Documentos de Académico
Documentos de Profesional
Documentos de Cultura
200
100
0
2 2.5 3 3.5 4 4.5 5 5.5 6
500 500
400 400
f(x) = 0.396702827145293 x^3
f(x) = 477.866809611266 ln(x) − 514.994177912191 R² = 0.970476528267573
300 R² = 0.702274984221819 300
200 200
100 100
0 0
2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 2 2.5 3 3.5 4
neal Simple Regresión Exponencial
600
500
f(x) = 1.45936437843568 exp( 0.935673587195272 x )
R² = 0.999104457475856
400
288 x − 382.318124392614
088
300
200
100
0
4.5 5 5.5 6 6.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5
Regresión Potencial
El R^2 indica el modelo que mejor se ajusta.
El modelo que mejor se ajusta es la Regresión Exponenc
5.5 6 6.5
mejor se ajusta.
ta es la Regresión Exponencial.
Ejercicio
En un estudio se ha medido el calor liberado en una reacción química en distintos instantes desde el comienz
Calcular:
1. Calcular el modelo de regresión lineal del calor sobre el tiempo. Según este modelo ¿Cuánto cambiarán las
2. Calcular el modelo de regresión exponencial del calor sobre el tiempo.
3. Utilizando el mejor de los dos modelos anteriores, predecir el calor generado a los 5 minutos de la reacción
Xi Yi
Observados yi*=ln(yi) Yi*- ybarra* (Yi*-ybarra*)^2
Tiempo Calor
1 2.5 15.9 2.76631911 -1.691218714634 2.86022074072873
2 3.7 44.5 3.79548919 -0.662048634688 0.438308394692408
3 4.1 65.6 4.1835757 -0.27396212791 0.075055247529126
4 5.3 206.5 5.33030041 0.872762588541 0.761714535956385
5 6.2 498.7 6.21200471 1.754466888692 3.07815406351574
sum 21.8 22.2876891 0 7.21345298242239
(sum)^2 475.24 496.741086 Σ=(yi-yprom)^2
media 4.36 4.45753782 SST
𝒓^𝟐=
Modelo linealizado
r=
(𝑦^∗ ) ̂=𝛽_0^∗+𝛽_1 𝑥
S_beta1est. =
S_beta0est. =
Pruebas de Hipotesis:
H0:
H1:
alfa =
to =
t_alfamedio,3=
H0:
H1:
to_Beta1=
H0:
H1:
to_Beta0=
Covarianza entre xy
Sxy=
Tabla Anova
MSR =
MSE =
Fo =
F_critico
F_alfamedio,1,3
a en distintos instantes desde el comienzo de la reacción, obteniendo los siguientes datos:
egún este modelo ¿Cuánto cambiarán las calorías por cada minuto que pase?
mpo.
or generado a los 5 minutos de la reacción. ¿Es fiable la predicción? Justificar la respuesta.
0.999104457475856
0.999552128443463
0.00215331796389035
0.0161734027269772
0.0735062916379566
𝜌=0
𝜌≠0
0.05
57.8526116606592
3.18244630528371
|to|>t_alfamedio,3
1 Por lo tanto se rechaza la H0.
Conclusión: Si existe relacion lineal entre el tiempo y el calor.
B1 = 0
B1 ≠ 0
57.8526116606601
B0 = 0
B0 ≠ 0
5.14243033168801
|to|>t_alfamedio,12
1 Por lo tanto se rechaza H0.
Conclusión: Nuestra recta de regresion no esta pasando por el origen de coordenadas.
0.00215331796389035 3
3346.92467595914 2
0
2 2.5 3 3.5 4 4.5 5 5.5 6
17.4434433207251
Fo>F_alfamedio,1,3
1 Por lo tanto se rechaza H0.
Conclusión: Si existe una dependencia lineal entre el tiempo y el calor.
tos:
ta.
72 x + 0.378000983688932
6
6.91579777
14.04331
17.1526604
28.2505922
38.5144292
104.87679
Σ=(x_i*y_i)
Xi
Yi Resumen
2.5 2.76631911
3.7 3.79548919 Estadísticas de la regresión
4.1 4.1835757 Coeficiente de correlación múltiple 0.999552128443463
5.3 5.33030041 Coeficiente de determinación R^2 0.999104457475856
6.2 6.21200471 R^2 ajustado 0.998805943301142
Error típico 0.046403857209184
Observaciones 5
ANÁLISIS DE VARIANZA
Grados de libertad
Regresión 1
Residuos 3
Total 4
Coeficientes
Intercepción
Xi 0.378000983688932
0.935673587195272
Observación Pronóstico Yi
1 2.71718495167711
2 3.83999325631144
3 4.21426269118955
4 5.33707099582387
5 6.17917722429962
Xi
Curva de regresión ajustada
10
Yi
5 Pr
Yi
0
2 2.5 3 3.5 4 4.5 5 5.5 6 6.5
Xi
Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
7.20699302853071 7.20699302853071 3346.92468 1.13771871526E-05
0.006459953891671 0.00215331796389034
7.21345298242239
Xi
stada Gráfico de los residuales
0.1
Yi
Residuos
Pronóstico Yi 0.05
0
5.5 6 6.5
-0.05 2 2.5 3 3.5 4 4.5 5
Xi
Xi
Gráfico de los residuales
0.1
Residuos
0.05
0
-0.05 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5
Xi
0.02
0
-0.02 3.5 4 4.5 5 5.5 6 6.5
Superior 95,0% -0.04
0.61193081 -0.06
0.98714457 2,5
7
6
5
4 Column B
3 Pronóstico
2,76631910922619
2
1
0
3.5 4 4.5 5 5.5 6 6.5
Xi Xi
os residuales Curva de regresión ajustada
10
Yi
5 Pronóstico Yi
Yi
0
4 4.5 5 5.5 6 6.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5
Xi
Xi
da
Yi
Pronóstico Yi
.5