Tabla B

TABLA B.
l Desempeño de los equipos de la Liga Nacional de Futbol en 1976
Equipo y XI X2 x X4 X x x Xg x9
3 6 7
s
Washington 10 211 1985 38.9 64 + 868 59.7 220 19
3 .7 4 5 17
Minnesota 11 200 2855 38.8 61 + 615 55.0 209 15
3 .3 3 6 75
New England 11 295 1737 40.1 60 +1 914 65.6 1847 21
7 .0 4 75
Oakland 13 228 2905 41.6 45 - 957 61.4 1903 24
5 .3 4 76
Pittsburgh 10 297 1666 39.2 53 +1 836 66.1 1457 18
1 .8 5 66
Baltimoré 11 230 2927 39.7 74 - +8 786 61.0 1848 23
9 .1 39
Los Ángeles 10 252 2341 38.1 65 +1 754 66.1 1564 20
8 .4 2 92
Dalias 11 214 2737 37.0 78 - 761 58.0 1821 19
7 .3 1 09
Atlanta 4 168 1414 42.1 47 - 714 57.0 257 20
9 .6 3 7 01
Buffalo 2 256 1838 42.3 54 - 797 58.9 2476 22
6 .2 1 54
Chicago 7 236 1480 37.3 48 +1 984 67.5 1984 22
3 .0 9 17
Cincinnati 10 210 2191 39.5 51 + 700 57.2 1917 17
9 .9 6 58
Cleveland 9 229 2229 37.4 53 - 1037 58.8 1761 20
5 .6 5 32
Denver 9 1932 2204 35.1 71 + 986 58.6 1709 20
.4 3 25
Detroit 6 221 2140 38.8 58 + .819 59.2 1901 16
3 .3 6 86
Green Bay 5 172 1730 36.6 52 - - 54.4 228 18
2 .6 19 791 8 35
Houston 5 149 2072 35.3 59 - 776 49.6 2072 19
8 .3 5 14
Kansas City 5 187 2929 41.1 55 +1 789 54.3 2861 24
3 .3 0 96
Miami 6 211 2268 38.2 69 + 582 58.7 2411 26
8 .6 6 70
Nueva Orleans 4 177 1983 39.3 78 + 901 51.7 2289 22
5 .3 7 02
Nueva York Giants 3 190 1792 39.7 38 - 734 61.9 2203 19
4 .1 9 88
Nueva York Jets 3 192 1606 39.7 68 - 627 52.7 2592 23
9 .8 21 24
Phi1ade1phia 4 208 1492 35.5 68 - 722 57.8 2053 25
0 .8 8 50
St. Louis 10 230 2835 35.3 74 + 683 59.7 1979 21
1 .1 2 10
San Diego 6 204 2416 38.7 50 0 576 54.9 2048 26
0 .0 28
San Francisco 8 244 1638 39.9 57 - 848 65.3 1786 17
7 .1 8 76
Seatt1e 2 141 2649 37.4 56 - 684 43.8 2876 25
6 .3 22 24
Tampa Bay 0 1503 1503 39.3 47 - 875 53.5 2560 22
.0 9 41
y: Juegos ganados (por temporada de
14juegos)
XI: Yardas por tierra (temporada)
x2: Yardas por aire (temporada)

x3: Promedio de pateo (yardas/patada)
x4: Porcentaje de goles de campo (GC hechos/GC intentados, temporada)
xs: Diferencia de pérdidas de balón (pérdidas ganadas/pérdidas perdidas)
x6: Yardas de castigo (temporada)
x7: Porcentaje de carreras (jugadas por tierra/jugadas totales)
Xg: Yardas por tierra del contrario (temporada)
x9: Yardas por aire del contrario (temporada)
1. Efectuar el análisis de los residuos.
Las gráficas cumplen todos los requerimientos necesarios
 Probabilidad normal: se mantiene cerca de la pendiente
 Valor ajustado: se encuentran dispersos
 Histograma: la barra mayor en el cero
 Orden de observación: es una gráfica irregular.
2. Ajuste un modelo de regresión múltiple.
Ecuación de regresión
y = -5.1 + 0.00081 X1 + 0.003586 X2 + 0.100 x3 + 0.0282 X4 - 0.0017 X5
+ 0.00048 x6
+ 0.160 x7 - 0.00390 X8 - 0.00199 x9
Gráficas de residuos para y

