UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE CIENCIAS QUÍMICAS

BIOQUÍMICA Y FARMACIA
DISEÑO EXPERIMENTAL
ESTUDIANTE GIAINNY DUGARTE
PARALELO BF4-001
UNIDAD I. MODELO LINEAL SIMPLE.
I.- 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.

n X: % fibra Y: Resistencia ")

(xi-𝒙 ")2
(xi-𝒙 ")
(yi -𝒚 ")2
(yi - 𝒚 ")(yi -𝒚
(xi-𝒙 ")

1 0 14 -5,00 25 3,05 9,27 -15,23

2 1 11 -4,00 16 0,05 0,00 -0,18
3 2 10 -3,00 9 -0,95 0,91 2,86
4 3 8 -2,00 4 -2,95 8,73 5,91
5 4 7,5 -1,00 1 -3,45 11,93 3,45
6 5 9 0,00 0 -1,95 3,82 0,00
7 6 10 1,00 1 -0,95 0,91 -0,95
8 7 11 2,00 4 0,05 0,00 0,09
9 8 13 3,00 9 2,05 4,18 6,14
10 9 12 4,00 16 1,05 1,09 4,18
11 10 15 5,00 25 4,05 16,37 20,23
SUMA 55 120,50 110 57,23 26,50
PROMEDIO 5 10,95
DES. EST. 3,32 2,39

Calcule:
1. La ecuación que rige el modelo lineal Y = βo + β1X

∑(𝒙𝒊 − %
𝒙)(𝒚𝒊 − %
𝒚)
% − 𝜷𝒙
𝜷𝟎 = 𝒚 % 𝜷= , = 𝜷𝟎 + 𝜷𝒙
𝒚
∑(𝒙𝒊 − %
𝒙)𝟐

𝛽# = 10,95 − 0,24(5) = 9,75 26,50 𝑦< = 9,75 + 0,24𝑥

𝛽= = 𝟎, 𝟐𝟒
110

2. Calcule el intervalo de confianza de los coeficientes βo y β1 del modelo, trabaje al 95% de confianza
(α=5%)

𝒚
% = α+βX
n X: % fibra Y: Resistencia %
e = y-𝒚 %)2
SCE = ∑(yi-𝒚
𝒚
% = 130,67 + 1,62x
1 0 14 9,75 4,25 18,06
2 1 11 9,99 1,01 1,02
3 2 10 10,23 -0,23 0,05
4 3 8 10,47 -2,47 6,11
5 4 7,5 10,71 -3,21 10,33
6 5 9 10,95 -1,95 3,82
7 6 10 11,20 -1,20 1,43
8 7 11 11,44 -0,44 0,19
9 8 13 11,68 1,32 1,75
10 9 12 11,92 0,08 0,01
11 10 15 12,16 2,84 8,07
SUMA 55 120,50 50,84
PROMEDIO 5 10,95
DES. EST. 3,32 2,39 0,799
 ()𝟐
∑(𝒚𝒊&𝒚' ()𝟐
Var (e) = s𝟐 = = CME 5=6
Des.Est.(e) = 𝝈
∑(𝒚𝒊&𝒚'
= 7𝑽𝒂𝒓(𝜺)
𝒏&𝟐 𝒏&𝟐

+,,./
Var (e) = = 5,65 Des.Est.(e) = 𝜎@ = 75,65 = 2,38
0

𝟏 𝒙𝟐
3 Des.Est. (b0) = = 7𝑽𝒂𝒓(𝜷𝟎 )
5𝟐 D +
Var(b0 )= 𝝈 F
𝒏 3)𝟐
∑(𝒙𝒊&𝒙

5 6+
Var(b0)= 5,65 H55 + 55,I= 1,79 Des.esta(b0) = 𝜎@ = √1,79= 1,34

8𝟐
𝝈 8𝟐
𝝈
Var(b)= ∑(𝒙𝒊&𝒙3 Des.Est.(b) = 6∑(𝒙𝒊&𝒙3 𝟐 = 7𝑽𝒂𝒓(b )
)𝟐 )

+,9+
Var(b)= 55, = 0,05 Des.esta(b) = 70,05 = 0,23

Nivel de confianza 95% 𝜶

t tab = ! 𝟐 ; 𝒈𝒍%
α 5%
t tab = [0,025; 9]
n 11
t tab = 2,262
gl = n-2 9
𝜶 𝜶
P𝟎 ± 𝒕 H ; 𝒈𝒍Ix Des.Est(𝜷𝟎 )
IC (𝜷𝟎 )= 𝜷 V ± 𝒕 H ; 𝒈𝒍Ix Des.Est(𝜷)
IC (𝜷)= 𝜷
𝟐 𝟐

IC (𝜷𝟎 )= 𝟗, 𝟕𝟓 ± 𝟐, 𝟐𝟔𝟐 x 1,34 IC (𝜷)= 𝟎, 𝟐𝟒 ± 𝟐, 𝟐𝟔𝟐 x 0,23

IC (𝜷𝟎 )= 𝟗, 𝟕𝟓 ± 𝟑, 𝟎𝟑 IC (𝜷) = 𝟎, 𝟐𝟒 ± 0,51

Li 𝜷𝟎 Ls Li 𝜷 Ls
6,72 9,75 12,78 -0,27 0,24 0,75
3. Realice el análisis de varianzas (ANOVA) del modelo
VARIACIÓN SC gl CM Fexp Ftab P exp a = p
teórico
REGRESIÓN SCR glR=k=1 𝑺𝑪𝑹 𝑪𝑴𝑹 Pexp 0,05
CMR= 𝒈𝒍𝑹 Fexp = 𝑪𝑴𝑬
𝒈𝒍𝑵
ERROR SCE glE= n-2 𝑺𝑪𝑬 FtabH𝜶;
𝒈𝒍𝑫
I
CMR=
𝒈𝒍𝑬
TOTAL SCT glT= n-1 Fexp ≤ Ftab: Aceptar Ho: β=0 p exp ≥ p teórico:
Aceptar Ho: β = 0

