Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Facultad de Ingeniera
Escuela de Ingeniera Mecnica
Departamento de Tecnologa de Produccin
Produccin 1
Modelos Empricos
Por ejemplo, suponga que en un proceso qumico el rendimiento del producto est
relacionado con la temperatura de operacin del proceso. El anlisis de regresin
puede ser utilizado para construir un modelo que permita predecir el rendimiento
para una temperatura dada. Tambin puede utilizarse para la optimizacin del
proceso, para hallar el punto optimo o para fines de control.
REGRESION LINEAL SIMPLE
Modelos Empricos
Se puede ver que los puntos que conforman el conjunto de datos tienen la
forma abstracta de una recta, lo cual nos ofrece la capacidad de construir
una de funcin: Y = aX+b,
que se ajusta a la mayora de puntos sobre la distribucin de puntos y
donde a y b son llamados coeficientes de regresin.
REGRESION LINEAL SIMPLE
Modelos Empricos
Supongase que la media y la varianza de son 0 y respectivamente.
Supongase que
el modelo de
regresin es
Y=75+15x
2 = 2.
Las estimaciones de 0 y 1 deben dar como resultado una lnea que (en
algn sentido) se ajuste mejor a los datos. El Alemn Karl Gauss (1777-
1855) propuso estimar los parmetros de modo que se minimice la suma de
los cuadrados de las desviaciones verticales en cada punto de x
Llamamos a este criterio para estimar los coeficientes de regresin el
Mtodo de los Mnimos Cuadrados, usando la siguiente ecuacin podemos
expresar cada observacin con la letra n como:
Regresin Lineal Simple.
Donde
Regresin Lineal Simple.
El ajuste o la lnea de regresin estimada es
Sustituyendo
Ahora considerese la obtencin de una estimacin del intervalo para esta observacin
futura Y0. Esta nueva observacin es independiente de las observaciones utilizadas para
desarrollar el modelo de regresin. Por consiguiente el intervalo de confianza para
Ylx0 resulta inapropiado ya que este se basa solo en los datos utilizados para ajustar el
modelo de regresin. El intervalo de confianza alrededor de Ylx0 se refiere a la
verdadera respuesta promedio en x = x0 (esto es un parmetro de la poblacin) y no a
observaciones futuras.
Regresin Lineal Simple.
Prediccin de nuevas observaciones.
Un intervalo de prediccin para una observacin futura del
100(1-)% y0 en el valor de x = x0 . Ylx0 est dado por
Siempre que
Regresin Lineal Simple.
Adecuacin del modelo de regresin
El ajuste de un modelo de regresin requiere varias suposiciones. La
estimacin de parmetros del modelo requiere la suposicin de que los
errores son variables aleatorias no correlacionadas com media 0 y varianza
constante. Las pruebas de hiptesis y la estimacin de intervalos requieren
que los errores etn distribuidos de forma normal. Adems se supone que el
grado de error es correcto; esto es, si se ajusta un modelo de regresi lineal
simple, entonces se supone que el fenmeno en realidad se comporta de una
manera lineal o de primer grado.
Patrones de graficas
residuales
(a) Satisfactorio,
(b) Embudo,
(c) Doble arco,
(d) No lineal.
Regresin Lineal Simple.