FRIAS QUESQUÉN, Carlos Heriberto

Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
UNIVERSIDAD NACIONAL DE TRUJILLO
FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS
ESCUELA ACADÉMICO PROFESIONAL DE ESTADÍSTICA
S
CA
SI
AS FÍ
IC S
ÁT CIA
INFORME FINAL DE PRACTICAS PRE
EM IEN
PROFESIONALES
AT C
PARA OPTAR EL TÍTULO PROFESIONAL DE

M E
Y AD
LICENCIADO EN ESTADÍSTICA
EC
MODELO ESTADÍSTICO DEL COMPORTAMIENTO DEL

VOLUMEN DE GAS EN LA CARBONATACIÓN DE BEBIDAS
T
GASEOSAS - MAYO 1991

IO
BL
BI
AUTOR: FRÍAS QUESQUÉN, CARLOS HERIBERTO
ASESORA: Dra. ROSA ADRIANA CHU CAMPOS
TRUJILLO – PERÚ
2018
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
DEDICATORIA
A mis queridos
padres
Heriberto y María, por
infundir en mí los valores del
S
sacrificio, humildad, respeto,
CA
perseverancia, y templanza.
Por su apoyo y comprensión
en la culminación de mis
SI
objetivos y su inmenso amor.
AS FÍ
IC S
ÁT CIA
EM IEN
A mis queridos abuelos Carlos,
Laura, Luis y María por
permitirme ser mis segundos
AT C
padres, a través de su apoyo

constante y sabios consejos, que
M E
permitieron en mi ser una persona

Y AD
responsable y de bien.
T EC
IO
BL
BI
A mí amada familia: Otilia,

Luis y Armando por ser mi
fuente de motivación en el
logro de esta meta.
AGRADECIMIENTO
A DIOS TODOPODEROSO,
por ser tan bondadoso y
misericordioso conmigo,
permitirme conocer el amor,
S
lograr mis proyectos de vida y
CA
llegar con salud en la
culminación de mi carrera
SI
profesional.
AS FÍ
IC S
ÁT CIA A mi alma mater UNIVERSIDAD
NACIONAL DE TRUJILLO, en especial
a los docentes de Escuela de
EM IEN
Estadística, por acogerme e impartir
enseñanza durante mi formación
académica y profesional.
AT C
M E
Y AD
Un sincero agradecimiento a
mi asesora Dra. Rosa Chu
EC
Campos, por su orientación,

dedicación y desprendimiento
en su tiempo en mis años de
T
estudiante y en este último

IO
informe que me ayuda a

cumplir con esta meta
BL
trazada.
BI
A mi jurado de tesis por su ayuda y

asesoría permanente trasmitidos a mi
persona que contribuyeron a la
culminación con éxito del presente
informe para optar por el título
profesional tanto deseado.
ii
PRESENTACIÓN
Señores Miembros del Jurado:
En cumplimiento con las disposiciones del Reglamento de Grados y Títulos
S
de la Facultad de Ciencias Físicas y Matemáticas, Escuela Profesional de
CA
Estadística de la Universidad Nacional de Trujillo, pongo a vuestra
SI
disposición el informe final de Practicas Pre Profesionales titulado “Modelo
estadístico del comportamiento del volumen de gas en la carbonatación de
AS FÍ
bebidas gaseosas – Mayo 1991” para optar el título de Licenciado en
IC S
Estadística.
ÁT CIA
Someto este trabajo a vuestro amplio criterio de calificación y agradezco
EM IEN
anticipadamente las sugerencias u observaciones que hagan al mismo,
esperando que mi contribución sea aceptada y sirva de base para estudios
AT C
posteriores en la calidad de las bebidas gaseosas.

M E
Y AD
T EC
IO
Trujillo, Octubre del 2018

BL
BI
iii
RESUMEN
El presente trabajo de investigación se realizó en una empresa

embotelladora de bebidas gasificadas con el objetivo de proponer un modelo
estadístico que relacione las variables presión, temperatura, carbotrol y
carbo-cooler en el volumen del gas en la carbonatación de bebidas
S
gaseosas. Las muestras fueron seleccionadas aleatoriamente después de
CA
que la máquina esté trabajando en condiciones normales sin ninguna parada
por fallas técnicas. Las bebidas de un litro mantuvieron los mismos patrones
SI
de presión y temperatura que las bebidas de 10 onzas, razón por lo que se
AS FÍ
consideró trabajar con la bebida de un litro, obteniendo una muestra diaria
IC S
para un mes en estudio. El análisis estadístico que se realizó para procesar
ÁT CIA
el modelo fue el análisis de regresión lineal con cuatro variables
independientes, donde al usar el método Stepwise se concluyó que las
EM IEN
variables que influyen en el comportamiento del volumen de gas en la
carbonatación de bebidas gaseosas fueron presión y temperatura.
AT C
En el análisis de regresión lineal múltiple para el comportamiento del

M E
volumen de gas en la carbonatación de bebidas gaseosas, se determinaron,

Y AD
por su significancia, las siguientes variables: Temperatura del líquido (°F). y

Presión del líquido (libras / pulg2), con un coeficiente de determinación de R2
EC
= 80.10% y el modelo representado de la siguiente manera:

Y  3.969  0.052 * Temperatura  0.079 * Pr esión
T
Al analizar los supuestos del modelo de regresión lineal múltiple se encontró

IO
linealidad en los parámetros y las variables; la multicolinealidad no es un

BL
problema para el modelo. En lo que respecta a la independencia de los

BI
errores se encontró que no existe autocorrelación entre los residuos,

además los errores aleatorios del modelo obtenido siguen una distribución
normal. Para la homocedasticidad en el diagrama de dispersión se observa
que la nube de puntos no sigue una pauta de asociación clara, ni lineal, ni de
ningún otro tipo.
Palabras claves: Presión, temperatura, carbotrol, carbo-cooler, volumen del
gas, carbonatación.
iv
ABSTRACT
The present research work was carried out in a gas beverage bottling
company with the objective of proposing a statistical model that relates the
pressure, temperature, Carbotrol and Carbo-cooler variables in the volume of
gas in the carbonation of soft drinks. The samples were selected randomly
after the machine is working under normal conditions without any stop due to
S
CA
technical failures. One-liter drinks maintained the same pressure and
temperature patterns as 10-ounce drinks, which is why it was considered to
SI
work with the one-liter drink, obtaining a daily sample for a month under
AS FÍ
study. The statistical analysis that was carried out to process the model was
the linear regression analysis with four independent variables, where when
IC S
ÁT CIA
using the Stepwise method it was concluded that the variables that influence
the behavior of the gas volume in the carbonation of soft drinks were
pressure and temperature.
EM IEN
In the multiple linear regression analysis for the behavior of the volume of
gas in the carbonation of soft drinks, the following variables were determined
AT C
by their significance: Temperature of the liquid (° F) and liquid Pressure

M E
(pounds / in2), with a coefficient of determination of R2 = 80.10% and the

Y AD
model represented as follows:

EC
When analyzing the assumptions of the multiple linear regression model,

T
linearity was found in the parameters and variables; Multicollinearity is not a

IO
problem for the model. Regarding the independence of the errors, it was
BL
found that there is no autocorrelation between the residues, and the random
errors of the obtained model follow a normal distribution. For the
BI
homoscedasticity in the scatter diagram it is observed that the cloud of points

do not follow a pattern of clear association, neither linear nor of any other
type.
Keywords: Pressure, temperature, carbotrol, carbo-cooler, gas volume,

carbonation.
ÍNDICE DE CONTENIDOS
DEDICATORIA ....................................................................................................................... i
AGRADECIMIENTO ............................................................................................................. ii
PRESENTACIÓN ..................................................................................................................iii
S
RESUMEN ..............................................................................................................................iv
CA
ABSTRACT ............................................................................................................................ v
ÍNDICE DE CONTENIDOS ..................................................................................................vi
SI
I. INTRODUCCIÓN ........................................................................................................... 8
AS FÍ
1.1. Realidad problemática .......................................................................................... 8
IC S
1.2. Antecedentes del problema ................................................................................. 9
ÁT CIA
1.3. Justificación del problema .................................................................................. 12
1.4. Formulación del problema.................................................................................. 12
EM IEN
1.5. Hipótesis ............................................................................................................... 12
1.6. Objetivos ............................................................................................................... 13
AT C
II. MARCO TEÓRICO ...................................................................................................... 14

2.1. Teoría de Producción de bebidas carbonatadas............................................ 14
M E
Y AD
2.2. Teoría estadística ............................................................................................... 28

III MATERIAL Y MÉTODOS .............................................................................................. 48
3.1. Tipo de investigación........................................................................................... 48
EC
3.2. Población de estudio: .......................................................................................... 48

T
3.3. Unidad de análisis: ........................................................................................... 48

IO
3.4. Variables de estudio ............................................................................................ 48

BL
3.5. Instrumentos ...................................................................................................... 50

3.6. Procedimientos..................................................................................................... 50
BI
3.7. Tabulación y análisis ........................................................................................... 51

IV. RESULTADOS......................................................................................................... 52
4.1. Presentación de las variables de estudio ......................................................... 52
4.2. Evaluación del modelo previo a la selección de variables ............................ 53
4.3. Evaluación de la significancia de las variables independientes en el modelo
59
4.4. Supuestos del modelo de regresión ................................................................. 62
vi
4.6. Validación del modelo ......................................................................................... 76

V. DISCUSIÓN .............................................................................................................. 79
VI. CONCLUSIONES .................................................................................................... 80
VII. RECOMENDACIONES .......................................................................................... 81
VIII. REFERENCIAS BIBLIOGRÁFICAS ..................................................................... 82
ANEXOS ............................................................................................................................... 85
S
ANEXO 1: Ficha de recolección de datos ............................................................... 85
CA
ANEXO 2: Tabla de distribución t de Student ......................................................... 86
ANEXO 3: Tabla para evaluar la prueba de Kolmogorov-Smirnov...................... 87
SI
ANEXO 4: Tabla del test estadístico de Durbin-Watson ....................................... 88
AS FÍ
ANEXO 5: Tabla de la distribución F ........................................................................ 89
IC S
ANEXO 6: Tabla de Shapiro - Wilk ........................................................................... 90
ÁT CIA
ANEXO 7: Tabla de datos para la validación del modelo ..................................... 91
ANEXO 8: Tabla de datos del Estudio Original ....................................................... 92
EM IEN
AT C
M E
Y AD
T EC
IO
BL
BI
vii
I. INTRODUCCIÓN
1.1. Realidad problemática
La industria nacional de fabricantes de bebidas gaseosas se ha

incrementado de manera considerable para estar a la vanguardia del
mercado y para satisfacer la demanda del público consumidor, razón por la
S
CA
cual, es necesario contar con un adecuado sistema de control estadístico
tanto para el proceso de fabricación como para el producto, de tal manera
SI
que ayuden a reducir los costos de producción y permita obtener un
AS FÍ
producto final de calidad, que asegure su aceptación en el mercado y la
empresa sea rentable.
IC S
ÁT CIA
En la empresa donde se realiza el estudio las principales actividades que se
realizan son el tratamiento de aguas, el lavado de botellas, el embotellado,
EM IEN
transporte y comercialización de bebidas gaseosas en sus diferentes
sabores en sus formatos mediana de 10 onzas y de litro, lo mismo que
AT C
agua de mesa de 10 onzas, el cual estos productos salen al mercado bajo

M E
un estricto control de calidad dada por la Superintendencia de Planta y

Y AD
según los requerimientos del público consumidor el cual da como resultado

la sólida presencia de sus productos en el mercado local, nacional e
EC
internacional.
T
En el Departamento de Control de Aseguramiento de la Calidad, Sección de

IO
Control de Embotellado es donde se realiza algunas fases de control del

BL
producto tales como control de lavadoras, control de porcentaje de soda

cáustica a la lavadora, control de residuo cáustico, control de altura de
BI
llenado, control de tapas coronas, control de brix, etc., el cual en nuestro

estudio nos ocuparemos del control de las variables de producción que
explican el comportamiento de el volumen de gas en las bebidas gaseosas
de un litro. Los operarios son los que realizan las pruebas respectivas para
las fases de control, el cual toda la información obtenida es anotada en los
registros de control de tal manera que un momento dado sea útil, para la
toma de decisiones por parte de Gerencia y otras secciones que la soliciten.
Debido a la gran acogida que tiene el producto en el mercado, tanto de 10

onzas como de litro, a la problemática de botellas devueltas con
características como volumen de gas y sabor y al manejo inseguro de las
variables que expliquen estas variaciones en el proceso productivo se toma
S
la decisión de estudiar el comportamiento de las variables intervinientes.
CA
Por estas razones, se creyó conveniente construir un modelo estadístico del
SI
comportamiento del volumen de gas respecto a las variables de producción
AS FÍ
que intervienen en la carbonatación para que no peligre así la calidad del
producto y se alcance el nivel óptimo de producción deseado.
IC S
ÁT CIA
Según algunos alcances dados por CINPSA (Compañía Industrial Nor
Peruana S.A.) el comportamiento del volumen de gas es explicada por la
EM IEN
presión y la temperatura. El estándar del volumen de gas para bebidas
gaseosas es de 3.75 ± 0.25.
AT C
M E
1.2. Antecedentes del problema

Y AD
(Rodríguez J. , 2013) en un estudio sobre pre factibilidad técnica y

económica de la implementación de una nueva tecnología de carbonatación
EC
por contactor de membrana en sustitución de un equipo convencional en una

planta de bebidas carbonatadas. Se evaluó el efecto de la variación del flujo
T
IO
de agua y la presión de dióxido de carbono sobre los volúmenes de

carbonatación. Se obtuvo una relación inversamente proporcional entre el
BL
flujo de agua y los volúmenes de dióxido de carbono, para cada presión de

BI
dióxido de carbono utilizada. Esto se evaluó mediante el coeficiente de

correlación de Pearson, obteniendo valores negativos de aproximadamente
0,95.
Se evaluó la carbonatación en los productos de cada carbonatador al

determinar el porcentaje de ácido carbónico formado y el porcentaje de
retención de dióxido de carbono al transcurrir 30 minutos. Para poder
comparar las dos carbonatadoras, se utilizó productos con el mismo volumen

de CO2.
Sobre el porcentaje de ácido carbónico se obtuvo valores promedio de 7,22

por ciento para el contactor de membrana y 0,11 por ciento para el
carbonatador convencional. Para la retención de dióxido de carbono se
obtuvo valores promedio de 84,66 por ciento para el contactor de membrana
S
y 84,01 por ciento para el carbonatador convencional.
CA
Los porcentajes de ácido carbónico y retención de dióxido de carbono se
SI
compararon mediante un contraste de significancia para determinar si la
AS FÍ
diferencia entre los promedios obtenidos fue significativa. Para el porcentaje
de ácido carbónico se determinó un mayor porcentaje formado en el
IC S
ÁT CIA
producto del carbonatador de contactor de membrana. El porcentaje de
retención de dióxido de carbono fue el mismo para el producto de ambas
EM IEN
carbonatadoras.
(Montoya, 2015) en la investigación sobre elaboración de bebida

AT C
carbonatada a base de mango criollo, su análisis sensorial, bromatológico y

M E
nutricional. La investigación fue aplicada y semi experimental. Porque está

Y AD
diseñada para resolver problemas prácticos del mundo moderno.

EC
Se elaboró una formulación propia, al no tener una comparación cercana con

el tipo de producto a realizarse. Con porcentajes de 10% de jugo sin pulpa
T
de mango, 88% agua mineral y 2 % de azúcar.

