FACTORES CRITICOS

PERSULFATO DE SODIO (NaPS) ACIDO HIPOFOSFOROSO (H3PO2) ISOPROPANOL (IPA)

X1 X2 X3
0 0 0
-1 -1 0
1 -1 0
-1 1 0
1 1 0
-1 0 -1
1 0 -1
0 0 0
-1 0 1
1 0 1
0 -1 -1
0 1 -1
0 -1 1
0 1 1
0 0 0

Y = 8683,533 - 252,375*X1 - 1093,75*X2 - 21,125*X3

El modelo explica que, el peso molecular del nuevo polimero va a variar dependiendo de sus
factores criticos. Por cada unidad de cada factor va a disminuir su peso molecular.

X Y
0 8392
-1 9895
-1 9204 (Y
1 7882 10
1 7105 8
0 8939
6
0 8548
0 8598 4

0 9152 2
0 8992
-1 -1.5 10504 -1 -0.5
-20
1 7462
-40
-1 9368
1 7772 -60

-80
 -20

-40

-60
0 8440 -80
 PESO MOLECULAR VISCOSIDAD

Y1 Y2
8392 1075
9895 2325
9204 1575
7882 690
7105 420
8939 1188
8548 930
8598 920
9152 1275
8992 860
10504 5600
7462 540
9368 1225
7772 620
8440 1015

(Y^) (Y-Y^) Y = -1093,8x + 8683,5

8683.5 -291.5
9777.3 117.7
9777.3 (Y-Y^) -573.3 Y1
7589.71000 292.3 12000
7589.7 800 -484.7
8683.5 255.5 10000
600 f(x) = − 1093.75 x + 8683.53333333333
8683.5 R²-135.5
= 0.830161651686348
8000
8683.5 400 -85.5
8683.5 200 468.5
6000
8683.5 0 308.5
-1 -0.5 0 0.5 1 1.5
9777.3 726.7 4000
-200
7589.7 -127.7
-400
9777.3 -409.3 2000
7589.7-600 182.3
-800 0
-1.5 -1 -0.5 0 0.5 1 1.5
 -200 4000

-400
2000
-600
8683.5-800 -243.5 0
-1.5 -1 -0.5 0 0.5 1 1.5
 Y = 8683,533 - 252,375*X1 - 1093,75*X2 - 21,125*X3

33333333

0.5 1 1.5
0.5 1 1.5
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.935238485161938
Coeficiente de determinación R^2 0.874671024127995

R^2 ajustado 0.840490394344721

Error típico 362.419142497309
Observaciones 15

ANÁLISIS DE VARIANZA
Grados de libertad
Regresión 3
Residuos 11
Total 14

Coeficientes
Intercepción 8683.53333333333
X1 -252.375
X2 -1093.75
X3 -21.125

Y = 8683,533 - 252,375*X1 - 1093,75*X2 - 21,125*X3

Para β0

Ho: β0 = 0
Ha: β0 ≠ 0

p-valor = 0,2 * 10^(-17)

p-valor < alfa
Ho se rechaza
 Ho: β0 = β1 = β2 = β3 = 0
Ha: βi ≠ 0 para al menos un i
Si p-valor < α = 0,05 se rechaza Ho
p-valor = 0,000029
Se rechaza Ho por lo tanto existe almenos un β significativo

Suma de cuadrados
Promedio de los cuadrados F p-valor
10083427.75 3361142.5833 25.5896696366901 2.92072172096E-05
1444823.98333333 131347.63485
11528251.7333333

Error típico Estadístico t Probabilidad Inferior 95%

93.5762202159234 92.796367638 2.8404759604E-17 8477.57346130062
128.13451664583 -1.969609802 0.074581426804454 -534.397169632988
128.13451664583 -8.535951347 3.51E-06 -1375.77216963299
128.13451664583 -0.164865803 0.872040263962349 -303.147169632988

Para β1 Para β2 Para β3

Ho: β1 = 0 Ho: β2 = 0 Ho: β3 = 0

Ha: β1 ≠ 0 Ha: β2 ≠ 0 Ha: β3 ≠ 0

p-valor = 0,0745 p-valor = 0,00 p-valor = 0,872

p-valor > alfa p-valor < alfa p-valor > alfa
Ho no se rechaza Ho se rechaza Ho no se rechaza
β significativo

