Documentos de Académico
Documentos de Profesional
Documentos de Cultura
.(1)
Grafica: funcin exponencial
Vemos que al variable independiente(x) parece como base y elevado a un exponente b
En este caso la relacin lineal se obtiene haciendo el siguiente cambio de
variables:
Ln y = b ln x + ln A-------------------------------------(2)
hacemos un cambio de variable: a = lnA
La ecuacin es transformada en:
LnY = a + bln X
El parmetro b del modelo potencial coincide con el coeficiente de regresin de la recta ajustada a
los datos transformados y A seo obtiene mediante antiln(a)
Demostracin a travs de mnimos cuadrados.
Luego, igualamos a cero y escribimos en trminos El ajuste del modelo potencial
utilizando el mtodo de mnimos cuadrados, se facilita llevndola a la forma logartmica
natural y consecuentemente sus ecuaciones normales, cuando 0
i
X =
son:
(4)
) (5)
Luego: resolviendo (1) y (2) simultneamente, obtenemos la solucin para
o
| y
1
|
Hallando
S e resuelve aplicando matrices
( )
PROBLEMA PLANTEADO
Se desea puricar por destilacin a presin reducida Salicilato de metilo a una presin de 15 mmHg
considerando que la temperatura de ebullicin es una funcin de la presin y a partir de los siguientes datos
experimentales de presin y temperatura de Salicilato de Metilo
P(mmHg) 1 5 10 20 40 60 100 200 400 760
T(C) 54 81.6 95,3 110 126.2 136.7 150 172.6 197.5 223.2
Resolucin del modelo:
A.MODELO DE REGRESION (Y =A
)
P(mmHg)
X
T(C)
Y
ln X ln Y
1 54 ,0 3,99
5 81.6 1,61 4,40
10 95.3 2,30 4,56
20 110 3,00 4,70
40 126.2 3,69 4,84
60 136.7 4,09 4,92
100 150 4,61 5,01
200 172.6 5,30 5,15
400 197.5 5,99 5,29
760 223.2 6,63 5,41
Ln X =
[
Ln Y=
[
( ) [
]
( )
[
] ( ) [
]
Luego:
( )
]
Luego el modelo queda as:
Aplicando antilogaritmo obtenemos:
Y= 57.215
Resolviendo con ayuda del spss
Solucin:
Buscando a que modelo se ajustan los datos viendo si es o no una curva
Diagrama de dispersin de puntos:
Vemos que su grafica es curva entonces vamos a que modelo curvilneo se ajusta.
Comparacin de
(coeficiente de correlacion) y su
modelo
(erro tpico)
lineal 0,742 28,380
cuadrtico 0,884 20,331
potencial 0,996 0,029
exponencial 0,558 0,304
Nos damos cuenta que el mejor modelo es el potencial por tener un 99 , 6 % y un error menor de
0, 029
Su grafico
Modelo de regresin lineal potencial:
Y= 57.215
Aplicando ln
Coeficientes
Coeficientes no estandarizados
Coeficientes
estandarizados t Sig.
B Error tpico Beta
ln(PRESION REDUCIDA) ,209 ,005 ,998 44,438 ,000
(Constante) 57,215 1,132
50,541 ,000
La variable dependiente es ln(TEMPERATURA DE EBULLICION DE SALICILATO DE METILO).
b.- prueba de significacin de la regresin lineal para (b = 1) .
b.1 hiptesis
Ho : 1 =0 ( la pendiente es cero) no existe relacin entre x e y
Ha : 1 0(la pendiente es decir b 0 )el modelo explica la relacin entre x e y
b.2 nivel de significancia Use ( = 0.05)
b.3 prueba estadstica ANOVA(potencia)
ANOVA
b
Modelo Suma de
cuadrados gl
Media
cuadrtica Fo Sig.
1 Regresin 1,660 1 1,660 1974,746 ,000
a
Residual ,007 8 ,001
Total 1,667 9
a. Variables predictoras: (Constante), LN_PRESION_X
b. Variable dependiente: LN_TEMPERATURA_Y
b.4.- regin critica Fo > Ft , Ho se rechaza
Ft( 1 ; 8 ; 0,05) = 5 , 317655
b.5.- Decisin .