IO
Se realizó un análisis sensorial con una población de 10 personas, donde los

BL
datos que se obtuvieron fueron satisfactorios, mayoritariamente la muestra

BI
se aceptó. También se le realizó un análisis bromatológico y posterior

elaboración de etiqueta nutricional, en la que los valores de la bebida
carbonatada de mango, fueron altos en vitamina C, se llegó a concluir:
En el mercado actual las bebidas carbonatadas que se ofertan, carecen de

un valor real de nutrientes, son prácticamente colorantes, por lo que la
opción de una bebida carbonatada de fruta específicamente de mango, es
10
una opción sana, ya que esta fruta posee alto contenido de vitamina C, que
se pudo comprobar en la elaboración del análisis bromatológico y la
posterior elaboración de la tabla nutricional, en la que el porcentaje de
vitamina C era bastante alto.
(Yunuen, 2018) pretende investigar los diferentes factores que pueden estar
interviniendo en la disminución del CO2 que permitan conservar las
propiedades sensoriales en la bebida para poder incrementar su vida en
S
CA
anaquel y la aceptación por parte de los consumidores. Se traza como
objetivos conocer el proceso de carbonatación en la elaboración de bebidas
SI
gaseosas y establecer los parámetros que intervienen en la perdida de CO2
AS FÍ
en forma experimental, además realiza un estudio de vida de anaquel y
IC S
obtener el porcentaje de perdida de CO2 y realizar una cinética con los datos
ÁT CIA
de vida de anaquel y encontrar la constante de velocidad de la reacción.
Se encuentra que en las pérdidas de volumen de CO2, el envase no cumplió

EM IEN
con una de sus funciones principales que es la de conservar debido a que

dejo escapar el gas añadido a la bebida. Al analizar los porcentajes de
AT C
perdida de volumen, se pudo determinar que en el primer mes de

M E
almacenamiento se tuvieron pérdidas (20.25%) pero el producto todavía

Y AD
podía consumirse (no hubo pérdidas en los ºBrix). Para el segundo y tercer
mes de almacenamiento, el porcentaje de perdida fue mayor aunado a los
EC
cambios en la composición de la bebida en cuanto a los sólidos solubles

T
(0.88 y 1.8 %, respectivamente) lo que trajo como consecuencia un rechazo

IO
del producto por parte del consumidor.

BL
Para la empresa, estas pérdidas de volumen de CO2 significaron gastos

BI
extras (comprar más CO2 de lo usual) ya que había que añadir mayor
cantidad a la bebida para equilibrar las pérdidas y de este modo conservar la
calidad del producto.
11
1.3. Justificación del problema
En lo que corresponde a la justificación, la presente investigación nace como

sugerencia de la Compañía. Industrial Nor Peruana, así como de la
necesidad de realizar investigaciones en sistemas de embotellado para
evaluar la calidad del producto ofrecido por dicha compañía
Esta información será útil para identificar las variables que explican el
S
comportamiento del volumen de gas y un mejor control en el proceso de
CA
Carbonatación de las bebidas gaseosas.
SI
Así mismo, la información nos permitirá construir un Modelo Estadístico a fin
AS FÍ
de predecir el Volumen de gas de acuerdo a diversos valores que pueda
IC S
tomar la presión y la temperatura del líquido.
ÁT CIA
Es por lo expuesto anteriormente que se ha creído conveniente y necesario
EM IEN
realizar un estudio sistematizado que nos asegure la calidad del producto
por ser el de mayor consumo a nivel nacional.
AT C
M E
Y AD
1.4. Formulación del problema
¿Cuál es el modelo estadístico que relaciona las variables presión,

EC
temperatura, carbotroll y carbo-cooler en el volumen de gas en la

Carbonatación de Bebidas Gaseosas?
T
IO
BL
1.5. Hipótesis
BI
El volumen de Gas en la Carbonatación de Bebidas Gaseosas está

explicado por las variables Presión, Temperatura, Carbotrol y Carbo-cooler.
12
1.6. Objetivos
1.6.1. Objetivo General:
Proponer un modelo estadístico que relacione las variables presión,

temperatura, Carbotrol y Carbo-cooler en el volumen del gas en la
carbonatación de bebidas gaseosas.
S
1.6.2. Objetivos Específicos:
CA
1. Determinar las variables de producción que explican el
SI
comportamiento del volumen de Gas en la Carbonatación de
Bebidas Gaseosas.
AS FÍ
IC S
2. Evaluar la Significancia conjunta de los parámetros y validar el
ÁT CIA
modelo del Volumen de Gas en función de las variables de
producción.
EM IEN
3. Analizar los supuestos del modelo de regresión lineal múltiple

como: linealidad, no colinealidad, independencia, normalidad y
AT C
homocedasticidad.
M E
Y AD
4. Obtener estimaciones de la respuesta media y de predicción, para

que sea un uso de modelo predictivo.
T EC
IO
BL
BI
13
II. MARCO TEÓRICO
2.1. Teoría de Producción de bebidas carbonatadas
La producción de bebidas carbonatadas consiste en mezclar jarabe

terminado de acuerdo al sabor requerido con agua descarbonatada, en
proporciones totalmente definidas por cada productor, esta operación se
S
hace en un proporcionador específico, para luego pasar a la gasificación la
CA
que se lleva a cabo en un enfriador de bebida llamado Carbonatador, que
opera a bajas temperaturas, para lograr una mejor solubilidad del gas en el
SI
líquido; una vez lograda la gasificación de la bebida, es conducida a una
AS FÍ
llenadora, obteniéndose finalmente el producto terminado.
IC S
ÁT CIA
A continuación se detallan las etapas de la producción de bebidas
carbonatadas antes mencionada.
EM IEN
A. Proceso Productivo.-
AT C
El proceso inicia con la obtención de agua en los volúmenes necesarios,

la cual esta debe pasar por determinados tratamientos que garanticen
M E
Y AD
que cumple con los requisitos de calidad para la elaboración de las

bebidas en cuestión. El agua tratada es enviada a unos tanques donde
se le agrega azúcar industrial, luego es purificada para obtener el jarabe
EC
simple, a este se le agrega la receta secreta de la empresa, es decir, el

T
concentrado necesario que brinda el sabor deseado y luego de un

IO
tiempo de reposo se tiene el jarabe terminado. Este último es enviado a

BL
la sala de embotellado, en donde se le agrega agua purificada y dióxido

de carbono (CO2) en volúmenes según fórmula, esto se hace a baja
BI
temperatura para facilitar la carbonatación. Cuando el producto presenta

los grados Brix necesarios se envía a la máquina llenadora y es así
como se envasa el producto, que luego será distribuido a los diferentes
puntos de ventas (Maldonado, 2012).
14
Para obtener una bebida gaseosa en sus diferentes presentaciones, se

debe seguir un proceso que consta de cuatro partes básicas, las cuales
son:
- Obtención de agua purificada.

- Producción de jarabe terminado.
- Proceso de Carbonatación.
- Envasado del producto.
S
CA
1. Obtención de agua purificada
SI
Para la producción industrial, las empresas se abastecen de agua a
AS FÍ
través de pozos propios. El agua subterránea es enviada a través de
IC S
tuberías a tanques en donde se le agrega un agente floculante, que
ÁT CIA
se encarga de aglutinar o aglomerar sustancias orgánicas que se
encuentran suspendidas en el agua. Para tal efecto el agente más
EM IEN
utilizado es el Sulfato de Aluminio (Al2SO3) que permite la agrupación
y consecuente sedimentación de compuestos como el bicarbonato de
AT C
calcio y de magnesio principalmente (Rojas, 2002).

M E
El sedimento se debe eliminar a través de purgas constantes. El

Y AD
tiempo entre cada purga depende del tamaño de la planta de

tratamiento, aunque recomienda un tiempo de aproximadamente 3
EC
horas.
T
IO
El objetivo de esto es lograr que la alcalinidad sea menos de 50 ppm,

que los sólidos totales sean menos de 500 ppm y lograr a su vez que
BL
se tenga menos de 0.1 ppm de hierro o magnesio. Los parámetros de

BI
calidad antes mencionados son importantes puesto que cuando el

agua contiene materia en suspensión, se hace más difícil su
carbonatación (Maldonado, 2012).
Una vez esté libre de estos compuestos, está lista para ser tratada
con cloro; la cloración o desinfección del agua se logra mediante la
adición de hipoclorito de sodio al 5% conocido comúnmente como
15
“cloro”, el cual elimina la mayoría de bacterias, hongos, virus, esporas

y algas que estén presentes en el agua. El cloro residual optimo en el
agua debe de estar en el rango de 0.3 a 0.5 mg/l, es decir ser menor o
igual de 0.5 ppm o ser mayor o igual a 0.3 ppm (OMS, 2004).
El siguiente paso es a través de filtros de arena y de carbón activado.

Los filtros de arena aseguran la eliminación de cualquier partícula que
S
aún estuviera presente, y los filtros de carbón activado eliminan las
CA
sustancias de carácter gaseoso que le dan al agua mal olor, color y
sabor, tal es el caso del cloro residual. Y por si esto fuera poco el
SI
ultimo filtro es el llamado “filtro pulidor” el cual tiene poros de menos
AS FÍ
de 0.2 micras y que retiene partículas que no hayan podido ser
IC S
eliminadas con anterioridad. Hasta este momento se tiene agua lista
ÁT CIA
para el proceso de elaboración de bebidas carbonatadas, pero ahora
la mayoría de empresas le agregan dos pasos más que serían: el
EM IEN
tratamiento con ozono y el tratamiento con lámparas de luz
ultravioleta, para dar una garantía extra de su calidad e inocuidad
AT C
(Maldonado, 2012).
M E
Y AD
En nuestra experiencia, en la empresa de bebidas gaseosas, primero

se extrae el líquido con cloro de uno de los dos pozos, luego se
bombea a la cisterna de almacenamiento de agua para pasar luego al
EC
tanque de tratamiento, luego se bombea el agua al tanque reactor

T
donde está presente el sulfato ferroso, cloro e hidróxido de calcio, en

IO
el cual el agua reposada pasa al tanque pulmón.

BL
Posteriormente es filtrado a un lecho de arena graduada y lavada para

BI
eliminar las partículas sólidas, luego pasa a través de un filtro

purificador de carbón activo para descartar el cloro, olor y sabor
desagradable, y finalmente por un “filtro purificador” que retiene las
partículas de carbón y da la brillantez final del agua, ese producto es
conocido como “Agua Tratada”.
16
2. Producción de jarabe terminado
El jarabe terminado es la materia principal en el proceso de las

bebidas carbonatadas, por lo tanto su elaboración es un proceso
fundamental y delicado. Se debe de elaborar según el sabor de la
bebida bajo estándares de calidad y sanidad. Este proceso es
fundamental no sólo por el sabor de la bebida sino también porque
S
sus rendimientos afectan directamente los costos de fabricación, por
CA
lo que debe de ser vigilado meticulosamente.
SI
El proceso se divide en dos etapas: elaboración de jarabe simple y
AS FÍ
elaboración de jarabe terminado. En la elaboración del jarabe simple,
se emplea agua purificada, cuyo proceso se explicó en el punto
IC S
ÁT CIA
anterior. El agua se vierte en un tanque de dilución y se agrega
azúcar industrial, debidamente certificada. Las cantidades o
EM IEN
proporciones varían según la fórmula de cada sabor de bebida a
carbonatar. Esta mezcla se ha de agitar hasta obtener una solución
uniforme (Maldonado, 2012).
AT C
M E
La mezcla luego es enviada al área de filtración en donde se le hace

Y AD
pasar por varias capas verticales, cuya función es retener partículas

extrañas a la mezcla; el producto de esta etapa se conoce como
EC
“jarabe simple”. El jarabe simple se envía a otro tanque para darle un

tiempo de reposo y posteriormente mezclarlo con el concentrado
T
IO
proporcionado por la compañía, así formando el jarabe terminado.

También existen diferentes aditivos o ingredientes que se emplean
BL
para elaborar jarabe terminado y que son necesarios según la

BI
formulación de cada sabor, el cual se describen en el siguiente punto.

Luego de la mezcla es necesario un segundo reposo, este debe de
ser según (Rojas, 2002) de aproximadamente 12 horas para que
luego a través de tuberías se envié al salón de embotellado.
17
Ingredientes en la elaboración del jarabe terminado
El tipo de ingredientes y la cantidad de los mismos va a depender del

sabor de la bebida carbonatada, a continuación se describen los
ingredientes más utilizados, destacando de antemano que no son los
únicos.
- Saborizantes
S
CA
Estos insumos comúnmente no son elaborados en la empresa
SI
embotelladora, sino más bien, se compran a quienes que se dedican
exclusivamente a la producción de saborizantes. Los saborizantes son
AS FÍ
extractos que pueden ser de tres tipos: los extractos alcohólicos,
IC S
emulsiones de soluciones alcohólicas, y los extractos de jugos de
ÁT CIA
frutas.
EM IEN
Los mejoradores de sabor y aroma son utilizados también en este tipo
de bebidas, el ejemplo típico es el uso de cafeína en refrescos como
AT C
es el caso de Coca Cola que se utiliza en proporciones de 7 a 23 mg

por cada 100cc. Esta sustancia es utilizada por su efecto estimulante.
M E
Y AD
Existe una gran variedad de saborizantes y cada día las industrias

crean nuevos sabores, para poder mantener el agrado de sus clientes
EC
(Maldonado, 2012).
T
- Acidulantes
IO
Los ácidos son usados en las bebidas para impartirles un sabor agrio
BL
que neutraliza la dulzura del azúcar y hace resaltar el sabor asociado,

BI
así el sabor característico de una bebida se debe en parte a la

acidulación apropiada. Los ácidos ayudan también a proteger el
producto contra el deterioro. En la preparación de bebidas se usan
comúnmente los ácidos: cítrico, fosfórico y tartárico (Tello, 2004).
Los tres ácidos utilizados con frecuencia son: el ácido cítrico, el ácido
fosfórico y el ácido tartárico. Todos deben de ser grado alimenticio y
18
estar debidamente certificados. El ácido cítrico se extrae comúnmente

de cítricos como el limón, aunque hoy en día se utiliza también la
obtención a partir de melaza de caña de azúcar y Aspergillus niger,
mediante un proceso de fermentación. El ácido fosfórico es el
acidulante más económico, puesto que combina su bajo costo con su
potente poder acidulante. Se utiliza en refrescos tipo “cola”. El ácido
tartárico se obtiene como subproducto en la elaboración del vino
S
(Maldonado, 2012).
CA
- Colorantes
SI
AS FÍ
Los consumidores esperan que la bebida gasificada sea semejante en
apariencia a la fibra, fruta o planta que representa. Muchos
IC S
ÁT CIA
saborizantes no poseen el color inherente deseado, por lo que es
necesario emplear colores artificiales para obtener la aceptación del
EM IEN
consumidor. El uso de los colorantes está limitado a los tipos
permitidos o certificado. Los colorantes más utilizados en las bebidas
gaseosas son: caramelo, antocianinos, carotenoides, clorofila,
AT C
colorantes poliméricos (Tello, 2004).

M E
Y AD
Otro colorante muy utilizado es el caramelo, este no es sintético ya

que se obtiene quemando azúcar de maíz con una sal amónica como
EC
catalizador. Se añade a los refrescos tipo “cola” (Maldonado, 2012).

T
- Edulcorantes
IO
Son sustancias que cuando se mezclan con el sabor, ácidos, etc.,

BL
proporcionan un gusto dulce y satisfactorio al producto terminado y

BI
además contribuyen a la bebida de la manera siguiente: suministran

cuerpo que ayuda a transmitir el sabor, proporciona energía y valor
alimenticio a la bebida (Colquichagua & Franco, 1994).
El edulcorante natural usado universalmente es el azúcar de caña

(sacarosa), que debe de ser blanca y refinada, además debe de estar
certificada, garantizando que cumple con los parámetros de calidad,
19
purificación y esterilización, para que garantice un producto de alta

calidad. El contenido de sacarosa en las gaseosas se encuentra entre
5% y 14% en relación a su peso.
Para los refrescos denominados “light” se usan: el aspartamo, el

acesulfame K que es 200 veces más dulce que el azúcar y el
ciclamato. Estos edulcorantes son sintéticos, y algunos están
S
relacionados con polémicas por efectos dañinos derivados de su alto
CA
consumo (Coguanor, 1982).
SI
- Preservantes
AS FÍ
Los preservantes tienen la función de prevenir el deterioro que es
IC S
provocado por las enzimas y bacterias que existen en diferentes
ÁT CIA
grados en todos los productos alimenticios (Tello, 2004).
EM IEN
Las bebidas carbonatadas permiten el crecimiento de un limitado
número de microorganismos, pero a pesar de ello se requiere el uso
AT C
de conservantes para prevenir la aparición de alteraciones en los

periodos prolongados de almacenamiento a temperatura ambiente.
M E
Y AD
Debe apreciarse que además de las sustancia como los benzoatos,

que se añaden por su función específicamente conservante, los
EC
acidulantes incluyendo al ácido carbónico también tiene un efecto

antimicrobiano en su forma no disociada (Varnam, 1997).
T
IO
3. Proceso de Carbonatación
BL
a. Definición de bebidas carbonatadas

BI
Según la NTP – ITINTEC 2414-001 (1983), es el producto

obtenido por disolución de edulcorantes nutritivos y gas
carbónico en agua potable tratada, pudiendo estar adicionada de
saborizantes naturales y/o artificiales, jugos de frutas,
acidulantes, conservadores, emulsionantes, y estabilizantes,
antioxidantes, colorantes, amortiguadores, agentes de enturbiamiento,
20
antiespumantes, y espumantes. Todos los aditivos alimentarios

deben ser los permitidos por la autoridad sanitaria (Guevara, 2015).
El contenido de CO2 se mide en volúmenes de carbonatación. La FDA

exige que una bebida carbonatada contenga como mínimo 1 volumen
de CO2 a 760 mm Hg y 60º F o 15.56 º C. Y si se trata de una bebida
tipo “cola” la concentración de cafeína debe ser como máximo del
S
0.02% (Bernstein, 2009).
CA
Por tanto, las bebidas gaseosas carbonatadas son productos que
SI
consisten en incorporar suficiente anhídrido carbónico a la mezcla de
AS FÍ
agua tratada con jarabe a fin de que cuando se sirva el producto deje
escapar el gas bajo la forma de burbujas finas y para que tenga ese
IC S
ÁT CIA
sabor “picante” característico en las gaseosas.
Las cantidades de gas disueltas en la bebida se conocen como

EM IEN
volúmenes. Se dice que un líquido contiene un volumen de gas
cuando: un volumen de gas CO2 medido en condiciones estándar, se
AT C
disuelve en el mismo volumen del líquido.