Gráfica de probabilidad normal vs. ajustes
99
3.0
90
1.5
Porcentaje
Residuo
50 0.0
-1.5
10
-3.0
1
-4 -2 0 2 4 0.0 2.5 5.0 7.5 10.0
Residuo Valor ajustado
Histograma vs. orden

8 3.0
6 1.5
Frecuencia
Residuo
4 0.0
2 -1.5
-3.0
0
-2.4 -1.2 0.0 1.2 2.4 2 4 6 8 10 12 14 16 18 20 22 24 26 28
Residuo Orden de observación
3. ¿Es un buen modelo para explicar y predecir?

Resumen del modelo
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
1.8335 81.49% 72.24% 47.49%

1
Si es un buen modelo para explicar, pero no es un buen modelo para predecir.
4. Identificar las variables significativas y fundamente su respuesta

de forma estadística.
H0: B0=0 no influye
HA: B1≠0 influye
X1: P<∝ RECHAZO H0 ENTONCES 0.693>0.05 no

influye
X2: P<∝ RECHAZO H0 ENTONCES 0.000<0.05 influye
X3: P<∝ RECHAZO H0 ENTONCES 0.711>0.05 no influye

Análisis de regresión:
y vs. X1, X2, x3, X4, X5, x6, x7, X8, x9
Análisis de Varianza
MC
Fuente GL SC Ajust. Ajust. Valor F Valor p
Regresió 9 266.453 29.6059 8.81 0.000

n
X1 1 0.541 0.5407 0.16 0.693
X2 1 62.421 62.4212 18.57 0.000
x3 1 0.475 0.4754 0.14 0.711
X4 1 1.544 1.5442 0.46 0.507
X5 1 0.004 0.0044 0.00 0.971
x6 1 0.585 0.5847 0.17 0.682
x7 1 3.737 3.7368 1.11 0.306
X8 1 11.923 11.9233 3.55 0.076
x9 1 5.801 5.8009 1.73 0.205
Error 18 60.511 3.3617
Total 27 326.964
5. Interpretar el modelo de regresión sólo con las variables
significativas.
y = -5.1 + 0.00081 X1 + 0.003586 X2 + 0.100 x3 + 0.0282 X4 - 0.0017 X5
+ 0.00048 x6
+ 0.160 x7 - 0.00390 X8 - 0.00199 x9
X2: los juegos ganados aumentan en un promedio de 0.003586 de

temporada con respecto a yardas por aire.
6. Pronostique ingresando datos que considere.
Predicción para y
y = -5.1 + 0.00081 X1 + 0.003586 X2 + 0.100 x3 + 0.0282 X4 - 0.0017 X5
+ 0.00048 x6
+ 0.160 x7 - 0.00390 X8 - 0.00199 x9
Configuración
Variabl Valor de
e configuración
X1 2300
X2 2900
x3 38
X4 75
X5 9
x6 700
x7 62
X8 1890
x9 2000
Predicción
EE de
Ajuste ajuste IC de 95% IP de 95%
11.975 0.959267 (9.96025, 13.9909) (7.62819, 16.3230)

6
LOS JUEGOS GANADOS ESTARAN EN UN INTERVALO DE (9.96025, 13.9909) EN EL

INDICE DE CONFIANZA.
7. Ejecute un nuevo modelo solo con las variables significativas (Solo
aplica si existen variables significativas) y justificar si es mejor que
el modelo general.
Análisis de regresión: y vs. X2