Fexp > Ftab: Aceptar H1: β≠0 p exp < p teórico:

Aceptar H1:β ≠ 0

SCR = b∑(𝒙𝒊 − "

𝒙)(yi-𝒚 V−𝒀
") = (𝒀 ")𝟐 5)𝟐
SCE =∑(𝐲𝐢 − 𝒚 ")𝟐 = SCR +SCE
SCT =∑(𝐲𝐢 − 𝒚
SCR= (0,24) (26,5) = 6,38 SCE = 50,84 SCT= 57,23
𝑺𝑪𝑹 𝑺𝑪𝑬
CMR = 𝒈𝒍𝑹 E𝒌 CME = 𝒈𝒍𝑬 E 𝒏 &𝟐
𝟔,𝟑𝟖 𝟓𝟎,𝟖𝟒
CMR = 𝟏
= 6,38 CME = 𝟗
= 5,65

𝑪𝑴𝑹 𝒈𝑳𝑵 |𝑭𝒆𝒙𝒑| ≤ |𝑭𝒕𝒂𝒃|

F exp =
𝑪𝑴𝑬
F tab = Ha; I
𝒈𝒍𝑫

𝟔,𝟑𝟖 𝟏 1,13 ≤ 5,117

F exp =
𝟓,𝟔𝟓
= 1,13 F tab = H𝟎, 𝟎𝟓 ; I = 5,117
𝟗
 VARIACIÓN SC gl CM Fexp Ftab P exp a = p teórico
REGRESIÓN 6,38 1 6,38 5,117
P exp 0,05
1,130
ERROR 50,84 9 5,65
TOTAL 57,23 10 p exp > p teórico Aceptar Ho:
Fexp ≤ Ftab: Aceptar Ho:
β=0
β=0 ( Y no depende de X )
4. Realice la prueba de hipótesis para los coeficientes βo y β1 del modelo, trabaje al 95% de confianza (α=5%)

Nivel de confianza 95%

α 5%

n 11

gl = n-2 9

𝛃𝐨
texp:𝑫𝒆𝒔𝒗.𝒆𝒔𝒕(𝛃𝐨) ttab: [0,025;9] |𝒕𝒆𝒙𝒑| > |𝒕𝒕𝒂𝒃|
H0 = b = 0 ( Pasa por el origen )

𝛃𝐨 H1 = b ≠ 0 ( No pasa por el origen ) 𝟗,𝟕𝟓 2,262 |𝟕, 𝟐𝟕| > |𝟐, 𝟐𝟔𝟐|
texp: = 7,27
𝟏,𝟑𝟒

H1 = b ≠ 0 ( No pasa por el origen )

𝛃𝟏
texp:𝑫𝒆𝒔𝒗.𝒆𝒔𝒕(𝛃𝟏) ttab: [0,025;9] |𝒕𝒆𝒙𝒑| ≤ |𝒕𝒕𝒂𝒃|
H0 = b1 = 0 ( Y no depende de X )

𝛃𝟏 H1 = b1 ≠ 0 ( Y depende de X ) ,,./ 2,262 |𝟏, 𝟎𝟔| ≤ |𝟐, 𝟐𝟔𝟐|

texp:,,.0 = 1,06

H0 = b1 = 0 ( Y no depende de X )

5. Calcule los coeficientes de correlación (r) y el coeficiente de determinación R2 de modelo

𝑺𝑪𝑬 𝟓𝟎,𝟖𝟒
R2 = 1- 𝑺𝑪𝑻 R2 = 1- 𝟓𝟕,𝟐𝟑 = 0,1116 11,16 %

r = √𝑹𝟐 r = √𝟎, 𝟏𝟏𝟐 = 0,334

6. Estime el valor de Y con su intervalo de confianza, para un valor de X = 7, trabaje al 95% de confianza
(α=5%)

5 (6)#
Des. Est. (𝑦n) =65,65 H55 + 55, I
𝟏 3)𝟐
(𝒙 &𝒙
5 𝟐 D + 𝟎 3 𝟐F
%) =6𝝈
DES. EST (𝒚 𝒏 ∑(𝒙𝒊&𝒙)
Des. Est (𝑦n) = 0,85

𝜶 𝒚
% = 9,75 + 0,24x Li 𝜷𝒐 Ls
𝑰𝑪(𝒚
%)= 𝒚
% ± 𝒕 H 𝟐 ; 𝒈𝒍I x Des.Est.( 𝒚
%)

𝐼𝐶(𝑦n)= 11,44 ± (2,262) (0,85)

𝒚
% = 𝑦n = 9,75 + 0,24 (7) = 11,44 9,52 11,44 13,35
𝐼𝐶(𝑦n)= 11,44 ± 1,92
 7. Calcule la cantidad de reactivo que se requiere para minimizar el tiempo de secado
Es incalculable debido a que se ha aceptado Ho para el coeficiente B1, y con esto entiendo que el tiempo de
secado no depende de la cantidad de aditivo, es por eso que considero al modelo como no lineal, impidiendo de
esta forma calcular la cantidad de reactivo si se requiere minimizar el secado.

II. En un proceso de extracción se estudia la relación entre tiempo de extracción y rendimiento. Los datos
obtenidos se muestran en la siguiente tabla.