M E
Y AD
Hay una relación directa entre el grado de carbonatación y el sabor de

la bebida, la falta de gas la torna a la bebida insípida y sin burbujeo.
EC
b. Propiedades y Funciones del CO2 en las Bebidas

T
Es un gas pesado, incoloro, casi inodoro y relativamente inactivo, no

IO
es corrosivo, forma trazas de ácido carbónico al disolverse en agua y

BL
desplaza al aire. Se encuentra en tres formas o estados: Sólido (hielo

BI
seco), líquido y gaseoso. La temperatura y las condiciones de la

presión determinan su estado y forma.
La pequeña cantidad de agua y ácido carbónico que se forma al

disolverse en el agua, es suficiente para dar un sabor picante a la
solución, también las burbujas del gas tienen un efecto estimulante en
el paladar.
21
El anhídrido inhibe el desarrollo de la mayoría de las bacterias que

podrían ir en la bebida.
El CO2 se comercializa en forma líquida, y se encuentra almacenado

en un tanque con revestimiento térmico, se encuentra en estado
líquido, al pasar por la válvula reductora de presión se gasifica
entrando a la línea de gas que se va directamente al carbonatador.
S
CA
c. Carbonatador o Carbo-Cooler:
SI
Según nuestra información, capacitación y experiencia en planta, es
un equipo donde se produce la carbonatación de la bebida, y está
AS FÍ
diseñado para obtener un producto uniformemente carbonatado,
IC S
mediante un enfriamiento eficiente de la mezcla. La bebida antes de
ÁT CIA
ingresar al carbonatador recibe una inyección de CO2 en una pre-
carbonatación, esta línea de gas es regulada por el Carbotroll, y debe
EM IEN
tener una determinada presión, para que pueda vencer la presión de
la bomba del líquido a carbonatar. De esto resulta que el agua
AT C
contiene cerca de un volumen de carbonatación antes de que entre a

M E
la carbonatadora principal.
Y AD
La mezcla ingresa al Carbo-Cooler por la parte superior pasando

EC
antes por una válvula neumática, luego ya en el interior es alimentado

a una bandeja ubicada sobre las placas de enfriamiento, haciendo
T
caer el producto lenta y uniformemente por las paredes de las placas

IO
enfriando así el producto hasta 20C a una presión determinada donde

BL
el gas es absorbido al mezclarse con la bebida.

BI
Todo el equipo, incluyendo equipo auxiliar, tuberías, accesorios son

de acero inoxidable, tiene un método fácil de desmontarlo para su
limpieza y mantenimiento.
El producto obtenido en este equipo está completamente gasificado y

es enviado a la llenadora por medio de una tubería de acero
inoxidable.
22
Otros autores indican que la adicción de CO2 se realiza diluyendo este

en el líquido a baja temperatura, y manteniendo una presión de
saturación constante. Estos procesos se realizan de forma automática
y en continuo mediante inyectores venturi en la línea de líquido frio,
mediante bombas booster de alta capacidad.
Los equipos se construyen totalmente pre montados y testeados en
S
fábrica, formando un conjunto, tanques, bombas, controladores
CA
instrumentación y cableados eléctricos. Los sistemas se controlan
mediante analizadores de CO2 que garantizan una saturación
SI
constante de hasta 10 gramos de CO2 por litro de producto,
AS FÍ
medidores de conductividad, y grados Brix que aseguran una calidad
IC S
homogénea y constante del producto.
ÁT CIA
Normalmente el CO2 se produce en procesos de combustión,
EM IEN
fermentación o sub producto de otros procesos químicos, este gas
debe ser purificado para poder estar en contacto con productos
alimentarios. Para asegurar que las bebidas no se contaminan o no
AT C
adquieren sabores u otros cambios organolépticos, es así que el

M E
Y AD
Carbo-cooler utiliza tecnologías de filtración molecular de cuatro

etapas que eliminan contaminantes como el Benceno, Xileno, etanol,
sulfuros, etc.
EC
Estos sistemas se integran fácilmente con sistemas de mezcla en

T
IO
continuo, gracias a su automatización estándar compatible, lo que

hace innecesario conexiones eléctricas entre distintos equipos,
BL
funcionando el conjunto como una sola unidad, lo que facilita la

BI
operación del conjunto desaereación, mezclado filtración molecular y

carbonatación por un solo operador (Engineering, 2018).
23
d. Método para determinar la Carbonatación
Para hacer éste trabajo se necesita el siguiente equipo: Probador del

volumen de gas, donde tiene incorporado los indicadores de presión y
temperatura, tablas de volúmenes de gas.
- Ubique la botella en el probador y asegure la tasa de éste sobre la

tapa corona de la botella.
S
CA
- Cierre la válvula de descarga del aparato.
- Perfórese la tapa corona presionándola hacia abajo en el
SI
probador.
AS FÍ
- Redúzcase la presión abriendo la válvula de descarga hasta que
IC S
la aguja indicadora señale cero, entonces ciérrese la válvula
ÁT CIA
inmediatamente a fin de que no escape más gas.
Agítese vigorosamente la botella hasta que la presión y

EM IEN
-
temperatura máxima quede indicada en el manómetro.
AT C
- Finalmente obsérvese la lectura de la presión y temperatura

máximas y véase en la tabla de volúmenes de gas
M E
Y AD
seleccionándose la columna correspondiente a la presión y la

línea correspondiente de la temperatura y por último hágase una
EC
notación en el cuaderno de registro de pruebas.

T
4. Envasado del producto

IO
Según información de planta y nuestra experiencia la bebida

BL
debidamente carbonatada al salir del Carbo-Cooler pasa a la

BI
llenadora, en donde la bebida es envasada en sus diferentes

tamaños. El llenado se produce por una contra presión de aire, para
vencer la presión del producto carbonatado.
Este llenado se hace por medio de unas válvulas especiales que

trabajan rotativamente. Para que ingrese el producto a la llenadora, la
presión del Carbo-Cooler deberá ser mayor para poder trasvasar el
24
producto, hasta el nivel de la taza de la llenadora, de allí esta presión

se incrementa, es decir la presión resulta ser mayor en la llenadora,
para poder vencer la presión de aire que ingresa con las botellas
vacías.
Las botellas vacías, ingresan por un transportador, luego pasan por

unas estrellas-guías para luego ingresar a la llenadora, después el
S
aire es liberado mediante una válvula de venteo, luego se abre de
CA
forma automática la válvula de llenado, el cual el producto a través del
tubo de venteo y un arco difusor ingresa por las paredes evitando el
SI
burbujeo, luego se libera aire que aún tiene la botella con el producto
AS FÍ
y se sigue llenando hasta el nivel estándar, cerrándose
IC S
automáticamente la válvula de llenado.
ÁT CIA
Una vez llenado el producto, pasa por las guías de descarga, al
EM IEN
coronador, para su coronado hermético inmediato para evitar la
pérdida de gas.
AT C
Esta es la última fase en la fabricación de bebidas gaseosas, aquí el

M E
producto está completamente apto para salir al mercado.

Y AD
Según (Maldonado, 2012), En el caso de los envases de PET

EC
(Tereftalato de polietileno) o envases plásticos como se le conoce

comúnmente, deben de ser colocados en una máquina de
T
posicionado de envases, la cual se encarga de enfilarlos, colocarlos a

IO
todos con la boquilla hacia arriba y enviarlos al transportador aéreo

BL
que los envía a la máquina etiquetadora, en esta máquina se les

coloca la etiqueta distintiva de la marca y sabor.
BI
Los envases ya etiquetados se envían a la máquina que se encarga

de lavarlos por dentro y por fuera, con una solución de cloro que
garantice que están libres de microorganismos patógenos.
Los envases limpios se envían a la máquina llenadora, la cual toma el

producto terminado que le envía la máquina mezcladora y lo introduce
25
en las botellas, según el volumen de la presentación que se esté

trabajando, inmediatamente se le coloca su tapa rosca, la cual
previamente ha sido desinfectada.
El producto ya envasado se envía mediante bandas transportadoras a

la máquina que se encarga de formar paquetes o cajas de envases,
que pueden ser entre 6, 12 y 24 unidades dependiendo el volumen
S
del envase. Las cajas ya formadas se envían a una máquina que las
CA
ordena y coloca sobre paletas de madera o de plástico y que luego se
envían a la bodega mediante carros monta cargas. Estas paletas
SI
pueden contener entre 60 y 80 cajas según el volumen del envase y
AS FÍ
se utilizan para facilitar el traslado de la bodega a los camiones
IC S
repartidores, que se encargarán de llevar el producto hasta los puntos
ÁT CIA
de venta.
EM IEN
En el caso de los envases de vidrio retornables, estos vienen en cajas
de 12 unidades normalmente, una máquina se encarga de colocar las
cajas en una banda transportadora, que las envía a la
AT C
desempacadora, la cual saca los envases de las cajas y envía los

M E
Y AD
envases a la lavadora de botellas y las cajas a la lavadora de cajillas.

Los envases pasan por un lavado con agua caliente y soda caustica
(concentración de 2.0 a 2.5 %) a una temperatura de 85º C en
EC
promedio y una exposición de 20 a 40 minutos, para que desprendan

T
toda la suciedad que pudieran contener por dentro y por fuera. Los
IO
envases limpios pasan por una máquina inspectora. El inspector a

BL
través de lentes especiales de alta precisión detecta el estado de la

boquilla de la botella para determinar si se encuentra en buen estado
BI
o si se encuentra quebrada, si la boquilla esta defectuosa la máquina

la descarta y la quiebra para asegurar que nunca se volverá a usar.
Este inspector también chequea el fondo de la botella para determinar
si no contiene algún material en el interior.
Cuando las botellas han pasado la prueba, se les coloca el código de

producción y la fecha de caducidad y están listas para su llenado. La
26
máquina llenadora, agrega el volumen de producto y la tapa tipo

corona. Los envases llenos pasan por otro inspector, que verifica que
estén bien cerrados y que tengan el nivel adecuado de producto.
Para finalizar con el proceso, una máquina forma grupos de botellas y

las introduce en las cajillas que ya han sido lavadas. Éstas se mueven
a través de un transportador hasta llegar a una máquina que las
S
coloca sobre paletas de madera o de plástico y luego se envían a
CA
bodega de producto terminado.
SI
B. Maquinaria y Equipo
AS FÍ
a) Sistema de Transporte: (Fajas, rodillos, discos, placas eslabonadas,
IC S
etc.) que sirven para movilizar los cajones, envases, etc., en las fases de
ÁT CIA
éste proceso y puede estar impulsados por motores eléctricos, por
gravedad u otro medio.
EM IEN
b) Desencajonadoras: Son máquinas automáticas que extraen los

AT C
envases vacíos de los cajones y los deposita en los transportadores, que

a su vez los conduce a la lavadora.
M E
Y AD
c) Lavadora: Su función es lavar los envases, dejándolos listos para el

llenado, esto es limpios y estériles. Con tal fin, en los diferentes tipos de
EC
ésta máquina se utilizan generalmente soluciones de detergentes

T
calientes.
IO
d) Estaciones de Inspección de Envases: Existen estaciones para

BL
envases vacíos y para envases llenos, las primeras tienen por objeto
BI
descartar los envases defectuosos o con cuerpos extraños. La segunda,

o sea las posteriores al llenado, tiene la función de asegurar que llegue
al público los productos debidamente envasados eliminando aquellos
que tengan deficiencia en el llenado o presentación. Esto es, libre de
materia extraña, bebida clara (libre de sedimento, flocs, materia flotante,
etc.).
27
2.2. Teoría estadística
1. Modelo de regresión lineal
1.1. Generalidades
El análisis de regresión lineal múltiple es una técnica
estadística que es frecuentemente utilizado en Investigación,
sobre todo cuando se desea verificar la posible relación que
S
existe entre un grupo de variables independientes (predictoras o
CA
explicativas) y la variable dependiente de interés (Hernández,
SI
2010). De tal manera que al momento de determinar aquellas
AS FÍ
variables que explican o influyen en el comportamiento de la variable
dependiente, se crea en consecuencia uno o varios modelos que
IC S
representan la solución.
ÁT CIA
La ecuación general que representa al modelo teórico, es la
EM IEN
siguiente:
Yi  0  1 X1   2 X 2  ......   k X k  i i  1....n (2.1)

AT C
Donde:
M E
Y AD
0 : Intercepto
0 a k : Coeficientes de regresión parciales

EC
X1 a Xk : Variables matemáticas (no aleatorias)

T
i : Perturbación estocástica
IO
Yi : Variables aleatorias
BL
Esta relación funcional se conoce como hipótesis de linealidad.

BI
Además se establecen, en relación con el modelo, otro conjunto de

hipótesis referidas a la variable de perturbación y a la matriz de
regresoras:
28
Hipótesis
1. Y  X  u
2. E(u)  0
3. E(uu' )  U2 ·I
4. X matriz de regresoras no estocástica
5.   X   k  n
6. u  N (0, u2 )
S
CA
En el modelo estudiado se supone que se verifican las 6 hipótesis
anteriores, por lo que siempre se trabajará bajo el supuesto de un
SI
modelo de regresión lineal, normal, clásico.
AS FÍ
Los coeficientes que acompañan a la ecuación (2.1) son calculados
IC S
dentro del proceso estadístico. El método que se utiliza en dicho
ÁT CIA
proceso es Mínimos Cuadrados Ordinarios (OLS por sus siglas en
inglés), el cual permite minimizar la suma de los cuadros de las
EM IEN
distancias verticales entre los valores de los datos y los estimados a
través de la regresión; en consecuencia se minimiza el error o
AT C
residuos que puedan existir en la recta (Visauta, 2007); (Pérez,

M E
2009).
Y AD
Ahora bien, el modelo estadístico resultante considerado como

alternativa de solución, para que sea congruente y se acepte su
EC
validez, éste deberá cumplir con una serie de condiciones o

T
supuestos.
IO
BL
1.2. Supuestos del modelo de regresión lineal
Gran parte de los procesos estadísticos para su buena aplicación,

BI
hacen uso de algunas suposiciones estadísticas, estas suposiciones

son de mucha importancia porque determinará el éxito o el fracaso
del procedimiento estadístico aplicado, para la validez en la
aplicación y elaboración de pronósticos con la ecuación de regresión
lineal múltiple (Rodríguez M. , 2001).
29
De forma que, al efectuar aplicaciones prácticas del modelo de

regresión, nos veremos en la necesidad de examinar el ajuste de
nuestras observaciones con estos supuestos. Entiéndase: a)
linealidad, b) independencia de los errores, c) homocedasticidad, d)
normalidad, e) no colinealidad y f) el número de observaciones n
debe ser mayor que el número de parámetros por estimar (Gujarati,
2010). De acuerdo con el teorema de Gauss-Markov, el
S
cumplimiento de estos supuestos, son el prerrequisito para alcanzar
CA
los estimadores MELI (mejores estimadores linealmente
SI
insesgados).
AS FÍ
Los detalles con relación al concepto y las implicaciones de cada
IC S
supuesto se exponen a continuación:
ÁT CIA
a. Linealidad
EM IEN
Por linealidad se entiende a las siguientes formas que pueden definir
a una ecuación: a) linealidad en las variables y/o b) linealidad en
AT C
los parámetros. Como estos términos no son independientes,

M E
pueden cumplir con cualquiera de las combinaciones posibles entre

Y AD
la presencia y ausencia de linealidad tanto en las variables como en

los parámetros, tal como se resume en el cuadro siguiente:
EC
Linealidad en las variables

T
IO
No
Si
Sí y = βO + β1 X1 + ε y = βO+ β1 X12 + ε
BL
Linealidad en los
parámetros
BI
2 2 2
No y = β O + β1 X1 + ε y = βO+ β1 X1 + ε
De las dos interpretaciones de linealidad, se exige linealidad en los

parámetros para el desarrollo de los modelos de regresión lineal. Por
consiguiente, cuando se hace referencia al término regresión lineal
nos estamos refiriendo a una regresión lineal en los parámetros. Lo
30
cual significa que los parámetros (βO, β1) se elevan sólo a la primera
potencia. Aunque puede o no ser lineal en las variables explicativas
o predictoras (Abelson, 1998).
b. Independencia de los errores.
Se refiere a que los errores deben guardar cierta independencia, es
S
CA
decir, que no exista Autocorrelación entre ellos. El estadístico de
Durbin-Watson es el que proporciona información para verificar este
SI
supuesto.
AS FÍ
Un supuesto importante del modelo lineal clásico, es que no existe
IC S
autocorrelación o relación serial entre los errores. Si se viola este
ÁT CIA
supuesto tenemos
autocorrelación (Gujarati, 2010).
el problema de correlación serial o
EM IEN
Recordemos que los supuestos del modelo de los no autocorrelación
hacen referencias a las perturbaciones poblacionales que no son
AT C
directamente observables. Disponemos solamente de sus

M E
aproximaciones de los residuos, que se obtienen mediante el

Y AD
Método de los Mínimos Cuadrados.
Aunque los ei y lo Ui no son los mismos, están relacionados.

