Ejercicio 4.

7 Se desea probar la eficiencia de dos tipos de polvo en cuanto a la potencia disipada

de focos incandescentes de 75 w, fabricados en dos turnos. Se cuenta con la siguiente información
de pruebas realizadas. Realice el análisis de varianza para decidir si el tipo de polvo y el turno
afectan la cantidad de luz o no, con un nivel de significancia de α = 0.05.

Polvo
Turno 1 2
1 56 65 72 78
2 58 60 63 67

Análisis de Varianza para Potencia de Luz - Suma de Cuadrados Tipo III

Fuente Suma de Gl Cuadrado Razón-F Valor-P
Cuadrados Medio
EFECTOS
PRINCIPALES
A:Polvo 210.125 1 210.125 10.04 0.0248
B:Turno 66.125 1 66.125 3.16 0.1356
RESIDUOS 104.625 5 20.925
TOTAL (CORREGIDO) 380.875 7
Todas las razones-F se basan en el cuadrado medio del error residual

El StatAdvisor
La tabla ANOVA descompone la variabilidad de Potencia de Luz en contribuciones debidas a varios factores.
Puesto que se ha escogido la suma de cuadrados Tipo III (por omisión), la contribución de cada factor se
mide eliminando los efectos de los demás factores. Los valores-P prueban la significancia estadística de
cada uno de los factores. Puesto que un valor-P es menor que 0.05, este factor tiene un efecto
estadísticamente significativo sobre Potencia de Luz con un 95.0% de nivel de confianza.

DECISIÓN:
Dado que Pvalor = 0.0248 < 0.05 una vez realizado el analisis estadístico puedo decir que si se rechazar la
afirmación de que el polvo no afecta la cantidad de luz emitida por los focos incandescentes. Por lo tanto, el
polvo si afecta a la cantidad de luz emitida por los focos incandescentes.
Dado que Pvalor = 0.1356 > 0.05 una vez realizado el analisis estadístico puedo decir que no se rechazara
la afirmación de que el turno no afecta la cantidad de luz emitida por los focos incandescentes.
__________________________________________________________________________________________
Analizar

Ejercicio 4.8 Para la siguiente información de temperatura de precalentamiento y dureza.

Temp Pureza
390 1.5
391 1.8
392 2.1
393 2.3
394 2.6
395 3.1
396 3.4
397 3.7
398 3.9
399 4.2
400 4.5

a) Elaborar el diagrama de dispersión

Gráfico del Modelo Ajustado

Temp = 385.193 + 3.25926*Pureza

400

398

396
Temp

394

392

390
1.5 2 2.5 3 3.5 4 4.5
Pureza

Coeficientes
Mínimos Cuadrados Estándar Estadístico
Parámetro Estimado Error T Valor-P
Intercepto 385.193 0.229454 1678.73 0.0000
Pendiente 3.25926 0.0725895 44.8999 0.0000

Análisis de Varianza
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 109.511 1 109.511 2016.00 0.0000
Residuo 0.488889 9 0.054321
Total (Corr.) 110.0 10

Equipo N°2 T4 2
__________________________________________________________________________________________
Analizar

Coeficiente de Correlación = 0.997775

R-cuadrada = 99.5556 porciento
R-cuadrado (ajustado para g.l.) = 99.5062 porciento
Error estándar del est. = 0.233069
Error absoluto medio = 0.181818
Estadístico Durbin-Watson = 1.3138 (P=0.0491)
Autocorrelación de residuos en retraso 1 = 0.316049

b) Obtener la ecuación de regresión

La salida muestra los resultados de ajustar un modelo lineal para describir la relación entre Temp y Pureza.
La ecuación del modelo ajustado es

Temp = 385.193 + 3.25926*Pureza

c) Interprete los valores de los coeficientes de regresión estimados

El estadístico R-Cuadrada indica que el modelo ajustado explica 99.5556% de la variabilidad en Temp. El
coeficiente de correlación es igual a 0.997775, indicando una relación relativamente fuerte entre las variables.
El error estándar del estimado indica que la desviación estándar de los residuos es 0.233069.

d) Utilice el análisis de varianza para probar la significancia de la regresión

Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relación estadísticamente
significativa entre Temp y Pureza con un nivel de confianza del 95.0%.

Equipo N°2 T4 3
__________________________________________________________________________________________
Analizar

Ejercicio 4.9 Considerar que al problema del acabado se le agrega una variable más: posición (ver
tabla 6. 16). Construir un modelo de regresión e interpretarlo.

