Documentos de Académico
Documentos de Profesional
Documentos de Cultura
• Plantear hipótesis.
Ho: Los datos se ajustan al modelo de regresión adoptado es decir,
Yij=a(x) +b
Ha: Los datos no se ajustan bien al modelo de regresión adoptado
• Determinar el nivel de significancia:
𝛼=0.05
• Grafique el conjunto de puntos.
1000000
Y
900000
800000
700000
600000
500000
400000
300000
200000
100000
0
0 5 10 15 20
X
• Calcule a;b y la ecuación de pronòstico Yij=axi + b
y = 49124x - 132467
R² = 0,9076
• Obtener el ANVA correspondiente
ANOVAa
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
Total 418761333333,
5
333
a. Variable dependiente: Y
b. Predictores: (Constante), X
ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los Valor crítico
libertad cuadrados cuadrados F de F
Regresión 1 3,8E+11 3,8E+11 39,29354 0,003305
Residuos 4 3,87E+10 9,67E+09
Total 5 4,19E+11
• CONCLUSIÒN: Como se puede apreciar, el valor p de falta de ajuste indica 0.003 esto
significa que con un 95% de confianza se rechaza la idea de que los datos se ajusten a
un modelo lineal. Por tanto no es un ajuste lineal.
CASO. 2: La hidrólisis de un cierto éster tiene lugar en medio ácido según un proceso
cinético de primer orden. Partiendo de una concentración inicial (por 103(M)) desconocida
del éster, se han medido las concentraciones del mismo a diferentes tiempos (en minutos)
obteniéndose los resultados siguientes:
Tiempo Concentración
3 25,5
5 23,4
10 18,2
15 14,2
20 11,6
30 7,4
40 12,5
60 1,5
75 0,7
90 0,4
• Plantear hipótesis.
Yij=a(x) +b
Concentración 30
25
20
15
10
0
0 20 40 60 80 100
Tiempo
• Calcule a;b y la ecuación de pronòstico Yij=axi + b
y = -0,2708x + 20,965
R² = 0,8316
ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los Valor crítico
libertad cuadrados cuadrados F de F
Regresión 1 621,5372 621,5372 39,4919 0,000237
Residuos 8 125,9068 15,73835
Total 9 747,444
ANOVAa
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
Total 747,444 9
6. Conclusiòn:
Como se puede apreciar, el valor p de falta de ajuste indica 0.0002 esto significa que con un
95% de confianza se rechaza la idea de que los datos se ajusten a un modelo lineal. Por tanto
no es un ajuste lineal.
CASO 3: El siguiente artículo está basado en el paper de Rawski y colaboradores [1] y tiene por
objeto entregar una alternativa para evaluar la linealidad de las curvas de calibración.
Supongamos que se prepararon 11 soluciones de distinta concentración de un elemento y se
leyeron por espectrofotometría. Con estos datos se quiere saber si el método lineal o
cuadrático es adecuado o no para este rango de concentración.
• Plantear hipótesis.
Yij=a(x) +b
Concentración
• Calcule a;b y la ecuación de pronòstico Yij=axi + b
y = 0,0219x + 0,0521
R² = 0,9631
ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los Valor crítico
libertad cuadrados cuadrados F de F
Regresión 1 0,210328 0,210328 234,8578 9,36E-08
Residuos 9 0,00806 0,000896
Total 10 0,218388
ANOVAa
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
Total ,218 10
• CONCLUSIÒN:
Como se puede apreciar, el valor p de falta de ajuste indica 9,36E-08 esto significa
que con un 95% de confianza se rechaza la idea de que los datos se ajusten a un
modelo lineal. Por tanto no es un ajuste lineal.
CASO 4: Se ha realizado un estudio para investigar el efecto de un determinado proceso
térmico (horneado) en la dureza de un product de panificación (galleta). Once piezas se
seleccionaron para el estudio. Antes del tratamiento se realizaron pruebas de dureza para
determinar la dureza de cada pieza. Después, las piezas fueron sometidas a un proceso
térmico de horneado con el fin de mejorar su dureza. Al final del proceso, se realizaron
nuevamente pruebas de dureza y se obtuvo una segunda lectura. Se recogieron los siguientes
datos (Kg. de presión):
Dureza Dureza
Previa Post
182 198
232 210
191 194
200 220
148 138
249 220
276 219
213 161
241 210
480 313
262 226
a)¿Se puede afirmar que el proceso de horneado mejora la dureza de las piezas? b) Decide si
un modelo lineal es adecuado para explicar la dureza posterior en función de la dureza previa.
En caso afirmativo obtenlo y predice la dureza tras el proceso de horneado de una pieza con
un dureza previa de 215.
• Plantear hipótesis.
Yij=a(x) +b
ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los Valor crítico
libertad cuadrados cuadrados F de F
Regresión 1 15680,1479 15680,1479 40,8957106 0,00012601
Residuos 9 3450,76119 383,41791
Total 10 19130,9091
ANOVAa
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 15680,148 1 15680,148 40,896 ,000b
Total 19130,909 10
• CONCLUSIÒN:
Como se puede apreciar, el valor p de falta de ajuste indica 0,00012601 esto
significa que con un 95% de confianza se rechaza la idea de que los datos se
ajusten a un modelo lineal. Por tanto no es un ajuste lineal.