Superior 95% Inferior 95,0% Superior 95,0%

8889.49320536605 8477.57346130062 8889.49320536605
29.6471696329879 -534.397169632988 29.6471696329879
-811.727830367012 -1375.77216963299 -811.727830367012
260.897169632988 -303.147169632988 260.897169632988
Resumen

Estadísticas de la regresión
Coeficiente d 0.91113207
Coeficiente d 0.83016165
R^2 ajustado 0.81709716

Error típico 388.085957

Observacione 15

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 9570312.5 9570312.5 63.5433727 2.32550653599049E-06
Residuos 13 1957939.23 150610.71
Total 14 11528251.7

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción 8683.53333 100.203363 86.6591005 2.405E-19 8467.05712798288
X2 -1093.75 137.209106 -7.97140971 2.32551E-06 -1390.17225208391

MODELO 2
Y = 8683,53 - 1093,75*X2 Para β0

Ho: β0 = 0
Ha: β0 ≠ 0

p-valor = 0,24 * 10^(-19)

p-valor < alfa
Ho se rechaza
 Ho: β0 = β2 = 0
Ha: βi ≠ 0 para al menos un i
Si p-valor < α = 0,05 se rechaza Ho
p-valor = 0,000029
Se rechaza Ho por lo tanto existe almenos un β significativo

Superior 95% Inferior 95,0%

Superior 95,0%
8900.00953868379 8467.05713 8900.00954
-797.327747916085 -1390.17225 -797.327748

Para β2

Ho: β2 = 0
Ha: β2 ≠ 0

p-valor = 0,2325 * 10^(-6)

p-valor < alfa
Ho se rechaza
 Equipo Victorias ERA SO BA Carreras HR
Gigantes 75 4.03 905 0.246 649 141
Mets 77 3.56 1028 0.244 640 117
Cachorros 77 4.03 927 0.253 695 159
Rojos 74 3.83 997 0.258 689 164
Piratas 98 3.44 919 0.263 768 126
Cardenales 84 3.69 822 0.255 651 68
Phillies 78 3.86 988 0.241 629 111
Astros 65 4 1033 0.244 605 79
Dodgers 93 3.06 1028 0.253 665 108
Expos 71 3.64 909 0.246 579 95
Bravos 94 3.49 969 0.258 749 141
Padres 84 3.57 921 0.244 636 121
Medias rojas 84 4.01 999 0.269 731 126
Medias blanc 87 3.79 923 0.262 758 139
Yankees 71 4.42 936 0.256 674 147
Tigres 84 4.51 739 0.247 817 209
Orioles 67 4.59 868 0.254 686 170
Cerveceros 83 4.14 859 0.271 799 116
Indios 57 4.23 862 0.254 576 79
Azulejos 91 3.5 971 0.257 684 133
Marineros 83 3.79 1003 0.255 702 126
Rangers 85 4.47 1022 0.27 829 177
Atléticos 84 4.57 892 0.248 760 159
Reales 82 3.92 1004 0.264 727 117
Ángeles 81 3.69 990 0.255 653 115
Gemelos 95 3.69 876 0.28 776 140
SB Solución
95
153 Modelo de regresión lineal múltiple:
123
124 Resumen
124
202 Estadísticas de la regresión
92 Coeficiente d 0.9445
125 Coeficiente d 0.8920
126 R^2 ajustado 0.8579
221 Error típico 3.6609
165 Observacione 26.0000
101
59 ANÁLISIS DE VARIANZA
134 Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
109 Regresión 6 2103.1980 350.5330 26.1542 2.6283
109 Residuos 19 254.6482 13.4025
50 Total 25 2357.8462
106
84 Coeficientes Error típico Estadístico t Probabilidad Inferior 95%
148 Intercepción 112.4971 30.6384 3.6718 0.0016 48.3703
97 ERA -19.0680 2.4923 -7.6508 0.0000 -24.2844
102 SO -0.0086 0.0114 -0.7540 0.4601 -0.0324
151 BA -151.6174 119.7613 -1.2660 0.2208 -402.2806
119 Carreras 0.1315 0.0216 6.0967 0.0000 0.0864
94 HR -0.0122 0.0390 -0.3135 0.7574 -0.0938
107 SB -0.0033 0.0233 -0.1427 0.8880 -0.0521

