Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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
-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
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
Ho: β0 = 0
Ha: β0 ≠ 0
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
Estadísticas de la regresión
Coeficiente d 0.91113207
Coeficiente d 0.83016165
R^2 ajustado 0.81709716
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
MODELO 2
Y = 8683,53 - 1093,75*X2 Para β0
Ho: β0 = 0
Ha: β0 ≠ 0
Para β2
Ho: β2 = 0
Ha: β2 ≠ 0
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:
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
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: