Deberes Diseño experimental

Nombre: Daniela Alejandro

Carrera: Química Farmacéutica

Realice los ejercicio de forma manual y utilizando la opción de análisis de datos –regresión del excel

Unidad 1
Modelo lineal simple
1.- En una fábrica de pintura se estudia el tiempo de secado del barniz. Los siguientes datos corresponden al tiempo de
secado del barniz (en horas) y a la cantidad de aditivo (Kg) añadido.
X Y
Cantidad de aditivo (Kg) Tiempo de secado (horas)
0 14
1 11
2 10
3 8
4 7,5
5 9
6 10
7 11
8 13
9 12
10 15

Calcule:
1. La ecuación que rige el modelo lineal Y = βo + β1X

N X: % fibra Y: Resistencia (xi-) (xi-)^2 (yi - ) (yi - )^2 (xi-)(yi -)

1 0 14 -5,00 25 3,05 9,27 -15,23

2 1 11 -4,00 16 0,05 0,00 -0,18
3 2 10 -3,00 9 -0,95 0,91 2,86
4 3 8 -2,00 4 -2,95 8,73 5,91
5 4 7,5 -1,00 1 -3,45 11,93 3,45
6 5 9 0,00 0 -1,95 3,82 0,00
7 6 10 1,00 1 -0,95 0,91 -0,95
8 7 11 2,00 4 0,05 0,00 0,09
9 8 13 3,00 9 2,05 4,18 6,14
10 9 12 4,00 16 1,05 1,09 4,18
11 10 15 5,00 25 4,05 16,37 20,23
Suma 55,00 120,50 110   57,23 26,50
Promedio 5,00 10,95 ∑(xi-)^2 SCT=∑(yi - )^2 ∑(Xi-)(Yi-)
Des esta 3,32 2,39

Coeficentes βo y β
26,50
¿ =0,24
110

¿ 10,95−¿ x 5,00 ) = 9,75

Y= 9,75 + 0,24X
 2. Calcule el intervalo de confianza de los coeficientes βo y β1 del modelo, trabaje al 95% de confianza (α=5%)

Ỹi = α+βX Estimación por intervalos de βo y β

e = y-Ỹ SCE = ∑(yi-Ỹi)^2
Ỹ= 9,75 + 0,24X
50,84 ¿ √ 5,65=2,38
9,75 4,25 18,06 ¿ =5,65
11−2
9,99 1,01 1,02

√
2
10,23 -0,23 0,05 1 (5)
10,47 -2,47 6,11 ¿ 5,65 + =1,80
11 110
10,71 -3,21 10,33
10,95 -1,95 3,82
11,20 -1,20 1,43 ¿ √ 1,80=1,34
11,44 -0,44 0,19
11,68 1,32 1,75
11,92 0,08 0,01 5,65
¿ =¿ 0,0514 ¿ √ 0,0514
12,16 2,84 8,07 110
50,84 ¿ 0,227 ≈ 0,23
SCE = ∑(yi-Ỹi)^2
0,799005063

Estimación de intervalos para βo y β1

Nivel de 95% IC(βo) = 9,75 ± 2,262 1,34

confianza =      
α= 5%
IC(βo) = 9,75 ± 3,033
n 11
gl = n-2 11-2 
gl= 11-2 9 LI = 9,75 – 3,033 βo) LS = 9,75 + 3,033
6,717 9,75 12,783
t teórico (α/2; gl) = (0,025; 9) = 2,262

IC(β) = 0,24 ± 2,262 0,23

     
IC(β) = 0,24 ± 0,513

LI = 0,24 – 0,513 β LS = 0,24 + 0,513

-0,272 0,24 0,754
 3. Realice el análisis de varianzas (ANOVA) del modelo

¿ 0,24∗26,50=6,38409
Nivel de confianza = 95%

α= 5%
¿ 50,84

¿ 57,23

Ftab( α;glN/glD)
Variación SC gl CM Fexp p exp α= p teórico
Ftab(0,05;1/9)

Regresión 6,38 1 6,38

1,130 5,117 0,315 0,05
Error / residuo 50,84 9 5,65

Fexp < Ftab: Aceptar H0: β=0 p exp > p teórico: Aceptar
Total 57,23 10
Intervalo si contiene al 0 H0:β = 0