X: Y:
n ")
(xi-𝒙 ")2
(xi-𝒙 ")
(yi -𝒚 ")2
(yi - 𝒚 ")(yi -𝒚
(xi-𝒙 ")
Tiempo %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 176 905,80 170,67 537,56 203,93
PROMEDIO 14,67 75,48
DES. EST. 3,94 6,99

Calcule:
1. La ecuación que rige el modelo lineal Y = βo + β1X

%)(𝒚𝒊 − 𝒚
∑(𝒙𝒊 − 𝒙 %)
𝜷= % − 𝜷𝒙
𝜷𝟎 = 𝒚 % , = 𝜷𝟎 + 𝜷𝒙
𝒚
%)𝟐
∑(𝒙𝒊 − 𝒙

203,93 𝛽, = 75,48 − 1,19(14,67) = 57,89 𝑦n = 𝟓𝟕, 𝟖𝟗 + 𝟏, 𝟏𝟗𝟗 𝒙

𝛽= = 𝟏, 𝟏𝟗𝟗
170,67
 2. Calcule el intervalo de confianza de los coeficientes βo y β1 del modelo, trabaje al 95% de confianza
(α=5%)

X: Y: 𝒚
% = α+βX
n %
e = y-𝒚 %)2
SCE = ∑(yi-𝒚
Tiempo %Rendimiento 𝒚
% = 57,89 + 1,199x

1 10 64 69,91 -5,91 34,89

2 15 81,7 75,88 5,82 33,85
3 20 76,2 81,86 -5,66 31,99
4 8 68,5 67,52 0,98 0,97
5 12 66,6 72,30 -5,70 32,45
6 13 77,9 73,49 4,41 19,43
7 15 82,2 75,88 6,32 39,92
8 12 74,2 72,30 1,90 3,62
9 14 70 74,69 -4,69 21,97
10 20 76 81,86 -5,86 34,30
11 19 83,2 80,66 2,54 6,44
12 18 85,3 79,47 5,83 34,03
SUMA 176 905,80 293,87
PROMEDIO 14,67 75,48
DES. EST. 3,94 6,99 4,707

()𝟐
∑(𝒚𝒊&𝒚' ()𝟐
Var (e) = s𝟐 = 𝒏&𝟐
= CME 5=6
Des.Est.(e) = 𝝈
∑(𝒚𝒊&𝒚'
= 7𝑽𝒂𝒓(𝜺)
𝒏&𝟐

60O,.P
Var (e) = = 29,39 Des.Est.(e) = 𝜎@ = √29,39 = 5,42
5,

𝟏 3𝟐
𝒙 Des.Est. (b0) = = 7𝑽𝒂𝒓(𝜷𝟎 )
5𝟐 D +
Var(b0)= 𝝈 F
𝒏 3)𝟐
∑(𝒙𝒊&𝒙

5 (5/,9P)#
Var(b0)= 29,39 H56 + I= 39,49 Des.esta(b0) = 𝜎@ = √38,49= 6,28
5P,,9P
8𝟐
𝝈 8𝟐
𝝈
Var(b)= ∑(𝒙𝒊&𝒙3)𝟐 Des.Est.(b) = 6∑(𝒙𝒊&𝒙3)𝟐 = 7𝑽𝒂𝒓(b)

60,O0
Var(b)= 5P,,9P = 0,17 Des.esta(b) = √0,17 = 0,41

𝜶
Nivel de confianza 95% t tab = !𝟐 ; 𝒈𝒍%
α 5%
t tab = [0,025; 10]
n 12 t tab = 2,228
gl = n-2 10

P𝟎 ± 𝒕 H𝜶 ; 𝒈𝒍Ix Des.Est(𝜷𝟎 )
IC (𝜷𝟎 )= 𝜷 V ± 𝒕 H𝜶 ; 𝒈𝒍Ix Des.Est(𝜷)
IC (𝜷)= 𝜷
𝟐 𝟐

IC (𝜷𝟎 )= 𝟓𝟕, 𝟖𝟗 ± 𝟐, 𝟐𝟐𝟖 x 6,28 IC (𝜷)= 𝟏, 𝟏𝟗𝟗 ± 𝟐, 𝟐𝟐𝟖 x 0,41

IC (𝜷𝟎 )= 𝟓𝟕, 𝟖𝟗 ± 𝟏𝟒, 𝟎𝟎 IC (𝜷) = 𝟏, 𝟏𝟗𝟗 ± 0,92

Li 𝜷𝟎 Ls Li 𝜷 Ls
43,89 57,89 71,89 0,27 1,19 2,12
 3. Realice el análisis de varianzas (ANOVA) del modelo
VARIACIÓN SC gl CM Fexp Ftab P exp a = p
teórico
REGRESIÓN SCR glR=k=1 𝑺𝑪𝑹 𝑪𝑴𝑹 Pexp 0,05
CMR= 𝒈𝒍𝑹 Fexp = 𝑪𝑴𝑬
𝒈𝒍𝑵
ERROR SCE glE= n-2 𝑺𝑪𝑬 FtabH𝜶; 𝒈𝒍𝑫I
CMR= 𝒈𝒍𝑬
TOTAL SCT glT= n-1 Fexp ≤ Ftab: Aceptar Ho: β=0 p exp ≥ p teórico:
Aceptar Ho: β = 0

Fexp > Ftab: Aceptar H1: β≠0 p exp < p teórico:

Aceptar H1:β ≠ 0

SCR = b∑(𝒙𝒊 − "

𝒙)(yi-𝒚 V−𝒀
") = (𝒀 ")𝟐 SCE =∑(𝐲𝐢 − 𝒚5)𝟐 SCT =∑(𝐲𝐢 − 𝒚 ")𝟐 = SCR +SCE
SCR= (1,199) (203,93) = 244,62 SCE = 293,87 SCT= 537,56
𝑺𝑪𝑹 𝑺𝑪𝑬
CMR = 𝒈𝒍𝑹 E𝒌 CME = 𝒈𝒍𝑬 E 𝒏 &𝟐