Como Fo = 1974 , 746 > Ft = 5 , 317655
Ho se rechaza la hiptesis nula y se acepta Ha : es decir los datos de la variable dependiente
temperatura de ebullicin existe relacin con los datos de la variable independiente presin
reducida.
c.-Calculamos el intervalo de confianza
( )
2
log / 2; 2 1
ij
P b t n C o o o
(
=
(
para : 0
P[4,001 <= ln 0 <= 4,092 ]
P[54.65278<= 0 <=59.85949]
El intercepto (0 )de la ecuacin de regresin lineal varia entre 54 , 65278 y 59.85949
para : 1
P[0, 198 <= ln 1 <= 0, 220 ]
P[1.21896<= 1 <=1.2461]
El coeficiente de la ecuacin no asume el valor cero , garantizando la existencia de la ecuacin de
la regresin lineal .ya que oscila en intervalos positivos.
d.- valor pronosticado:
Calcule la temperatura de ebullicin a 15mmHg de presin del salicilato de metilo aun nivel de
confianza 95 %
Para un temperatura de ebullicin (T(C) = 15 )
Su la presin (P(mmHg)= 100,85684 )
e.- intervalo de confianza para :
el intervalo de prediccin del 95 % para la temperatura media de ebullicin cuando
y un intervalo para presin reducida cuando
respuesta media:
= 25
P[4,69903 <= ln (
)<=114,74474 ] = 0.95
La temperatura media de ebullicin cuando la presin reducida es ( ) toma un
valor entre 109,84058 y 114,74474 con un nivel de confianza del 95%
Para valor individual x0 = 30
P[4,68833 <= ln (
)<=125,05705 ]= 0.95
La temperatura de ebullicin cuando la presin reducida es ( ) toma un valor entre 108,67155 y
114,74474 con un nivel de confianza del 95%
f.- intervalo de confianza para la varianza y desviacin estndar de la regresin.
( )
( )
( )
( )
2 2
2
2 2
2; 2 1 2; 2
2 2
1
n n
y x n y x n
P y x
x x
o o
o o
o o
(
(
s s =
(
= 0 , 05 ;
2 , 180
La varianza y la desviacin estndar asumen , respectivamente valores entre
y
y y ), con un nivel de confianza al 95 %
h. coeficiente de correlacin muestral (r)
El
= 99 , 6 %
Lo que indica que aproximadamente el 99,6% de la variabilidad en la temperatura de
ebullicin cuando se utilizan la variable independiente presin reducida
Resumen del modelo
R R cuadrado
R cuadrado
corregida
Error tpico de
la estimacin
,998 ,996 ,995 ,029
La variable independiente es PRESION REDUCIDA.
i. Prueba de hiptesis para probar Ho : = 0 ; Ha : 0
1 ) Ho : = 0 ( no existe relacin entre x e y )
Ha : 0( existe relacin entre x e y)
2) = 0,05
3) E.P
4) regin limite
0
H se rechaza si
( )
0 2; 2 n
t t
o
>
0, 05
0, 025
2
o
o
=
=
es decir :
( ) ( )
0 2; 2 0,025;8
2,306
n
t t t
o
> =
( )
0 2; 2 n
t t
o
<
5)clculos.
6) Decisin: como ( t0 >
) Por lo tanto Ho se rechaza
0
H se rechaza y se acepta
0
: 0 H = - relacin en X e Y, conclusin vlida el
nivel del 5%.
j) intervalo de confianza para (Coeficiente de Correlacin Poblacional)
( ) ( )
0 0
tan tan I h Zr E h Zr E ( = s s
1 1
ln
2 1
r
Zr
r
+
=
1
2
0
3
Z
E
n
o
En el ejemplo:
1 0.95
0.05
0, 025
2
o
o
o
=
=
=
0
1, 96
0, 7396 0, 74
7
E = = =
1 0, 975
2
o
=
0.975
1, 96 Z =
Luego:
To = 44, 438
RR RR
-2,306 -2,306
RA
El coeficiente de correlacion poblacional asume un valor en el intervalo de y
al nivel de confianza del 95 %
Anlisis residual
Independencia de errores
Y= 57.215
Aplicando ln
Los errores con sus respectivos valores.
Estadstico durbin Watson. ( nos proporciona informacin sobre el grado de
independencia de los residuos)
El estadstico Durbin Watson (DW =0 , 956 ) , como el estadstico de Watson vara entre 0
y 4 ; y son independientes cuando toma VALOR 2 ; menores que 2 es auto correlacin
positiva , mayores que 2 auto correlacin negativa.
En este caso como DW < 2 hay una auto correlacin positiva entre los datos de la variable
dependiente e independiente , es decir si hay incrementos en la variable independiente
hay incrementos en la variable dependiente.
sus errores de los puntos a la recta de regresin lineal