4. Realice la prueba de hipótesis para los coeficientes βo y β1 del modelo, trabaje al 95% de confianza (α=5%)

Nivel de confianza = 95%

α= 5%
N 11
gl = n-2 = 11-2  9
t teórico (α/2; gl)  
t teòrico (0,025;9) =  2,262

Contraste de βo Contraste de β
Ho: βo= 0 La recta ajustada pasa por el
Los valores de Y no dependen de X; modelo
origen Ho: β =0
no lineal
H1:βo ≠ 0 La recta ajustada no pasa por el Los valores de Y dependen de x, modelo
origen H1:β ≠ 0
lineal

9,75 0,24
¿ =7,2723 ¿ =1,063
1,34 0,23

texp =   ttab(0,025;9) texp =   ttab(0,025;9)

7,2723 > 2,262 1,063 < 2,262
Se acepta H1:βo ≠ 0; La recta ajustada no pasa Se acepta H0:β = 0; Los valores de Y no dependen de
por el origen 5. Calcule los coeficiente X;demodelo
correlación ( r) y el coeficiente de
no lineal
Se comprueba con IC(βo) LOS LIMITES NO determinaciónSeRcomprueba
2
de modelo con IC(β) LOS LIMITES SI
CONTIENEN AL CERO CONTIENEN AL CERO
50,84
¿ 1− =0,1116=11,16 %
57,23

¿ 0,3340
Cálculo en Excel
Resumen

Estadísticas de la regresión
Coeficiente de correlación
múltiple (r) 0,334001184
Coeficiente de determinación
R^2 0,111556791
R^2 ajustado 0,012840879
Error típico (desv estandar del
error) 2,376813502 σ^2 5,649242424
Observaciones 11

ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de Ftab(α:glN/glD) Valor crítico de F p TABLA
  libertad cuadrados los cuadrados F exp Ftab(0,05; 1/9) p exp teórico = α
Regresión 1 6,384090909 6,384090909 1,13007912 5,117 0,31544871 0,05
Residuos 9 50,84318182 5,649242424
Total 10 57,22727273      

Contraste de Hipótesis βi Límite de confianza de βi

Desv. Est. βi Estadístico t Ttab(α/2;gl) Límite Inferior Limite Superior
  Coeficientes Error típico exp Ttab(0,025,11) Probabilidad 95% 95%
Intercepción (βo) 9,75 1,340703631 7,272300735 2,262 4,70221E-05 6,717117678 12,78288232
X: % fibra (β) 0,240909091 0,226620276 1,063051796 2,262 0,31544871 -0,271741589 0,753559771
6. Estime el valor de Y con su intervalo de confianza, para un valor de X = 7, trabaje al 95% de confianza (α=5%)

Xo= 7
¿ 5,65
Nivel de confianza = 95%
α= 5%
N 11
gl = n-2 = 11-2  9

√
t teórico (α/2; gl)  
[ ]
2
1 ( 7−5 )
t teòrico (0,025;9) =  2,262 Desv . esta( ~
y o)= 5,65 + =¿0,8479923
11 110

¿ 9,75+0,24 ( 7 )=11,43 63

IC() = 11,4363 ± 2,262 0,84799

IC() = 11,4363 ± 1,92

Li ўo LS
11,4363-1,92 11,4363+1,92
9,52 11,4363 13,35

7. Estime el valor futuro de Y con su intervalo de confianza, para un X = 3, trabaje al 95% de confianza (α=5%)

Xo= 3 CME=5,65
Nivel de confianza = 95%
α= 5%
N 11
gl = n-2 = 11-2  9
t teórico (α/2; gl)  
t teòrico (0,025;9) =  2,262

√ [ ]
2
1 ( 3−5 )
Desv . esta( ~
y o)= 5,65 1+ + =¿2,52353659
11 110

¿ 9,75+0,24 ( 3 )=10,47

IC() = 10,47 ± 2,262 2,5235

IC() = 10,47 ± 5,708

Li ўo LS
10,47-5,708 10,47+5,708
4,762 10,47 16,178
 Xo= 5,53333
Nivel de confianza = 95%
α= 5%
N 11
gl = n-2 = 11-2  9
8. Calcule el valor futuro de Yo con su intervalo de confianza si se realizan
t teórico (α/2; gl)  
tres réplicas (k) de X= 5,0, 5,7, y 5,9
t teòrico (0,025;9) =  2,262
Promedio de replicas: 5,3333