𝟐𝟒𝟒,𝟔𝟐 𝟐𝟗𝟑,𝟖𝟕
CMR = = 244,62 CME = = 29,39
𝟏 𝟏𝟎

𝑪𝑴𝑹 𝒈𝑳𝑵 |𝑭𝒆𝒙𝒑| > |𝑭𝒕𝒂𝒃|

F exp =
𝑪𝑴𝑬
F tab = Ha; I
𝒈𝒍𝑫

𝟐𝟒𝟒,𝟔𝟐 𝟏 8,32 > 4,965

F exp =
𝟐𝟗,𝟑𝟗
= 8,32 F tab = H𝟎, 𝟎𝟓 ; I = 4,965
𝟏𝟎

VARIACIÓN SC gl CM Fexp Ftab P exp a = p

teórico
REGRESIÓN 244,62 1 244,62 8,32 4,965 P exp 0,05
ERROR 293,87 12 29,39
TOTAL 537,56 13 Fexp > Ftab: Aceptar H1: p exp < p teórico: Aceptar
β ≠ 0 ( Y depende de X ) H1:β ≠ 0
4. Realice la prueba de hipótesis para los coeficientes βo y β1 del modelo, trabaje al 95% de confianza (α=5%)

Nivel de confianza 95%

α 5%

n 12

gl = n-2 10

𝛃𝐨
texp:𝑫𝒆𝒔𝒗.𝒆𝒔𝒕(𝛃𝐨) ttab: [0,025;10] |𝒕𝒆𝒙𝒑| > |𝒕𝒕𝒂𝒃|
H0 = b = 0 ( Pasa por el origen )

𝛃𝐨 |𝟗, 𝟐𝟏| > |𝟐, 𝟐𝟐𝟖|

H1 = b ≠ 0 ( No pasa por el origen ) t exp =
𝟓𝟕,𝟖𝟗
= 9,21 2,228
𝟔,𝟐𝟖

H1 = bo ≠ 0 ( No pasa por el origen )

𝛃𝟏
texp:𝑫𝒆𝒔𝒗.𝒆𝒔𝒕(𝛃𝟏) ttab: [0,025;10] |𝒕𝒆𝒙𝒑| > |𝒕𝒕𝒂𝒃|
H0 = b1 = 0 ( Y no depende de X )

𝛃𝟏
H1 = b1 ≠ 0 ( Y depende de X ) t exp =
𝟏,𝟏𝟗
= 2,89 2,228 |𝟐, 𝟖𝟗| > |𝟐, 𝟐𝟐𝟖|
𝟎,𝟒𝟏

H1 = b1 ≠ 0 ( Y depende de X )
 5. Calcule los coeficientes de correlación (r) y el coeficiente de determinación R2 de modelo

𝑺𝑪𝑬 𝟐𝟗𝟑,𝟖𝟕
R2 = 1- R2 = 1- 𝟓𝟑𝟕,𝟓𝟔 = 0,45 = 45 %
𝑺𝑪𝑻

r = √𝑹𝟐 r = 7𝟎, 𝟒𝟓 = 0,67

6. Estime el rendimiento promedio que se espera a un tiempo de extracción de 25 minutos y obtenga un

intervalo de confianza para esta estimación.

𝟏 3)𝟐
(𝒙 &𝒙 5 (6+&5/,9P)#
DES. EST (𝒚 5 𝟐 D + 𝟎 3 𝟐F
%) =6𝝈 Des. Est. (𝑦n) =629,39 H56 + I= 4,56
𝒏 ∑(𝒙𝒊&𝒙) 5P,,9P

𝜶 𝒚
% = 57,89 + 1,19x Li 𝜷𝒐 Ls
𝑰𝑪(𝒚
%)= 𝒚
% ± 𝒕 H 𝟐 ; 𝒈𝒍I x Des.Est.( 𝒚
%)

𝐼𝐶(𝑦n)= 87,88 ± (2,228) (4,56)

𝑦n = 57,89 + 1,19 (25) = 87,88 77,71 87,88 98,05
𝐼𝐶(𝑦n)= 87,88 ± 10,17

MODELO LINEAL MÚLTIPLE

III.- 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

Matriz Y MATRIZ X (10,4) Matriz e (10,1)

( 10, 1) βo X1 (pH) X2(Temperatura) X3(Tiempo (h)) e
9 1 1,2 -8 2,3 e1
Matriz β
14 1 1,8 -8 2,2 ( 4, 1) e2
10 1 1,2 8 2,5 β e3
19 1 1,8 8 2,1 βo e4
8 1 1,2 -8 2,6 β1 e5
12 1 1,8 -8 3 β2 e6
11 1 1,2 8 2,4 β3 e7
20 1 1,8 8 3,1 e8
14 1 1,5 0 3 e9
13 1 1,5 0 2,3
e10
2. Calcule el intervalo de confianza de los coeficientes βo, β1, β2 y β3 del modelo, trabaje al 95% de confianza
(α=5%)

7
7 = 𝑿𝜷
𝒀 7
𝒎𝒂𝒕𝒓𝒊𝒛 𝑿. 𝒎𝒂𝒕𝒓𝒊𝒛 𝜷
7,503837719
14,25932018
11,74945175
18,51151316
7,497258772
14,24177632
11,75164474
18,48958333
12,99013158
13,00548246

Matriz y
( 12, 1) 𝒚
0= Matriz Xβ 0)
ε = (y-𝒚 0)𝟐
ε = (𝐲 − 𝒚
y 𝒚
0
9 7,503837719 1,496162281 2,238501571
14 14,25932018 -0,25932018 0,067246956
10 11,74945175 -1,74945175 3,060581426
19 18,51151316 0,48848684 0,238619393
8 7,497258772 0,502741228 0,252748742
12 14,24177632 -2,24177632 5,025561069
11 11,75164474 -0,75164474 0,564969815
20 18,48958333 1,51041667 2,281358517
14 12,99013158 1,00986842 1,019834226
13 13,00548246 -0,00548246 3,00574E-05
SCE 14,74945177