EC
Como consecuencia, si existe algún grado de autocorrelación entre

T
los Ui se reflejará en los ei. Por lo tanto, podrán examinar los ei en

IO
busca de posibles pistas de correlación serial en los Ui.

BL
Los métodos analíticos, proporcionan una prueba estadística para

BI
establecer si el patrón no aleatorio de los e i es estadísticamente

significativo. El más reconocido es estos métodos es el de la prueba
estadística DURBIN – WATSON (d).
El estadístico Durbin – Watson (d) se define así:
31
n
 (ei  ei 1)2
i 2
d n
(2.2)
 ei2
i 1
El procedimiento para llevar a cabo la prueba es la siguiente:
a) Corra la regresión de Mínimos Cuadrados y obtenga los residuos
S
“ei”.
CA
b) Calcule el valor de d (valor observado).
c) Encuentre los valores críticos dL y dU en la tabla para el tamaño
SI
de muestra y el número de variables explicatorias dadas.
AS FÍ
d) Si la hipótesis nula H0 es: no existe correlación serial positiva,
IC S
entonces si:
ÁT CIAd < dL
d > dU
:
:
Rechace H0
No Rechace H0
EM IEN
dL  d  dU : La prueba no es concluyente
AT C
e) Si la hipótesis nula H0 es: no existe correlación serial negativa,

entonces si:
M E
Y AD
d > 4 - dL : Rechace H0
d < 4 – dU : No Rechace H0
EC
4- dU  d  4 – dL : La prueba no es concluyente
T
f) Si H0 es de dos colas, es decir, no existe correlación serial

IO
positiva o negativa, entonces si:

BL
d < dL : Rechace H0
BI
d > 4 - dL : Rechace H0
dU< d < 4 – dU : No Rechace H0
dL  d  dU : La prueba no es concluyente
(Región de ignorancia)
4- dU  d  4 – dL : La prueba no es concluyente
(Región de ignorancia)
32
Es una gran desventaja para la prueba “d” si se cae en la zona de

indecisión o región de ignorancia, puesto que no es posible concluir
si existe o no la autocorrelación. En estos casos se debe recurrir a
otras pruebas u obtener otras cifras adicionales, o una muestra
diferente. Obsérvese además que el mínimo número de
observaciones requeridas para utilizar la tabla de Durbin – Watson
es 15 (Netter, 1990).
S
CA
c. Prueba de Homocedasticidad
(Netter, 1990), afirman que un supuesto importante del modelo de
SI
regresión lineal clásico consiste en que las perturbaciones o errores
AS FÍ
de la función de regresión poblacional son homocedásticas, esto es,
IC S
que todas tienen la misma varianza.
ÁT CIA
Cuando existe heterocedasticidad los
cuadráticos son insesgados y consistentes, mas no eficientes; es
estimadores mínimos
EM IEN
decir las varianzas de las estimaciones de los parámetros no son las
varianzas mínimas.
AT C
(Anderson, 1999), mencionan que la prueba de homocedasticidad

M E
de dos variables métricas se evalúa mejor gráficamente. La

Y AD
aplicación más común de esta forma de evaluación se produce en la

regresión múltiple, en relación con la dispersión de la variable
EC
dependiente a lo largo de las variables independientes métricas.

T
Dado que el eje del análisis de las regresiones el valor teórico, el

IO
grafico de residuos se usa para revelar la presencia de

homocedasticidad (o su opuesto, heterocedasticidad, desigual
BL
dispersión de la varianza).
BI
Esta prueba también podrá realizarse empleando el coeficiente de

correlación de Rango Sperman (rs) (*).
6 di2
rS  1 
n(n 2  1) (2.3)
33
Donde di es la diferencia en los rangos atribuidos a dos

características diferentes de i-ésimo individuo o fenómeno y n es el
número de individuos o fenómenos clasificados.
Suponga que:
Yi  0  1 X1   2 X 2  ......   k X k  i i  1....n
Etapa I.- Con la información ajuste la regresión de Y contra X y
S
CA
obtenga los residuos ei.
Etapa II.- Ignorando el signo de ei, es decir, tomando su valor
SI
absoluto ordene tanto /ei/ como X1, X2,....,Xk , en forma ascendente
AS FÍ
o descendente y calcule el coeficiente de correlación de rango de
IC S
Sperman dado anteriormente.
ÁT CIA
Etapa III.- Suponiendo que el coeficiente de correlación de rango de
la población  = 0 y n > 8, la significancia de la muestra rs puede
EM IEN
verificarse en la prueba “t” de la siguiente manera:

AT C
rS n  2
t ; con g.l  n  2 (2.4)
1  rS2
M E
Y AD
Si el valor calculado de “t” es mayor que el valor crítico de “t”,

podemos aceptar la hipótesis de heterocedasticidad; si, no debemos
EC
rechazarla. Si el modelo de regresión contiene más de una variable

X, rS puede calcular entre /ei/ y cada una de las X por separado y
T
IO
puede verificarse en cada caso, para ver su significancia estadística

por medio de la prueba “t”.
BL
(Anderson, 1999), mencionan que la prueba de homocedasticidad

BI
de dos variables métricas se evalúa mejor gráficamente. La

aplicación más común de esta forma de evaluación se produce en la
regresión múltiple, en relación con la dispersión de la variable
dependiente a lo largo de las variables independientes métricas.
Dado que el eje del análisis de las regresiones el valor teórico, el
grafico de residuos se usa para revelar la presencia de
34
homocedasticidad (o su opuesto, heterocedasticidad, desigual

dispersión de la varianza).
Análisis gráfico de la Homocedasticidad.- consiste en preparar un

diagrama de dispersión para los errores al cuadrado en el eje de las
ordenadas, y los valores pronosticados (yi) en el eje de las abscisas.
Si la nube de puntos presenta un patrón tendencial, se dice que
existe heterocedasticidad, en caso contrario existirá
S
CA
homocedasticidad.
SI
AS FÍ
d. Prueba de la Normalidad
Prueba de bondad de Kolmogorov-Smirnov
IC S
ÁT CIA
La regresión lineal múltiple supone que cada ei está distribuido
normalmente con media 0 y varianza constante σ2 y con una
EM IEN
correlación de los errores igual a cero y con covarianza igual a cero
(Gujarati, 2010).
AT C
Es apropiado únicamente para distribuciones continuas. La hipótesis

M E
a probar es que cierta función F(x) es la función de distribución de

Y AD
una población de la que se ha tomado una muestra X1, X2,..., Xk. Los
pasos son:
EC
a) Sea F(x) la función de distribución teórica acumulativa

completamente especificada bajo la hipótesis nula.
T
IO
b) Sea Sn(x) de f.d.a. muestral basada en n observaciones para

cualquier X observada, Sn(x) = k/n, donde k es el número de
BL
observaciones menores o iguales a X.

BI
c) Determinar la desviación máxima “D” definida por:

D = máx / F(x) - Sn(x)/ (2.5)
d) Si para el nivel de significancia escogido, el valor observado de

“D” es mayor o igual que el valor crítico (según tabla) la hipótesis
deberá ser rechazada.
35
Prueba de Shapiro- Wilk
El Test de Shapiro–Wilk se usa para contrastar la normalidad de un

conjunto de datos. Se plantea como hipótesis nula que una muestra
x1, ..., xn proviene de una población normalmente distribuida. Fue
publicado en 1965 por Samuel Shapiro y Martin Wilk. Se considera
uno de los test más potentes para el contraste de normalidad, sobre
S
todo para muestras menores de 50.
CA
Cuando p es mayor de 0.05, entonces, se acepta Ho, y se afirma
SI
que la variable en estudio sigue una distribución normal (Romero,
AS FÍ
2016).
IC S
ÁT CIA
EM IEN
AT C
M E
Y AD
T EC
IO
BL
BI
e. No Colinealidad
Este supuesto está relacionado, fundamentalmente, con los casos

de los análisis de regresión múltiple. Atendiendo al principio
fundamental de parsimonia, se espera que la incorporación de cada
36
variable independiente o predictora al modelo se dé porque

representa un valor agregado significativo en la definición del mismo
para la explicación del fenómeno de interés. Para cumplir con este
propósito se debe procurar que cada variable independiente sea
efectivamente algo “independiente” a las otras variables explicativas
que se agrega a la ecuación.
S
En este caso, estaremos en presencia de No colinealidad. Cuando
CA
no se cumple con este supuesto se habla de la presencia de
colinealidad de que las variables incluidas en el modelo están
SI
correlacionadas entre sí y resultan en un modelo redundante
AS FÍ
(Gujarati, 2010).
IC S
ÁT CIA
No-colinealidad, es decir la inexistencia de colinealidad. Esta puede
ser:
EM IEN
Colinealidad perfecta si una de las variables independientes tiene
una relación lineal con otra/as independientes,
AT C
Colinealidad parcial si entre las variables independientes existen

M E
Y AD
altas correlaciones.
Existe colinealidad perfecta cuando una de las variables

EC
independientes se relaciona de forma perfectamente lineal con una o

T
más del resto de variables independientes de la ecuación. Esto

IO
ocurre, por ejemplo, cuando se utilizan como variables

independientes en la misma ecuación las puntuaciones de las
BL
subescalas de un test y la puntuación total en el test (que es la suma

BI
de las subescalas y, por tanto, una combinación lineal perfecta de

las mismas). Hablamos de colinealidad parcial o, simplemente,
colinealidad, cuando entre las variables independientes de una
ecuación existen correlaciones altas. Se puede dar, por ejemplo, en
una investigación de mercados al tomar registros de muchos
atributos de un mismo producto; o al utilizar muchos indicadores
37
económicos para construir una ecuación de regresión. En términos

generales, cuantas más variables hay en una ecuación, más fácil es
que exista colinealidad (aunque, en principio, bastan dos variables).
La colinealidad es un problema porque, en el caso de colinealidad

perfecta, no es posible estimar los coeficientes de la ecuación de
regresión; y en el caso de colinealidad parcial, aumenta el tamaño
S
de los residuos tipificados y esto produce coeficientes de regresión
CA
muy inestables: pequeños cambios en los datos (añadir o quitar un
caso, por ejemplo) produce cambios muy grandes en los coeficientes
SI
de regresión. Esta es una de las razones por las que podemos
AS FÍ
encontrarnos con coeficientes con signo cambiado: correlaciones
IC S
positivas pueden transformarse en coeficientes de regresión
ÁT CIA
negativos (incluso significativamente negativos). Curiosamente, la
medida de ajuste R2 no se altera por la presencia de colinealidad;
EM IEN
pero los efectos atribuidos a las variables independientes pueden ser
engañosos (SPSSV18, 2010).
AT C
Por otra parte, como plantea (Hair, 1999), la Tolerancia se usa como
M E
Y AD
un indicador de protección ante la Multicolinealidad, en que se indica

el Factor de Inflación de Varianza (VIF en inglés), estando este
indicador muy por debajo de 10. (Valle., 2000), indica que valores
EC
del VIF mayores de 10, representan un potencial deterioro del

T
modelo por efecto de la Multicolinealidad, con los elementos dados,

IO
se pone en evidencia la no presencia de Multicolinealidad del

BL
modelo ajustado.
BI
La tolerancia es la proporción de la variación de cada variable

predictora que no es explicada por las otras variables, representa
una protección ante la Multicolinealidad. Si es cero indica que la
variable en cuestión es una combinación lineal perfecta de las otras
variables predictoras y si es uno indica total independencia (Hair,
1999).
38
Factores de inflación de la varianza: Como regla general debería

preocupar si los valores de VIF están por encima de 10.
Índice de condición: Si no hay multicolinealidad, estos índices no

deben superar el valor 15. Índices mayores de 15 podrían indicar
posible existencia de multicolinealidad. Si los índices superan el
valor en 30 hay un problema severo de multicolinealidad.
S
CA
Se analiza la magnitud de la multicolinealidad considerando el
tamaño de VIF. Si VIF>10, la multicolinealidad es alta (Kutner,
SI
Nachtsheim, & Neter, 2004).
AS FÍ
Se calcula el factor de inflación de la varianza para β con la
IC S
siguiente fórmula:
ÁT CIA
EM IEN
1
VIFi = ----------
1 – Ri2
AT C
M E
f. El número de observaciones n debe ser mayor que el número

Y AD
de parámetros por estimar.
Se espera que el número de observaciones n sea mayor que el

EC
número de variables explicativas (Montgomery, 2011).

T
IO
1.3. Métodos para Estimar sus Parámetros

BL
El método de mínimos cuadrados (M.C.) es uno de los mayores

BI
aportes del astrónomo y matemático Carl Friedrich Gauss, quien a

finales del siglo XVIII y principios del siglo XIX desarrolló la teoría de
los mínimos cuadrados para el estudio de los cuerpos celestes.
A partir de los supuestos antes expuestos en concordancia con el
clásico teorema de Gauss-Markov, el método en cuestión ofrece
importantes propiedades estadísticas que lo han convertido en uno de
39
los más eficaces y populares del análisis de regresión (Montgomery,

2011).
Para encontrar los estimadores mínimos cuadrados (M.C.) escribamos
primero el modelo de regresión población (M.R.L.P.)
M.R.L.P.
Yi  0  1 X1   2 X 2  ......   k X k  i i  1....n (2.6)
S
CA
Con E(i) = 0
V(i) = 2
SI
AS FÍ
M.R.L.M.
IC S
    
Y i   0   1 X1   2 X 2  ......   k X k  ei i  1....n (2.7)
ÁT CIA
Donde ei es el término residual, la contrapartida muestral del
EM IEN
término error estocástico i,
Matricialmente tenemos:
AT C
M.R.L.P. Y = X + U ; donde E(U) = 0, COV (U) = I2

M E
Y AD
 
M.R.L.M. Y  X  e (2.8)
Los estimadores mínimos cuadrados se obtienen minimizando e’e

EC
donde e es un vector de nx1.

T
 
IO
e' e  (Y  X  )' (Y  X  )
(2.9)
BL
  
 Y '2  ' X 'Y   ' X ' 
BI
Aquí hemos hecho uso de las propiedades de trasposición de

  
matrices, explícitamente ( X  )'   ' X ' y dado que  ' X 'Y es un

escalar (número real), igual a su transposición Y ' X  .

Luego derivando con respecto a  tendremos:
40
 e' e

0


( X ' X )   X 'Y , si la inversa de (X’X) existe, digamos

( X ' X )1 obtendremos   ( X ' X )1 X 'Y (2.10)

La varianza residual de  es: ( X ' X )1 2
S
(2.11)
CA
SI
2 e' e
La varianza residual:   , donde k+1 es el número de
AS FÍ
n  k 1
parámetros a estimarse.
IC S
ÁT CIA
Los estimadores mínimos cuadrados son insesgados de varianzas
mínimas (garantizado por el teorema de Gauss Márkov).
EM IEN
El Teorema de Gauss-Márkov establece los supuestos que debe
cumplir un estimador MCO (Mínimo Cuadrados Ordinarios) para que
AT C
se considere ELIO (Estimador lineal insesgado óptimo). El Teorema

M E
de Gauss-Márkov fue formulado por Carl Friedrich Gauss y Andréi

Y AD
Márkov.
Carl Friedrich Gauss y Andréi Márkov establecieron unos supuestos

EC
para que un estimador MCO pudiese llegar a ser ELIO.

