You are on page 1of 4

20.- Ajuste a los datos del ejemplo 11.

3 un modelo que no incluya el trmino


; es decir,
ajuste el modelo
. Haga un anlisis completo y
compare la calidad de ajuste con lo que se realiz en el ejemplo 11.4.
X1= Carbono X2=Temperatura
9
17
13
17
9
25
13
25
8.17
21
13.8
21
11
15.34
11
26.66
11
21
11
21
11
21
11
21
Sumatorias
Sumatorias
131.97
252

Y=

Y=Produccin
X1^2
X2^2
5707
81
289
5940
169
289
3015
81
625
2673
169
625
5804
66.7489
441
6700
190.44
441
5310
121
235.3156
725
121
710.7556
7521
121
441
7642
121
441
7500
121
441
7545
121
441
Sumatorias
Sumatorias Sumatorias
66082 1483.1889 5420.0712

Y^
8500.488
10299.44
6971.064
8770.016
8978.07975
11540.729
8094.9075
5930.77254
11702.98
11702.98
11702.98
11702.98
Sumatorias
115897.417

e=y-y^
-2793.488
-4359.44
-3956.064
-6097.016
-3174.07975
-4840.72896
-2784.9075
-5205.77254
-4181.98
-4060.98
-4202.98
-4157.98
Sumatorias
-49815.4167

-75732.8 + 4438.69X1 + 5957.79X2 - 181.316X1^2 - 146.404X2^2.

Parmetro
Constante
X1: Carbono
X2: Temperatura
X1^2
X2^2
Anlisis de Varianza.
Fuente de variacin.

Modelo
Residual
Total (Corr.)

Estimacin
-75732.8
4438.69
5957.79
- 181.316
- 146.404

Suma de
cuadrados.

464228.0

Error Estndar
6313.95
708.101
347.095
27.488
6.87186

Grados
de
libertad
5
6
11

Estadstico
-11.9945
6.2684
17.1647
-6.5962
-21.3049

Cuadrado
medio

Valor P.
0
0.0008
0
0.0006
0

Valor P

142.59 0.0000
77371.3

Grafica Y con respecto X1, X2 (no ajustada)


9000
8000
7000
6000

Series1

5000

Series2

4000

Linear (Series1)

3000

Linear (Series2)

2000
1000
0
0

10

15

Grafica Ajustada.
14000
12000
10000
Series1

8000

Series2
6000

Linear (Series1)

4000

Linear (Series2)

2000
0
0

10

15

21.- Considere los datos que aparecen en la siguiente tabla:

6
9
8
3
10
4
5
2
11
9

10
12
12
4
12
6
8
2
18
9

3
11
4
1
11
1
7
4
8
10

10
2

17
2

8
5

a).- Ajuste el modelo


, es decir, encuentre los estimadores de
mnimos cuadrados para estos coeficientes de regresin.
Y

X1
6
9
8
3
10
4
5
2
11
9
10
2

X2
10
12
12
4
12
6
8
2
18
9
17
2

y^
3
11
4
1
11
1
7
4
8
10
8
5

6.01403812
9.28541196
7.26484285
2.55027666
9.28541196
3.51242866
6.20649704
2.45408285
11.3059098
7.55353123
10.8248338
2.74273558

e=y-y^
-0.01403812
-0.28541196
0.73515715
0.44972334
0.71458804
0.48757134
-1.20649704
-0.45408285
-0.30590977
1.44646877
-0.82483377
-0.74273558

Y=0.33731993+0.481076X1+0.28865273X2

Error Estndar de la Constante=0.56736046


Error estndar de cada uno de los coeficientes de las variables independientes.
X1=0.08607765
X2=0.05895483
Error estndar de la correlacin.
0.85974234
Coeficiente de determinacin.
R^2= 0.9449835x100= 94.4%
Estadstico F.
F= 77.2936415.
Grados de libertad=9.
Suma de los cuadrados de la Regresin= 114.264255
Suma de los cuadrados del error= 6.65241197.
b).- a partir del modelo ajustado, estime la respuesta media cuando x1=8 y x2=7; este valor es
diferente al observado en las mismas condiciones? De ser as, Por qu ocurre esto?
c).- haga la estimacin por intervalo para la respuesta media en el punto anterior.
d).- construya un intervalo de prediccin para una observacin futura teniendo x1=8 y x2=7.
e).- explique las diferencias entre los dos intervalos anteriores.

f).- las estimaciones anteriores son adecuados? Argumente con base en la calidad de ajuste
del modelo.
22.- Se realizo un experimento para estudiar el sabor del queso panela en funcin de la
cantidad del cuajo y la sal. La variable de respuesta observada es el sabor promedio reportado
por un grupo de cinco panelistas que probaron todos los quesos y los calificaron con una
escala hednica. Los datos obtenidos se muestran a continuacin.
Sal
6
5.5
4.5
4
4.5
5.5
5
5

Cuajo
0.3
0.387
0.387
0.3
0.213
0.213
0.3
0.3

Sabor
5.67
7.44
7.33
6.33
7.11
7.22
6.33
6.66

a).- ajuste el modelo


b).- el modelo explica la variacin observada en el sabor? Argumente con base en la
significancia del modelo, los residuales y el coeficiente de determinacin.
c).- ajuste el modelo que incluya trminos cuadrticos y analice con detalle la calidad del
ajuste.
d).- Compare el error estndar de estimacin (
(

) y los coeficientes de determinacin

) para ambos modelos.

e).- Cul modelo prefiere para explicar el sabor?


23.- En el rea de desarrollo de una empresa se pretende obtener un nuevo polmero de bajo
peso molecular (Y1), de lograrse esto, se obtendr un polmero que funcione como dispersante
en la industria de la cermica. De acuerdo con los conocimientos tcnicos que se tienen, se
considera que los factores crticos son X1: persulfato de socio (NaPS), X2: acido hipofosforo
(H3PO2) y X3: isopropanol (IPA). Para encontrar las condiciones optimas se realiz un
experimento y se obtuvieron los siguientes datos (los valores de los factores estn
codificados). Adems de Y1 se midi la viscosidad (Y2).