Análisis de los residuales Resultados de datos de probabili

Observación
Pronóstico VictoriasResiduos
Residuos estándares Percentil
1 73.8926513 1.10734867 0.34696376 1.92307692
2 81.0190116 -4.0190116 -1.25927037 5.76923077
3 78.3784309 -1.37843087 -0.4319015 9.61538462
4 79.9797134 -5.97971342 -1.87361388 13.4615385
5 98.1805344 -0.18053439 -0.05656655 17.3076923
6 80.5227546 3.47724539 1.08951964 21.1538462
7 74.9265051 3.07349487 0.96301315 25
8 68.5411756 -3.54117561 -1.10955079 28.8461538
9 92.6757659 0.32423412 0.10159175 32.6923077
10 72.2328028 -1.23280281 -0.3862721 36.5384615
11 94.7378783 -0.73787831 -0.23119821 40.3846154
12 81.3447801 2.65521987 0.83195572 44.2307692
13 81.0661426 2.93385737 0.91926076 48.0769231
14 90.1168859 -3.11688594 -0.9766088 51.9230769
15 67.841518 3.15848201 0.98964203 55.7692308
16 87.227694 -3.22769395 -1.0113281 59.6153846
17 66.98002 0.01997995 0.00626029 63.4615385
18 88.3935703 -5.39357035 -1.68995862 67.3076923
19 60.4298851 -3.42988511 -1.07468032 71.1538462
20 86.2884187 4.71158129 1.4762721 75
21 83.4094895 -0.40948951 -0.12830468 78.8461538
22 84.0666306 0.93336943 0.29245113 82.6923077
23 77.5946049 6.40539507 2.00699202 86.5384615
24 82.8818315 -0.88183146 -0.27630282 90.3846154
25 79.1287362 1.87126384 0.58632005 94.2307692
26 92.1425685 2.85743147 0.89531435 98.0769231
 Solución
a. De las variables independientes, podemos decir que para nuestro modelo de regresión
las que son más significativas para el modelo son la de ERA y Carreras, ya que su valore
son menores al nivel de significancia para el desarrollo del modelo (que consistió en un
se consideran que estas dos variables independientes junto con el intercepto aporte a
las variables independientes restantes (SO, BA, HR y SB).

b. La ecuación que deberá usar Cindy para pronosticar las victorias será:

Y = 112,4974 - 19,0680 ERA - 0,0086 SO - 151,6174 BA + 0,1315 Carreras - 0,0122 HR -

c. El número de victorias en una temporada regular de la liga mayor de béisbol de los Est
principalmente en seis (6) factores determinantes dentro del juego, como lo pueden s
carreras ganadas (ERA por sus siglas en inglés), los ponches (SO), el promedio de bateo
or crítico de F homeruns (HR), y las bases robadas (SB). A partir del modelo de regresión lineal múltip
cual es el grado de correlación entre las variables independientes previamente mencio
dependiente que es el número de victorias, se pudo observar que los datos suministra
muy fuertemente correlacionados entre sí, logrando un modelo que se ajusta de mane
del cual se encuentra que las variables independientes explican en un 89,20% la variab
Superior 95% de respuesta que el número de victorias. Todo esto se resume a que el modelo emplea
176.6239 propósito principal de mostrar el comportamiento entre las variables previamente cita
-13.8516
0.0152
99.0458
0.1766
0.0694
0.0454

esultados de datos de probabilidad

Victorias
57
65
67
71
71
74
75
77
77
78
81
82
83
83
84
84
84
84
84
85
87
91
93
94
95
98
ara nuestro modelo de regresión lineal múltiple
ERA y Carreras, ya que su valores de probabilidad
del modelo (que consistió en un 5%), por lo tanto,
unto con el intercepto aporte al modelo más que

s victorias será:

+ 0,1315 Carreras - 0,0122 HR - 0,0033 SB

liga mayor de béisbol de los Estados Unidos, se basa

tro del juego, como lo pueden ser: El promedio de
ches (SO), el promedio de bateo (BA), el número de
odelo de regresión lineal múltiple para establecer
pendientes previamente mencionandas y la variable
bservar que los datos suministrados se encuentran
n modelo que se ajusta de manera correcta, y dentro
explican en un 89,20% la variabilidad en la variable
resume a que el modelo empleado si cumple con el
re las variables previamente citadas.