P. 1
Est Ad is Tic a 3

Est Ad is Tic a 3

|Views: 4|Likes:

More info:

Published by: Viktor A. Echeverria on Jan 18, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

06/09/2015

pdf

text

original

Universidad Central del Ecuador

Facultad de Ingenieria
January 14, 2012

NOMBRE: VICTOR ECHEVERRIA CURSO: CUARTO FECHA: 2012-01-09
1.- La energía eléctrica consumida cada mes por una planta química se cree que está relacionada a la temperatura ambiente media (x1), el número de días en el mes (x2), la pureza del producto promedio (x3), y las toneladas de producto elaborado (x4). Datos históricos del año pasado están disponibles y se presentan en la siguiente tabla:

Y

X1

X2

X3

X4

240 236 270 274 301 Datos: 316 300 296 267 276 288 261

25 31 45 60 65 72 80 84 75 60 50 38

24 21 24 25 25 26 25 25 24 25 25 23

91 90 88 87 91 94 87 86 88 91 90 89

100 95 110 88 94 99 97 96 110 105 100 98

a) Modelo Matricial: Y12x1 = X12x5 B5x1 + E12x1 b) M.C.O M inεT ε ↔ X T Y = (X T X)B
ˆ c) B = (X T X)−1 X T Y d) Modelo Estimado: y = −123, 131246 + 0, 757289088 ∗ x1 + 7, 51878395 ∗ x2 + 2, 48307855 ∗ x3 − 0, 481135231 ∗ x4 ˆ ˆ ˆ e) Calculo de Y = XB y e = Y − Y : ˆ           ˆ = Y          254, 098 236, 008 256, 984 283, 964 294, 796 312, 659 294, 779 295, 806 279, 702 285, 717 278, 066 252, 421                               e= ˆ          −14, 098 −0, 008 13, 016 −9, 964 6, 204 3, 341 5, 221 0, 194 −12, 702 −9, 717 9, 934 8, 579                    
B

1

1 α 0.78299843 2.463854 6572.05 0.499483297 2 .0049604 H0 : β1 = βi = 0 H1 : β1 = 0.846645063 c) Pruebas Individuales: Se trata de probar: H0 : βi = 0 H1 : βi = 0 Gacamos: Tenemos para los tres parametros lo siguiente: a) T0 Para cada uno: β T0 (7) P α 0.45281 972.71342466 1.45929379 0.Tabla del Analisis de Varianzas: a) b) Prueba Global: Se trata de probar que: REG RES T OT gl SC MC F ∼ F (4.91666 1400.21231552 0.87495169 1.960534089 tomamos la decision: Con los tres F el modelo es globalmente signicativo.364624251 3.07831 0.11320 138.923407 10. 7) P 4 7 11 5600.37233243 -0.01 2.03004984 Y los T Para cada α son: 0.10292645 0.894578604 2.86663834 1.1 0.05 0. βi = 0 Gracamos: Tenemos: α F 0.41485592 T α(7) 0 1 2 3 4 -0. α 4.120311727 7.01 0.

71342466 P σ R 7. 131246 + 0.0049604 11. Modelo: y = β0 + β1 x1 + β2 x2 + β3 x3 + β4 x4 + ε Modelo Estimado: y = −123. 51878395 ∗ x2 + 2.92306547 2.786577 0.C. 48307855 ∗ x3 − 0. 05. estan relacionadas con la energia electrica consumida. mientras que las variables restantes.48307855 1..78299843 10.80938560 1.37233243 2 Rajustdo -0.Tabla General de Resultados: Resultados: -123.87495169 0. temperatura mbiente promedio. 757289088 ∗ x1 + 7.923407 0.555174180 -0. 481135231 ∗ x4 ˆ M.51878395 4.01012141 1.256057 -0.Segun estas dos tablas el unico coeciente que es signicativo es β1 al nivel α = 0.07831 138. 1 y α = 0.767506943 3. y los dias del mes.86663834 0.279089777 2.852049873 0. Es decir.131246 157.O. Entonces anlizando el modelo solo con las varibles altamente relacionadas tenemos: 3 .757289088 0. β0 β1 β2 β3 β4 ˆ Y ee T0 F0 σ2 R2 2. X3 y X4 ..Analisis de la Matriz de Correlacion: Analizando la Matriz de Correlacion de las varibles observamos que las variables X1 y X2 estan relacionadas con la variable Y . que son pureza del producto y toneladas del producto elaborado no tienen relacion signicativa con la energia electrica consumida Y .481135231 0.

40545 con 1 grado de libertad h) Tenemos: M SCreg (β1 |β0 ) = 4233. 4. Teniendo el modelo: y = β0 + β1 x1 + β2 x2 Se trata de probar que: H0 : β 2 = 0 H1 : β 2 = 0 4 . 10) entonces F0 = 18.Ahora analizaremos el aporte de cada variable asumiendo que la variable independiente forma parte del modelo desde el principio. 40545 SCreg (β1 |β i) Tenemos: F = MM SCres (β)0 ) ∼ F (1. ademas su correlacion con Y es alta. A pesar de ello el R2 bajo su valor de 0852 a 08004 y por ende la varianza ha aumentado tambien de 138. 09525608. T ˆ c) Tenemos: SCres (β) = Y T Y − βˆ X T Y = 2339. a) Cosideramos: y = β0 + β1 x1 como el modelo al cual le queremos adicionar la variable X2 . 511214 que es del modelo completo. f) Tenemos: β0 = 277. a) Cosideramos: y = β0 como el modelo al cual le queremos adicionar la variable X2 . entonces: Y = β0 + ε Es el modelo reducido. Teniendo el modelo: y = β0 + β1 x1 Se trata de probar que: H0 : H1 : β1 = 0 β1 = 0 T ˆ b) Tenemos: SCreg (β) = βˆ X T Y = 925535.92 a 145. 9511214 que es del modelo completo.Mediante la siguiente tabla podemos decir que: El modelo es globalmente signicativo y con respecto alos parametros solo β0 es no signicativo.. T ˆ = Y T Y −βˆ X T Y = 233. 4888 que es del modelo completo con 2 grados de libertad. g) Tenemos: SCreg (β0 ) = 921302. 08333 que es del modelo reducido.74. 0833 g) Tenemos: SCreg (β1 |β0 ) = SCreg (β1 ) − SCreg (β0 ) = 4233. Entonces en base a la siguiente tabla tomamos la decision: Entonces el aporte de la varible X1 es signicativo. d) Tenemos: M SCres (β) 12−2 e) Si la hipotesis es verdadera.