𝑺𝑪𝑬
5𝟐 =
Var (ε) = 𝝈 = CME Des. Est (𝝈)
𝒏&𝒌&𝟏

𝟏𝟒,𝟕𝟒𝟗
5𝟐 =
Var (ε) = 𝝈 = 2,458 Des. Est (𝝈) =7𝟐, 𝟒𝟓𝟖 = 1,5678
𝟏𝟎&𝟑&𝟏
8

Var (βo) 18,12872581

Var (β 1) 3,54899698
Var (β 2) 0,004801266
A𝟐 (𝑿𝑻 𝑿)7𝟏
Var (βi) = 𝝈 Var (β 3) 2,15635259
 Des. Est (𝛃𝐨) =\𝐕𝐚𝐫 (𝛃𝐨) 4,257784143 Nivel de confianza 95%
Des. Est (𝛃𝟏)= \𝐕𝐚𝐫 (𝛃𝟏) 1,883878175 α 5%
Des. Est (𝛃𝟐)= \𝐕𝐚𝐫 (𝛃𝟐) 0,069291168
Des. Est (𝛃𝟑)= \𝐕𝐚𝐫 (𝛃𝟑) 1,468452447 gl = 𝑛 − 𝑘 − 1 10-3-1 = 6
𝛂
t-tabR𝟐 ; 𝒈𝒍V t-tab[𝟎, 𝟎𝟐𝟓; 𝟔] =2,447

K ± 𝒕 𝜶 ∗ 𝑫𝒆𝒔. 𝑬𝒔𝒕𝒂(𝜷𝒊)
𝑰𝑪(𝜷𝒊) = 𝜷J 𝒀 = −𝟑, 𝟖𝟐𝟕 + 𝟏𝟏, 𝟐𝟓𝟓𝑿𝟏 + 𝟎, 𝟐𝟔𝟔𝑿𝟐 − 𝟎, 𝟎𝟐𝟏𝟗𝑿𝟑 Li 𝜷𝒊 Ls
( ;𝒈𝒍)
𝟐

K ± 𝒕 𝜶 ∗ 𝑫𝒆𝒔. 𝑬𝒔𝒕𝒂(𝜷𝒐)
𝑰𝑪(𝜷𝒐) = 𝜷𝒐 −3,827 ± 2,447 x 4,258 = −𝟑, 𝟖𝟐𝟕 ± 10,418 Li 𝜷𝒐 Ls
( ;𝒈𝒍)
𝟐

-14,246 -3,827 6,592

K ± 𝒕 𝜶 ∗ 𝑫𝒆𝒔. 𝑬𝒔𝒕𝒂(𝜷𝟏)
𝑰𝑪(𝜷𝟏) = 𝜷𝟏 11,255± 2,447 x 1,884 = 11,255 ± 4,609 Li 𝜷𝟏 Ls
( ;𝒈𝒍)
𝟐

6,645 11,255 15,865

K ± 𝒕 𝜶 ∗ 𝑫𝒆𝒔. 𝑬𝒔𝒕𝒂(𝜷𝟐)
𝑰𝑪(𝜷𝟐) = 𝜷𝟐 0,266 ± 2,447 x 0,069 = 0,1696± 4,609 Li 𝜷𝟐 Ls
( ;𝒈𝒍)
𝟐

0,096 0,2656 0,435

K ± 𝒕 𝜶 ∗ 𝑫𝒆𝒔. 𝑬𝒔𝒕𝒂(𝜷𝟑)
𝑰𝑪(𝜷𝟑) = 𝜷𝟑 −0,0219 ± 2,447 x 1,4685 = 3,593± 4,609 Li 𝜷𝟑 Ls
( ;𝒈𝒍)
𝟐

-3,615 -0,022 3,571

3. Realice el análisis de varianzas (ANOVA) del modelo

9:;,,
𝑺𝑪𝑹 = 1817,25055 – 9,
=
𝑺𝑪𝑹= (𝜷𝑻 𝑿𝑻 𝒀) − (∑ 𝒚𝒊)𝟐 127,2505
𝒏
 𝑺𝑪𝑬= 1832 -1817,25055 =
𝑺𝑪𝑬= (𝒀 𝑻
𝒀) - (𝜷 𝑿 𝒀)
𝑻 𝑻 14,749452ăĈăĄā

𝟐
SCT= (𝒀𝑻 𝒀) − (∑ 𝒏𝒚𝒊) 127,2505 + 14,749452 = 142
= SCR + SCE

glN : k 3 HIPOTESIS: Ho: β = 0 por lo tanto las variables X1,X2,X3

no influyen en la variable Y
glD = 𝑛 − 𝑘 − 1 10-3-1 = 6
HIPOTESIS: H1: β ≠ 0 por lo tanto al menos una de las
glT: n-1 10-1 = 9 variables X1,X2,X3 no influyen en la variable Y

𝑺𝑪𝑹 9.>,.?,? 𝑺𝑪𝑬 9/,>/;/?.

CMR = 𝒌
CMR = 0
= 42,4168 CME = 𝒏7𝒌7𝟏 CMR = :
= 2,458242

𝑪𝑴𝑹 𝟒𝟐,𝟒𝟏𝟔𝟖 𝒈𝒍𝑵 𝟑

Fexp = 𝑪𝑴𝑬 Fexp = 𝟐,𝟒𝟓𝟖𝟐𝟒𝟐 = 17,2549 Ftab = F R𝛂; 𝒈𝒍𝑫V Fexp = R𝟎, 𝟎𝟓; 𝟔V = 4,757

|𝑭𝒆𝒙𝒑| > |𝑭𝒆𝒙𝒑| Pexp = DISTR.F.CD (Fexp; glN; glD) = 0,002354

𝟏𝟕, 𝟐𝟓𝟒𝟗 > 𝟒, 𝟕𝟓𝟕 |𝑷𝒆𝒙𝒑| ≤ |𝑷𝒕𝒆ó𝒓𝒊𝒄𝒐|: 0,00235 ≤ 0,05
HIPOTESIS: H1: β ≠ 0 por lo tanto al menos una de las variables X1,X2,X3 no influyen en la variable Y
 4. Realice la prueba de hipótesis para los coeficientes βo, β1, β2 y β3 del modelo, trabaje al 95% de confianza
(α=5%)
𝛃𝐨
texp:𝒅𝒆𝒔𝒗.𝒆𝒔𝒕(𝛃𝐨) ttab: [0,025;6] |𝒕𝒆𝒙𝒑| ≤ |𝒕𝒕𝒂𝒃|
H0 = b = 0 ( Pasa por el origen )

