Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Capitulo 10 PDF
Capitulo 10 PDF
REGRESION
CAPITULO 10
Diseño y Análisis de Experimentos
Montgomery
Compendió: Ing. Rodrigo Wadnipar, M.Sc.
rwadnipa@uninorte.edu.co
INTRODUCCION
• En muchos problemas hay dos o más
variables relacionadas, y el interés se
centra en modelar y explorar esta relación.
• Por ejemplo, en un proceso químico el
rendimiento del producto está relacionado
con la temperatura de operación.
• Quizá el Ing. Químico quiera construir un
modelo que relacione el rendimiento con
la temperatura de operación para usarlo
después como herramienta de predicción
o bien de optimización o control del
proceso.
INTRODUCCION (continuación)
• En general, suponga que hay una sola variable
dependiente o de respuesta y que depende de k
variables independientes o regresores, por
ejemplo, x1, x2,…,xk.
• La relación que existe entre estas variables se
caracteriza por un modelo matemático llamado
modelo de regresión.
• En ocasiones el experimentador conoce la forma
exacta de la verdadera relación funcional entre y y
x1, x2,…,xk. Por ejemplo y = f (x1, x2,…,xk).
• Sin embargo, en la mayoría de los casos no se
conoce la verdadera relación funcional, y el
experimentador elige una función apropiada para
aproximar f.
• Los modelos polinomiales de orden inferior son de
uso generalizado como funciones de aproximación.
MODELOS DE REGRESIÓN LINEAL
• La atención se centrará en el ajuste de modelos de regresión lineal.
• Suponga que quiere desarrollarse un modelo empírico que relacione la
viscosidad de un polímero con la temperatura y la velocidad de
alimentación del catalizador. Un modelo que podría describir esta
y x x
relación es:
1
2
(10-1)
0 1 2
y x x
0 1 1 2 2
...
k x
k (10-2)
y x x x x
0 1 1 2 2 12 1 2 (10-3)
y x x x
0 1 1 2 2 3 3 (10-4)
i 0 j ij para i = 1, 2, …, n
i
j 1
• El método de mínimos cuadrados consiste en elegir
las de la ecuación 10-7 de tal modo que la suma de
cuadrados de los errores, i, se minimice. La función
de mínimos cuadrados es:
(10-8)
ESTIMACION DE LOS PARAMETROS EN
MODELOS DE REGRESIÓN LINEAL (continuación)
y…
ESTIMACION DE LOS PARAMETROS EN MODELOS
DE REGRESIÓN LINEAL (continuación)
• Al simplificar la ecuación (10-9) se obtiene la
ecuación (10-10):
(10-14)
Ejemplo 10-1 pag 397
• En la tabla 10-2 se muestran 16 observaciones de la
viscosidad y de un polímero y dos variables del proceso:
la temperatura de reacción x1 y la velocidad de
alimentación del catalizador x2. Se ajustará el modelo de
regresión múltiple y 0 1 x1 2 x2
Tabla 10-2 Datos de la viscosidad del ejemplo 10-1 (viscosidad en
centistokes @ 100oC)
Ttemperatura Velocidad de Alimentación
Observaciones Viscosidad
(x 1, oC) del catalizador (x 2, lb/h)
1 80 8 2256
2 93 9 2340
3 100 10 2426
4 82 12 2293
5 90 11 2330
6 99 8 2368
7 81 8 2250
8 96 10 2409
9 94 12 2364
10 93 11 2379
11 97 13 2440
12 95 11 2364
13 100 8 2404
14 85 12 2317
15 86 9 2309
16 87 12 2328
MATRICES - Ejemplo 10-1
MATRIZ X MATRIZ Y
X'X
1 80 8 2256
1 93 9 2340 16 1458 164
1 100 10 2426 1458 133560 14946
1 82 12 2293 164 14946 1726
1 90 11 2330
1 99 8 2368
X'Y
1 81 8 2250
1 96 10 2409 37577
1 94 12 2364 3429550
1 93 11 2379 385562
1 97 13 2440
1 95 11 2364 ^ (X'X)-1X'Y
1 100 8 2404
1 85 12 2317 1566,077771425
2309 7,621290077
1 86 9
1 87 12 2328 8,584845886