MC
Regresió 1 76.19 76.193 7.90 0.009

n
X2 1 76.19 76.193 7.90 0.009
Error 26 250.77 9.645
Total 27 326.96
Resumen del modelo
R-cuad. R-cuad.
3.1056 23.30% 20.35% 10.30%

5
Coeficientes
EE del Valor
Término Coef coef. T Valor p FIV
Constant -0.20 2.61 -0.07 0.941

e
X2 0.00337 0.00120 2.81 0.009 1.00
y = -0.20 + 0.00337 X2
Ajustes y diagnósticos para observaciones poco comunes
Resid
Obs y Ajuste Resid est.
27 2.00 8.720 -6.720 -2.25 R

0
Residuo grande R
NO ES UN MODELO MEJOR QUE EL GENERAL YA QUE ES UN MAL MODELO PARA

PREDECIR Y PARA EXPLICAR POR SUS COEFICIENTES SON MENORES QUE DEL
MODELO GENERAL.
TABLAS ESTADíSTICAS
519
TABLA B.6 Datos de reactor de flujo tubular
Corrida
núm. y XI x2 x3 X4
1 0.000450 0.0105 90.9 0.0164 0.0177

2 0.000450 0.0110 84.6 0.0165 0.0172
3 0.000473 0.0106 88.9 0.0164 0.0157
4 0.000507 0.0116 488.7 0.0187 0.0082
5 0.000457 0.0121 454.4 0.0187 0.0070
6 0.000452 0.0123 439.2 0.0187 0.0065
7 0.000453 0.0122 447.1 0.0186 0.0071
8 0.000426 0.0122 451.6 0.0187 0.0062
9 0.001215 0.0123 487.8 0.0192 0.0153
10 0.001256 0.0122 467.6 0.0192 0.0129
11 0.001l45 0.0094 95.4 0.0163 0.0354
12 0.001085 0.0100 87.1 0.0162 0.0342
13 0.001066 0.0101 82.7 0.0162 0.0323
14 0.001111 0.0099 87.0 0.0163 0.0337
15 0.001364 0.0110 516.4 0.0190 0.0161
16 0.001254 0.0117 488.0 0.0189 0.0149
17 0.001396 0.0110 534.5 0.0189 0.0163
18 0.001575 0.0104 542.3 0.0189 0.0164
19 0.001615 0.0067 98.8 0.0163 0.0379
20 0.001733 0.0066 84.8 0.0162 0.0360
21 0.002753 0.0044 69.6 0.0163 0.0327
22 0.003186 0.0073 436.9 0.0189 0.0263
23 0.003227 0.0078 406.3 0.0192 0.0200
24 0.003469 0.0067 447.9 0.0192 0.0197
25 0.001911 0.0091 58.5 0.0164 0.0331
26 0.002588 0.0079 394.3 0.0177 0.0674
27 0.002635 0.0068 461.0 0.0174 0.0770
28 0.002725 0.0065 469.2 0.0173 0.0780
y: Concentración de NbOCI3 (g-mol/I)
XI: Concentración de COCl2 (g-mol/I)
x2: Tiempo de expansión (seg)
x3: Densidad molar (g-mol/I)
x4: Fracción mol de CO2

 Histograma: La barra mayor en el cero
99 0.0004
90 0.0002
Porcentaje
Residuo
0.0000
50
-0.0002
10
-0.0004
1
-0.00050 -0.00025 0.00000 0.00025 0.00050 0.000 0.001 0.002 0.003

0.0004
10.0
0.0002
Frecuencia
7.5
Residuo
0.0000
5.0
-0.0002
2.5
-0.0004
0.0
-0.0004 -0.0002 0.0000 0.0002 0.0004 2 4 6 8 10 12 14 16 18 20 22 24 26 28

y = -0.01759 - 0.2980 X1 - 0.000005 x2 + 1.289 x3
+ 0.03090 X4
Resumen del modelo

