Ejemplo #2: Rendimiento de un proceso productivo en función de la temperatura

En una planta quimica se sintetiza un producto que es utilizado

posteriormente como conservante de productos enlatados. El
rendimiento del proceso depende de la temperatura. Se dispone de
los siguientes datos.

T(°C) 150 160 170 180 190 200 210

R(%) 35.5 37.8 43.6 45.7 47.3 50.1 51.2

Se considera un rendimiento optimo el que va de 38.5 a 45, por lo

que la planta trabaja a 175°C. Si la temperatura de trabajo cae a
162°C por una avería, ¿Sera el proceso satisfactorio hasta que sea
reparada?

T(°C) 160 170 180 R

R(%) 37.8 43.6 45.7 60
50
T(°C) 162 40
R(%) 39.256 30
20
10
0
140 150 160 170

El resultado obtenido nos indica que a la temperatura de 162

°C la producción no se ve tan afectada ya que sigue
produciendo en el rango permitido entre 38.5 y 45, por lo
cual mientras se hace la reparación de la avería no habría una
perdida significativa ya que la producción no se detuvo en
ningún momento.
 calidad 1 2 3 4 5 6 7
% de graduados 7.2 6.7 17 12.5 6.3 23.9 6
ingreso-mediana 4.2 4.9 7 6.2 3.8 7.6 4.4

% de graduados 6 6.3 6.7 7.2 10.2 12.5 17

ingreso-mediana 4.4 3.8 4.9 4.2 5.4 6.2 7

% de graduados 10.2 12.5 17

ingreso-mediana 5.4 6.2 7

% de graduados 13
ingreso-mediana 6.3389031

A un porcentaje 13 el ingreso-mediana es de 6.3

aproximadamente, lo cual nos indica que por cada
13% de alumnos egresados tenemos una mediana de
ingreso del 6.3 para esta otra ciudad.
 ingreso-media
8
7
6
5
4
3
2
8 1
0
10.2 5 10 15 20 25
5.4

23.9
7.6
 Encontrar el polinomio interpolador de Lagrange que mejor ajusta para
determinar la distancia cuando la precipitación es de 43, dada la siguiente
información.

Precipitación 52.7 90.9 33.8 56.8 36.4 54.8

Distancia 33 27 45 44 46 41

Precipitación 33.8 36.4 52.7 54.8 56.8 90.9

Distancia 45 46 33 41 44 27

Precipitación 33.8 36.4 52.7

Distancia 45 46 33

Precipitacion 43
Distancia 44.7405335

p p 1 p p 2  p p o p p 2 

Recordando la formula px  fp o  p o  p 1 p o  p 2 
 fp 1  p 1  p o p 1  p 2 

p 36.4p 52.7 p 33.8p 5

Sustituimos pp  45 33.8 36.433.8 52.7
 46 36.4 33.836.
Obtenemos nuestro p 36.4p 52.7 p 33.8p 52.7 p 33
polinomio 45 33.8 36.433.8 52.7  46 36.4 33.836.4 52.7  33 52.7 33

sustituimos nuestro valor de

precipitacion buscado y obtenemos 4. 775 543  6. 254 8  10  2 43 2  44. 954 
nuestro resultado de distancia
 Formula

p p o p p 2  p p o p p 1 

p 1  p 1  p o p 1  p 2 
 fp 2  p 2  p o p 2  p 1 

p 33.8p 52.7 p 33.8p 36.4

46 36.4 33.836.4 52.7
 33 52.7 33.852.7 36.4
 52.7 p 33.8p 36.4
6.4 52.7
 33 52.7 33.852.7 36.4  4. 775 5p  6. 254 8  10  2 p 2  44. 954

43 2  44. 954  44. 741

 En la siguiente tabla se observan los datos recopilados por un gerente de ventas en los reportes anuales y en
años de experiencia.

Vendedor Años de experiencia Ventas mensuales (miles)

1 1 90
2 3 97
3 4 92 a)
4 5 102
(a) Trace el diagrama de dispersión para estos datos, con lo años de experiencia
v
como la variable independiente. 98
(b) Formule una ecuación estimada de regresión con lo que se puedan predecir
las ventas anuales, dado los años de experiencia.
96
(c) Use la ecuación estimada de regresión para predecir las ventas anuales de un
vendedor con 2 años de experiencia.
94

92
años de experiencia 1 3 4
ventas mensuales 90 97 92 90

Años de experiencia 2 88
Ventas mensuales 96.3333333333333
86
Ventas anuales 1156 0.5 1 1.5

b) y c)

Recordando la formula

E p 1 E E 2  E E

Sustituimos pE  fE o  E o  E 1 E o  E 2 
 fE 1  E 1  E
Obtenemos nuestro polinomio E 3E 4 E 1E 4 E 1E 3
90 1 31 4
 97 3 13 4
 92 4 14 3

89 17 289
sustituimos nuestro valor de añps de experiencia
buscado para obtener nuestra venta mensual. 6
2  6
2 2  78  3
 96. 3

El resultado anterior representa la venta mensual a los 2 años de

experiencia por lo cual para obtener nuestro valor de venta anual
multiplicamos el resultado por los 12 meses del año, obteniendo
96. 33312  1156. 0
ortes anuales y en

ventas mensuales
98

96

94

92

90

88

86
0.5 1 1.5 2 2.5 3 3.5 4 4.5

E E 2  E E o E E 2  E E o E E 1  E 3E 4

 fE 1   fE 2  = pE  90 1 31 4

Eo E 2 E 1  E o E 1  E 2  E 2  E o E 2  E 1 

E 1E 4 E 1E 3 89 17

3 13 4
 92 4 14 3
 6
E 6
E 2  78

2 289
 78  3
 96. 333

33312  1156. 0
 E 3E 4 E 1E 4 E 1E 3
90 1 31 4
 97 3 13 4
 92 4 14 3