Ajusta este modelo de regresin lineal mltiple a los datos con los que cuentan

y luego estime la cantidad de xido nitroso que emiten los camiones en las
siguientes condiciones: 50% de humedad, temperatura de 76F y una presin
baromtrica de 29.30

S = 0.0389072
PRESS = 0.0421579

R-cuad. = 93.21%
R-cuad.(pred.) = 68.50%

R-cuad.(ajustado) = 89.82%

Anlisis de varianza
Fuente
Regresin
x1= Humedad
x2=Temperatura
x3= Presin
Error
Total

GL
3
1
1
1
6
9

SC Sec.
0.124757
0.124351
0.000168
0.000238
0.009083
0.133840

SC Ajust.
0.124757
0.029803
0.000024
0.000238
0.009083

CM Ajust.
0.0415858
0.0298030
0.0000240
0.0002380
0.0015138

F
27.4717
19.6880
0.0159
0.1572

P
0.000666
0.004389
0.903855
0.705453

En el artculo An Ultracentrifuge Flour Absorption Method ( cereal

chemistry, 1978, pp 96-101), los autores estudiaron la relacin entre
absorcin de agua para harina de trigo y varias caractersticas de la harina.
En particular los autores utilizaron un modelo de regresin lineal multiple de
primer orden para relacionar la absorcin (%) con la protena de harina x1,
(%) y dao de almidones x2(unidades Farrand). La informacin se muestra en
la siguiente tabla.

Anlisis de regresin general: y versus x1= % de absorci, x2= daos de alm

Ecuacin de regresin
y

20.3938 + 1.33492 x1= % de absorcion + 0.333362 x2= daos de almidones

Coeficientes
Trmino
Constante
x1= % de absorcion
x2= daos de almidones

Coef
20.3938
1.3349
0.3334

EE del
coef.
3.64377
0.40076
0.04588

T
5.59689
3.33097
7.26629

P
0.000
0.007
0.000

Resumen del modelo

S = 1.12039
PRESS = 25.3182

R-cuad. = 96.49%
R-cuad.(pred.) = 93.56%

R-cuad.(ajustado) = 95.85%

Anlisis de varianza
Fuente
Regresin
x1= % de absorcion
x2= daos de almidones
Error
Total

GL
2
1
1
11
13

SC Sec.
379.447
313.170
66.277
13.808
393.255

SC Ajust.
379.447
13.928
66.277
13.808

CM Ajust.
189.724
13.928
66.277
1.255

Ajustes y diagnsticos para observaciones poco comunes

F
151.142
11.095
52.799

P
0.0000000
0.0066997
0.0000161

No hay observaciones poco comunes

En qumica analtica, los anlisis de fluorescencia con rayos x son una

herramienta para calcular porcentajes de ingredientes en mezclas multicomponentes. A menudo la estimacin de las concentraciones depende en
grms medida de la habilidad del usuario para ajustar modelos de regresin
adecuados. En el ensayo Corrections for matrix effect in x-ray fluorescence
anlisis using multiple regression methods, publicado en analytical
chemistry (vol.37,1965), se prepararon mezclas propelentes que contenian 4
ingredientes. Se variaron las concentraciones de los ingredientes en las
mezclas para producir estndares de calibracin. Los datos osn los
siguientes:

Anlisis de regresin general: y=% Fluoresc versus x1=Ingredien, x2= Ingredie,

Ecuacin de regresin
y=% Fluorescencia

-0.300429 + 0.538667 x1=Ingrediente 1 + 0.17699 x2=

Ingrediente 2 - 0.0703949 x3=Ingrediente 3 + 0.150628
x4=Ingrediente 4

Coeficientes
Trmino
Constante
x1=Ingrediente 1
x2= Ingrediente 2
x3=Ingrediente 3
x4=Ingrediente 4

Coef
-0.300429
0.538667
0.176990
-0.070395
0.150628

EE del coef.
0.317743
0.017818
0.183513
0.032815
0.127529

T
-0.9455
30.2309
0.9645
-2.1452
1.1811

P
0.398
0.000
0.389
0.099
0.303

Resumen del modelo

S = 0.00399428
PRESS = 0.000358425
Anlisis de varianza

R-cuad. = 99.70%
R-cuad.(pred.) = 98.32%

R-cuad.(ajustado) = 99.40%

Fuente
Regresin
x1=Ingrediente 1
x2= Ingrediente 2
x3=Ingrediente 3
x4=Ingrediente 4
Error
Total

GL
4
1
1
1
1
4
8

SC Sec.
0.0212184
0.0208411
0.0000820
0.0002730
0.0000223
0.0000638
0.0212822

SC Ajust.
0.0212184
0.0145807
0.0000148
0.0000734
0.0000223
0.0000638

CM Ajust.
0.0053046
0.0145807
0.0000148
0.0000734
0.0000223
0.0000160

Ajustes y diagnsticos para observaciones poco comunes

No hay observaciones poco comunes

F
332.488
913.907
0.930
4.602
1.395

P
0.000027
0.000007
0.389433
0.098511
0.302983

En el departamento de persona de una empresa utilizo a doce individuos en

un estudio para determinar la relacin entre su comportamiento hacia el
trabajo (Y) y las calificaciones de cuatro pruebas los datos son los siguientes:

Anlisis de regresin general: y=Comportami versus x1=Prueba, x2=Prueba, ...