R- R-cuad. R-cuad.
S cuad. (ajustado) (pred)
0.0002097 95.96% 95.26% 94.28%
Es un buen modelo para explicar como para predecir por sus altos valores de r-cuad.
Ho: B0=0 no influye

HA: B1≠0 influye
X1: P<∝ RECHAZO H0 ENTONCES 0.000<0.05

influye

influye
X3: P<∝ RECHAZO H0 ENTONCES 0.000<.05 influye
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
influye
Regresió 4 0.000024 0.000006 136.57 0.000
n
X1 1 0.000005 0.000005 107.83 0.000
x2 1 0.000001 0.000001 32.98 0.000
x3 1 0.000003 0.000003 68.76 0.000
X4 1 0.000002 0.000002 40.60 0.000
Error 23 0.000001 0.000000
5. Interpretar el modelo de
Total 27 0.000025
regresión sólo con las variables
significativas.
y= -0.01759 - 0.2980 X1 - 0.000005 x2 + 1.289 x3 + 0.03090 X4
X1:la Concentración de NbOCI3 disminuye en un promedio de 0.2980 (g-mol/I) con

respecto a la Concentración de COCl2
x2: la Concentración de NbOCI3 disminuye en un promedio de 0.000005 (seg) con
respecto del Tiempo de expansión.
x3: la Concentración de NbOCI3 aumenta en un promedio de 1.289 (g-mol/I) con
respecto a la Densidad molar.
x4: la Concentración de NbOCI3 aumenta en un promedio 0.03090 de CO2 con
respecto a la Fracción mol.
Predicción para y
y = -0.01759 - 0.2980 X1 - 0.000005 x2 + 1.289 x3
+ 0.03090 X4
Configuración
Variabl Valor de
e configuración
X1 0.00316
x2 0.008
x3 438.45
X4 0.075
Predicción
EE de
565.11 68.1480 (424.139, 706.088) (424.139, XX

4 706.088)
XX denota un punto muy poco común en relación con los niveles de predictor utilizados para
ajustar el modelo.
La Concentración de NbOCI3 estará en el intervalo (424.139, 706.088) del índice de

confianza.

aplica si existen variables significativas) y justificar si es mejor que el
modelo general.
No es necesario hacer un modelo nuevo ya que todas las variables son
significativas.
de de
TABLA B.7 Datos extracción de aceite cacahuate
Tamaño de
Presión Humedad Flujo partícula
(bar) Temp.(OC) (% en peso) (L/min) (mm) Rendimiento
415 25 5 40 1.28 63
550 25 5 40 4.05 21
415 95 5 40 4.05 36
550 95 5 40 1.28 99
415 25 15 40 4.05 24
550 25 15 40 1.28 66
415 95 15 40 1.28 71
550 95 15 40 4.05 54
415 25 5 60 4.05 23
550 25 5 60 1.28 74
415 95 5 60 1.28 80
550 95 5 60 4.05 33
415 25 15 60 1.28 63
550 25 15 60 4.05 21
415 95 15 60 4.05 44
550 95 15 60 1.28 96

Gráficas de residuos para rendimiento

99 10
90 5
Porcentaje
Residuo
0
50
-5
10
-10
1
-10 0 10 20 40 60 80 100

8 10
6 5
Frecuencia
Residuo
0
4
-5
2
-10
0
-10 0 10 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

rendimient = 52.1 + 0.0556 presion + 0.2821 temp + 0.125 Humedad
o - 0.000 flujo
- 16.06 t de particula
Resumen del modelo

