Ejercicios 471

Ejercicios
12.31 Calcule e interprete el coeficiente de determi- R (β 1 | β 0), R(β 1 | β 0, β2, β3),
nación múltiple para las variables del ejercicio 12.1 de R (β 2 | β 0, β1), R(β 2 | β 0, β1, β3),
la página 450.
R (β 3 | β 0, β1, β2), R(β 1, β2 | β 3).
12.32 Pruebe si la regresión explicada por el modelo
del ejercicio 12.1, que se encuentra en la página 450, es Haga comentarios al respecto.
significativa a un nivel de significancia de 0.01. 12.39 Considere los datos del ejercicio 11.55 de la
12.33 Pruebe si la regresión explicada por el modelo página 437. Ajuste un modelo de regresión utilizando
del ejercicio 12.5, de la página 450, es significativa a un el peso y el cociente de manejo como variables explica-
nivel de significancia de 0.01. tivas. Compare este modelo con el de la RLS (regresión
lineal simple) utilizando sólo el peso. Utilice R2, Rajus
2
y
12.34 Para el modelo del ejercicio 12.5 de la página
cualquier estadístico t (o F) que necesite para comparar
450 pruebe la hipótesis
la RLS con el modelo de regresión múltiple.
H 0 : β1 = β2 = 0,
12.40 Considere el ejemplo 12.4. La figura 12.1 de la
H 1 : β1 y β2 no son ambas cero. página 459 presenta una salida de resultados del SAS
12.35 Repita el ejercicio 12.17 de la página 461 para un análisis del modelo que contiene las variables
usando el estadístico F. x1, x2 y x3. Céntrese en el intervalo de confianza de la
respuesta media μY en las ubicaciones (x1, x2, x3) que
12.36 Se realizó un pequeño experimento para ajus- representan los 13 puntos de los datos. Considere el
tar una ecuación de regresión múltiple que relaciona elemento en la salida de resultados indicado con C.V.,
el producto, y, con la temperatura, x1, el tiempo de re- que representa al coeficiente de variación, el cual se
acción, x2, y la concentración de uno de los reactantes, define como
x3. Se eligieron dos niveles de cada variable y se regis- s
traron las siguientes mediciones correspondientes a las C.V. = · 100,
ȳ
variables independientes codificadas:
y x1 x2 x3 donde s = s 2 es la raíz del cuadrado medio del
7.6 −1 −1 −1 error. El coeficiente de variación se utiliza con fre-
8.4 1 −1 −1 cuencia como otro criterio para comparar modelos en
9.2 −1 1 −1 competencia. Se trata de una cantidad sin escala que
10.3 −1 −1 1 expresa al estimado de σ, es decir, s, como un porcen-
9.8 1 1 −1 taje de la respuesta promedio y. Al competir por el “me-
11.1 1 −1 1 jor” modelo de un grupo de modelos en competencia se
10.2 −1 1 1 busca un modelo con un valor pequeño de C.V. Haga
12.6 1 1 1 un análisis de regresión del conjunto de datos que se
a) Utilice las variables codificadas para estimar la presenta en el ejemplo 12.4, pero elimine x3. Compare
ecuación de regresión lineal múltiple el modelo completo (x1, x2, x3) con el restringido
(x1, x2) y céntrese en dos criterios: i) C.V.; ii) la anchura
μY |x 1 , x 2 , x 3 = β0 + β1 x 1 + β2 x 2 + β3 x 3 .
de los intervalos de confianza sobre μY. Para el segundo
b) Divida la SCR, es decir, la suma de cuadrados de criterio usted quizá desearía usar la anchura promedio.
regresión, en tres componentes de un solo grado Haga comentarios al respecto.
de libertad atribuibles a x1, x2 y x3, respectiva- 12.41 Considere el ejemplo 12.3 de la página 447.
mente. Construya una tabla de análisis de varianza Compare los dos modelos en competencia
que indique las pruebas de significancia para cada
variable. Primer orden: y i = β0 + β1 x 1 i + β2 x 2 i + i ,
12.37 Considere los datos de energía eléctrica del Segundo orden: y i = β0 + β1 x 1 i + β2 x 2 i
ejercicio 12.5 de la página 450. Pruebe H0: β1 = β2 = + β11 x 21 i + β22 x 22 i + β12 x 1 i x 2 i + i .
0 utilizando R(β1, β2 | β3, β4). Proporcione un valor P y
saque conclusiones. 2
Utilice Rajus para realizar la comparación. Pruebe H0:
12.38 Considere los datos del ejercicio 12.36. Calcule β11 = β22 = β12 = 0. También utilice el C.V. que se
lo siguiente: mencionó en el ejercicio 12.40.