(y) Acabado (x1)Avance (x2)Posición

60 1.00 10
200 1.75 15
70 1.15 12
190 1.70 17
70 1.10 11
100 1.40 15
115 1.50 15
80 1.25 13
65 1.05 10
120 1.55 16
80 1.15 12
150 1.60 15

Regresión Múltiple - (y) Acabado

Variable dependiente: (y) Acabado
Variables independientes:
(x1)Avance
(x2)Posición

Error Estadístico
Parámetro Estimación Estándar T Valor-P
CONSTANTE -101.28 21.93 -4.61836 0.0013
(x1)Avance 275.308 41.7184 6.59918 0.0001
(x2)Posición -12.0784 4.63016 -2.60863 0.0283

Análisis de Varianza
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 24358.3 2 12179.1 75.16 0.0000
Residuo 1458.4 9 162.044
Total (Corr.) 25816.7 11

R-cuadrada = 94.3509 porciento

R-cuadrado (ajustado para g.l.) = 93.0956 porciento
Error estándar del est. = 12.7297
Error absoluto medio = 7.82257
Estadístico Durbin-Watson = 1.91757 (P=0.5420)
Autocorrelación de residuos en retraso 1 = 0.00342181

El StatAdvisor
La salida muestra los resultados de ajustar un modelo de regresión lineal múltiple para describir la relación entre (y) Acabado y 2
variables independientes. La ecuación del modelo ajustado es

(y) Acabado = -101.28 + 275.308*(x1)Avance - 12.0784*(x2)Posición

Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relación estadísticamente significativa entre las variables con
un nivel de confianza del 95.0%.

Equipo N°2 T4 4
__________________________________________________________________________________________
Analizar

El estadístico R-Cuadrada indica que el modelo así ajustado explica 94.3509% de la variabilidad en (y) Acabado. El estadístico R-
Cuadrada ajustada, que es más apropiada para comparar modelos con diferente número de variables independientes, es 93.0956%. El
error estándar del estimado muestra que la desviación estándar de los residuos es 12.7297. Este valor puede usarse para construir
límites para nuevas observaciones, seleccionando la opción de Reportes del menú de texto. El error absoluto medio (MAE) de
7.82257 es el valor promedio de los residuos. El estadístico de Durbin-Watson (DW) examina los residuos para determinar si hay
alguna correlación significativa basada en el orden en el que se presentan en el archivo de datos. Puesto que el valor-P es mayor que
0.05, no hay indicación de una autocorrelación serial en los residuos con un nivel de confianza del 95.0%.

Equipo N°2 T4 5
__________________________________________________________________________________________
Analizar

Ejercicio 4.10 Aplicar la regresión por pasos a los siguientes datos:

(y) Acabado (x1)Avance (x2)Posición (x3) Dimsn

60 1.00 10 2
200 1.75 15 3
70 1.15 12 4
190 1.70 17 3
70 1.10 11 2
100 1.40 15 4
115 1.50 15 5
80 1.25 13 6
65 1.05 10 4
120 1.55 16 3
80 1.15 12 6
150 1.60 15 3

Regresión Múltiple - (y) Acabado

Variable dependiente: (y) Acabado
Variables independientes:
(x1)Avance
(x2)Posición
(x3) Dimsn

Error Estadístico
Parámetro Estimación Estándar T Valor-P
CONSTANTE -94.8577 25.2074 -3.76309 0.0055
(x1)Avance 265.811 46.17 5.75722 0.0004
(x2)Posición -11.0823 5.09118 -2.17677 0.0612
(x3) Dimsn -1.85751 3.13074 -0.593315 0.5694

Análisis de Varianza
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 24419.7 3 8139.91 46.62 0.0000
Residuo 1396.93 8 174.616
Total (Corr.) 25816.7 11

R-cuadrada = 94.589 porciento

R-cuadrado (ajustado para g.l.) = 92.5599 porciento
Error estándar del est. = 13.2142
Error absoluto medio = 7.55685
Estadístico Durbin-Watson = 2.31233 (P=0.7962)
Autocorrelación de residuos en retraso 1 = -0.187435

El StatAdvisor
La salida muestra los resultados de ajustar un modelo de regresión lineal múltiple para describir la relación entre (y) Acabado y 3
variables independientes. La ecuación del modelo ajustado es

(y) Acabado = -94.8577 + 265.811*(x1)Avance - 11.0823*(x2)Posición - 1.85751*(x3) Dimsn

Equipo N°2 T4 6
__________________________________________________________________________________________
Analizar

Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relación estadísticamente significativa entre las variables con
un nivel de confianza del 95.0%.

El estadístico R-Cuadrada indica que el modelo así ajustado explica 94.589% de la variabilidad en (y) Acabado. El estadístico R-
Cuadrada ajustada, que es más apropiada para comparar modelos con diferente número de variables independientes, es 92.5599%. El
error estándar del estimado muestra que la desviación estándar de los residuos es 13.2142. Este valor puede usarse para construir
límites para nuevas observaciones, seleccionando la opción de Reportes del menú de texto. El error absoluto medio (MAE) de
7.55685 es el valor promedio de los residuos. El estadístico de Durbin-Watson (DW) examina los residuos para determinar si hay
alguna correlación significativa basada en el orden en el que se presentan en el archivo de datos. Puesto que el valor-P es mayor que
0.05, no hay indicación de una autocorrelación serial en los residuos con un nivel de confianza del 95.0%.

Equipo N°2 T4 7