R- R-cuad. R-cuad.
S cuad. (ajustado) (pred)
8.0653 93.72% 90.58% 83.93%

6
Es un buen modelo tanto para explicar cómo predecir.

Ho: B0=0 no influye
HA: B1≠0 influye
Presión: P<∝ RECHAZO H0 ENTONCES 0.093<0.05 no influye
Temp.: P<∝ RECHAZO H0 ENTONCES 0.001<0.05 influye
Humedad: P<∝ RECHAZO H0 ENTONCES 0.763<.05 no influye
Flujo: P<∝ RECHAZO H0 ENTONCES 1.000<0.05 no influye
T. de partícula: : P<∝ RECHAZO H0 ENTONCES 0.000<0.05

influye
MC
Regresión 5 9712.5 1942.50 29.86 0.000

presion 1 225.0 225.00 3.46 0.093
temp 1 1560.3 1560.25 23.99 0.001
Humedad 1 6.2 6.25 0.10 0.763
flujo 1 0.0 0.00 0.00 1.000
t de 1 7921.0 7921.00 121.77 0.000
particula
Error 10 650.5 65.05
Total 15 10363.0
significativas.
rendimient = 52.1 + 0.0556 presion + 0.2821 temp + 0.125 Humedad
o - 0.000 flujo
- 16.06 t de particula
El rendimiento aumenta un promedio de 0.2821 (℃) con respecto a la

temperatura.
El rendimiento disminuye en un promedio de 16.06 con respecto al tamaño de la
partícula.
Predicción para rendimiento

rendimient = 52.1 + 0.0556 presion + 0.2821 temp + 0.125 Humedad - 0.000 flujo
o - 16.06 t de
particula
Configuración
Valor de
Variable configuración
presion 400
temp 90
Humedad 10
flujo 45
t de 4
particula
Predicción
EE de
36.684 4.23317 (27.2521, 46.1163) (16.3886, 56.9798)

2
EL RENDIMIENTO ESTARÁ EN EL INTERVALO (27.2521, 46.1163) EL ÍNDICE

DE CONFIANZA.
modelo general.
Análisis de regresión: rendimiento vs. temp, t de particula
MC
Regresión 2 9481.2 4740.62 69.89 0.000

temp 1 1560.2 1560.25 23.00 0.000
t de 1 7921.0 7921.00 116.78 0.000
particula
Error 13 881.7 67.83
Total 15 10363.0
Resumen del modelo
R-cuad. R-cuad.
8.2357 91.49% 90.18% 87.11%

1
Coeficientes
EE del
Término Coef coef. Valor T Valor p FIV
Constante 80.13 5.69 14.08 0.000

temp 0.2821 0.0588 4.80 0.000 1.00
t de -16.06 1.49 -10.81 0.000 1.00
particula
rendimient = 80.13 + 0.2821 temp
o - 16.06 t de particula
Resi
rendimient d
Obs o Ajuste Resid est.
7 71.00 86.37 -15.37 -2.07 R

Residuo grande R
EL NUEVO MODELO ES MEJOR PARA PREDECIR QUE EL GENERAL PERO NO ES TAN
BUENO PARA EXPLICAR COMO EL GENERAL.
TABLA B.8 Datos de formación de catratos
1.
X1 X2 y 1.
1.
0 10 7.5
1.
0 50 15
1.
0 85 22 1.
0 110 28.6 1.
0 140 31.6 1.
0 170 34 1.
0 200 35 1.
0 230 35.5 1.
0 260 36.5 1.
0 290 38.5 1.
0 10 12.3 1.
0 30 18 1.
1.
0 62 20.8
1.
0 90 25.7 1.
0 150 32.5 1.
0 210 34 1.
0 270 35 1.
14.4 1.
0.0210
1.
0.02 30 19 1.
1.
0.02 60 26.4 1.
0.02 90 28.5 1.
1.
0.02 120 29 1.
1.
0.02 210 35
1.
0.02 30 15.1 1.
1.
0.02 60 26.4 1.
0.02 120 27 1.
1.
0.02 150 29 1.
1.
0.05 20 21
1.
0.05 40 27.3 1.
1.
0.05 130 48.5 1.
0.05 190 50.4 1.
1.
0.05 250 52.5 1.
1.
0.05 60 34.4
1.
0.05 90 46.5 1.
1.
0.05 120 50 1.
0.05 150 51.9 1.
1.
Formación de catrato (% en masa) xI: Cantidad de surfactante (%
en masa) x2: Tiempo (minutos)

99 10
90 5
Porcentaje
Residuo
50 0
-5
10
-10
1
-10 -5 0 5 10 10 20 30 40 50

10
12
5
Frecuencia
9
Residuo
0
6
-5
3
-10
0
-10 -5 0 5 10 1 5 10 15 20 25 30 35
y = 11.09 + 350.1 X1 + 0.10893 X2
Resumen del modelo

R-cuad. R-cuad.
4.7823 84.15% 83.19% 80.76%

7
Es un buen modelo para explicar y predecir por sus altos valores en los r-cuad.
Ho: B0=0 no influye

HA: B1≠0 influye

influye

influye
Análisis de regresión: y
vs. X1, X2
MC Valor
Fuente GL SC Ajust. Ajust. F Valor p
Regresión 2 4007.07 2003.54 87.60 0.000

X1 1 1780.37 1780.37 77.84 0.000
X2 1 2723.17 2723.17 119.07 0.000
Error 33 754.74 22.87
Falta de 29 733.62 25.30 4.79 0.069
ajuste
Error puro 4 21.13 5.28
Total 35 4761.82

significativas.
y= 11.09 + 350.1 X1 + 0.10893 X2
X1: la formación de catrato aumenta en un promedio de 350.01 (% en masa) con respecto a
la cantidad de surfactante.
X2: la formación de catrato aumenta en un promedio de 0.10893 (minutos) con respecto al
tiempo.
Predicción para y
y = 11.09 + 350.1 X1 + 0.10893 X2
Configuración
Variabl Valor de
e configuración
X1 0.04
X2 140
Predicción
EE de
40.342 1.21731 (37.8659, 42.8192) (30.3025, 50.3826)

6

modelo general.
No es necesario hacer un nuevo modelo porque todas las variables son significativas.
TABLAS ESTADíSTICAS 527
TABLA B.14 Datos de inversor electrónico
Observación
X X X
número Xl 2 3 4 X s Y
1 3 3 3 3 0 0.787
2 8 30 8 8 0 0.293
3 3 6 6 6 0 1.710
4 4 4 4 12 0 0.203
5 8 7 6 5 0 0.806
6 10 20 5 5 0 4.713
7 8 6 3 3 25 0.607
8 6 24 4 4 25 9.107
9 4 10 12 4 25 9.210
10 16 12 8 4 25 1.365
11 3 10 8 8 25 4.554
12 8 3 3 3 25 0.293
13 3 6 3 3 50 2.252
14 3 8 8 3 50 9.167
15 4 8 4 8 50 0.694
16 5 2 2 2 50 0.379
17 2 2 2 3 50 0.485
18 10 15 3 3 50 3.345
19 15 6 2 3 50 0.208
20 15 6 2 3 75 0.201
21 10 4 3 3 75 0.329
22 3 8 2 2 75 4.966
23 6 6 6 4 75 1.362
24 2 3 8 6 75 1.515
25 3 3 8 8 75 0.751
y: Punto transitorio (volts) de inversores PMOS-NMOS

x¡; Ancho del dispositivo NMOS
X2: Longitud del dispositivo NMOS
x3: Ancho del dispositivo PMOS
X4: Longitud del dispositivo PMOS
Gráficas de residuos para Y
99 4
90 2
Porcentaje
Residuo
0
50
-2
10 -4
1
-5.0 -2.5 0.0 2.5 5.0 -2 0 2 4 6

20 4
2
15
Frecuencia
Residuo
0
10
-2
5
-4
0
-4 0 4 2 4 6 8 10 12 14 16 18 20 22 24

