Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE CIENCIAS
ESTADÍSTICA II- SEMESTRE 2021-I
TALLER #4
Nociones preliminares relacionadas con vectores de variables aleatorias (valor esperado y matriz de varianzas-covarianzas).
Modelo de RLM y su enfoque matricial. Estimación de los parámetros del modelo. Interpretación y propiedades de los
estimadores de mínimos cuadrados.
3. Un ingeniero realizó un experimento para determinar el rendimiento total del aceite por lote de
cacahuate, para ello tuvo en cuenta variables como la presión, temperatura del CO2 aplicado, la
humedad y el tamaño de partícula de los cacahuates. Los 16 datos recolectados aparecen a
continuación:
Rendimiento (Y) Presión (X1) Temperatura (X2) Humedad (X3) Tamaño de partícula
(X4)
63 415 25 7 1.28
21 550 25 6 4.05
36 415 95 7 4.05
99 550 95 4 1.28
24 415 25 16 4.05
66 550 25 15 1.28
71 415 95 17 1.28
54 550 95 12 4.05
23 415 25 6 4.05
74 550 25 4 1.28
80 415 95 8 1.28
33 550 95 5 4.05
63 415 25 15 1.28
21 550 25 14 4.05
44 415 95 15 4.05
96 550 95 12 1.28
Tabla 1. Datos de estudio sobre el rendimiento total de aceite por lote de cacahuate.
Coefficients:
Estimate Std. Error t value Pr(>|t|)
a. Plantee el modelo de RLM en forma matricial junto con sus supuestos, especificando cual es
la matriz de coeficientes y cuál es el vector de parámetros.
b. Ajuste el modelo de RLM.
c. Pruebe la significancia de los parámetros e interprete.
PROGRAMA R
#LECTURA DE DATOS
Punto3<-read.table(file.choose(), header=T, dec=".")
punto4
attach(punto4)
modelo<-lm(Y~X1+X2+X3+X4+X5)
#ESTADÍSTICOS DE RESUMEN
summary(modelo)