ESTADÍSTICA APLICADA II – MA145 2018-02

Semana 11_Actividad previa al laboratorio

Tema: Regresión No Lineal (RNL)

Objetivo: Obtener con el Minitab 18, los reportes que permitan seleccionar el mejor modelo de
regresión no lineal, que exprese la relación entre las variables “X” y “Y”, para su aplicación en
el campo de su especialidad.

En un proceso de fabricación de baterías, se ha considerado ir anotando periódicamente el tiempo

(minutos) que se utiliza para la fabricación y el número de días desde que empezó dicho proceso de
fabricación. A continuación se presentan los datos:

Número de días del proceso 12 22 32 42 52 62 72

Tiempo (min) 55 50 40 30 25 20 17

a. Usa un nivel de confianza del 95%, para estimar el tiempo medio de fabricación de una batería
cuando el proceso se empezó hace 45 días.
b. Usa un nivel de confianza del 95%, para estimar el tiempo de fabricación de una batería cuando el
proceso se empezó hace 45 días.

Primero: Se ingresan los datos al Minitab:

Segundo: Crear las columnas X2 en C3; Ln Y en C4 y Ln X en C5; con ayuda de la calculadora de Minitab,
realizar las transformaciones siguientes:

1
Crear en calculadora: Ln Y Crear en calculadora: Ln Y Crear en calculadora: Ln X

Tercero: Generar el análisis de regresión linealizado para cada el modelo: lineal, exponencial, cuadrático y
potencial.
3.1 Secuencia en Minitab: Regresión del modelo lineal simple
Regresión /Regresión /Ajustar modelo de regresión

Resultados Almacenamiento

Análisis de regresión: Tiempo (min)_Y vs. Número de días del proceso_X

2
Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Regresión 1 1275.75 1275.75 163.11 0.000
Número de días del proceso_X 1 1275.75 1275.75 163.11 0.000
Error 5 39.11 7.82
Total 6 1314.86

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
2.79668 97.03% 96.43% 93.60%

Coeficientes

EE del
Término Coef coef. Valor T Valor p VIF
Constante 62.21 2.46 25.30 0.000
Número de días del proceso_X -0.6750 0.0529 -12.77 0.000 1.00

Ecuación de regresión

Tiempo (min)_Y = 62.21 - 0.6750 Número de días del proceso_X

Estadístico de Durbin-Watson = 1.13470 no pertenece al intervalo [1.5 , 2.5]

3.2 Secuencia en Minitab: Regresión del modelo cuadrático

Regresión /Regresión /Ajustar modelo de regresión
La única variante al proceso anterior es en el ingreso de las variables:

Luego de declarar como variable Respuesta a Tiempo (min)_Y y en las variables predictoras a Número de
días del proceso_X y X2, se debe seguir la misma, es decir activar Estadístico de Durbin-Watson en
Resultados y en Residuos en Almacenamiento.

Análisis de regresión: Tiempo (min)_Y vs. Número de días del proceso_X, X2

3
Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Regresión 2 1299.86 649.929 173.31 0.000
Número de días del proceso_X 1 144.52 144.525 38.54 0.003
X2 1 24.11 24.107 6.43 0.064
Error 4 15.00 3.750
Total 6 1314.86

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
1.93649 98.86% 98.29% 93.29%

Coeficientes

EE del
Término Coef coef. Valor T Valor p VIF
Constante 69.51 3.35 20.77 0.000
Número de días del proceso_X -1.125 0.181 -6.21 0.003 24.52
X2 0.00536 0.00211 2.54 0.064 24.52

Ecuación de regresión

Tiempo (min)_Y = 69.51 - 1.125 Número de días del proceso_X + 0.00536 X2

Estadístico de Durbin-Watson = 2.15476 si pertenece al intervalo [1.5 , 2.5]

3.3 Secuencia en Minitab: Regresión del modelo exponencial

Regresión /Regresión /Ajustar modelo de regresión
La única variante al proceso anterior es en el ingreso de las variables:

Luego de declarar como variable Respuesta a Ln Y y en las variables predictoras a Número de días del
proceso_X, se debe seguir la misma, es decir activar Estadístico de Durbin-Watson en Resultados y en
Residuos en Almacenamiento.

4
Análisis de regresión: Ln Y vs. Número de días del proceso_X

Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Regresión 1 1.21178 1.21178 565.19 0.000
Número de días del proceso_X 1 1.21178 1.21178 565.19 0.000
Error 5 0.01072 0.00214
Total 6 1.22251

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
0.0463037 99.12% 98.95% 98.01%

Coeficientes

Término Coef EE del coef. Valor T Valor p VIF

Constante 4.3105 0.0407 105.89 0.000
Número de días del proceso_X -0.020803 0.000875 -23.77 0.000 1.00

Ecuación de regresión

Ln Y = 4.3105 - 0.020803 Número de días del proceso_X

Estadístico de Durbin-Watson

Estadístico de Durbin-Watson = 2.07458 si pertenece al intervalo [1.5 , 2.5]

3.4 Secuencia en Minitab: Regresión del modelo potencia

Regresión /Regresión /Ajustar modelo de regresión
La única variante al proceso anterior es en el ingreso de las variables:

Luego de declarar como variable Respuesta a Ln Y y en las variables predictoras a Ln X, se debe seguir la
misma, es decir activar Estadístico de Durbin-Watson en Resultados y en Residuos en Almacenamiento.

