Documentos de Académico
Documentos de Profesional
Documentos de Cultura
11.52
11.68
12.7
12.11
12.41
11.52. Se diseñó un experimento para el Departamento de Ingeniería de
Materiales de Virginia Tech con el fin de estudiar las propiedades de deterioro del
nitrógeno con base en las mediciones de la presión de hidrógeno electrolítico. Se
utilizó una solución al 0.1 N NaOH y el material era cierto tipo de acero inoxidable.
La densidad de corriente de carga catódica fue controlada y variada en cuatro
niveles. Se observó la presión de hidrógeno efectiva como la respuesta. A
continuación, se presentan los datos.
y=7.3597973+ 135.403378 x
b) Calcule la suma de cuadrados del error puro y haga una prueba para la
falta de ajuste.
Suma de cuadrados del error puro = 57332.17311
c) ¿La información del inciso b indica la necesidad de un modelo en x más
allá de una regresión de primer orden? Explique su respuesta.
El modelo en X necesita una regresión más allá del primer orden ya que los datos
que se nos muestran en la gráfica de residuales podemos ver que existe un patrón
y su varianza no es constante, por lo tanto, tienen un mal ajuste.
1 44 142
2 46 142
3 42 138
4 57 168
5 21 120
6 65 162
7 47 149
8 51 174
9 65 158
10 70 180
11 19 124
12 22 130
13 39 120
14 48 157
15 56 150
16 65 176
17 42 128
18 56 154
19 29 130
20 41 158
21 17 114
22 39 144
23 53 158
24 23 139
25 57 164
26 66 176
27 25 125
28 67 158
29 31 134
30 50 144
31 47 159
32 50 142
33 20 116
34 33 140
35 48 130
36 64 162
37 51 160
38 62 172
39 44 160
40 33 144
41 45 135
42 52 156
43 60 185
44 39 138
45 26 132
46 47 145
47 59 140
48 55 174
49 19 128
50 38 150
51 42 124
52 59 170
53 63 144
54 35 148
55 45 138
56 61 169
57 61 154
58 69 175
59 41 152
60 67 170
61 40 153
62 29 110
63 68 184
64 36 136
65 47 156
66 68 172
67 56 165
68 36 124
69 41 134
S
e obtuvieron estas dos gráficas con los residuales, donde podemos decir que
podemos aplicar el modelo, esto debido a que varios de nuestros puntos (realidad)
se encuentran cerca de nuestra línea central (nuestro modelo), es decir, la realidad
se encuentra cercana de nuestro modelo por lo que el modelo aplicado sería el
adecuado, continuar realizando los análisis correspondientes, y verificar la
veracidad del modelo
350000
300000
f(x) = 6378.18652409082 x − 267620.650785034
250000 R² = 0.0609820671033458
200000
150000
100000
50000
2
y=141.611780−0.281927 x+0.000309140 x
12.11. Se realizó un experimento para estudiar el tamaño de los calamares
consumidos por tiburones y atunes. Las variables regresoras son características
de la boca del calamar. Los datos del estudio son los siguientes:
En el estudio las variables
regresoras y la respuesta
considerada son
x1 = longitud del rostral, en
pulgadas,
x2 = longitud de la aleta, en
pulgadas,
x3 = longitud del rostral a la cola, en
pulgadas,
x4 = longitud de la cola a la aleta,
en pulgadas,
x5 = ancho, en pulgadas,
y = peso, en libras.
Estime la ecuación de regresión lineal múltiple
Los datos se aglutinan alrededor de las líneas de tendencia, hay una relación
lineal entre las variables y existe una relación lineal positiva, lo que por ejemplo
puede decir que para x4 significa que cuando la longitud de la cola a la aleta
aumenta, la longitud del rostral también aumenta y viceversa.
2.5
f(x) = 0.0396980892648944
0.0453336173829077 x + 0.357102879170132
0.273916384169611
0.5 R² = 0.913982736037759
0.945503578926945
Se observa una correlación
0 fuerte positiva en todos los
0 x1
2 4 6Linear (x1) 8 10x2 12
Linear (x2) x3 Linear (x3) casos
x4 Linear (x4) x5
Linear (x5)
Se identificaron los coeficientes señalados en color naranja para el desarrollo de la
ecuación siguiente,
12.41. Considere el ejemplo 12.3 de la página 447. Compare los dos modelos en
competencia
Utilice R2ajus para realizar la comparación. Pruebe H0: β11 = β22 = β12 = 0. También
utilice el C.V. que se mencionó en el ejercicio 12.40.
De acuerdo con los datos proporcionados se realizo una nueva base de datos
correspondiente a las ecuaciones de primer y segundo orden, como se muestra a
continuación
Con lo que logramos obtener las siguientes gráficas de primer y segundo orden
respectivamente
Primer Orden
30
15
10
0
8 10 12 14 16 18 20 22 24
Segundo Orden
30
25 f(x)==1.12446945486629
f(x) 1.18833993609687 f(x) = 0.0317691086270575
xx+−4.64349547804263
0.887054943462626
f(x) = 0.0388584272530245 x + 9.84909628855223
x + 12.2775663106574
R²==0.927687300264694
R² 0.896602481785088 R² = 0.875328372716219
R² = 0.905809368481628
20
15
10
0
0 100 200 300 400 500 600
El coeficiente de correlación que se obtuvo de cada modelo fueron los siguientes
Coeficiente de correlación