T
IO
Si se cumplen estos 5 supuestos podemos afirmar que el estimador

es el de mínima varianza (más preciso) de entre todos los
BL
estimadores lineales e insesgados. En el caso de que falle alguno

BI
de los supuestos de los tres primeros (Linealidad, Media nula-

exogeneidad estricta o No multicolinealidad perfecta) el estimador
MCO deja de ser insesgado. Si solo fallan el 4 o el 5
(Homocedasticidad y No autocorrelación) el estimador sigue siendo
lineal e insesgado pero ya no es el más preciso. (Anderson, 1999).
41
1.4. Métodos Estadísticos para determinar la mejor ecuación de

Regresión Lineal.
Se tratará sobre el uso de procedimientos estadísticos específicos

para seleccionar variables en la regresión. Para seleccionar una
ecuación resultante se debe tener los siguientes criterios:
- Hacer útil la ecuación para propósitos predictivos necesitando incluir
S
en el modelo tantas Xs como sea posible, tal que los valores que
CA
puedan ser determinados sean confiables.
SI
- Debido a los gastos que demanda obtener información sobre un
AS FÍ
gran número de Xs y posteriormente probando estos, se estima la
ecuación de manera que incluya tan pocos Xs como sea posible.
IC S
El arreglo entre estos dos extremos es lo que usualmente se llama
ÁT CIA
selección de la mejor ecuación de regresión.
EM IEN
Para obtener la mejor ecuación de regresión no existe un
procedimiento estadístico único, al igual que la ecuación resultante
no es la misma en todos los procedimientos.
AT C
M E
1. Método de todas las posibles regresiones.

Y AD
2. Método de eliminación posterior.

3. Método de selección anterior.
EC
4. Método de regresión Stepwise.

De acuerdo a las condiciones del problema y por las ventajas que
T
presenta emplearemos el método de regresión Stepwise.

IO
BL
Método de regresión de Stepwise

BI
(Netter, 1990), mencionan que es un procedimiento para escoger los

mejores predictores que es una variante del procedimiento hacia
delante. Se trata de un procedimiento muy popular.
El procedimiento de regresión por pasos agrega al modelo una

variable independiente a la vez, paso a paso. Cuando se utiliza este
42
procedimiento, se puede manejar en la computadora un gran

número de variables independientes en una sola corrida.
Este método permite que las variables explicativas entren o salgan

de la función de regresión en diferentes etapas de su desarrollo. Una
variable independiente se elimina del modelo si ya no tiene una
contribución significativa cuando se agrega una nueva variable.
S
CA
La regresión Stepwise, forma una secuencia de regresiones
agregando o eliminando variables independientes en cada etapa, el
SI
criterio para agregar o eliminar una variable puede ser en base a
AS FÍ
estadísticas o en base a coeficientes de correlaciones parciales. El
procedimiento se puede resumir en lo siguiente: F*
IC S
ÁT CIA
Se calculan todas las regresiones simples para cada una de las k-1
variables independientes potenciales. Para cada una de las
EM IEN
ecuaciones de regresión simple se obtiene la estadística:
AT C
MSR(xk)
M E
F* = -------------
MSE(xk)
Y AD
La variable independiente con el mayor valor F* es considerada, si

EC
este valor F* excede aun nivel predeterminado, la variable

independiente debe ser considerada en la regresión, de otra manera
T
IO
el programa termina, considerándose que ninguna variable

independiente brinda la suficiente ayuda como para ser considerada
BL
en el modelo de regresión.
BI
Supongamos que x7 fue la variable independiente considerada para

entrar en la primera etapa, la rutina de regresión Stepwise ahora
calcula todas las regresiones con dos variables independientes
donde x7 es una de ellas. Para cada una de tales regresiones se
calcula la estadística:
43
MSR(x7)
F* = ---------------
MSE(x7)
Esta es la estadística que se utiliza para probar la hipótesis: Ho: βk =

0 cuando x7 y xk son las variables independientes del modelo, las
variables independientes con el mayor valor F* es considerada en la
segunda etapa. Si este valor F* excede a un nivel predeterminado,
S
se tiene la segunda variable a ser introducida en el modelo, de otra
CA
manera el programa termina.
SI
Supongamos que x3 fue la variable que es agregada en el segundo
AS FÍ
paso, ahora la rutina Stepwise examina si cualquiera de las otras
variables independientes que ya están en el modelo será eliminada.
IC S
ÁT CIA
En nuestra ilustración hay hasta en esta etapa solamente una
variable independiente en el modelo x7, de manera que solamente la
EM IEN
estadística:
MSR(x7/ x3)
AT C
F* = ---------------------
M E
MSE(x7/ x3)
Y AD
En las últimas etapas habrá un número mayor de estadísticas F*

para cada una de las variables en el modelo aparte de la última que
EC
ha sido considerada, la variable para el cual este valor F* es menor,

T
debe ser considerada, si este valor F* cae debajo de un límite

IO
predeterminado, la variable independiente debe ser eliminada del

modelo, en caso contrario debe der retenida.
BL
BI
Supongamos que x7 fue retenida, de manera que ambas x3 y x7

están consideradas en el modelo, ahora la rutina Stepwise examina
que variable independiente es la próxima candidata a ser agregada,
luego examina cuál de las variables independientes que están en el
modelo deben ser eliminadas y así sucesivamente hasta que no
exista variable independiente que pueda ser introducida o eliminada,
en este punto la búsqueda termina.
44
1.5. Estimación de Intervalos Confidenciales para los Parámetros

del Modelo.
La teoría de estimación consta de dos partes: estimación puntual y

estimación de intervalos. Sabemos ya, que si nuestro único
objetivo es, la estimación puntual de los parámetros del modelo de
regresión, el método de los mínimos cuadrados (C.M), que no hace
S
ningún supuesto respecto a la distribución de probabilidad de las
CA
perturbaciones ui será más que suficiente.
SI
Pero si además nuestro objetivo es tanto la estimación como la
AS FÍ
inferencia, entonces es necesario suponer que u i sigue alguna
distribución de probabilidad.
IC S
ÁT CIA
En estadística la confiabilidad de un estimador puntual se mide por
su error estándar o por su varianza. Por esta razón, en lugar de
EM IEN
confiar en la estimación puntual, únicamente, veremos, cual es la
probabilidad de que el estimador puntual se encuentre dentro de
cierto rango o intervalo alrededor del verdadero parámetro.
AT C
Simbólicamente será:
M E
Y AD
 
P(  E      E )  1   ; donde E  0 (2.12)
EC
El intervalo si existe, se conoce como Intervalo de Confianza, donde:

T
 : Es el estimador del Parámetro

IO
 : Es el parámetro poblacional
BL
1- : Se conoce como coeficiente de confianza

BI
: Se conoce como nivel de significancia

E : Límite de confianza inferior

E : Límite de confianza superior
45
Para construir intervalos confidenciales de un cierto parámetro hay

que determinar una función pivotal correspondiente a dicho
parámetro.
La ecuación (2.12) es un intervalo constituido de tal forma que tiene

una probabilidad específica de 1- de incluir dentro de sus límites el
verdadero valor del parámetro.
S
Estimación por intervalos de los parámetros  j
CA

Sabemos que:         N (  , ( X ' X )1 2 ) ; donde C  ( X ' X )1
SI
AS FÍ
Por tanto para una j determinada tendremos:
IC S

 j        N (  j , C jj 2 )
ÁT CIA
Sabemos además que:
EM IEN
2

(n  k  1) 2   n2 k 1

AT C
M E
 2
 y  Son independientes.
Y AD
Para construir intervalos confidenciales para un determinado j, j =

EC
0,1,..., k; debemos considerar la función pivotal:


T

(2.15)
IO
t(n-k-1)
2
 C jj
BL


BI
P(t / 2   t / 2 )  1  
2
 C jj
 2  2
 j  t / 2  C jj   j   j  t / 2  C jj (2.16)
46
1.6. Validez del modelo de regresión
El modelo de regresión puede ser validado utilizando casos nuevos.

Para ello, basta con obtener los pronósticos para esos casos nuevos
y, a continuación, calcular el coeficiente de correlación entre los
valores observados en la variable dependiente y los valores
pronosticados para esos casos nuevos. En teoría, el coeficiente de
correlación así obtenido debería ser igual al coeficiente de
S
CA
correlación múltiple del análisis de regresión (R). En la práctica, si el
modelo es lo bastante bueno, encontraremos pequeñas diferencias
SI
entre esos coeficientes, atribuibles únicamente al azar muestral. Es
AS FÍ
muy importante que los nuevos casos representen a las mismas
IC S
poblaciones que los casos originalmente utilizados para obtener la
ÁT CIA
ecuación de regresión.
En ocasiones, es posible que no tengamos acceso a nuevos datos o

EM IEN
que sea muy difícil obtenerlos. En esos casos, todavía es posible
validar el modelo de regresión si la muestra es lo bastante grande.
AT C
Basta con utilizar la mitad de los casos de la muestra

M E
(aleatoriamente seleccionados) para obtener la ecuación de

Y AD
regresión y la otra mitad de la muestra para efectuar los pronósticos.

Un modelo fiable debería llevarnos a obtener una correlación similar
EC
entre los valores observados y pronosticados de ambas mitades

(SPSSV18, 2010).
T
IO
BL
BI
47
III MATERIAL Y MÉTODOS
3.1. Tipo de investigación
El trabajo de investigación es explicativo predictivo.
3.2. Población de estudio:
S
3.2.1. Población:
CA
Es toda la Producción de una Planta embotelladora de la ciudad de
SI
Trujillo de bebidas gaseosas en envases de un litro.
AS FÍ
3.2.2. Muestra
IC S
ÁT CIA
Las muestras fueron seleccionadas aleatoriamente después de que
la máquina esté trabajando en condiciones normales sin ninguna
EM IEN
parada por fallas técnicas.
Las bebidas de un litro mantuvieron los mismos patrones de presión
y temperatura que las bebidas de 10 onzas, razón por lo que se
AT C
consideró trabajar con la bebida de un litro, obteniendo una muestra

M E
Y AD
diaria para un mes en estudio.
3.3. Unidad de análisis:

EC
Bebida gaseosa de un litro.

T
IO
3.4. Variables de estudio
3.4.1. Variable dependiente

BL
Comportamiento del volumen de gas (dm3 / min)

BI
Las cantidades de gas disueltas en la bebida se conocen como

volúmenes. Se dice que un líquido contiene un volumen de gas
cuando: un volumen de gas CO2 medido en condiciones estándar,
se disuelve en el mismo volumen del líquido.
48
3.4.2. Variables Independientes
a. Temperatura: F (Grados Fahrenheit):
La temperatura del líquido en la botella es obtenida por un

termómetro contenido en el probador de gas, la cual después de
observar es anotada en el registro. Nunca debe haber una gran
diferencia entre la temperatura de la botella, el jarabe y el agua
S
carbonatada. Una diferencia de no más de 15 a 20 °F rendirá una
CA
operación satisfactoria.
SI
La carbonatación de la bebida pasa esencialmente por tres etapas:
AS FÍ
a) Carbonatación del agua terminada, b) Pre – Carbonatación de la
mezcla y c) Carbonatación de la mezcla.
IC S
ÁT CIA
b. Presión: (libras / pulgadas2)
La presión contenida en la botella es obtenida por el manómetro

EM IEN
contenido en el probador del gas, el cual es una prueba que nos
indica el camino de la presión del Carbotroll y el Carbo-cooler. La
AT C
información obtenida es anotada en el registro.

M E
c. Carbotroll (Rotámetro): (libras / pulgadas2)

Y AD
La bebida antes de ingresar al carbonatador recibe la inyección de

CO2 en una pre-carbonatación, esta línea de gas es regulada por el
EC
Carbotroll, toda esta línea está gobernada por una válvula check
T
selenoide que trabaja paralelamente con la bomba y los indicadores

IO
de nivel. De esto resulta que el agua contiene cerca de un volumen

BL
de carbonatación antes de que entre a la carbonatadora principal. La

información de suministro de gas del Carbotroll es anotada en el
BI
registro.
d. Carbo-cooler: (dm3/min)
Es un equipo donde se produce la carbonatación de la bebida. Está

diseñado para obtener un producto uniformemente carbonatado,
mediante un enfriamiento eficiente de la mezcla y una presión de
gas constante. El producto obtenido en este equipo está
49
completamente gasificado y acto para ser envasado. La información

que se obtiene del manómetro que indica la cantidad del CO 2
suministrada al líquido es anotada en el registro.
3.5. Instrumentos
Para obtener el comportamiento de los datos se sugirieron utilizar los

siguientes métodos:
S
CA
- Selección de Variables mediante Stepwise
- Estimación de los parámetros de la ecuación de Regresión Múltiple
SI
mediante el Método de Mínimos Cuadrados.
AS FÍ
- Significancia individual de las variables regresoras mediante el
estadígrafo t.
IC S
-
-
ÁT CIA
Comprobación de supuestos del Modelo de Regresión Múltiple como:
Prueba de Correlación Serial mediante Durbin – Watson.
EM IEN
- Prueba de Homoscedasticidad mediante el diagrama de dispersión
de los residuos estandarizados.
Prueba de Normalidad mediante la prueba de Kolmogorov – Smirnov y la
AT C
-
prueba de Shapiro-Wilk.
M E
Y AD
3.6. Procedimientos
Para hallar el mejor conjunto de variables explicativas que influyen en el

EC
modelo que utiliza CINPSA, se utilizó el método de Stepwise el cual nos

permitió hacer estimaciones confiables acerca del rendimiento en la
T
IO
carbonatación y hacer comparaciones entre el rendimiento real, resultando

de estas una diferencia que se denomina errores aleatorios para el cual se
BL
comprobó si cumple con los siguientes supuestos:

BI
a) Aleatoriedad.
b) Normalidad.
c) Homoscedasticidad.
50
3.7. Tabulación y análisis
La información recolectada de manera cuantitativa fue ingresada al programa

Microsoft Excel, para su posterior análisis según los temas e ideas centrales
recolectados. Los resultados obtenidos fueron revisados y discutidos en un
primer momento por el autor y el asesor.
Los datos consignados en el instrumento fueron procesados siguiendo un
S
patrón de tabulaciones automatizadas.
CA
La hipótesis estadística que sirvió para verificar el problema puede expresarse
SI
como: El comportamiento del volumen de gas de bebidas gaseosas de un
AS FÍ
litro, en función de las variables explicativas seleccionadas, sigue el modelo
lineal de la forma:
IC S
ÁT CIA Yi  0  1 X1   2 X 2  Ei Donde:
EM IEN
Y : Comportamiento del volumen de gas.
X1 : Temperatura del líquido (°F).

AT C
X2 : Presión del líquido (libras / pulg2).

M E
Y AD
β0: es el término independiente. Es el valor esperado de Y

cuando X1, X2, son cero.
EC
β1: mide el cambio en Y por cada cambio unitario en X1,

manteniendo X2, constantes.
T
IO
β2: mide el cambio en Y por cada cambio unitario en X2,

manteniendo X1, constantes
BL
E i: es el error de observación debido a variables no controladas.

BI
51
IV. RESULTADOS
4.1. Presentación de las variables de estudio
Y : Comportamiento del volumen de gas.

X1 : Temperatura del líquido (°F).
X2 : Presión del líquido (libras / pulg2).
S
X3 : Carbotroll (libras / pulgadas2)
CA
X4 : Carbo-cooler (dm3 / min)
SI
AS FÍ
Figura 1: Base de datos de las variables en estudio ingresados al programa
SPSS
IC S
ÁT CIA
EM IEN
AT C
M E
Y AD
T EC
IO
BL
BI
Fuente: Base de datos de SPSS V25.
52
Figura 2: Estructura de las variables para el Comportamiento del volumen de

gas.
S
CA
SI
AS FÍ
IC S
4.2. Evaluación del modelo previo a la selección de variables
ÁT CIA
Figura 3: Secuencia para evaluar el método de regresión lineal múltiple
(Analizar > Regresión > Lineales)
EM IEN
AT C
M E
Y AD
T EC
IO
BL
BI
53
Figura 4: Variables ingresadas en la opción Regresión
S
CA
SI
AS FÍ
IC S
ÁT CIA
EM IEN
AT C
M E
Y AD
Tabla 1. Resultado del modelo previo a la selección de variables
Coeficientesa
EC
Coeficientes no Coeficientes
estandarizados estandarizados
T
Modelo B Desv. Error Beta t Sig.