𝛃𝐨 H1 = b ≠ 0 ( No pasa por el origen ) 70,K.> 2,447 |−𝟎, 𝟖𝟗𝟖| ≤ |𝟐, 𝟒𝟒𝟕|

texp: = -0,8988
/,.?>>

H0 = bo = 0 ( Pasa por el origen )

texp:
𝛃𝟏 ttab: [0,025;6] |𝒕𝒆𝒙𝒑| > |𝒕𝒕𝒂𝒃|
𝒅𝒆𝒔𝒗.𝒆𝒔𝒕(𝛃𝟏)
H0 = b1 = 0 ( Y no depende de X )

𝛃𝟏 H1 = b1 ≠ 0 ( Y depende de X ) 99,.?? 2,447 |𝟓, 𝟗𝟕𝟒| > |𝟐, 𝟒𝟒𝟕|

texp: 9,KK0 = 5,974

H1 = b1 ≠ 0 ( Y depende de X )
𝛃𝟐
texp:𝒅𝒆𝒔𝒗.𝒆𝒔𝒕(𝛃𝟐) ttab: [0,025;6] |𝒕𝒆𝒙𝒑| > |𝒕𝒕𝒂𝒃|
H0 = b2 = 0 ( Y no depende de X )

𝛃𝟐 H1 = b2 ≠ 0 ( Y depende de X ) ,,.:?: 2,447 |𝟑, 𝟖𝟑𝟑| > |𝟐, 𝟒𝟒𝟕|

texp:,,,:;.; = 3,833

H1 = b2 ≠ 0 ( Y depende de X )
𝛃𝟑
texp:𝒅𝒆𝒔𝒗.𝒆𝒔𝒕(𝛃𝟑) ttab: [0,025;6] |𝒕𝒆𝒙𝒑| ≤ |𝒕𝒕𝒂𝒃|
H0 = b3 = 0 ( Y no depende de X )

𝛃𝟑 H1 = b3 ≠ 0 ( Y depende de X ) 7,,,.. 2,447 |−𝟎, 𝟎𝟏𝟓| ≤ |𝟐, 𝟒𝟒𝟕|

texp: 9,/:K/ = -0,015

H0 = b3 = 0 ( Y no depende de X )

5. Calcule los coeficiente de correlación ( r) y el coeficiente de determinación R2 de modelo

𝑺𝑪𝑬 𝟏𝟒,𝟕𝟒𝟗
R2 = 1- 𝑺𝑪𝑻 R2 = 1- 𝟏𝟒𝟐
= 0,896 = 89,6%

r = √𝑹𝟐 r = √𝟎, 𝟖𝟗𝟔 = 0,946

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%)
𝑌m= 𝛃𝐨 + 𝛃𝟏𝐗𝟏 + 𝛃𝟐𝐗𝟐 + 𝛃𝟑𝐗𝟑
𝑌m= -3,827+ 11,255X1+ 0,2656X2 -0,022X3
𝑌m= -3,827+ 11,255(2) +0,2656(10) -0,022 (2,5)
𝑌m= 21,284

Xo
𝛃k X1 X2 X3
1 2 10 2,5
 u= (2,45824) (0,66939)
𝑽𝒂𝒓(𝒚𝒐)

u=(s𝟐 )(Xo)(XTX)-1(XoT)
𝑽𝒂𝒓(𝒚𝒐) = 1,645544

s
p ) = q𝑽𝒂𝒓(𝒚𝒐)
Des.Est((𝒚𝒐
p ) = \𝟏, 𝟔𝟒𝟓𝟓𝟒𝟒 = 1,282
Des.Est((𝒚𝒐

Li 𝒚
0 Ls
𝑰𝑪(𝒚𝒐) = 𝒚 Y𝒐)
, ± 𝒕(𝜶;𝒈𝒍) ∗ 𝑫𝒆𝒔. 𝑬𝒔𝒕𝒂(𝒚 21,284 ± 2,447 x 1,282 = 21,284 ± 3,137
𝟐
18,145 21,284 24,422

IV.- 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 entre
lazador (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

Matriz Y MATRIZ X (10,4) Matriz β Matriz e (10,1)

( 14, 1) βo X1 X2 X3 ( 4, 1) e
29 (Monómero) (%entrelazador) (% Resina) β e1
26 1 17,50 32,50 50,00 βo e2
17 1 10,00 40,00 50,00 β1 e3
28 1 15,00 25,00 60,00 β2 e4
35 1 25,00 25,00 50,00 β3 e5
31 1 5,00 25,00 70,00 e6
21 1 5,00 32,50 62,50 e7
20 1 11,25 32,50 56,25 e8
29 1 5,00 40,00 55,00
e9
25 1 18,13 28,75 53,33
e10
19 1 8,13 28,75 63,13
e11
14 1 25,00 25,00 50,00
30 1 15,00 25,00 60,00 e12
23 1 10,00 40,00 50,00 e13
1 5,00 25,00 70,00 e14

𝑿𝑻 (𝟒, 𝟏𝟒)
1 1 1 1 1 1 1 1 1 1 1 1 1 1
17,5 10 15 25 5 5 11,25 5 18,13 8,13 25 15 10 5
32,5 40 25 25 25 32,5 32,5 40 28,75 28,75 25 25 40 25
50 50 60 50 70 62,5 56,25 55 53,33 63,13 50 60 50 70 𝜷 = (𝑿𝑻 𝑿)/𝟏 𝑿𝑻 𝒀
𝑿𝑻 (𝟒, 𝟏𝟒)x X (10,4) = (𝑿𝑻 𝑿)(4,4)