Y = 2.85 - 0.290 X1 + 0.2057 X2 + 0.454 X3 - 0.594 X4
+ 0.0046 X5

Resumen del modelo
R-cuad. R-cuad.
2.1955 55.84% 44.22% 0.00%

3
No es un buen modelo para explicar tampoco para predecir.

Ho: B0=0 no influye
HA: B1≠0 influye
X5: P<∝ RECHAZO H0 ENTONCES 0.801>0.05 no

influye
Análisis de regresión: Y
vs. X1, X2, X3, X4, X5
MC
Regresió 5 115.817 23.1634 4.81 0.005

n
X1 1 29.495 29.4954 6.12 0.023
X2 1 36.204 36.2040 7.51 0.013
X3 1 28.261 28.2609 5.86 0.026
X4 1 37.678 37.6777 7.82 0.012
X5 1 0.314 0.3141 0.07 0.801
Error 19 91.587 4.8204
Total 24 207.404

significativas.
Y = 2.85 - 0.290 X1 + 0.2057 X2 + 0.454 X3 - 0.594 X4
+ 0.0046 X5
X1: Punto transitorio (volts) de inversores disminuye en un promedio de 0.290 (NMOS) con
respecto al ancho del dispositivo.
X2: Punto transitorio (volts) de inversores aumenta en un promedio de 0.454 (NMOS) con
respecto a la longitud del dispositivo.
X3: Punto transitorio (volts) de inversores aumenta en un promedio de 0.594 (PMOS) con
respecto al ancho del dispositivo.
X4: Punto transitorio (volts) de inversores aumenta en un promedio de 0.0046 (PMOS) con
respecto a la longitud del dispositivo.
Predicción para Y
Y = 2.85 - 0.290 X1 + 0.2057 X2 + 0.454 X3 - 0.594 X4
+ 0.0046 X5
Configuración
Variabl Valor de
e configuración
X1 5
X2 28
X3 5
X4 11
X5 0.29
Predicción
EE de
2.8998 1.84365 (-0.958904, 6.75868) (-3.10070, 8.90048)

9
Punto transitorio (volts) de inversores PMOS-NMOS estará en el intervalo (-0.958904,

6.75868) del índice de confianza.

modelo general.
Análisis de regresión: Y vs. X1, X2, X3, X4
MC
Regresió 4 115.50 28.876 6.28 0.002

n
X1 1 29.41 29.406 6.40 0.020
X2 1 38.39 38.393 8.36 0.009
X3 1 28.39 28.388 6.18 0.022
X4 1 42.88 42.879 9.33 0.006
Error 20 91.90 4.595
Total 24 207.40
Resumen del modelo
R-cuad. R-cuad.
2.1436 55.69% 46.83% 0.00%

0
Coeficientes
EE del
Término Coef coef. Valor T Valor p FIV
Constant 3.15 1.44 2.19 0.041

e
X1 -0.290 0.115 -2.53 0.020 1.22
X2 0.1992 0.0689 2.89 0.009 1.22
X3 0.455 0.183 2.49 0.022 1.30
X4 -0.609 0.199 -3.05 0.006 1.26
Y = 3.15 - 0.290 X1 + 0.1992 X2 + 0.455 X3
- 0.609 X4
Resi
Ob d
s Y Ajuste Resid est.
2 0.29 5.57 -5.28 -3.37 R

4 0.20 -2.70 2.91 2.04 R
8 9.11 5.57 3.53 2.02 R
Residuo grande R
EL MODELO NUEVO ES MALO PARA PREDECIR Y PARA EXPLICAR. EL
MODELO GENERAL ES MEJOR PARA EXPLICAR QUE EL NUEVO
MODELO.

Tabla B

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tabla B

Cargado por

Copyright:

Formatos disponibles

TABLA B.

l Desempeño de los equipos de la Liga Nacional de Futbol en 1976

x2: Yardas por aire (temporada)

2. Ajuste un modelo de regresión múltiple.

Gráficas de residuos para y

Histograma vs. orden

3. ¿Es un buen modelo para explicar y predecir?