CME=5,65

√ [ ]
2
1 ( 5−5 )
Desv . esta( ~
y o)= 5,65 1+ + =¿2,4854412
11 110

¿ 9,75+0,24 ( 5,0 )=11,08

IC() = 11,08 ± 2,262 2,4845

IC() = 11,08 ± 5,622

Li ўo LS
10,95-5,622 10,95+5,622
5,461 11,08 16,705

9. Calcule la cantidad de reactivo que se requiere para minimizar el tiempo de secado

 El valor de β1 resultó 0,24 por lo que demuestra que la variable X: Cantidad de aditivo (Kg) no
influye sobre la variable Y: Tiempo de secado (horas),puede que sea necesario realizar otra
experimentación con otra variable X. Por el contrario, si β1≠0 este si influyera en el tiempo de secado.
 r y R^2 no fueron lo suficientemente grande (cercanos a 1 o 100%), por lo que β1 no influye
demasiado.
 Lo que interesa es minimizar el tiempo de secado, el menor tiempo es 7,5h por lo que 4Kg sería la
cantidad adecuada.
2. En un proceso de extracción se estudia la relación entre tiempo de extracción y rendimiento. Los datos obtenidos se muestran
en la siguiente tabla.
% de
Tiempo ( min)
rendimiento
10 64
15 81,7
20 76,2
8 68,5
12 66,6
13 77,9
15 82,2
12 74,2
14 70
20 76
19 83,2
18 85,3

Calcule
1. La ecuación que rige el modelo lineal Y = βo + β1X

X: tiempo Y: %
N (xi-) (xi-)^2 (yi - ) (yi - )^2 (xi-)(yi -)
min rendimiento
1 10 64 -4,67 21,78 -11,48 131,87 53,59
2 15 81,7 0,33 0,11 6,22 38,65 2,07
3 20 76,2 5,33 28,44 0,72 0,51 3,82
4 8 68,5 -6,67 44,44 -6,98 48,77 46,56
5 12 66,6 -2,67 7,11 -8,88 78,91 23,69
6 13 77,9 -1,67 2,78 2,42 5,84 -4,03
7 15 82,2 0,33 0,11 6,72 45,11 2,24
8 12 74,2 -2,67 7,11 -1,28 1,65 3,42
9 14 70 -0,67 0,44 -5,48 30,07 3,66
10 20 76 5,33 28,44 0,52 0,27 2,76
11 19 83,2 4,33 18,78 7,72 59,55 33,44
12 18 85,3 3,33 11,11 9,82 96,37 32,72
Suma 176,00 905,80 170,66   537,56 203,93
14,67 75,48 SCT=∑(yi -
Promedio ∑(xi-)^2 ∑(Xi-)(Yi-)
)^2
Des esta 3,94 6,99

Coeficentes βo y β
203,93
¿ =1,19
170,66

¿ 75,48−¿ x 14,67 ) = 57,96

Y= 57,96 + 1,19X
 2. Calcule el intervalo de confianza de los coeficientes βo y β1 del modelo, trabaje al 95% de confianza (α=5%)

Ỹi = α+βX Estimación por intervalos de βo y β

e = y-Ỹ SCE = ∑(yi-Ỹi)^2
Ỹ= 57,96 + 1,19X
293,87 ¿ √ 29,39=5,42
69,91 -5,91 34,89 ¿ =29,39
12−2
75,88 5,82 33,85

√
81,86 -5,66 31,99 2
1 (14,67)
67,52 0,98 0,97 ¿ 29,39 + =39,49
12 170,66
72,30 -5,70 32,45
73,49 4,41 19,43
75,88 6,32 39,92 ¿ √ 39,49=6,28
72,30 1,90 3,62
74,69 -4,69 21,97
81,86 -5,86 34,30 29,39
¿ =0,1722 ¿ √ 0,1722=0,415
80,66 2,54 6,44 170,66
79,47 5,83 34,03
293,87
SCE = ∑(yi-Ỹi)^2
4,706710886

