TABLA B2 DATOS DE PRUEBAS DE ENERGIA SOLAR TÉRMICA

Y X1 X2 X3 X4 X5

257.9 875.15 34.46 34.14 16.28 11.31

263.9 909.45 34.6 34.85 16.06 11.96
266.5 905.55 35.38 35.89 15.93 12.58
229.1 756 35.85 33.53 16.6 10.66
239.3 769.35 35.68 33.79 16.41 10.85
258 793.5 35.35 34.72 14.17 11.41
257.6 801.65 35.04 35.22 15.92 11.91
267.3 819.65 34.07 36.5 16.04 12.85
267 808.55 32.2 37.6 16.19 13.58
259.6 774.95 34.32 37.89 16.62 14.21
240.4 711.85 31.08 37.71 17.37 15.56
227.2 694.85 35.73 37 18.12 15.83
196 638.1 34.11 36.76 18.53 16.41
278.7 774.55 34.79 34.62 15.54 13.1
272.3 757.9 35.77 35.4 15.7 13.63
267.4 753.35 36.44 35.96 16.45 14.51
254.5 704.7 37.82 36.26 17.62 15.38
224.7 666.8 35.07 36.34 18.12 16.1
181.5 568.55 35.26 35.9 19.05 16.73
227.5 653.1 35.56 31.84 16.51 10.58
253.6 704.05 35.73 33.16 16.02 11.28
263 709.6 36.46 33.83 15.89 11.91
265.8 726.9 36.26 34.89 15.83 12.65
263.8 697.15 37.2 36.27 16.71 14.06

Y: FLUJO TOTAL DE CALOR (KWATTS)

INSOLULACIÓN (WATTS/M2)
POSICIÓN DEL FOCO EN DIRECCIÓN ESTE (PULGADAS)
POSICION DEL FOCO EN DIRECCIÓN SUR (PULGADAS)
POSICIÓN DEL FOCO EN DIRECCIÓN NORTE (PULGADAS)
HORA DEL DIA
La variable dependiente Y es explicada por la variable independiente x1,x2,x3,x4,x5.
Analizando la correlación entre las variables independientes, se puede deducir que no es el
mejor modelo, debido a que existe una alta correlación entre varias de estas, es decir, se
debe cambiar el modelo.
Y= B0 + B3*X3

Y= B0 + B3*X3+ B4*X4

Y= B0 + B4*X4 + B3*X3 + B2*X2

Y= B0 + B4*X4 + B3*X3 + B2*X2 + B1*X1

Una de las variables que se destacan en la realización del ejercicio es la variable X3. Por ende,
decidimos optar por esta variable para llevar a cabo el cuarto modelo.

Model Summarye
Model R R Square Adjusted R Std. Error of the
Square Estimate

1 .944a .892 .887 18.9059

b
2 .959 .919 .911 16.7505
c
3 .966 .934 .924 15.5008
d
4 .981 .961 .953 12.1277

Podemos concluir que en el cuarto modelo es aceptado el R, esto debido a que su valor esta
por encima de estipulado (0.8). En este caso él es 0.981 es explicada en un 74% por la
variable X1,X2,X3,X4

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 64665.339 1 64665.339 180.917 .000b

1 Residual 7863.494 22 357.432

Total 72528.833 23
Regression 66636.693 2 33318.346 118.749 .000c
2 Residual 5892.140 21 280.578
Total 72528.833 23
Regression 67723.350 3 22574.450 93.953 .000d
3 Residual 4805.483 20 240.274
Total 72528.833 23
Regression 69734.270 4 17433.567 118.529 .000e

4 Residual 2794.564 19 147.082

Total 72528.833 23

Para el tercer modelo concluimos que es eficiente , esto se debe a que el valor de
significancia esta por debajo de 0.05.
Se toma la decisión de cambiar el cuarto modelo, ya que su valor del FIV es mayor a 10,
por lo que se considera que posee una alta colinealidad, la cual sobrepasa los parámetros
aceptados para la realización del ejercicio por el segundo modelo.
Se toma la decisión de cambiar el tercer modelo, ya que su valor del FIV es mayor a 10, por
lo que se considera que posee una alta colinealidad, la cual sobrepasa los parámetros
aceptados para la realización del ejercicio por el segundo modelo.

Variables Entered/Removeda

Model Variables Variables Method

Entered Removed

POSICIÓN DEL
FOCO EN
DIRECCIÓN
1 ESTE . Enter
(PULGADAS),
INSOLULACIÓN
(WATTS/M2)b
a. Dependent Variable: FLUJO TOTAL DE CALOR
(KWATTS
b. All requested variables entered.

Y = B0+ B2*X2
Y= B0 + B1*X1 + B2*X2

Model Summaryb

Model R R Square Adjusted R Std. Error of the

Square Estimate

1 .959a .919 .911 16.7505

a. Predictors: (Constant), POSICIÓN DEL FOCO EN DIRECCIÓN

ESTE (PULGADAS), INSOLULACIÓN (WATTS/M2)
b. Dependent Variable: FLUJO TOTAL DE CALOR (KWATTS

Podemos concluir que en el segundo modelo es rechazado el R, esto debido a que su valor
esta por debajo de estipulado (0.8). En este caso el es 0.959

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 66636.693 2 33318.346 118.749 .000b

1 Residual 5892.140 21 280.578

Total 72528.833 23

a. Dependent Variable: FLUJO TOTAL DE CALOR (KWATTS

b. Predictors: (Constant), POSICIÓN DEL FOCO EN DIRECCIÓN ESTE (PULGADAS),
INSOLULACIÓN (WATTS/M2)

Se considera que el modelo es eficiente debido a que la SCR es mayor a la SCE .y que su
nivel de signficancia esta por debajo de 0.05
Se toma la decisión de elegir el primer modelo ya que explica mejor la variable dependiente Y y
además de esto haciendo una revisión de los datos expuestos en la tabla, se puede deducir que tiene
una colinealidad baja
.Es de destacar que su valor del FIV es de 7.342, por lo que se considera que posee un colinealidad
baja, estando dentro de los parámetros aceptados para la realización del ejercicio por el segundo
modelo.
Y= B0 + B1*X1+B2*X2
Y= -0.660 + 0.218*X1 + 2.433*X2 ------- Ecuación de la recta
COMPROBACIÓN DE LOS SUPUESTOS
Se comprueba el primer supuesto, ya que, la varianza no esta constante, por tanto hay
homogeneidad

Descriptives

Statistic Std. Error

Mean 0E-7 2.25002564

95% Confidence Interval for Lower Bound -4.6545327

Mean Upper Bound 4.6545327

5% Trimmed Mean .4959703

Median 2.0426327

Variance 121.503

Unstandardized Residual Std. Deviation 11.02282947

Minimum -29.22971

Maximum 18.57419

Range 47.80390

Interquartile Range 13.12611

Skewness -.710 .472

Kurtosis .693 .918

Se comprueba el segundo supuesto, ya que el valor de su media es igual a cero

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

Unstandardized Residual .118 24 .200* .964 24 .532

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

En este caso el nivel de significancia esta por ecinma del valor estipulado (0.05) lo que indica
que está en la region aceptada, por lo que se prueba el tercer supuesto el cual plantea que los
errores son normales
Según podemos visualizar en el gráfico, se cumple el cuarto supuesto, puesto que los errores
están dentro de los limites, por ende, hemos de concluir que es un modelo de errores aleatorios