

15.4

25312

24

14.5

22148

25

13.6

18036

26

23.4

104170

27

23.3

49512

28

21.2

48218

29

21.7

47661

30
Sumato
ria
Promedi
o

21.3

53045
104000
464.1
5
34666.8
15.47
33

10.174
35
10.194
33
11.475
28
11.192
64
10.379
94
11.162
7
10.548
97
9.7700
7
9.8752
42
9.5603
63
8.9966
52
9.2806
12
10.139
31
10.640
46
10.139
03
10.005
5
9.8001
25
11.553
78
10.809
97
10.783
49
10.771
87
10.878
9
305.69
94
10.189
98

225
219.04
655.36
595.36
380.25
519.84
392.04
70.56
121
98.01
40.96
67.24
225
268.96
237.16
210.25
184.96
547.56
542.89
449.44
470.89
453.69
8166.2
9
272.20
97

152.615
31
150.876
04
293.767
05
273.100
36
202.408
81
254.509
59
208.869
54
82.0685
92
108.627
67
94.6475
96
57.5785
73
76.1010
22
152.089
66
174.503
55
156.141
12
145.079
79
133.281
7
270.358
44
251.872
31
228.609
94
233.749
55
231.720
48
4852.42
59
161.747
53

103.51
75
103.92
43
131.68
19
125.27
51
107.74
31
124.60
59
111.28
07
95.454
28
97.520
41
91.400
55
80.939
75
86.129
77
102.80
56
113.21
94
102.8
100.11
01
96.042
45
133.48
98
116.85
55
116.28
36
116.03
32
118.35
04
3132.1
47
104.40
49

S xx = x 2

( x i )
i

S xy = xy

( 464.1 )2
S xx =986.663
30

x i yi
i

m=

S xx =8166.29

S xy =4852.4259

( 464.1 )( 305.6994 )
S xy =123.2562
30

S xy
123.2562
m=
m=0.1249
S xx
986.663

b= y m x b=10.18998( 0.1249 )( 15.47 ) b=8.2577

Ecuacin de regresin resultante:

y=8.2577+ 0.1249 x

b) Calcule el coeficiente de correlacin y determinacin

2

S yy = y 2
i

r=

( yi )
i

S yy =3132.147

( 305.6994 )2
S yy=17.0762
30

S xy
123.2562
r=
r=0.9457
S
S
(986.663)(17.0762)
xx yy

r 2=0.90169

c) Calcule los residuales

Densidad Rigidez
Datos
,x
,y
ln y
ln y-ln
9.60332 0.15913916
1
9.5
14814
8
3
9.54731 0.06564681
2
9.8
14007
2
4
8.93234 0.36193672
3
8.3
7573
5
7
4
8.6
9714 9.18132
-

3
5

5304

17.4

43243

15.2

28028

16.7

49499

15

26222

10

14.8

26751

11

25.6

96305

12

24.4

72594

13

19.5

32207

14

22.8

70453

15

19.8

38138

16

8.4

17502

17

11

19443

18

9.9

14191

19

6.4

8076

20

8.2

10728

21

15

25319

22

16.4

41792

23

15.4

25312

24

14.5

22148

0.15043474
8
0.55566497
4
0.24351081
9
0.08470987
4
0.46607395
7

8.57621
7
10.6745
9
10.2409
6
10.8097
1
10.1743
5 0.0430892
10.1943 0.08804688
3
6
11.4752 0.01982777
8
8
11.1926 0.11290268
4
8
10.3799 0.31347885
4
4
0.05703752
11.1627
4
10.5489 0.18192838
7
9
0.46329685
9.77007
1
9.87524 0.24366921
2
8
9.56036 0.06620527
3
8
8.99665 0.06027577
2
7
9.28061
2 0.00117658
10.1393 0.00804554
1
9
10.6404 0.33430329
6
8
10.1390 0.04220012
3
8
0.06330089
10.0055
6