1.8335 81.49% 72.24% 47.49%

4. Identificar las variables significativas y fundamente su respuesta

X1: P<∝ RECHAZO H0 ENTONCES 0.693>0.05 no

X2: P<∝ RECHAZO H0 ENTONCES 0.000<0.05 influye

X3: P<∝ RECHAZO H0 ENTONCES 0.711>0.05 no influye

X4: P<∝ RECHAZO H0 ENTONCES 0.507>0.05 no influye

X5: P<∝ RECHAZO H0 ENTONCES 0.971>0.05 no influye

X6: P<∝ RECHAZO H0 ENTONCES 0.682>0.05 no influye

X7: P<∝ RECHAZO H0 ENTONCES 0.306>0.05 no influye

X8: P<∝ RECHAZO H0 ENTONCES 0.076>0.05 no influye

X9: P<∝ RECHAZO H0 ENTONCES 0.205>0.05 no influye

Regresió 9 266.453 29.6059 8.81 0.000

X2: los juegos ganados aumentan en un promedio de 0.003586 de

6. Pronostique ingresando datos que considere.

11.975 0.959267 (9.96025, 13.9909) (7.62819, 16.3230)

LOS JUEGOS GANADOS ESTARAN EN UN INTERVALO DE (9.96025, 13.9909) EN EL

Análisis de regresión: y vs. X2

Regresió 1 76.19 76.193 7.90 0.009

3.1056 23.30% 20.35% 10.30%

Constant -0.20 2.61 -0.07 0.941

27 2.00 8.720 -6.720 -2.25 R

NO ES UN MODELO MEJOR QUE EL GENERAL YA QUE ES UN MAL MODELO PARA

TABLA B.6 Datos de reactor de flujo tubular

1 0.000450 0.0105 90.9 0.0164 0.0177

1. Efectuar el análisis de los residuos.

Histograma vs. orden

2. Ajuste un modelo de regresión múltiple.

3. ¿Es un buen modelo para explicar y predecir?

Resumen del modelo

0.0002097 95.96% 95.26% 94.28%

Ho: B0=0 no influye

X1: P<∝ RECHAZO H0 ENTONCES 0.000<0.05

X2: P<∝ RECHAZO H0 ENTONCES 0.000<0.05

X1:la Concentración de NbOCI3 disminuye en un promedio de 0.2980 (g-mol/I) con

565.11 68.1480 (424.139, 706.088) (424.139, XX

La Concentración de NbOCI3 estará en el intervalo (424.139, 706.088) del índice de

7. Ejecute un nuevo modelo solo con las variables significativas (Solo

1. Efectuar el análisis de los residuos.

Gráficas de residuos para rendimiento

Histograma vs. orden

2. Ajuste un modelo de regresión múltiple.

3. ¿Es un buen modelo para explicar y predecir?

Resumen del modelo

8.0653 93.72% 90.58% 83.93%

Es un buen modelo tanto para explicar cómo predecir.

4. Identificar las variables significativas y fundamente su respuesta

Presión: P<∝ RECHAZO H0 ENTONCES 0.093<0.05 no influye

Temp.: P<∝ RECHAZO H0 ENTONCES 0.001<0.05 influye

Humedad: P<∝ RECHAZO H0 ENTONCES 0.763<.05 no influye

Flujo: P<∝ RECHAZO H0 ENTONCES 1.000<0.05 no influye

T. de partícula: : P<∝ RECHAZO H0 ENTONCES 0.000<0.05

Regresión 5 9712.5 1942.50 29.86 0.000

El rendimiento aumenta un promedio de 0.2821 (℃) con respecto a la

6. Pronostique ingresando datos que considere.

Predicción para rendimiento

36.684 4.23317 (27.2521, 46.1163) (16.3886, 56.9798)