UNIVERSIDAD ISIMA

PLANTEL TOLUCA

MAESTRIA EN INGENIERÍA PARA LA CALIDAD

Nombre Del Profesor:

Omar Pavón Torres

Nombre Del Alumno:

Mijail Guillermo Rodríguez Rodríguez

Materia:

Análisis De Regresión

Turno:

Ejecutivo 1

Parcial:

Primero

Serie de ejercicio #1:

1. Hallar el ajuste lineal de cuadrados mínimos a los puntos de datos (-4, -2), (-2, 0), (0, 1),
(2,4), (4, 5).

R=

x y x*y x²
-4 -2 8 16
-2 0 0 4
0 1 0 0
2 4 8 4
4 5 20 16
Σ 0 8 36 40
n 5
m 0.9
b 1.6
y 0.9x+1.6

cuadrados minimos
y = 0.9x + 1.6
6
R² = 0.9759
4
Título del eje

2
Series1
0
Lineal (Series1)
-5 0 5
-2

-4
ajuste de linea
2. Matis y Wehrly (1979) reportaron la siguiente tabla de datos, la cual muestra la proporción de
pez luna verde que sobrevive en un nivel fijo de contaminación térmica por intervalos variantes de
tiempo.

a) Ajustar los datos usando un modelo lineal. Dar tu interpretación.

R=en este modelo nos da una tendencia hacia el decremento de los sobrevivientes en
relación a la contaminación termina y denota la importancia el nivel

x y x*y x²
0.1 1 0.1 0.01
0.15 0.95 0.1425 0.0225
0.2 0.95 0.19 0.04
0.25 0.9 0.225 0.0625
0.3 0.85 0.255 0.09
0.35 0.7 0.245 0.1225
0.4 0.65 0.26 0.16
0.45 0.6 0.27 0.2025
0.5 0.55 0.275 0.25
0.55 0.4 0.22 0.3025
Σ 3.25 7.55 2.1825 1.2625
n 10
m -1.315151515
b 1.182424242
y -1.3152x + 1.1824

b) Ubica los puntos y gráfica el resultado. ¿La línea recta se ajusta a los puntos?
R=tiene un ligero desajuste a la linea pero el choheficiente de person nos dice su relacion
de las variables que se encuentra casi ideal

1.2
0.1, 1
0.15, 0.95
0.2, 0.95
1 0.25, 0.9
0.3, 0.85
y = -1.3152x + 1.1824
0.8 0.35, 0.7 R² = 0.9583
Título del eje

0.4, 0.65
0.45, 0.6
0.5, 0.55
0.6
0.55, 0.4
0.4 Series1
Lineal (Series1)
Lineal (Series1)
0.2

0
0 0.1 0.2 0.3 0.4 0.5 0.6

3. La estadística de mortandad por década hasta finales de 1976 mostraba la tasa de incidencia de
hepatitis (casos por 100, 000 de la población)
Y denota la tasa de incidencia y x denota el año. Ajustar los datos usando un modelo cuadrático.

R=en los años 1973 y 1974 se tuvo la incidencia más alta y a partir de ese periodo decreció la
actividad de la enfermedad

x x1 Y x² x³ x⁴ x*y x²*y
1967 1 10.5 1 1 1 10.5 10.5
1968 2 18.5 4 8 16 37 74
1969 3 22.6 9 27 81 67.8 203.4
1970 4 27.2 16 64 256 108.8 435.2
1971 5 31.2 25 125 625 156 780
1972 6 33 36 216 1296 198 1188
1973 7 44.9 49 343 2401 314.3 2200.1
1974 8 49.4 64 512 4096 395.2 3161.6
1975 9 35 81 729 6561 315 2835
1976 10 27.6 100 1000 10000 276 2760
299.9 385 3025 25333 1878.6 13647.8
Σ 55
n 10
b₀ -2.745
b₁ 11.50774242
b₂ -0.79356060
y -2.745+11.507x-0.7936x²

60 y = -0.7936x2 + 11.507x - 2.745

modelo cuadratico R² = 0.7977
50

40
la tasa de
incidencia de
30
hepatitis (casos
por 100, 000 de
20
la población)
10

0
1966 1968 1970 1972 1974 1976 1978
años
4. La producción, en litros de aguardiente de caña producido por cierto agricultor durante los
últimos cinco años fue