25

13.6

26

23.4

27

23.3

28

21.2

29

21.7

30
Sumatori
a

21.3
464.1

9.80012
5 0.15624771
11.5537 0.37316213
104170
8
4
10.8099
49512
7 0.35815469
10.7834 0.12229923
48218
9
6
10.7718 0.19637963
47661
7
6
0.03938331
53045 10.8789
3
104000 305.699 -1.03029E5
4
13
18036

Grfica de residuales
0.6
0.4
0.2

Residuales

0.0
-0.2

10

15

20

-0.4
-0.6
-0.8

Densidad, x

d) Calcule el error estndar

(S xy )2
(123.2562)2
S xx 2 17.0762 986.663
S e=
S 2e =0.05599
n2
302

S yy
S 2e =

S e = S 2e S e= 0.05599 Se =0.24486
e) Calcule los lmites de confianza
t=2.048

25

30

b t /2S e

1 x 2
+
n S xx

1 272.2097 2
8.2577 2.048(0.24486
+
)
30 986.663
8.2577 4.3467
3.911;12.6044

m t / 2S e

1
S xx

0.1249 2.048(0.24486

1
)
986.663

0.1249 0.01596
0.10894;0.14086
f) Construya la tabla de ANOVA de la regresin

Fuente de
Variacin

Suma de
cuadrados

ANOVA
Grados de
libertad

Cuadrado
medio

fcalc

mS xy

( y )2
mS xy

Regresin

Total

Fuente de
Variacin

Suma de
cuadrados

Regresin
Error
Total

15.39760121
1.679753515
17.07735472

Regresin lineal mltiple

n2

n-2

S yy

( y i )2

( y )2
Error

mS xy

n2

n-1
ANOVA
Grados de
libertad
1
28
29

Cuadrado
medio
15.39760121
0.059991197

fcalc
256.66434
4

Se llev a cabo un conjunto de ensayos experimentales con un horno para

determinar una forma de predecir el tiempo de coccin, y, a diferentes niveles
de ancho del horno, x1, y a diferentes temperaturas, x2. Se registraron los
siguientes datos:

Diagrama de dispersin de datos del ancho del horno

120
100
80

Tiempo de coccin

60
40
20
0

10

12

Ancho del horno

Diagrama de dispersin de datos de la temperatura

120
100
80

Tiempo de coccin

60

Linear ()

40
20
0

0 5 10 15 20 25 30 35 40 45

Temperatura

Datos

x1
1
2
3
4
5

x2
1.32
2.69
3.56
4.41
5.35

1.15
3.4
4.1
8.75
14.82

y
6.4
15.05
18.75
30.25
44.85

6
7
8
9
10
a)
b)
c)
d)
e)

6.2
7.12
8.87
9.8
10.65

15.15
48.94
15.32
51.55
18.18
61.5
35.19 100.44
40.4 111.42

Calcule la ecuacin de regresin

Calcule el coeficiente de correlacin y determinacin
Calcule los residuales
Calcule el error estndar
Construya la tabla de ANOVA de la regresin

a) Calcule la ecuacin de regresin

Modelo de regresin lineal multiple:

y =n b0 +b 1 x 1+ b2 x2
i

x 1 y =b0 x 1+ b1 x 21 +b 2 x 1 x 2
i

x 2 y =b0 x 2+ b1 x1 x 2+ b2 x 22
i

Datos

x1

x2

1.32

1.15

6.4

2
3

2.69
3.56

3.4
4.1

15.05
18.75

4.41

8.75

30.25

5.35

14.82

44.85

6.2

15.15

48.94

7.12

15.32

51.55

8.87

18.18

61.5

9.8

35.19 100.44

10
Sumato
ria

10.65

40.4 111.42

59.97 156.46 489.15

x1*y
x1^2
8.448
1.7424
40.484
5
7.2361
66.75
12.6736
133.40
25
19.4481
239.94
75
28.6225
303.42
8
38.44
367.03
6
50.6944
545.50
5
78.6769
984.31
2
96.04
1186.6
23 113.4225
3875.9
37 446.9965

x1*x2 x2*y
x2^2
1.518
7.36
1.3225
9.146
51.17
14.596 76.875
38.587 264.68
5
75
664.67
79.287
7
741.44
93.93
1
109.07 789.74
84
6
161.25 1118.0
66
7
344.86 3534.4
2
84
4501.3
430.26
68
1282.5 11749.
22
88