IO
1 (Constante) 4.401 0.328 13.405 0.000

Temperatura -0.057 0.007 -1.348 -8.222 0.000
BL
Presión 0.078 0.009 1.404 9.002 0.000

Carbotroll -0.001 0.001 -0.192 -1.563 0.133
BI
Carbo-cooler 0.008 0.060 0.020 0.141 0.889

a. Variable dependiente: Vol. Gas
Como puede verse en el cuadro anterior, existe suficientes evidencias

estadísticas a un nivel = 0,05, para rechazar la Ho, por lo que se concluye que
al menos una de las variables independientes explica de manera significativa el
modelo analizado.
54
Esta tabla nos entrega los coeficientes que nos permiten interpretar el efecto de
cada una de las variables independientes sobre la dependiente y escribir la
ecuación de la regresión.
La constante corresponde a y nos indica el valor de la variable dependiente en

caso de que el valor de todas las variables independientes sea 0. Los B (no
confundir con Beta estandarizados) nos indican el efecto de cada una de la VI en
S
la VD, controlando por las demás VI, y corresponden a los β de la ecuación. Es
CA
importante tener presente que estos coeficientes son estimaciones, por lo cual
tienen asociado un error estándar a partir del cual es posible construir intervalos
SI
de confianza para los efectos (beta) poblacionales, lo cual en SPSS puede
AS FÍ
encontrarse en la pestaña estadísticos dentro de la función regresión lineal.
IC S
ÁT CIA
Podemos señalar por tanto que la ecuación del modelo es:
Y = 4,401 – 0.057*(TL) + 0,078*(PL) – 0,001*(Cbt) – 0,008(Cbc)

EM IEN
Donde:
AT C
Temperatura del líquido (TL)

M E
Presión del líquido (PL)

Y AD
Carbotrol (Cbt)
EC
Carbo-cooler (Cbc)
T
IO
Por último, el valor p (Columna Sig.) asociado al test T nos permite poner a
prueba la hipótesis nula de que el efecto de cada variable independiente es igual
BL
a cero. Al ser p<0,05 (con un 95% de confianza) rechazamos H 0 concluyendo que

BI
la VI influye en la VD.
Respecto de la interpretación de las variables podemos señalar que:
1) Por cada punto adicional en la temperatura del líquido, el volumen de gas

predicho por el modelo disminuye en -0,057 puntos, controlado por presión
del líquido, carbotrol y regulador de gas.
55
2) Por cada punto adicional en la presión del líquido, el volumen de gas

predicho por el modelo aumenta en 0,078 puntos, controlado por
temperatura del líquido, carbotrol y regulador de gas.
3) Por cada punto adicional en el carbotrol, el volumen de gas predicho por el

modelo disminuye en -0,001 puntos, controlado por temperatura del líquido,
presión del líquido y regulador de gas.
S
4) Por cada punto adicional en el regulador de gas, el volumen de gas
CA
predicho por el modelo disminuye en -0,008 puntos, controlado por la
temperatura del líquido, presión del líquido y el carbotrol.
SI
AS FÍ
Figura 5: Variables para ser evaluadas mediante el método Stepwise (Por
IC S
pasos)
ÁT CIA
EM IEN
AT C
M E
Y AD
T EC
IO
BL
BI
56
Tabla 2. Variables seleccionadas por el método Stepwise
Variables entradas/eliminadasa
Variables Variables
Modelo entradas eliminadas Método
1 Presión Por pasos
(Criterios:
Probabilidad-
de-F-para-
entrar <=
,050,
Probabilidad-
S
de-F-para-
CA
eliminar >=
,100).
SI
2 Temperatura Por pasos
(Criterios:
AS FÍ
Probabilidad-
de-F-para-
entrar <=
IC S
,050,
ÁT CIA Probabilidad-
de-F-para-
eliminar >=
,100).
EM IEN
AT C
M E
Tabla 3. Modelo y Coeficientes introducidos en el volumen de gas

Y AD
EC
Coeficientesa
T
IO

1 (Constante) 3.066 0.287 10.689 0.000
BL
Presión 0.026 0.010 0.461 2.548 0.018

2 (Constante) 3.969 0.183 21.647 0.000
BI
Presión 0.079 0.008 1.412 9.544 0.000

Temperatura -0.052 0.006 -1.222 -8.257 0.000
57
Tabla 4. Análisis de varianza para las variables entrantes
ANOVAa
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
b
1 Regresión 0.032 1 0.032 6.491 ,018
Residuo 0.118 24 0.005
Total 0.150 25
S
c
2 Regresión 0.120 2 0.060 46.416 ,000
CA
Residuo 0.030 23 0.001
Total 0.150 25
SI
b. Predictores: (Constante), Presión
AS FÍ
c. Predictores: (Constante), Presión, Temperatura
IC S
ÁT CIA
Tabla 5. Variables consideradas en el modelo
Coeficientes
a
EM IEN
1 (Constante) 3.969 0.183 21.647 0.000
AT C
Temperatura -0.052 0.006 -1.222 -8.257 0.000

M E
Presión 0.079 0.008 1.412 9.544 0.000

Y AD

T EC
Por lo tanto el modelo considerado es el siguiente:

IO
Y   0  1 X 1   2 X 2
BL
BI
Y  3.969  0.052 X 1  0.079 X 2
58
4.3. Evaluación de la significancia de las variables independientes en el

modelo
Prueba para la Variable X1 Temperatura
1. Hipótesis :
H0 : 1 = 0
S
H1 : 1  0
CA
2. Nivel de Significancia:  = 0.05
SI
g.l.= n – 2 = 24
AS FÍ
3. Estadístico de prueba:
IC S
ÁT CIA
EM IEN
4. Valor Tabular : t(0.95, 24) = 2.064 (Anexo 2)

AT C
M E
Y AD
5. Valor del Estadístico:


1 0.052
t0    8.257
EC
S 1 0.006
T
IO
6. Decisión:
/ t0 / > t/2, entonces se rechaza la hipótesis nula.
BL
BI
7. Conclusión:
Como t  8.257 excede el valor crítico de t = 2.064, se rechaza Ho. Por
tanto este coeficiente es significativo.
59
Prueba para la Variable X2 Presión de líquido
1. Hipótesis :
H0 : 2 = 0
H1 : 2  0
S
2. Nivel de Significancia:  = 0.05
CA
g.l.= n – 2 = 24
SI
3. Estadístico de prueba:
AS FÍ
IC S
ÁT CIA
EM IEN
4. Valor Tabular : t(0.95, 24) = 2.064 (Anexo 2)
AT C

M E

Y AD
2 0.079
t0    9.544
S 2 0.008
EC
6. Decisión:
T
/ t0 / > t/2, entonces se rechaza la hipótesis nula.

IO
BL
7. Conclusión:
BI
Como t  9.544 excede el valor crítico de t = 2.064, se rechaza Ho. Por
tanto este coeficiente es significativo.
60
Sabiendo ahora que las variables independientes obtenidas contribuyen

significativamente al modelo, entonces tendremos el siguiente modelo:
Y  3.969  0.052 X 1  0.079 X 2
S

1 : El volumen de Gas en la carbonatación de bebidas gaseosas
CA
disminuirá en -0.052 cada vez que la Temperatura aumente 1° F,
SI
manteniéndose constante la Presión
AS FÍ

2 : El volumen de Gas en la carbonatación de bebidas gaseosas
IC S
aumentará en 0.079 cada vez que la Presión aumente 1 lbs/pulg2,
ÁT CIA
manteniéndose constante la Temperatura.
EM IEN
AT C
M E
Y AD
T EC
IO
BL
BI
61
4.4. Supuestos del modelo de regresión
a. Supuestos de linealidad
Gráfico 1: Gráficos de regresión parcial para determinar el supuesto de

linealidad
S
CA
SI
AS FÍ
IC S
ÁT CIA
EM IEN
AT C
M E
Y AD
T EC
IO
BL
BI
Interpretación: Linealidad. Si no se tiene linealidad se dice que tenemos un error

de especificación. En el caso de que sean varias variables independientes, la
opción Analizar-Regresión Lineal-Gráficos-Generar todos los gráficos parciales
nos dan los diagramas de dispersión parcial para cada variable independiente. En
ellos se ha eliminado el efecto proveniente de las otras variables y así la relación
que muestran es la relación neta entre las variables representadas.
62
b. Supuestos de normalidad
Figura 6. Cuadro de diálogo para regresión lineal en la opción gráficos para

evaluar el histograma y gráfico de probabilidad
S
CA
SI
AS FÍ
IC S
ÁT CIA
EM IEN
AT C
M E
Y AD

T EC
IO
BL
BI
63
Gráfico 2: Histograma de los residuos estandarizados
S
CA
SI
AS FÍ
IC S
ÁT CIA
EM IEN
Interpretación: El histograma ofrece los residuos estandarizados con una curva

AT C
normal superpuesta. La curva se construye tomando una media de 0 y una

M E
desviación estándar de 1, es decir, la misma media y la misma desviación

Y AD
estándar que los residuos estandarizados.
En el histograma se puede observar, en primer lugar, que la parte central de la

distribución acumula casos representativos en una curva normal. En segundo
EC
lugar, la distribución de los residuos, por tanto, parece seguir un modelo de

probabilidad, de modo que los resultados del análisis se distribuyen normalmente.
T
IO
BL
BI
64
Gráfico 3: Gráfico de probabilidad normal de residuos estandarizados
S
CA
SI
AS FÍ
IC S
ÁT CIA
EM IEN
Interpretación: El gráfico de probabilidad de normalidad, permite obtener un

AT C
diagrama de probabilidad normal. En el eje de las abscisas está representada la

M E
probabilidad acumulada que corresponde a cada residuo tipificado o

Y AD
estandarizado. El de ordenada representa la probabilidad acumulada teórica que

corresponde a cada puntuación estándar en una curva normal con media 0 y
desviación estándar de 1. Cuando los residuos se distribuyen normalmente, la
EC
nube de puntos se encuentra alineada sobre la diagonal del gráfico. El gráfico de

probabilidad normal muestra información similar a la ya obtenida con el
T
histograma de los residuos estandarizados. No todos los puntos se encuentran

IO
alineados sobre la diagonal del gráfico, lo cual nos está avisando el posible
incumplimiento del supuesto de normalidad.
BL
BI
65
Figura 7. Cuadro de diálogo para determinar la hipótesis de normalidad
S
CA
SI
AS FÍ
IC S
ÁT CIA
EM IEN
AT C
M E
Y AD
T EC
IO
BL
BI
66
Tabla 6. Prueba de Kolmogorov-Smirnov y Shapiro-Wilk para evaluar la

normalidad de los residuales
Pruebas de normalidad
a
Kolmogorov-Smirnov Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Unstandardized 0.151 26 0.132 0.925 26 0.058
Residual
a. Corrección de significación de Lilliefors
S
CA
Interpretación: Se obtuvieron dos pruebas de significación de la normalidad:
Shapiro-Wilk y Kolmogorov-Smirnov. En general, se ofrece el estadístico de
SI
Shapiro-Wilk cuando el tamaño muestral es menor o igual de 50, además el
estadístico de Kolmogorov-Smirnov, refuerza nuestros resultados. Como la
AS FÍ
significancia asintótica no es significativo, se debe asumir que existe una
distribución normal.
IC S
ÁT CIA
Prueba de hipótesis para evaluar la normalidad con Kolmogorov-Smirnov
EM IEN
1. Hipótesis:
H0 : Los errores aleatorios del modelo obtenido siguen una Distribución Normal
AT C
H1 : Los errores aleatorios del modelo obtenido no siguen una Distribución

M E
Y AD
Normal
Los pasos de la prueba son:

EC
- Sea F(x) la función de distribución teórica acumulada completamente

especificada bajo la hipótesis nula.
- Sea Sn(x) la función de densidad acumulada muestral, basada en n
T
observaciones para cualquier x observada, Sn(x) = k/n, donde k es el

IO
número de observaciones menores o iguales a k.

- Determinar la desviación máxima “D” definida por
BL
D  máxima / F0 ( X )  S N ( X ) /
BI
2. Nivel de Significancia:  = 0.05, n = 26
3. Estadístico:
D  máxima / F0 ( X )  S N ( X ) /
67
4. Valor Tabular: Dt = 0.264 (Anexo 3)
D  máxima / F0 ( X )  S N ( X ) / = 0.151
6. Decisión:
D (0.151) es menor que Dt (0.264), entonces la Hipótesis nula no se rechaza.
S
CA
7. Conclusión:
SI
Los errores aleatorios del modelo obtenido siguen una Distribución Normal.
AS FÍ
IC S
ÁT CIA
Prueba de hipótesis para evaluar la normalidad con Shapiro Wilk
1. Hipótesis:
EM IEN
H₀: Los errores aleatorios del modelo no siguen una distribución normal
AT C
H₁: Los errores aleatorios del modelo siguen una la distribución normal
M E
2. Nivel de Significancia:  = 0.05, n = 26

Y AD
3. Estadístico:
T EC
IO
BL
4. Valor Tabular: W(0.95;26) = 0.92 (Anexo )

BI
W = 0.925
68
6. Decisión:
Como el valor W = 0.925 es mayor al valor esperado W(0.95;26) = 0.92 se rechaza

Ho, por lo tanto se concluye que se tiene una confianza del 95% de que los
errores se distribuyen normalmente.
7. Conclusión:
S
Los errores aleatorios del modelo obtenido siguen una Distribución Normal.
CA
SI
AS FÍ
c. Supuestos de autocorrelación (Decisión para Durbin-Watson)
IC S
ÁT CIA
Figura 8. Cuadro de diálogo para determinar la autocorrelación
EM IEN
AT C
M E
Y AD
T EC
IO
BL
BI
69
Tabla 7. Prueba de Durbin – Watson para evaluar la autocorrelación de los

errores en el modelo estimado
Resumen del modelob
Error
R cuadrado estándar de Durbin-
Modelo R R cuadrado ajustado la estimación Watson
a
1 ,895 0.801 0.784 0.03594 2.351
a. Predictores: (Constante), Presión, Temperatura
S
b. Variable dependiente: Vol. Gas
CA
SI
Figura 9. Hipótesis y estadístico de Durbin- Watson para analizar la
Autocorrelación de los errores en el modelo estimado.
AS FÍ
IC S
ÁT CIA
EM IEN
AT C
M E
Y AD
T EC
IO
1. Prueba de hipótesis de autocorrelación

BL
Ho: No existe autocorrelación
H1: Autocorrelación
BI
dw = 2.351
N = 26
dl = 1.00
du = 1.31
Como du < dw < 4 – du, entonces de acepta Ho

70
2. Valor Tabular:
No existe Autocorrelación
autocorrelación negativa
Autocorrelación
positiva
Indecisión Indecisión
Rechazar Ho Aceptar Ho Rechazar Ho
S
CA
0 dl du 2 4 - du 4 – dl 4
0 1.00 1.31 2 2.69 3 4
SI
AS FÍ
3. Estadístico:
IC S
n
 (e  e
ÁT CIA dw  i 2
e
i
n
2
i
i 1 )2
EM IEN
i 1
dw  2.351
AT C
M E
5. Decisión:
Y AD
1.31 < dw < 2.69, entonces Ho no se rechaza

EC
6. Conclusión:
T
Los errores aleatorios del modelo obtenido no están autocorrelacionados. De

IO
las tablas de Durbin-Watson (Anexo 4) se tiene que para 26 observaciones y 2

BL
variables explicativas excluyendo el término de intersección, d l = 1.00 y du =

1.31 aproximadamente, a un nivel de significación del 5%. Puesto que el valor
BI
estimado de 2.351 se encuentra dentro del rango 1.31 < dw < 2.69, entonces
aceptamos la hipótesis nula de no existencia de autocorrelación en los
residuos.
71
d. Evaluación de la homocedasticidad
Figura 10. Descripción gráfica para evaluar la homocedasticidad
S
CA
SI
AS FÍ
IC S
ÁT CIA
EM IEN
AT C
M E

Y AD
Nota:
ZPRED: (pronósticos tipificados): pronósticos divididos por su desviación típica.