882 que es del modelo reducido. 312 que es del modelo completo con 3 grados de libertad. 823217 i) Tenemos: F = M SCreg (β2 |β0 . β1 . 9) entonces F0 = 7. entonces: y = β0 + β1 x1 Es el modelo reducido. T ˆ c) Tenemos: SCres (β) = Y T Y − βˆ X T Y = 1234. β1 . β1 ) = 1027. 01. 312 g) Tenemos: SCreg (β4 |β0 . 6004937 que es del modelo completo. 745045956. 097797 que es del modelo completo. 573 y β2 = 9. T ˆ = Y T Y −βˆ X T Y = 145. g) Tenemos: SCreg (β0 . entonces: y = β0 + β1 x1 + β2 x2 Es el modelo reducido. 011que es del modelo reducido. 8) entonces F0 = 1. T ˆ c) Tenemos: SCres (β) = Y T Y − βˆ X T Y = 1311. 7431107 que es del modelo completo. d) Tenemos: M SCres (β) 12−3 e) Si la hipotesis es verdadera. 8840471 con 1 grado de libertad h) Tenemos: M SCreg (β3 |β0 . β2 ) = 926563. T Y T Y −βˆ X T Y ˆ = 134. g) Tenemos: SCreg (β0 . β1 ) = 1027. T ˆ c) Tenemos: SCres (β) = Y T Y − βˆ X T Y = 1076. entonces: y = β0 + β1 x1 + β2 x2 Es el modelo reducido. 312 g) Tenemos: SCreg (β3 |β0 . d) Tenemos: M SCres (β) = 12−3 e) Si la hipotesis es verdadera. 5 . β1 . β2 ) = 234. β1 . 2622246 que es del modelo completo.β i) Tenemos: F = M SCM SCres (β)1 . 823217 con 1 grado de libertad h) Tenemos: M SCreg (β2 |β0 . 882 que es del modelo reducido. a) Cosideramos: y = β0 + β1 x1 + β2 x2 como el modelo al cual le queremos adicionar la variable X4 . 9022 que es del modelo completo con 3 grados de libertad. 916 . a) Cosideramos: y = β0 + β1 x1 + β2 x2 como el modelo al cual le queremos adicionar la variable X3 . β1 = 0. M SCres (β) Entonces en base a la siguiente tabla tomamos la decision: Entonces el aporte de la varible X2 es no signicativo al nivel α = 0. 687996 que es del modelo completo. 745045956. 916 . β1 .T ˆ b) Tenemos: SCreg (β) = βˆ X T Y = 926563. 59019946 con 1 grado de libertad h) Tenemos: M SCreg (β3 |β0 . Entonces en base a la siguiente tabla tomamos la decision: Entonces el aporte de la varible X3 es no signicativo a todos los nivels α. 1961 que es del modelo completo con 3 grados de libertad. β2 ) = 77. β2 ) = 926563.β i) Tenemos: F = M SCM SCres (β)1 . β1 . 4888 g) Tenemos: SCreg (β2 |β0 . f) Tenemos: β0 = 219. T Y T Y −βˆ X T Y ˆ d) Tenemos: M SCres (β) = = 154. 12−3 e) Si la hipotesis es verdadera. 803949 que es del modelo completo. 8) entonces F0 = 1. β1 ) = SCreg (β2 ) − SCreg (β0 .β1 ) ∼ F (1. β1 . f) Tenemos: β0 = 3. β2 ) = 77. β1 = 0. 052293672.β2 ) ∼ F (1. β1 ) = 925535. f) Tenemos: β0 = 3. 59019946 reg (β3 |β0 . β2 ) = 234. Teniendo el modelo: y = β0 + β1 x1 + β2 x2 + β3 x3 Se trata de probar que: H0 : β 3 = 0 H1 : β 3 = 0 T ˆ b) Tenemos: SCreg (β) = βˆ X T Y = 926798. Teniendo el modelo: y = β0 + β1 x1 + β2 x2 + β4 x4 Se trata de probar que: H0 : β 4 = 0 H1 : β 4 = 0 T ˆ b) Tenemos: SCreg (β) = βˆ X T Y = 926640.β2 ) ∼ F (1. 380 y β1 = 1. β2 ) = SCreg (β3 ) − SCreg (β0 . 573 y β2 = 9. 8840471 reg (β3 |β0 . β2 ) = SCreg (β4 ) − SCreg (β0 . β1 . g) Tenemos: SCreg (β0 .

cuando se analizo la matriz de correlaciones. 6 . o no guardan relacion con la varible Y . 882437 ∗ x2. Quedandonos simplemente el modelo estimado: y = 3. cuando se observó que las variables X3 y X4 no estan correlaciones. Estos resultados son iguales.Entonces en base a la siguiente tabla tomamos la decision: Entonces el aporte de la varible X4 es no signicativo a todos los nivels α. 5727468 ∗ x1 + 9. 916385 + 0.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->