11.56
16.81
76.5625
219.6324
229.5225
234.7024
330.5124
1238.336
1
1632.16
3991.120
8

b0

489.15
3875.9
37
11749.
88

b1

b2

10

59.97 156.46
446.99 1282.5
59.97
65
22
1282.5 3991.1
156.46
22
21

Resultad
o
0.57998
7895
2.71223
7579
2.04970
7487

b0 =0.579987 b1=2.712237 b 2=2.04970 7

Ecuacin de regresin resultante:

y=0.579987+ 2.712237 x 1 +2.049707 x 2

b) Calcule el coeficiente de correlacin y determinacin

2

( )
SCR
2
r=
= i
STCC ( y )2
i

Datos

x1

x2

1.32

1.15

2.69

3.4

3.56

4.1

4.41

8.75

5.35

14.82

6.2

15.15

7.12

15.32

8.87

18.18

9
10

9.8
10.65

35.19
40.4

6.5173 42.397
6.4
05
7
14.844 34.070
15.05
91
1
18.639 30.275
18.75
35
6
30.475 18.439
30.25
9
1
45.467 3.4478
44.85
12
8
48.448 0.4660
48.94
93
7
51.292 2.3776
51.55
64
38
61.901 12.986
61.5
22
22
99.289 50.374
100.44
12
12
111.42 112.27 63.358

(-)^2 yi-

(yi)^2

1797.5
- 1807.5
65 42.515
25
1160.7
- 1146.8
71 33.865
38
916.61
- 909.92
47 30.165
72
340.00
- 348.38
06 18.665
22
11.887
85

-4.065

16.524
23

0.2172
0.0006
22
0.025
25
5.6531
6.9432
63
2.635
25
168.64
158.38
18 12.585
22
2537.5
2654.8
52 51.525
26
4014.3 62.505 3906.8

35
Sumato
ria
2

r=

59.97 156.46 489.15 489.15

5
3.51E- 10953.
12
2

10953.2 2
r =0.9997
10956.22

r= r 2 = 0.9997 r=0.9998
c) Calcule los residuales
Datos

x1

x2

1.32

1.15

6.4

2.69

3.4

15.05

3.56

4.1

18.75

4.41

8.75

30.25

5.35

14.82

44.85

6.2

15.15

7.12

15.32

8.87

18.18

9.8

10
Sumato
ria

10.65

k=2

45.467
12
48.448
48.94
93
51.292
51.55
64

61.901
22
99.289
35.19 100.44
12
112.27
40.4 111.42
35
61.5

59.97 156.46 489.15 489.15

d) Calcule el error estndar

s 2=

6.5173
05
14.844
91
18.639
35
30.475
9

( y )2

SCE
= i
nk1
nk 1

yi-
0.1173
1
0.2050
88
0.1106
46
0.2259
0.6171
2
0.4910
71
0.2573
62
0.4012
2
1.1508
77
0.8535
-3.6E12

(yi)^2
0.0137
6
0.0420
61
0.0122
42
0.0510
29
0.3808
42
0.2411
5
0.0662
35
0.1609
75
1.3245
19
0.7284
63
3.0212
78

75
-8.5E- 10956.
14
22

s=

3.021278 3.021278
=
=0.43161
1021
7

e) Construya la tabla de ANOVA de la regresin

Fuente de
Variacin

ANOVA
Grados de
libertad

Suma de
cuadrados

SCR = ( )

Regresin

CMR=

SCE = ( y )

Error

Cuadrado medio fcalc

CME=

n-(k+1)

SCR
k

f=

SCE
n(k ++1)

SCTT = ( y )
Total

n-1

Fuente de
Variacin

Suma de
cuadrados

Grados de
libertad

Cuadrado
Medio

Regresin
Error
Total

10953.20257
3.021277663
10956.22385

2
17
19

10953.20257
0.177722215

fcalc
61631.
03

CMR
CME