Estimación de intervalos para βo y β1

IC(βo) = 57,96 ± 2,228 6,28
Nivel de 95%      
confianza = 57,96 ± 14,001
IC(βo) =
α= 5%
n 12
gl = n-2 12-2  LI = 57,96 – 14,001 βo) LS = 57,96 + 14,001
gl= 12-2 10 43,957 57,96 71,959

t teórico (α/2; gl) = (0,025; 10) = 2,228

IC(β) = 1,19 ± 2,228 0,41

     
IC(β) = 1,19 ± 0,925

LI = 1,19 – 0,925 β LS = 1,19 + 0,925

0,270 1,19 2,119
3. Realice el análisis de varianzas (ANOVA) del modelo

Nivel de confianza = 95% ¿ 1,19∗203,93=243,684

α= 5%

¿ 293,87

¿ 537,56

Ftab( α;glN/glD)
Variación SC Gl CM Fexp p exp α= p teórico
Ftab(0,05;1/10)

Regresión 243,68 1 243,68

8,292 4,965 0,016 0,05
Error / residuo 293,87 10 29,39
Fexp > Ftab: Aceptar H1: β≠0 p exp < p teórico: Aceptar
Total 537,56 11
Intervalo no contiene al 0 H1:β ≠ 0

4. Realice la prueba de hipótesis para los coeficientes βo y β1 del modelo, trabaje al 95% de confianza (α=5%)

Nivel de confianza = 95%

α= 5%
n 12
gl = n-2 = 12-2 10
t teórico (α/2; gl)  
t teòrico (0,025;10) =  2,228

Contraste de βo Contraste de β
Ho: βo= 0 La recta ajustada pasa por el Los valores de Y no dependen de X; modelo
origen Ho: β =0
no lineal
H1:βo ≠ 0 La recta ajustada no pasa por el Los valores de Y dependen de x, modelo
origen H1:β ≠ 0
lineal

57,96 1,19
¿ =9,22302 ¿ =2,880
6,28 0,41

texp =   ttab(0,025;10) texp =   ttab(0,025;10)

9,22302 > 2,228 2,880 > 2,228
Se acepta H1:βo ≠ 0; recta ajustada no pasa
Se acepta H1:β ≠ 0; Los valores de Y dependen de X;
por el origen modelo lineal
Se comprueba con IC(βo) LOS LIMITES NO Se comprueba con IC(β) LOS LIMITES NO
CONTIENEN AL CERO CONTIENEN AL CERO

5. Calcule los coeficiente de correlación ( r) y el coeficiente de determinación R2 de modelo

293,87
¿ 1− =0,4533=45,33 %
537,56

¿ 0 ,6732
 Cálculo en Excel
Resumen

Estadísticas de la regresión
Coeficiente de correlación 0,67328934
múltiple (r)
Coeficiente de determinación 0,453318536
R^2
R^2 ajustado 0,398650389
Error típico (desv estandar del 5,420998668
error) σ^2 29,38722656
Observaciones 12

ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de Ftab(α:glN/glD) Valor crítico de F p TABLA
  libertad cuadrados los cuadrados F exp Ftab(0,05; 1/10) p exp teórico = α
Regresión 1 243,684401 243,684401 8,292187782 4,965 0,016396312 0,05
Residuos 10 293,8722656 29,38722656
Total 11 537,5566667  

Contraste de Hipótesis βi Límite de confianza de βi

Desv. Est. βi Estadístico t Ttab(α/2;gl) Límite Inferior Limite Superior
  Coeficientes Error típico exp Ttab(0,025,10) Probabilidad 95% 95%
Intercepción (βo) 57,9578125 6,284034189 9,223026284 2,228 3,31879E-06 43,95611178 71,95951322
X: t min (β) 1,194921875 0,41495877 2,879615909 2,228 0,016396312 0,270336118 2,119507632
 6. Estime el rendimiento promedio que se espera a un tiempo de extracción de 25 minutos y obtenga un intervalo de confianza para
esta estimación.