EC
Son pronósticos transformados en puntuaciones Z (media cero y desviación típica

1).
T
ZRESID (residuos tipificados): residuos divididos por su desviación típica. El

IO
tamaño de cada residuo indica el número de desviaciones típicas que se aleja de

BL
su media, de modo que, si están normalmente distribuidos (cosa que se asume en

el análisis de regresión). El 95% de estos residuos se encontrará en el rango (-
BI
1.96, 1.96), lo que permite identificar fácilmente casos con residuos grandes.
72
Gráfico 4: Gráfico de dispersión para determinar la homocedasticidad del

modelo de regresión
S
CA
SI
AS FÍ
IC S
ÁT CIA
EM IEN
AT C
M E
Interpretación: El supuesto de igualdad de varianza implica que la variación de

Y AD
los residuos debe de ser uniforme en todo el rango de valores pronosticados. O lo

que es lo mismo, que el tamaño de los residuos es independiente del tamaño de
los pronósticos, de donde se desprende que el diagrama de dispersión no debe
EC
de mostrar ninguna pauta de asociación entre los residuos y los pronósticos. Para
obtener un diagrama de dispersión con las variables ZPRED y ZRESID.
T
En el diagrama de dispersión se observa que aunque los residuos y los

IO
pronósticos parecen ser independientes (la nube de puntos no sigue ninguna

pauta de asociación clara, ni lineal ni de ningún otro tipo), no está claro que las
BL
varianzas sean homogéneas. Más bien, parece que a medida que van
aumentando el valor de los pronósticos va disminuyendo de los residuos.
BI
73
e. Evaluación de la colinealidad del modelo de regresión
Figura 11. Tabla de diálogo para determinar la colinealidad del modelo
S
CA
SI
AS FÍ
IC S
ÁT CIA Fuente: Base de datos de SPSS V25.
Tabla 8. Determinación de los estadísticos de colinealidad

EM IEN
Coeficientesa
Coeficientes
AT C
Coeficientes no estandariza Estadísticas de

estandarizados dos colinealidad
M E
Modelo B Desv. Error Beta t Sig. Tolerancia VIF

Y AD
1 (Constante) 3.969 0.183 21.647 0.000

Temperatura -0.052 0.006 -1.222 -8.257 0.000 0.394 2.536
Presión 0.079 0.008 1.412 9.544 0.000 0.394 2.536
EC
a. Variable dependiente: Gas carbónico del Líquido en dm3/mina

Interpretación: VIF (factor de inflación de varianza), para cada una de las
T
variables independientes, se acerca a 1 y no es superior a 10 (esto sucede si R

IO
excede de 0.90) y sugiere que la multicolinealidad no es un problema para estas

variables.
BL
Tabla 9. Diagnóstico de colinealidad

BI
Diagnósticos de colinealidada
Proporciones de varianza
Índice de
Modelo Autovalor condición (Constante) Temperatura Presión
1 1 2.998 1.000 0.00 0.00 0.00
2 0.001 50.342 0.75 0.01 0.28
3 0.000 89.141 0.25 0.99 0.72
74
4.5. Estimación de intervalos de los coeficientes de regresión
Figura 12. Determinación de los intervalos de confianza de los coeficientes
S
CA
SI
AS FÍ
IC S
ÁT CIA
EM IEN
AT C
M E
Y AD
EC

T
IO
Tabla 10. Intervalos de confianza de los coeficientes al 95% de confianza

BL
a
Coeficientes
BI
Modelo Coeficientes no 95.0% intervalo de

estandarizados confianza para B
Error Límite Límite

B estándar t Sig. inferior superior
Constante 3,969 ,183 21,647 ,000 3,590 4,348
Temperatura -,052 ,006 -8,257 ,000 -,065 -,039
Presión ,079 ,008 9,544 ,000 ,062 ,096
a. Variable dependiente: Gas carbónico del Líquido en dm3/min
75
Intervalo Confidencial para temperatura del líquido: 1
 0.065  1  0.039 .........................(1)
La interpretación de este intervalo de confianza es: dado un coeficiente de

confianza del 95%, a largo plazo, en 26 de cada cien casos, intervalos como (-
0,065; -0,039) contendrán el verdadero 1 . Como se advirtió antes, obsérvese
S
CA
que no se puede decir que la probabilidad de que el intervalo específico (-0,065 ; -
0,039) contenga el verdadero 1 de 95% porque este intervalo es ahora fijo y no
SI
aleatorio; por consiguiente 1 se encontrará o no dentro de él.
AS FÍ
Intervalo Confidencial para la presión del líquido: 2
IC S
ÁT CIA 0.062   2  0.096 .................(2)
La interpretación de este intervalo de confianza es: dado un coeficiente de

EM IEN
confianza del 95%, a largo plazo, en 26 de cada cien casos, intervalos como
(0,062 ; 0,096) contendrán el verdadero  2 . Como se advirtió antes, obsérvese
AT C
que no se puede decir que la probabilidad de que el intervalo específico (0,062 ;

M E
0,096) contenga el verdadero  2 de 95% porque este intervalo es ahora fijo y no

Y AD
aleatorio; por consiguiente  2 se encontrará o no dentro de él.

EC
4.6. Validación del modelo

T
Para la validación del modelo se consideró una muestra seleccionada en un mes

IO
después de recogida la muestra consignada en el estudio. Se compararon

BL
estadísticos de regresión y correlación a fin de encontrar similitud entre ambos

BI
resultados.
b
Resumen del modelo preliminar
Error
R cuadrado estándar de
Modelo R R cuadrado ajustado la estimación
a
1 ,895 0.801 0.784 0.03594
76
b
Resumen del modelo de validación
Error
R cuadrado estándar de
Modelo R R cuadrado ajustado la estimación
1 a
,703 ,494 ,450 ,04446
S
CA
SI
ANOVAa del modelo preliminar
Suma de Media
AS FÍ
Modelo cuadrados Gl cuadrática F Sig.
b
1 Regresión 0.120 2 0.060 46.416 ,000
IC S
Residuo 0.030 23 0.001
Total
ÁT CIA
0.150 25
b. Predictores: (Constante), Presión, Temperatura

EM IEN
Significancia conjunta de los parámetros del modelo fue evaluado mediante la

prueba F = 46.416
AT C
Ho: 1  0 el modelo no es explicativo

M E
Y AD
H1: 1  0 el modelo es explicativo

EC
A un nivel de confianza del 95% (1 – α =0.95)

T
se rechaza Ho si F = 46.416 ≥ F0.05;2,23 = 3.42 (Tabla 5)

IO
ANOVAa del modelo de validación

BL
Suma de Media
Modelo cuadrados Gl cuadrática F Sig.
BI
1 Regresión b
,044 2 ,022 11,239 ,000
Residuo
,045 23 ,002
Total
,090 25
b. Predictores: (Constante), Presión, Temperatura
Prueba conjunta de las variables del modelo de regresión lineal múltiple. Para
apreciar si existe regresión lineal múltiple entre la variable respuesta y cualquiera
77
de las variables independientes en forma conjunta, se ha sometido a la prueba de

F, siendo significativo.
Como puede verse en el cuadro anterior, existe suficientes evidencias

estadísticas a un nivel  = 0.05, para rechazar la Ho, por lo que se concluye que
al menos una de las variables independientes explica de manera significativa el
modelo analizado.
a
Coeficientes del modelo preliminar
S
CA
SI
1 (Constante) 3.969 0.183 21.647 0.000
AS FÍ
Temperatura -0.052 0.006 -1.222 -8.257 0.000
Presión 0.079 0.008 1.412 9.544 0.000
IC S
ÁT CIA Coeficientes del modelo de validación

a
EM IEN
AT C

1 (Constante)
3,324 ,370 8,993 ,000
M E
Temperatura
Y AD
-,022 ,009 -,442 -2,559 ,018

Presión
,055 ,012 ,819 4,739 ,000
T EC
IO
BL
BI
78
V. DISCUSIÓN
En las tablas se muestran los resultados de las variables influyentes en el

comportamiento del volumen de gas, el método que se utilizó fue el Stepwise y
luego de realizar los diferentes pasos sucesivos a través del programa SPSS22 ,
las variables incluidas que resultaron significativas fueron Temperatura del
líquido (°F) y Presión del líquido (lbs/ pulg2), mientras que las variables
S
excluidas fueron los tipos de Carbotroll (libras / pulgadas2) y Carbo-cooler (dm3 /
CA
min) el motivo por el cual las variables Carbotroll y Carbo-cooler no fueron
SI
significativos podría explicarse a que los valores de las variables tienden a ser
constantes.
AS FÍ
El modelo estimado para el comportamiento del volumen de gas fue el siguiente:
IC S
ÁT CIA Y  3.969  0.052 X 1  0.079 X 2 donde

EM IEN
1 : El volumen de Gas en la carbonatación de bebidas gaseosas disminuirá
en -0.052 cada vez que la Temperatura aumente 1° F, manteniéndose
AT C
constante la Presión
M E

2 :
Y AD
El volumen de Gas en la carbonatación de bebidas gaseosas

aumentará en 0.079 cada vez que la Presión aumente 1 lbs/pulg2,
manteniéndose constante la Temperatura.
EC
En el desarrollo del modelo, se verificó y probó el cumplimiento de los supuestos

T
básicos como son la normalidad, homocedasticidad, autocorrelación y

IO
multicolinealidad, las pruebas que sustentaron estas validaciones fueron la

BL
Kolmogorov-Smirnov, diagrama de dispersión de los residuos estandarizados,

BI
Durbin Watson y el factor de inflación de varianzas (VIF). Todos los supuestos

fueron cumplidos.
En el análisis del comportamiento del volumen de gas, en los parámetros:

Comportamiento del volumen de gas y temperatura del líquido, todos los valores
considerados en la muestra están dentro de los niveles de especificación
propuestos por la empresa.
79
VI. CONCLUSIONES
1. De los resultados obtenidos de las regresoras que contribuyen de manera

significativa al modelo, se propone que el modelo de regresión lineal múltiple
que más se ajusta está representado de la siguiente manera:
S
2. En el análisis de regresión lineal múltiple para el comportamiento del
CA
volumen de gas en la carbonatación de bebidas gaseosas, se
SI
determinaron mediante la prueba de Stepwise por su significancia las
AS FÍ
siguientes variables de producción: Temperatura del líquido (°F). y
Presión del líquido (libras / pulg2), con un coeficiente de determinación
IC S
de R2 = 80.1%.
ÁT CIA
3. En lo que corresponde a la significancia conjunta, para apreciar si existe
EM IEN
regresión lineal múltiple entre la variable Volumen de gas y cualquiera de las
variables independientes en forma conjunta, se sometió a la prueba F, siendo
AT C
significativo (F = 46.416 ≥ F0.05;2,23= 3.42). Además, se realizó la validación del

modelo considerando una muestra adicional del registro de control, donde se
M E
Y AD
encontró semejanzas en cuanto a regresión y correlación.
4. Al analizar los supuestos del modelo de regresión lineal múltiple se encontró

EC
linealidad en los parámetros y las variables; la multicolinealidad no es un

problema para el modelo. En lo que respecta a la independencia de los
T
IO
errores se encontró que no existe autocorrelación entre los residuos, además

los errores aleatorios del modelo obtenido siguen una distribución normal.
BL
Para la homocedasticidad en el diagrama de dispersión se observa que la

BI
nube de puntos no siguen una pauta de asociación clara, ni lineal, ni de

ningún otro tipo.
5. Se realizó las estimaciones de la respuesta media y de predicción, para que

sea un uso de modelo predictivo.
80
VII. RECOMENDACIONES
1. Capacitación frecuente del personal en el manejo de maquinarias y equipos

de prueba.
2. Mantenimiento preventivo en la calibración de los equipos y maquinaria a
S
fin de evitar desajustes en la presión y temperatura lo que trae como
CA
consecuencia el incremento o disminución del volumen de gas.
SI
3. Verificar el agua tratada con los estándares permitidos a fin de que al
AS FÍ
momento de mezclarse con el CO2 pueda adherirse un volumen de gas y
IC S
así obtener agua carbonatada adecuada a los requerimientos de la
ÁT CIA
producción, antes de la mezcla con el jarabe.
EM IEN
AT C
M E
Y AD
T EC
IO
BL
BI
81
VIII. REFERENCIAS BIBLIOGRÁFICAS
Abelson, R. (1998). La estadística razonada: reglas y principios. Barcelona:

Paidós.
Anderson, R. H. (1999). Análisis Multivariante . (5ta. ed.). España: Prentice Hall

Iberia.
Bernstein, A. (2009). Importancia de la microbiología en embotelladora de
S
CA
refrescos. (http://es.scribd.com/doc/22440155/eq-2-bebidas-gaseosas-
microbiologia, Ed.) Zaragoza: Facultad de estudios superiores.
SI
Bohlander, G., Sherman, A., & Snell, S. (2002). Administración de recursos
AS FÍ
humanos (12 ed.). Madrid: Thomson.
IC S
Coguanor, N. (1982). Bebidas Gaseosas. Aguas Gaseosas con y sin sabor.
ÁT CIA
Especificaciones. . Guatemala.
Colquichagua & Franco, E. (1994). Cartilla de procesamiento de alimentos. (I.

EM IEN
Británica, Ed.) Perú: Intermedie Technology Development Group (ITDG).

AT C
Dessler, G. (2001). Administración de personal (8va ed.). México: Prentice Hall

M E
Hispano Americana.
Y AD
Elsevier. (2010). Tablas estadísticas. (F. d. Barcelona, Ed.) Barcelona, España:

Departamento de Bioestadística. .
EC
Engineering, M. p. (2018). Carbonatador. Equipamiento y tecnología.

T
https://www.machinepoint.com/foodtechnologies/machinery.nsf/beverage_t
IO
echnology/carbonatador.html.
BL
Fernández , M. (1995). Analisis y descripción de puestos de trabajo: teoria,

métodos y ejercicios. Madrid: Diaz de Santos.
BI
Greathouse, D. E. (2018). Critical Values for the Durbin-Watson Statistic.

(http://www.spstechnical.com/tabledw01.htm, Ed.) SPS Technical Service.
Guevara, A. y. (2015). Bebidas carbonatadas. (F. d. Alimentarias, Ed.) Perú:

Universidad Nacional Agraria La Molina. .
Gujarati, D. N. (2010). Econometría. México: McGraw-Hill.
82
Hair, J. A. (1999). Analisis Multivariate. (H. Iberia, Ed.) Madrid, España: Practice.
Hernández, R. F. (2010). Metodología de la Investigación. (5a. Edición. ed.).

McGraw Hill .
Kutner, M. H., Nachtsheim, C. J., & Neter, J. (2004). Applied Linear Regression
Models (4th edición ed.). McGraw-Hill.
Leal Millán, A. (1999). El factor humano en las relaciones laborales. Madrid:
S
Pirámide.
CA
Maldonado, E. (2012). Estudio de pre factibilidad para la implementación de un
SI
laboratorio de análisis fisicoquímico en la planta de producción de una
AS FÍ
fábrica de bebidas carbonatadas. Guatemala : Universidad de San Carlos
de Guatemala.
IC S
ÁT CIA
Montgomery, D. C. (2011). Introduction to Linear Regression Analysis (5th ed.).
(https://doi.org/10.1198/tech.2007.s499, Ed.) Technometrics .
EM IEN
Montoya, B. (2015). Elaboración de bebida carbonatada a base de mango criollo,
su análisis sensorial, bromatológico y nutricional. San Salvador:
AT C
Universidad Dr. José Matías Delgado. Facultad de Agricultura e

M E
Investigación Agrícola. “Julia Hill de O´Sullivan. .

Y AD
Netter, J. &. (1990). Applied Linear Statistical Models. ( 3ª Ed. ed.). (R. D. Irwin.,
Ed.) Boston .
EC
OMS. (2004). Medición del Cloro Residual en el Agua. Ginebra: Organización

T
Mundial de la Salud .
IO
Pérez, C. (2009). Técnicas de análisis de datos con SPSS15. (Pearson., Ed.)

BL
Universidad complutense de Madrid.

BI
Rodríguez, J. (2013). Estudio de pre factibilidad técnica y económica de la

implementación de una nueva tecnología de carbonatación por contactor
de membrana en sustitución de un equipo convencional en una planta de
bebidas carbonatadas. (E. d. Guatemala, Ed.) Universidad de San Carlos
de Guatemala, Guatemala: Facultad de Ingeniería.
83
Rodríguez, M. (2001). Análisis de Regresión Múltiple. Estadística Informática:

Casos Y Ejemplos Con El SPSS. https://doi.org.
Rojas, P. (2002). Planeamiento de la producción de bebidas gaseosas mediante

la simulación. Descripción del proceso productivo. (U. N. –UNMSM, Ed.)
Lima, Perú: Tesis Ingeniero Industrial. .
Romero, M. (2016). Metodología de la investigación. Pruebas de bondad de ajuste
S
a una distribución normal (Vols. 6:3 (105-114)). Revista Enfermería del
CA
Trabajo.
SI
SPSSV18. (2010). Programa SPSS. Análisis de regresión lineal. .
AS FÍ
halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/GuiaSPSS/18reglin.p
df.
IC S
ÁT CIA
Tello, E. A. (2004). Introducción a la Tecnología de los Alimentos. Puno, Perú.
Valle., D. (2000). La Multicolinealidad en Modelos de Regresión Lineal Múltiple.