14 175,01 425 800,21 βo -2812,60419

175,01 2827,6063 5101,85 9575,4323 β1 28,1593135
425 5101,85 13371,875 24032,6 β2 28,4824517
𝜷 = (𝑿𝑻 𝑿)/𝟏 𝑿𝑻 𝒀 800,21 9575,4323 24032,6 46424,7983 β3 28,3553758
T -1
(X X) (4,4)
258250,1116 -2578,091736 -2582,631003 -2582,685235
-2578,091736 25,73810361 25,78202641 25,78260402
-2582,631003 25,78202641 25,8287123 25,82761884
-2582,685235 25,78260402 25,82761884 25,82902208
(XTY) (4,1)
347
4217,77
10625
19863,57
𝒀 = 𝜷𝒐 + 𝜷𝟏𝑿𝟏 + 𝜷𝟐𝑿𝟐 + 𝜷𝟑𝑿𝟑
𝒀 = − 2812,604 + 28,159𝑿𝟏 + 28,482𝑿𝟐 − 28,355𝑿𝟑
2. Calcule el intervalo de confianza de los coeficientes βo, β1, β2 y β3 del modelo, trabaje al 95% de confianza
(α=5%)

7
7 = 𝑿𝜷
𝒀 7
𝒎𝒂𝒕𝒓𝒊𝒛 𝑿. 𝒎𝒂𝒕𝒓𝒊𝒛 𝜷
23,63226376
26,05580064
23,16935012
21,20872688
25,12997335
26,08304281
24,85765329
27,03611226
28,98683869
25,27638677
21,20872688
23,16935012
26,05580064
25,12997335
Matriz y
( 12, 1) 𝒚
0= Matriz Xβ 0)
ε = (y-𝒚 0)𝟐
ε = (𝐲 − 𝒚
y 𝒚
0
29 23,63226376 5,36773624 28,81259234
26 26,05580064 -0,05580064 0,003113711
17 23,16935012 -6,16935012 38,0608809
28 21,20872688 6,79127312 46,12139059
35 25,12997335 9,87002665 97,41742607
31 26,08304281 4,91695719 24,17646801
21 24,85765329 -3,85765329 14,88148891
20 27,03611226 -7,03611226 49,50687574
29 28,98683869 0,01316131 0,00017322
25 25,27638677 -0,27638677 0,076389647
19 21,20872688 -2,20872688 4,87847443
14 23,16935012 -9,16935012 84,07698162
30 26,05580064 3,94419936 15,55670859
23 25,12997335 -2,12997335 4,536786472
SCE 408,1057503

𝑺𝑪𝑬
A𝟐 =
Var (ε) = 𝝈 𝒏7𝒌7𝟏
= CME Des. Est (𝝈)
/,K,9,:
A𝟐 =
Var (ε) = 𝝈 = 40,811 Des. Est (𝝈) =√𝟒𝟎, 𝟖𝟏𝟏 = 6,388
𝟏𝟑7𝟑7𝟏
8
 Var (βo) 10539335,5
Var (β 1) 1050,38681
Var (β 2) 1054,0846
A 𝟐 (𝑿𝑻 𝑿)7𝟏
Var (βi) = 𝝈 Var (β 3) 1054,09724

Nivel de confianza 95%

Des. Est (𝛃𝐨) =\𝐕𝐚𝐫 (𝛃𝐨) 3246,43427 α 5%

Des. Est (𝛃𝟏)= \𝐕𝐚𝐫 (𝛃𝟏) 32,4096716 gl = 𝑛 − 𝑘 − 1 14-3-1 = 10
Des. Est (𝛃𝟐)= \𝐕𝐚𝐫 (𝛃𝟐) 32,4666691 𝛂
Des. Est (𝛃𝟑)= \𝐕𝐚𝐫 (𝛃𝟑) 32,4668637 t-tabR ; 𝒈𝒍V t-tab[𝟎, 𝟎𝟐𝟓; 𝟏𝟎] =2,228
𝟐

K ± 𝒕 𝜶 ∗ 𝑫𝒆𝒔. 𝑬𝒔𝒕𝒂(𝜷𝒊)
𝑰𝑪(𝜷𝒊) = 𝜷J 𝒀 = −𝟐𝟖𝟏𝟐, 𝟔𝟎 + 𝟐𝟖, 𝟏𝟔𝑿𝟏 + 𝟐𝟖, 𝟒𝟖𝑿𝟐 + 𝟐𝟖, 𝟑𝟓𝑿𝟑 Li 𝜷𝒊 Ls
( ;𝒈𝒍)
𝟐

K ± 𝒕 𝜶 ∗ 𝑫𝒆𝒔. 𝑬𝒔𝒕𝒂(𝜷𝒐)
𝑰𝑪(𝜷𝒐) = 𝜷𝒐 −2812,60 ± 2,228 x 3246,43 = Li 𝜷𝒐 Ls
( ;𝒈𝒍)
𝟐
−𝟐𝟖𝟏𝟐, 𝟔𝟎 ± 7233,06 -10045,6 -2812,60 4420,45
K ± 𝒕 𝜶 ∗ 𝑫𝒆𝒔. 𝑬𝒔𝒕𝒂(𝜷𝟏)
𝑰𝑪(𝜷𝟏) = 𝜷𝟏 28,16 ± 2,228 x 32,41 = Li 𝜷𝟏 Ls
( ;𝒈𝒍)
𝟐
28,16 ± 𝟕𝟐, 𝟐𝟎 -44,05 28,16 100,37
K ± 𝒕 𝜶 ∗ 𝑫𝒆𝒔. 𝑬𝒔𝒕𝒂(𝜷𝟐)
𝑰𝑪(𝜷𝟐) = 𝜷𝟐 28,48 ± 2,228 x 32,47 = Li 𝜷𝟐 Ls
( ;𝒈𝒍)
𝟐
28,48± 𝟕𝟐, 𝟑𝟒 -43,85 28,48 100,82
K ± 𝒕 𝜶 ∗ 𝑫𝒆𝒔. 𝑬𝒔𝒕𝒂(𝜷𝟑)
𝑰𝑪(𝜷𝟑) = 𝜷𝟑 28,36 ± 2,228 x 32,47 = Li 𝜷𝟑 Ls
( ;𝒈𝒍)
𝟐
28,36± 𝟕𝟐, 𝟑𝟒 -43,98 28,36 100,69
 3. Realice el análisis de varianzas (ANOVA) del modelo