Ecuacin de regresin
y=Comportamiento

3.32046 + 0.421049 x1=Prueba - 0.29578 x2=Prueba + 0.01638

x3=Prueba + 0.124652 x4=Prueba

Coeficientes
Trmino
Constante
x1=Prueba
x2=Prueba
x3=Prueba
x4=Prueba

Coef
3.32046
0.42105
-0.29578
0.01638
0.12465

EE del
coef.
9.36616
0.13265
0.23179
0.24810
0.24197

T
0.35452
3.17415
-1.27604
0.06602
0.51515

P
0.733
0.016
0.243
0.949
0.622

Resumen del modelo

S = 1.22201
PRESS = 32.7421

R-cuad. = 93.90%
R-cuad.(pred.) = 80.90%

R-cuad.(ajustado) = 90.42%

Anlisis de varianza
Fuente
Regresin
x1=Prueba

GL
4
1

SC Sec.
160.936
158.411

SC Ajust.
160.936
15.045

CM Ajust.
40.2340
15.0455

F
26.9428
10.0752

P
0.000240
0.015617

x2=Prueba
x3=Prueba
x4=Prueba
Error
Total

1
1
1
7
11

1.930
0.199
0.396
10.453
171.389

2.432
0.007
0.396
10.453

2.4315
0.0065
0.3963
1.4933

1.6283
0.0044
0.2654

Ajustes y diagnsticos para observaciones poco comunes

No hay observaciones poco comunes

0.242647
0.949206
0.622309

Un cliente del department of mmechanical engineering acudi conssulting center

de la virginia polytechnic institute and state university para ayudar en el
anlisis de un experimento sobre turbinas de gas. El voltaje de salida de las
turbinas se midio en varias combinasciones de velocidad de la hlice y en varias
longuitudes de la extensin del sensor de medicin de voltaje.los datos son como
se expone en la tabla siguiente:

Anlisis de regresin general: y=volts versus x1=velocidad, x2=velocidad

Ecuacin de regresin
y=volts

-1.64129 + 0.000555709 x1=velocidad - 67.3959 x2=velocidad

Coeficientes
Trmino
Constante
x1=velocidad
x2=velocidad

Coef
-1.6413
0.0006
-67.3959

EE del
coef.
0.24704
0.00003
4.48082

T
-6.6438
16.1146
-15.0410

P
0.000
0.000
0.000

Resumen del modelo

S = 0.124548

R-cuad. = 96.07%

R-cuad.(ajustado) = 95.55%

PRESS = 0.348209

R-cuad.(pred.) = 94.12%

Anlisis de varianza
Fuente
Regresin
x1=velocidad
x2=velocidad
Error
Total

GL
2
1
1
15
17

SC Sec.
5.69423
2.18488
3.50935
0.23268
5.92691

SC Ajust.
5.69423
4.02820
3.50935
0.23268

CM Ajust.
2.84711
4.02820
3.50935
0.01551

F
183.540
259.679
226.231

Ajustes y diagnsticos para observaciones poco comunes

No hay observaciones poco comunes

P
0.0000000
0.0000000
0.0000000

La pureza del rayon es un factor importante para los cientfico que estudian
la calidad de la tela: la blancura se ve afectada pir la calidad de la pulpa y
otras variables del proceso.Algunas de estas variables son: la temperatura
del bao de acido C(x1) la concentracin en cascada del acido,%(x2); la
temperatura del agua, C(x3);la conentracion del sulfuro,%(x4); la cantidad
del blanqueador el cloro, lb/min (x5); la temperatura final de la cubierta
C(x6). Enseguida se presenta una muestra de datos tomados de muestra de
rayon.La respuesta es la medicin de la blancura.

Resumen del modelo

S = 18.5120
PRESS = 7875.02

R-cuad. = 35.24%
R-cuad.(pred.) = -65.35%

R-cuad.(ajustado) = -7.93%

Anlisis de varianza
Fuente
Regresin
x1
x2
x3
x4
x5
x6
Error
Total

GL
6
1
1
1
1
1
1
9
15

SC Sec.
1678.40
155.48
5.98
537.72
0.80
231.85
746.57
3084.25
4762.65

SC Ajust.
1678.40
410.01
207.46
705.29
0.27
725.96
746.57
3084.25

CM Ajust.
279.733
410.006
207.460
705.293
0.266
725.955
746.575
342.695

F
0.81627
1.19642
0.60538
2.05808
0.00078
2.11837
2.17854

Ajustes y diagnsticos para observaciones poco comunes

P
0.583496
0.302449
0.456499
0.185222
0.978386
0.179517
0.174055