REGRESIÓN LINEAL MÚLTIPLE

Los datos que aparecen en la tabla siguiente representan el empuje de un motor de

turbina (y) y seis variables de regresión candidatas: x 1 = velocidad de rotación primaria,
x2 = velocidad de rotación secundaria, x 3 = rapidez de flujo combustible, x 4 = presión,
x5 = temperatura de escape y x6 = temperatura ambiente al momento de efectuar la
prueba.
 a) Ajuste un modelo de regresión lineal múltiple utilizando como variables
de regresión x2 = velocidad de rotación secundaria, x4 = presión, x5 =
temperatura de escape

Ecuación de regresión
Y = -668 + 0.0083 X2 + 19.60 X4 + 0.599 X5

Análisis de Varianza
SC MC Valor
Fuente GL Ajust. Ajust. Valor F p
Regresión 3 9856010 3285337 1555.69 0.000
X2 1 47 47 0.02 0.882
X4 1 318090 318090 150.62 0.000
X5 1 6525 6525 3.09 0.087
Error 36 76026 2112
Total 39 9932036

b) Hacer una predicción sobre el empuje del motor cuando x 3 = 1760, x4 =

178 y x5 = 1859

Ecuación de regresión
Y = 3829 - 0.215 X3 + 21.213 X4 + 1.657 X5

Predicción
EE de
Ajuste ajuste IC de 95% IP de 95%
10306.6 3140.25 (3937.84, (3937.23, X
16675.3) 16675.9) X
XX denota un punto muy poco común en relación con los niveles de predictor utilizados para
ajustar el modelo.

c) Pruebe la significancia de la regresión utilizando  = 0.05. Encuentre el

valor P de esta prueba. ¿A que conclusión puede llegar?

Ecuación de regresión
Y = -7018 + 0.3443 X3 + 1.363 X1 - 17.84 X6

Coeficientes
EE del Valor Valor
Término Coef coef. T p FIV
Constante -7018 1857 -3.78 0.001
X3 0.3443 0.0786 4.38 0.000 67.82
X1 1.363 0.142 9.57 0.000 64.98
X6 -17.84 2.42 -7.36 0.000 6.60
Solo x1, x3 y x6 son de importancia para la regresión, por lo que la regresión es
significativa  = 0.05

d) Encuentra R2 y el estadístico ajustado para este modelo, considerando

todas la variables
Resumen del modelo
R- R-
R- cuadrado(ajustado cuadrado
S cuadrado ) (pred)
27.7908 99.72% 99.70% 99.66%

Ajustes y diagnósticos para observaciones poco comunes

Obs Y Ajuste Resid Resid est.

20 3210.00 3281.20 -71.20 -2.70 R

21 4330.00 4384.98 -54.98 -2.06 R

Residuo grande R

e) Construye una gráfica de probabilidad normal de residuos, e interprétala.

f) Encuentra el modelo óptimo.

Ecuación de regresión
Y = -7018 + 0.3443 X3 + 1.363 X1 - 17.84 X6