Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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
Coeficentes βo y β
26,50
¿ =0,24
110
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%)
√
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
¿ 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)
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%)
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
¿ 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
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
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
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
Li ўo LS
10,95-5,622 10,95+5,622
5,461 11,08 16,705
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
√
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
¿ 293,87
¿ 537,56
Ftab( α;glN/glD)
Variación SC Gl CM Fexp p exp α= p teórico
Ftab(0,05;1/10)
4. Realice la prueba de hipótesis para los coeficientes βo y β1 del modelo, trabaje al 95% de confianza (α=5%)
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
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
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
Li ўo LS
87,83-10,170 87,83+10,170
77,661 87,83 98,001
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.