80 litros hace cinco años

70 litros hace cuatro años

75 litros hace tres años

65 litros hace dos años

60 litros el último año

x Y x² x³ x⁴ x*y x²*y
1 80 1 1 1 80 80
2 70 4 8 16 140 280
3 75 9 27 81 225 675
4 65 16 64 256 260 1040
5 60 25 125 625 300 1500
15 350 55 225 979 1005 3575
Σ
n 5
b₀ 81
b₁ -2.35714285
b₂ -0.35714285
2
y -0.3571x - 2.3571x + 81
 modelo cuadratico
90 y = -0.3571x2 - 2.3571x + 81
80 R² = 0.8171
70
60
50
litros
40 Series1
30
Polinómica (Series1)
20
10
0
0 2 4 6
últimos cinco años

Usar un ajuste lineal de mínimos cuadrados de estos datos para proyectar el número de litros a
producir este año. (¿Tiene sentido práctico este problema? ¿Por qué?).

R=no hay mucha diferencia del modelo lineal a este y puedo utilizar mejor los damos de otra
manera

5. El número de minutos requeridos por una rata para salir de un laberinto en varias ocasiones fue
de 8 minutos, 8 minutos, 6 minutos, 5 minutos y 6 minutos en sus cinco primeros intentos. Usar un
ajuste lineal de mínimos cuadrados de estos datos para proyectar el tiempo que tardará la rata en
su sexto intento.

R=para su intento 6; 10.2-1.9857 (6)+0.2143 (6)²= 6.0048

x Y x² x³ x⁴ x*y x²*y
1 8 1 1 1 8 8
2 8 4 8 16 16 32
3 6 9 27 81 18 54
4 5 16 64 256 20 80
5 6 25 125 625 30 150
Σ 15 33 55 225 979 92 324
n 5
b₀ 10.2
b₁ -1.98571428
b₂ 0.2142857141
y 10.2-1.9857x+0.2143x²
 modelo cuadratico
9
y = 0.2143x2 - 1.9857x + 10.2
8
R² = 0.7698
7
6
5
minutos
4 Series1
3
Polinómica (Series1)
2
1
0
0 2 4 6
intentos

6. En una experiencia de laboratorio se lograron los siguientes resultados de la variable h de cada

valor de la variable d.

a) Determine cuál de los siguientes modelos es más adecuado para efectuar la regresión de h sobre
d

b) De acuerdo con el modelo escogido obtenga los estimadores mínimos cuadráticos de a y b.

x y X'=logX Y'=logY X'*Y' X'²

2 1.25 0.69314718 0.22314355 0.15467132 0.48045301
3 1.07 1.09861229 0.06765865 0.07433062 1.20694896
4 1.03 1.38629436 0.0295588 0.0409772 1.92181206
5 1.02 1.60943791 0.01980263 0.0318711 2.59029039
6 1.01 1.79175947 0.00995033 0.0178286 3.210402
7 1 1.94591015 0 0 3.78656631
Σ 27 6.38 8.52516136 0.35011396 0.31967885 13.1964727
n 6
-
B 0.164096835
A 1.3384 0.291474
Y
 potencial
1.4 y = 1.3384x-0.164
1.2 R² = 0.8263

1
Título del eje

0.8
0.6 Series1
0.4 Potencial (Series1)
0.2
0
0 2 4 6 8
Título del eje

7. Se pretende estimar los valores de producción Y (en miles de toneladas) de cierto material, en
función del tiempo transcurrido X (en años) usando los datos

a) Fundamentando con indicadores estadísticos pertinentes indique cuál de los modelos propuestos
escogería usted para efectuar mejores predicciones de la producción.

c) De acuerdo con el modelo escogido obtenga los estimadores mínimos cuadráticos de A y B.

 x y Y'=logY X*Y' X² (Y')²
2 1.25 0.22314355 0.4462871 4 0.04979304
3 1.07 0.06765865 0.20297595 9 0.00457769
4 1.03 0.0295588 0.11823521 16 0.00087372
5 1.02 0.01980263 0.09901314 25 0.00039214
6 1.01 0.00995033 0.05970199 36 9.9009E-05
7 1 0 0 49 0
Σ 27 6.38 0.35011396 0.92621338 139 0.05573561
n 6
B -0.037
A 1.252 0.2253
Y 1.252e´-0.037

exponencial
1.4 y = 1.2527e-0.037x
1.2 R² = 0.6824

1
Título del eje

0.8
0.6 Series1
0.4 Exponencial (Series1)
0.2
0
0 2 4 6 8
Título del eje