Xo= 25
Nivel de confianza = 95%
α= 5%
N 12

√
gl = n-2 = 12-2 10
[ ]
2
1 ( 25−14,67 )
t teórico (α/2; gl)   Desv . esta( ~
y o)= 29,39 1+ + =¿4,56454647
t teòrico (0,025;10) =   2,228 12 170,6

¿ 57,96+1,19 ( 25 )=87,830

IC() = 87,83 ± 2,228 4,564546

IC() = 87,83 ± 10,170

Li ўo LS
87,83-10,170 87,83+10,170
77,661 87,83 98,001

Modelo lineal múltiple

RESUELTOS EN ARCHIVO EN EXCEL

3.- En una empresa dedicada a anodizar artículos de aluminio (baterías de cocina), el anodizado se logra con una solución hecha a base de
ácidos (sulfúrico, cítrico, bórico) y dicromato de aluminio. En este proceso se controla el pH de la solución, la temperatura, la corriente y el
tiempo de permanencia. Debido al poco grosor del anodizado, han aumentado las quejas por la escasa resistencia y durabilidad del producto.
Para resolver este problema se decide estudiar, mediante un experimento, la relación del pH, la temperatura y el tiempo con el grosor del
anodizado. Los datos se muestran en la siguiente tabla:
X1 X2 X3 Y
pH Temperatura 0ºC Tiempo ( horas) Espesor
1,2 -8 2,3 9
1,8 -8 2,2 14
1,2 8 2,5 10
1,8 8 2,1 19
1,2 -8 2,6 8
1,8 -8 3,0 12
1,2 8 2,4 11
1,8 8 3,1 20
1,5 0 3,0 14
1,5 0 2,3 13

Calcule:
1. La ecuación que rige el modelo lineal Y = βo + β1X+ β2X+ β3X
2. Calcule el intervalo de confianza de los coeficientes βo, β1, β2 y β3 del modelo, trabaje al 95% de confianza (α=5%)
3. Realice el análisis de varianzas (ANOVA) del modelo
4. Realice la prueba de hipótesis para los coeficientes βo, β1, β2 y β3 del modelo, trabaje al 95% de confianza (α=5%)
5. Calcule los coeficiente de correlación ( r) y el coeficiente de determinación R2 de modelo
6. Estime el valor de Y con su intervalo de confianza, para un valor de pH= 2, temperatura = 10 y tiempo = 2,5 horas trabaje al 95% de
confianza (α=5%)
7. Estime el valor futuro de Y con su intervalo de confianza, para un pH= 1,5, temperatura = 12 y tiempo = 2,0 horas, trabaje al 95%
de confianza (α=5%)
4.- Un investigador está intentando optimizar la formulación de una pintura, el cliente quiere que la dureza de la pintura este entre 25 y 30: El
recubrimiento es una mezcla de tres componentes que consiste en un monómero (X1), un entrelazador (X2) y una resina (X2), Las
concentraciones de los componentes esta dado en porcentaje

Orden de X1 X2 X3 Y
corrida Monómero % entrelazador % Resina Dureza
2 17,50 32,50 50,00 29,00
1 10,00 40,00 50,00 26,00
4 15,00 25,00 60,00 17,00
13 25,00 25,00 50,00 28,00
7 5,00 25,00 70,00 35,00
3 5,00 32,50 62,50 31,00
6 11,25 32,50 56,25 21,00
11 5,00 40,00 55,00 20,00
10 18,13 28,75 53,33 29,00
14 8,13 28,75 63,13 25,00
12 25,00 25,00 50,00 19,00
9 15,00 25,00 60,00 14,00
5 10,00 40,00 50,00 30,00
8 5,00 25,00 70,00 23,00

Calcule:
1. La ecuación que rige el modelo lineal Y = βo + β1X+ β2X+ β3X
2. Calcule el intervalo de confianza de los coeficientes βo, β1, β2 y β3 del modelo, trabaje al 95% de confianza (α=5%)
3. Realice el análisis de varianzas (ANOVA) del modelo
4. Realice la prueba de hipótesis para los coeficientes βo, β1, β2 y β3 del modelo, trabaje al 95% de confianza (α=5%)
5. Calcule los coeficiente de correlación ( r) y el coeficiente de determinación R2 de modelo
6. Determine el orden de influencia de los factores, en base a los valores de los coeficientes β de los factores y el análisis de los puntos
anteriores.
7. Recomiende que formulación de los factores se requiere para llegar a una dureza entre 25 7 30, utilizando la menor concentración
de factores de acuerdo a su orden de influencia.