5
Análisis de regresión: Ln Y vs. Ln X

Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Regresión 1 1.1138 1.11382 51.24 0.001
Ln X 1 1.1138 1.11382 51.24 0.001
Error 5 0.1087 0.02174
Total 6 1.2225

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
0.147432 91.11% 89.33% 66.62%

Coeficientes

EE del
Término Coef coef. Valor T Valor p VIF
Constante 5.884 0.346 16.99 0.000
Ln X -0.6815 0.0952 -7.16 0.001 1.00

Ecuación de regresión

Ln Y = 5.884 - 0.6815 Ln X

Ajustes y diagnósticos para observaciones poco comunes

Resid
Obs Ln Y Ajuste Resid est.
1 4.0073 4.1903 -0.1830 -2.11 R

Residuo grande R

Estadístico de Durbin-Watson

Estadístico de Durbin-Watson = 1.17955 no pertenece al intervalo [1.5 , 2.5]

PROCESO DE ELECCIÓN DEL MODELO DE REGRESIÓN:

Ahora con los reportes de Minitab, se empieza el proceso de elección del modelo de regresión más
adecuado para estos datos.

1. Ranking de R2 (de mayor a menor)

Modelo R2 S
Exponencial 99.12 % 0.0463037

Cuadrático 98.86 % 1.93649

Lineal 97.03 % 2.79668

Potencia 91.11 % 0.147432

6
 2. VALIDACIÓN DEL MODELO

5.1. Validación del modelo global 5.2. Validación del coef. de regresión

Ho: El modelo de regresión exponencial no es válido. Ho: β 1= 0 (el coef. de regresión no es válido)
H1: El modelo de regresión exponencial es válido. H1: β 1≠ 0 (el coef. de regresión es válido)

Nivel de significación: α=0.05 Nivel de significación: α=0.05

Valor p=0.000 Valor p=0.000

Decisión: Se rechaza Ho Decisión: Se rechaza Ho

Conclusión: Con un nivel de significación del 5%, el Conclusión: Con un nivel de significación del 5%, el
modelo de regresión exponencial es válido. coeficiente de regresión es válido.

Análisis de regresión: Ln Y vs. Número de días del proceso_X

Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Regresión 1 1.21178 1.21178 565.19 0.000
Número de días del proceso_X 1 1.21178 1.21178 565.19 0.000
Error 5 0.01072 0.00214
Total 6 1.22251

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
0.0463037 99.12% 98.95% 98.01%

Coeficientes

Término Coef EE del coef. Valor T Valor p VIF

Constante 4.3105 0.0407 105.89 0.000
Número de días del proceso_X -0.020803 0.000875 -23.77 0.000 1.00

Ecuación de regresión

Ln Y = 4.3105 - 0.020803 Número de días del proceso_X

Estadístico de Durbin-Watson

Estadístico de Durbin-Watson = 2.07458

7
 Por lo tanto, el modelo de regresión exponencial es válido.

Y^ =e 4.3105 e−0.020803 X =74.4777 e−0.020803 X

Pronostico o predicción
a. Usa un nivel de confianza del 95%, para estimar el tiempo medio de fabricación de una batería cuando el
proceso se empezó hace 45 días. Interprete.

Regresión / Regresión / Predecir

Predicción para Ln Y

Ecuación de regresión

Ln Y = 4.3105 - 0.020803 Número de días del proceso_X

Valor de
Variable configuración
Número de días del proceso_X 45

Ajuste EE de ajuste IC de 95% IP de 95%

3.37434 0.0176969 (3.32885, 3.41983) (3.24692, 3.50176)

Lim inf = e3.32885 = 27.90623

Lim sup = e3.41983= 30.56421

Con un 95% de confianza, el tiempo medio de fabricación de una batería, cuando el proceso se empezó
hace 45 días está contenido en [27.90623; 30.56421] días.

8
b. Con un nivel de confianza del 95%, estime el tiempo de fabricación de una batería cuando el proceso se
empezó hace 45 días.

Predicción para Ln Y

Ecuación de regresión

Ln Y = 4.3105 - 0.020803 Número de días del proceso_X

Valor de
Variable configuración
Número de días del proceso_X 45

Ajuste EE de ajuste IC de 95% IP de 95%

3.37434 0.0176969 (3.32885, 3.41983) (3.24692, 3.50176)

Lim inf = e3.24692 = 25.71103

Lim sup = e3.50176= 33.17379

Con un 95% de confianza, se puede afirmar, que el tiempo de fabricación de una batería cuando el
número de días del proceso es 45, es un valor que está en el intervalo [25.71103; 33.17379] días.