EM IEN
Propuesta de solución. (U. A. (UNAH), Ed.) San José de las Lajas, Cuba:
Tesis en opción al título de Máster en Matemática Aplicada a las Ciencias
AT C
Agropecuaria.
M E
Varnam, A. &. (1997). Bebidas. Tecnología, Química y Microbiología. Zaragoza,

Y AD
España: Serie Alimentos Básicos 2. .
Visauta, B. &. (2007). Análisis estadístico con SPSS. Estadística multivariante.

EC
(Vol. Vol. II.). España: . McGraw-Hill. /Interamericana de España.

T
Yunuen, N. (2018). Parámetros que determinan la perdida de volumen de CO2

IO
durante la vida de anaquel en las bebidas gaseosas. Informe para obtener

BL
el título de ingeniero de alimentos.

BI
84
ANEXOS
ANEXO 1: Ficha de recolección de datos
Día Hora Temperatura Presión Vol. Gas Carbotrol Carbo-cooler
S
CA
SI
AS FÍ
IC S
ÁT CIA
EM IEN
AT C
M E
Y AD
T EC
IO
BL
BI
Temperatura: F (Grados Fahrenheit)

Presión: libras / pulgadas2
Volumen de Gas: dm3 / min
Carbotroll: libras / pulgadas2
Carbo-cooler: dm3 / min
85
ANEXO 2: Tabla de distribución t de Student
S
CA
SI
AS FÍ
IC S
ÁT CIA
EM IEN
AT C
M E
Y AD
T EC
IO
Fuente: (Elsevier, 2010) Tablas estadísticas. Departamento de Bioestadística.

BL
Facultad de Medicina. Universidad Autónoma de Barcelona.

BI
86
ANEXO 3: Tabla para evaluar la prueba de Kolmogorov-Smirnov
S
CA
SI
AS FÍ
IC S
ÁT CIA
EM IEN
AT C
M E
Y AD
T EC
IO
BL
BI
Fuente: (Elsevier, 2010) Tablas estadísticas. Departamento de Bioestadística.

Facultad de Medicina. Universidad Autónoma de Barcelona.
87
ANEXO 4: Tabla del test estadístico de Durbin-Watson
S
CA
SI
AS FÍ
IC S
ÁT CIA
EM IEN
AT C
M E
Y AD
Fuente: (Greathouse, 2018) Critical Values for the Durbin-Watson Statistic.

T EC
IO
BL
BI
88
ANEXO 5: Tabla de la distribución F
S
CA
SI
AS FÍ
IC S
ÁT CIA
EM IEN
AT C
M E
Y AD
Fuente: (Elsevier, 2010). Tablas estadísticas. Departamento de Bioestadística.

Facultad de Medicina. Universidad Autónoma de Barcelona
T EC
IO
BL
BI
89
ANEXO 6: Tabla de Shapiro - Wilk
S
CA
SI
AS FÍ
IC S
ÁT CIA
EM IEN
AT C
M E
Y AD
T EC
IO
Fuente: (Elsevier, 2010). Tablas estadísticas. Departamento de Bioestadística.

BL
Facultad de Medicina. Universidad Autónoma de Barcelona

BI
90
ANEXO 7: Tabla de datos para la validación del modelo
Volumen2 Temperatura Presión

3.786 47 28
3.774 49 29
3.817 48 29
3.743 48 28
3.786 47 28
S
3.891 48 30
CA
3.86 47 29
3.829 46 28
SI
3.817 48 29
3.934 47 30
AS FÍ
3.903 46 29
3.977 46 30
IC S
ÁT CIA 3.798
3.712
3.817
45
47
48
27
27
29
EM IEN
3.829 46 28
3.755 46 27
3.798 45 27
AT C
3.786 47 28
3.798 45 27
M E
3.841 44 27
Y AD
3.903 46 29
3.829 46 28
3.872 45 28
EC
3.798 45 27
3.829 46 28
T
IO
BL
BI
91
ANEXO 8: Tabla de datos del Estudio Original
Botellas Coca cola Litro Registradas en Mayo del 1991
Día Hora Temperatura Presión Vol. Gas Carbotroll Carbo-cooler

02 – 7:30 am 46 29 3.9 150 3.3
03 – 10:00 am 49 30 3.8 150 3.3
04 – 7:55 am 51 30 3.7 150 3.3
06 – 12:05 pm 49 29 3.7 150 3.3
S
07 – 7:30 am 48 29 3.8 150 3.4
CA
08 – 7:50 am 49 31 3.9 150 3.4
09 – 7:50 am 46 28 3.8 150 3.4
10: - 7:30 am 48 30 3.8 150 3.3
SI
11 – 4:30 pm 49 30 3.8 150 3.4
13 – 5:30 pm 46 29 3.9 175 3.3
AS FÍ
14 - 3:50 pm 45 28 3.9 175 3.2
15 – 4:50 pm 48 31 3.9 175 3.2
16 – 4:45 pm 46 28 3.8 175 3.2
IC S
17 – 3:25 pm 48 28 3.8 150 3.2
18 – 4:40 pm
20 – 12:05 pm
21 – 5:20 pm
ÁT CIA 47
47
46
28
29
26
3.7
3.8
3.6
175
175
175
3.2
3.0
3.0
22 – 12:00 m 45 27 3.8 150 2.8
EM IEN
23 – 10:00 am 46 27 3.7 175 3.0
24 – 7:35 am 44 27 3.8 175 3.0
25 – 7:50 am 44 27 3.8 175 2.9
27 – 10:05 am 46 29 3.9 175 2.9
AT C
28 – 7:55 pm 45 27 3.8 170 3.0

29 – 1:55 pm 44 27 3.8 170 3.0
M E
30 – 7:45 am 45 27 3.8 175 3.0

Y AD
31 – 7:50 pm 46 27 3.7 175 3.0

Temperatura: F (Grados Fahrenheit)
Presión: Libras / pulgadas2
Volumen de Gas: dm3 / min
EC
Carbotroll: libras / pulgadas2

Carbo-cooler: dm3 / min
T
IO
BL
BI
92
El proceso de
elaboración
S
CA
de Coca-Cola
SI
AS FÍ
IC S
ÁT CIA
EM IEN
AT C
M E
Y AD
T EC
IO
BL
BI
93
Tratamiento de agua
El agua es uno de los principales ingredientes de nuestras bebidas. El agua pasa por un tratamiento multibarrera para
adecuarse a los requerimientos de la Organización Mundial de la Salud, legislaciones locales y nacionales y a los estándares
establecidos por The Coca-Cola Company. Cada una de las fases de tratamiento de aguas es monitoreada por rigurosos
controles de Calidad.
S
CA
DE
SI
AGUA
AS FÍ
IC S
ÁT CIA
EM IEN
AT C
M E
Y AD
T EC
IO
BL
Tanto el azúcar como el dióxido de carbono que serán incluidos enla bebida son sometidos a un control de calidad a la
recepción que verifica que todos los lotes recibidos en la planta de fabricación son aptos para formar parte de nuestras
BI
bebidas.
94
Elaboración de jarabe simple

El agua tratada en la fase anterior es mezclada con azúcar en cantidades adecuadas en función de la fórmula
obteniendo así el jarabe simple, el cual es pasteurizado y filtrado eliminando así cualquier impureza o
contaminación microbiológica.
S
CA
SI
AS FÍ
IC S
ÁT CIA
EM IEN
AT C
M E
Y AD
2
T EC
IO
BL
BI
95
Elaboración de jarabe terminado

Al jarabe simple se le agrega el concentrado (definido para cada fórmula), que es proporcionado por The Coca-Cola
Company.
S
CA
SI
AS FÍ
IC S
ÁT CIA
SIMPLE
EM IEN
3 AT C
M E
Y AD
T EC
IO
BL
BI
96
TERMINADO
Elaboración de la bebida terminada

El Agua Tratada y el Jarabe terminado se dosifican en proporciones adecuadas en un depósito de mezcla.
S
AGUA TRATADA
CA
SI
AS FÍ
BEBIDA SIN GAS
IC S
ÁT CIA
JARABE
TERMINADO
EM IEN
CO2 CARBONATADOR
AT C
M E
Y AD
La bebida sin gas (agua-jarabe) es impulsada por una bomba al
carbonatador donde la bebida obtiene su toque final de
carbonatación (en caso de tratarse de bebidas carbonatadas).
EC
En este punto la bebida es ya considerada Bebida Terminada y
T
es enviada directamente a la llenadora.

IO
TERMINADA
BL
BI
97
Proceso de envasado
1. Despaletizado:
Las cajas con botellas vacías provenientes del mercado son
S
colocadas en una cinta transportadora de cajas.
CA
2. Desencajonado:
SI
Las cajas con botellas vacías pasan por una desencajonadora, la cual
extrae las botellas de la caja y las coloca en una cinta transportadora.
AS FÍ
Aquí se unirán, cuando sea necesario, con botellas nuevas
provenientes del proveedor de vidrio (que habrán pasado por un
IC S
control de recepción exhaustivo que confirma su aptitud para
ÁT CIA
contener nuestras bebidas).
3. Inspección Pre-lavado:
EM IEN
El operario de la lavadora realiza un control visual de botellas donde
retirará todas aquellas que estén defectuosas, sean de otro modelo
diferente al que se está llenando, estén muy sucias o con objetos en el
AT C
interior de difícil extracción, o estén dañadas.
M E
Y AD
T EC
IO
BL
BI
98
Proceso de envasado
4. Lavado:
El proceso de lavado de lasbotellas consta de tres fases:
S
- Prelavado
CA
- Lavado, con dos baños de agua a 65º y
detergente específico
SI
- Aclarado, con tres enjuagues para
AS FÍ
asegurar que no quede ningún resto de
IC S
detergente
ÁT CIA
5. Inspección electrónica:
EM IEN
Después del lavado, el 100% de las botellas se inspecciona mediante la
más avanzada tecnología para detectar cualquier anomalía y retirar la
AT C
botella defectuosa de la línea.
M E
Y AD 6. Llenado:
Ahora llega el momento de llenar las botellas vacías con la variedad
EC
correspondiente de Coca-Cola y cerrarlas herméticamente con su
chapa.
T
IO
BL
BI
99
Proceso de envasado
7. Inspección de Post-Llenado:
Las botellas llenas y perfectamente tapadas son inspeccionadas para verificar que el
S
nivel de llenado y contenido neto cumplen con lo especificado en los estándares de
CA
TCCC y la legislación aplicable vigente.
SI
8. Codificado:
AS FÍ
Una vez que se ha llenado el envase, éste es codificado en forma automática con la
fecha de consumo preferente, línea de producción y día y hora de llenado.
IC S
ÁT CIA
9. Encajonado y Paletizado:
EM IEN
Las botellas ya llenas e inspeccionadas pasan por una encajonadora donde son
colocadas dentro de las cajas. Estas cajas son posteriormente dispuestas en el
palet.
AT C
M E
Y AD 10. Almacenaje:
Los palets son identificados y codificados y posteriormente son apilados
ordenadamente protegidos bajo techo, a la espera de ser distribuidos por los
EC
camiones.
T
IO
BL
BI
100
S
Proceso de envasado
CA
SI
AS FÍ
11. Transporte y Distribución:
Los palets son cargados en los camiones para ser
IC S
distribuidos a los clientes.
ÁT CIA
12. Control de calidad:
EM IEN
Para poder garantizar la máxima calidad de nuestros
productos, cada fase del proceso productivo, así como la
recepción de ingredientes y envases primarios, es
inspeccionada y controlada meticulosamente para asegurar el
AT C
cumplimiento en todo momento con los estándares de Calidad
DE
y seguridad alimentaria de The Coca-Cola Company.
Además, una vez puestos los productos en el mercado,
TCCC ha implantado un sistema de monitoreo de la
calidad de nuestros productos a través de un programa de
CA
muestreo y análisis de parámetros tanto organolépticos
como fisicoquímicos definidos para cada producto
TE
M
terminado puesto en el mercado.
The Coca-Cola Company dispone de un Servicio de
Atención al consumidor en la sede central de Madrid, a
IO
Y
través del cual se mantiene una constante comunicación

directa con los consumidores, contribuyendo de este
BL
modo en el proceso de mejora continua de nuestro

sistema.
BI
101
S
CA
SI
AS FÍ
IC S
ÁT CIA
EM IEN
AT C
DE
CA
TE
M
IO
Y
BL
BI
102

FRIAS QUESQUÉN, Carlos Heriberto

Cargado por

Información del documento

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

FRIAS QUESQUÉN, Carlos Heriberto

Cargado por

Copyright:

Formatos disponibles

Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT

UNIVERSIDAD NACIONAL DE TRUJILLO

FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

ESCUELA ACADÉMICO PROFESIONAL DE ESTADÍSTICA

PARA OPTAR EL TÍTULO PROFESIONAL DE

MODELO ESTADÍSTICO DEL COMPORTAMIENTO DEL

GASEOSAS - MAYO 1991

AUTOR: FRÍAS QUESQUÉN, CARLOS HERIBERTO

ASESORA: Dra. ROSA ADRIANA CHU CAMPOS

padres, a través de su apoyo

permitieron en mi ser una persona

A mí amada familia: Otilia,

Campos, por su orientación,

estudiante y en este último

informe que me ayuda a

A mi jurado de tesis por su ayuda y

Señores Miembros del Jurado:

En cumplimiento con las disposiciones del Reglamento de Grados y Títulos

posteriores en la calidad de las bebidas gaseosas.

Trujillo, Octubre del 2018

El presente trabajo de investigación se realizó en una empresa

En el análisis de regresión lineal múltiple para el comportamiento del

volumen de gas en la carbonatación de bebidas gaseosas, se determinaron,

por su significancia, las siguientes variables: Temperatura del líquido (°F). y

= 80.10% y el modelo representado de la siguiente manera:

Al analizar los supuestos del modelo de regresión lineal múltiple se encontró

linealidad en los parámetros y las variables; la multicolinealidad no es un

problema para el modelo. En lo que respecta a la independencia de los

errores se encontró que no existe autocorrelación entre los residuos,

by their significance: Temperature of the liquid (° F) and liquid Pressure

(pounds / in2), with a coefficient of determination of R2 = 80.10% and the

model represented as follows:

When analyzing the assumptions of the multiple linear regression model,

linearity was found in the parameters and variables; Multicollinearity is not a

homoscedasticity in the scatter diagram it is observed that the cloud of points

Keywords: Pressure, temperature, carbotrol, carbo-cooler, gas volume,

II. MARCO TEÓRICO ...................................................................................................... 14

2.2. Teoría estadística ............................................................................................... 28

3.2. Población de estudio: .......................................................................................... 48

3.3. Unidad de análisis: ........................................................................................... 48

3.4. Variables de estudio ............................................................................................ 48

3.5. Instrumentos ...................................................................................................... 50

3.7. Tabulación y análisis ........................................................................................... 51

4.6. Validación del modelo ......................................................................................... 76

1.1. Realidad problemática

La industria nacional de fabricantes de bebidas gaseosas se ha

agua de mesa de 10 onzas, el cual estos productos salen al mercado bajo

un estricto control de calidad dada por la Superintendencia de Planta y

según los requerimientos del público consumidor el cual da como resultado

En el Departamento de Control de Aseguramiento de la Calidad, Sección de

Control de Embotellado es donde se realiza algunas fases de control del

producto tales como control de lavadoras, control de porcentaje de soda

llenado, control de tapas coronas, control de brix, etc., el cual en nuestro

Debido a la gran acogida que tiene el producto en el mercado, tanto de 10

1.2. Antecedentes del problema

(Rodríguez J. , 2013) en un estudio sobre pre factibilidad técnica y

por contactor de membrana en sustitución de un equipo convencional en una

de agua y la presión de dióxido de carbono sobre los volúmenes de

flujo de agua y los volúmenes de dióxido de carbono, para cada presión de

dióxido de carbono utilizada. Esto se evaluó mediante el coeficiente de

Se evaluó la carbonatación en los productos de cada carbonatador al

comparar las dos carbonatadoras, se utilizó productos con el mismo volumen

Sobre el porcentaje de ácido carbónico se obtuvo valores promedio de 7,22

(Montoya, 2015) en la investigación sobre elaboración de bebida