*^-VC

12#3#4
𝑺𝑪𝑹 = 8660,8942 – =
13

𝟐
𝑺𝑪𝑹= (𝜷𝑻 𝑿𝑻 𝒀) − (∑ 𝒏𝒚𝒊) 60,25138

𝑺𝑪𝑬= 9069 -8660,8942 =

𝑺𝑪𝑬= (𝒀 𝑻
𝒀) - (𝜷 𝑿 𝒀)
𝑻 𝑻 408,1057ăĈăĄā

𝟐
SCT= (𝒀𝑻 𝒀) − (∑ 𝒏𝒚𝒊)
60,25138 +408,1057 = 468,3571
= SCR + SCE
 glN : k 3 HIPOTESIS: Ho: β = 0 por lo tanto las variables X1,X2,X3
no influyen en la variable Y
glD = 𝑛 − 𝑘 − 1 14-3-1 = 10
HIPOTESIS: H1: β ≠ 0 por lo tanto al menos una de las
glT: n-1 14-1 = 13 variables X1,X2,X3 no influyen en la variable Y

𝑺𝑪𝑹 :,,.?90K 𝑺𝑪𝑬 /,K,9,?>

CMR = CMR = = 20,0837 CME = CME = = 40,81057
𝒌 0 𝒏7𝒌7𝟏 9,

𝑪𝑴𝑹 𝟐𝟎,𝟎𝟖𝟑𝟕 𝒈𝒍𝑵 𝟑

Fexp = Fexp = 𝟒𝟎,𝟖𝟏𝟎𝟓 = 0,4921 Ftab = F R𝛂; 𝒈𝒍𝑫V Ftab = R𝟎, 𝟎𝟓; 𝟏𝟎V = 3,708
𝑪𝑴𝑬

|𝑭𝒆𝒙𝒑| ≤ |𝑭𝒕𝒂𝒃| Pexp = DISTR.F.CD (Fexp; glN; glD) = 0,69563

𝟎, 𝟒𝟗𝟐𝟏 ≤ 𝟑, 𝟕𝟎𝟖 |𝑷𝒆𝒙𝒑| > |𝑷𝒕𝒆ó𝒓𝒊𝒄𝒐|: 0,69563> 0,05

HIPOTESIS: Ho: β = 0 por lo tanto las variables X1,X2,X3 no influyen en la variable Y

4. Realice la prueba de hipótesis para los coeficientes βo, β1, β2 y β3 del modelo, trabaje al 95% de confianza
(α=5%)
𝛃𝐨
texp:𝒅𝒆𝒔𝒗.𝒆𝒔𝒕(𝛃𝐨) ttab: [0,025;10] |𝒕𝒆𝒙𝒑| ≤ |𝒕𝒕𝒂𝒃|
H0 = b = 0 ( Pasa por el origen )

𝛃𝐨 H1 = b ≠ 0 ( No pasa por el origen ) 7.K9.,: 2,228 |−𝟎, 𝟖𝟔𝟔| ≤ |𝟐, 𝟐𝟐𝟖|

texp: 0./:,/ = -0,866

H0 = bo = 0 ( Pasa por el origen )

𝛃𝟏
texp:𝒅𝒆𝒔𝒗.𝒆𝒔𝒕(𝛃𝟏) ttab: [0,025;10] |𝒕𝒆𝒙𝒑| ≤ |𝒕𝒕𝒂𝒃|
H0 = b1 = 0 ( Y no depende de X )

𝛃𝟏 H1 = b1 ≠ 0 ( Y depende de X ) .K,9: 2,228 |𝟎, 𝟖𝟔𝟖| ≤ |𝟐, 𝟐𝟐𝟖|

texp:0.,/9 = 0,868

H0 = b1 = 0 ( Y no depende de X )
𝛃𝟐
texp:𝒅𝒆𝒔𝒗.𝒆𝒔𝒕(𝛃𝟐) ttab: [0,025;10] |𝒕𝒆𝒙𝒑| ≤ |𝒕𝒕𝒂𝒃|
H0 = b2 = 0 ( Y no depende de X )

𝛃𝟐 H1 = b2 ≠ 0 ( Y depende de X ) .K,/K 2,228 |𝟎, 𝟖𝟕𝟕| ≤ |𝟐, 𝟐𝟐𝟖|

texp:0.,/: = 0,877

H0 = b2 = 0 ( Y no depende de X )
𝛃𝟑
texp:𝒅𝒆𝒔𝒗.𝒆𝒔𝒕(𝛃𝟑) ttab: [0,025;10] |𝒕𝒆𝒙𝒑| ≤ |𝒕𝒕𝒂𝒃|
H0 = b3 = 0 ( Y no depende de X )

𝛃𝟑 H1 = b3 ≠ 0 ( Y depende de X ) .K,0: 2,228 |𝟎, 𝟖𝟕𝟑| ≤ |𝟐, 𝟐𝟐𝟖|

texp: = 0,873
0.,/>

H0 = b3 = 0 ( Y no depende de X )
5. Calcule los coeficiente de correlación ( r) y el coeficiente de determinación R2 de modelo

𝑺𝑪𝑬 𝟒𝟎𝟖,𝟏𝟎𝟔
R2 = 1- 𝑺𝑪𝑻 R2 = 1- 𝟒𝟔𝟖,𝟑𝟓𝟕 = 0,129 = 12,9%

r = √𝑹𝟐 r = √𝟎, 𝟏𝟐𝟗 = 0,359

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.

a) El porcentaje de entrelazador (Mayor influencia)

b) El porcentaje de resina
c) EL monómero