1.

Se mide el flujo másico m(g/s) como función de la temperatura T(°C)

m T √T
14.76 10 3.162
20.14 20 4.472
27.73 40 6.325
38.47 80 8.944

Hay razones para creer que m varía linealmente con la raíz cuadrada de T

𝑚=𝑏+𝑎√𝑇
Use un ajuste lineal para verificar la relación y determine a y b.
Calcule el coeficiente de determinación.
SOLUCIÓN:

ANÁLISIS DE VARIANZA
Promedio de
Grados de Suma de Valor crítico de
los F
libertad cuadrados F
cuadrados
Regresión 1 317.068 317.068 ### 0.000
Residuos 2 0.000 0.000
Total 3 317.069

Como el valor critico de F (0.000) es menor al nivel de significación (α = 0.05),

se concluye que el modelo de regresion lineal es significativo.

Por lo tanto se puede concluir que m varía linealmente con la raíz cuadrada de T

𝑚=𝑏+𝑎√𝑇
𝑚=1.7982+4.1002√𝑇
Por tanto: a= 4.1002 y b= 1.7982

Estadísticas de la regresión

Coeficiente de
determinación 0.9999999
R^2

Coeficiente de determinación es 0.999999.

Por otro lado se observa que R2 = 99.9%, es decir la
la temperatura T(°C)

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.9999999
íz cuadrada de T Coeficiente de determinación R^2 0.9999999
R^2 ajustado 0.9999998
Error típico 0.0048
Observaciones 4

ANÁLISIS DE VARIANZA

Suma de Promedio de
Grados de libertad
cuadrados los cuadrados

Regresión 1 317.068 317.068

Residuos 2 0.000 0.000
Total 3 317.069

Coeficientes Error típico Estadístico t

(α = 0.05), Intercepción 1.7982 0.0068 265.7879

√T 4.1002 0.0011 3711.1120

uadrada de T
bserva que R2 = 99.9%, es decir la variable independiente √ T explica en el modelo de regresion lineal (m) en 99.99%
 Valor crítico
F
de F

### 0.000

Inferior Superior
Probabilidad Inferior 95% Superior 95%
95.0% 95.0%
0.0000 1.7691 1.8274 1.7691 1.8274
0.0000 4.0954 4.1049 4.0954 4.1049
eal (m) en 99.99%
2. Ajuste una ecuación cúbica a los datos siguientes:
X Y
3 1.6
4 3.6
5 4.4
7 3.4
8 2.2
9 2.8
11 3.8
12 4.6
Además de los coeficientes determine R2.
SOLUCIÓN:

𝑅^2=(𝑛∑𝑥𝑦−∑𝑥 ∑𝑦)^2/((𝑛∑𝑥_𝑖^2−(∑𝑥)^2 )(𝑛∑𝑦_𝑖^2−(∑𝑦)^2 ))

Coeficiente de determinación R^2 0.1817

El coeficiente de determinación R2 = 18.17%, es decir la

variable X explica en el modelo de regresión lineal (Y) un
18.17%.
guientes:

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.4263
Coeficiente de determinación R^2 0.1817
R^2 ajustado 0.0453
Error típico 1.0181
Observaciones 8

ANÁLISIS DE VARIANZA

Grados de Suma de Promedio de Valor crítico

libertad cuadrados los F de F
cuadrados
Regresión 1 1.381 1.381 1.332 0.292

Residuos 6 6.219 1.037

Total 7 7.600

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción 2.292 0.945 2.426 0.051 -0.020

X 0.137 0.118 1.154 0.292 -0.153
Superior Inferior Superior
95% 95.0% 95.0%
4.604 -0.020 4.604
0.427 -0.153 0.427
3. Utilice regresión lineal múltiple para ajustar

SOLUCIÓN:

X1 X2 Y Resumen
0 0 15.1
1 1 17.9 Estadísticas de la regresión
1 2 12.7 Coeficiente de correlación múltiple
2 1 25.6 Coeficiente de determinación R^2
2 2 20.5 R^2 ajustado
3 1 35.1 Error típico
3 2 29.7 Observaciones
4 1 45.4
4 2 40.2 ANÁLISIS DE VARIANZA

Regresión
Residuos
Total
Ecuación de regresión lineal multiple:

𝑌= 𝑏_0+𝑏_1 𝑋_1+𝑏_2 𝑋_2

𝑌=14.461+9.025 𝑋_1−5.704𝑋_2 bo Intercepción
b1 X1
b2 X2
a regresión
0.9978
0.9955
0.9940
0.8888
9

Grados de Suma de Promedio de Valor crítico

los F
libertad cuadrados de F
cuadrados
2 1054.009 527.005 667.143 0.000
6 4.740 0.790
8 1058.749

Coeficiente Superior Inferior Superior

Error típico Estadístico t Probabilidad Inferior 95%
s 95% 95.0% 95.0%
14.461 0.718 20.147 0.000 12.705 16.217 12.705 16.217
9.025 0.249 36.298 0.000 8.417 9.634 8.417 9.634
-5.704 0.490 -11.634 0.000 -6.904 -4.505 -6.904 -4.505
 4. ¿Qué trazaría contra qué en qué tipo de ejes para obtener
una línea recta para las siguientes relaciones (a y b son constantes)?
SOLUCIÓN:

a) 𝑃^2=exp(𝑎𝑡^3+𝑏) b) 1/𝑝=𝑎(𝑡−4)^(−𝑏)
𝑃^2=𝑒^((𝑎𝑡^3+𝑏)) 𝐿𝑛(1/𝑝)=𝐿𝑛[𝑎(𝑡−4)^(−𝑏)]
𝐿𝑛(𝑃^2 )=𝐿𝑛(𝑒^((𝑎𝑡^3+𝑏))) 𝐿𝑛(1/𝑝)=𝐿𝑛(𝑎)+𝐿𝑛[(𝑡−4)^(−𝑏)
2 𝐿𝑛(𝑃)=𝑎𝑡^3+𝑏 𝐿𝑛(1/𝑝)=𝐿𝑛(𝑎)−𝑏 𝐿𝑛(𝑡−4)
𝐿𝑛(𝑃)=𝑏/2 + 𝑎𝑡^3/2
Ln (1/P)
Ln (P)

Ln(a)
-b

a/2
b/2
constantes)?

Ln(t - 4)