Un artículo publicado en wear presenta datos sobre el desgaste del acero

dulce y la viscosidad del aceite. A continuación se presentan datos

representativos, donde x= viscosidad, y= volumen del desgaste.
>> x = [1.6, 9.4, 15.5, 20.2, 22, 35.5, 43, 40.5, 33];

>> y = [240, 181, 193, 155, 172, 110, 113, 75, 94];

>> D = [x.^0',x']

D=

1 1.6

1 9.4

1 15.5

1 20.2

1 22

1 35.5

1 43

1 40.5

1 33

>> X= D'*D

X=

9 220.7

220.7 7061.7

>> b= D'*y'

b=

1333

26895

>> inv(X)*b

ans =

234.22

-3.5115

>> yAjust = a(1)+a(2)*x;

>> a=inv(X)*b

a=

234.22

-3.5115

>> yAjust = a(1)+a(2)*x;

>> residuo = y-yAjust;

>> [x', y', yAjust', residuo']

ans =

1.6 240 228.6 11.398

9.4 181 201.21 -20.212

15.5 193 179.79 13.208

20.2 155 163.29 -8.2885

22 172 156.97 15.032

35.5 110 109.56 0.43707

43 113 83.227 29.773

40.5 75 92.006 -17.006

33 94 118.34 -24.342

>> SRC = sum(residuo.^2), NormaResid = sqrt(SRC)

SRC =

2775.9

NormaResid =

52.687

>> ymed = mean(y)

ymed =

148.11

>> ssyy = sum((y-ymed).^2)

ssyy =

23117

>> R = sqrt(1-SRC/ssyy)
R=

0.93804

Para graficar
>> plot(x, y, 'ok', x, yAjust, '-')

>> xlabel('Viscosidad del Aceite'),

>> ylabel('volumen de desgaste')

>> title('desgaste del acer0')

>> legend( 'Ajuste Lineal')

>> grid on

>> plot(yAjust, residuo, 'o')

>> xlabel('Modelo Ajustado'),

ECUACION CUADRATICA

>> D = [x.^0', x', x.^2']

D=

1 1.6 2.56

1 9.4 88.36

1 15.5 240.25

1 20.2 408.04

1 22 484

1 35.5 1260.3

1 43 1849

1 40.5 1640.3

1 33 1089

>> X= D'*D

X=

9 220.7 7061.7

220.7 7061.7 2.5006e+05

7061.7 2.5006e+05 9.3497e+06

>> b= D'*y'

b=

1333

26895

7.8242e+05

>> a=inv(X)*b

a=

244.6

-4.862

0.028973

>> yAjust = a(1)+a(2)*x+a(3)*x.^2;

>> residuo = y-yAjust;

>> [x', y', yAjust', residuo']

ans =

1.6 240 236.9 3.1011

9.4 181 201.46 -20.461

15.5 193 176.2 16.796

20.2 155 158.21 -3.2144

22 172 151.66 20.336

35.5 110 108.52 1.4823

43 113 89.111 23.889

40.5 75 95.218 -20.218

33 94 115.71 -21.711

>> SRC = sum(residuo.^2), NormaResid = sqrt(SRC)

SRC =

2587.3

NormaResid =

50.865

>> ymed = mean(y)

ymed =

148.11

>> ssyy = sum((y-ymed).^2)

ssyy =

23117

>> R = sqrt(1-SRC/ssyy)

R=

0.94238

>> plot(x, y, 'ok', x, yAjust, '-')

>> xlabel('Viscosidad del Aceite'),

>> ylabel('volumen de desgaste')

>> title('desgaste del acer0')

>> legend( 'Ajuste Lineal')

>> grid on

>> plot(yAjust, residuo, 'o')

>>

30

20

10

-10

-20

-30
80 100 120 140 160 180 200 220 240

ECUACION CUBICA
>> D = [x.^0', x', x.^3']

D=

1 1.6 4.096

1 9.4 830.58

1 15.5 3723.9

1 20.2 8242.4

1 22 10648
 1 35.5 44739

1 43 79507

1 40.5 66430

1 33 35937

>> X= D'*D

X=

9 220.7 2.5006e+05

220.7 7061.7 9.3497e+06

2.5006e+05 9.3497e+06 1.4223e+10

>> b= D'*y'

b=

1333

26895

2.6245e+07

>> a=inv(X)*b

a=

244.38

-4.4997

0.00050668

>> yAjust = a(1)+a(2)*x+a(3)*x.^2+a(3)*x.^3;

>> residuo = y-yAjust;

>> [x', y', yAjust', residuo']

ans =

1.6 240 237.18 2.8196

9.4 181 202.54 -21.545

15.5 193 176.64 16.361

20.2 155 157.87 -2.8651

22 172 151.02 20.977

35.5 110 107.94 2.057

 43 113 92.11 20.89

40.5 75 96.627 -21.627

33 94 114.65 -20.646

>> SRC = sum(residuo.^2), NormaResid = sqrt(SRC)

SRC =

2522.7

NormaResid =

50.226

>> ymed = mean(y)

ymed =

148.11

>> ssyy = sum((y-ymed).^2)

ssyy =

23117

>> R = sqrt(1-SRC/ssyy)

R=

0.94386

>> plot(x, y, 'ok', x, yAjust, '-')

>> xlabel('Viscosidad del Aceite'),

>> ylabel('volumen de desgaste')

>> title('desgaste del acer0')

>> legend( 'Ajuste Lineal')

>> grid on

>> plot(yAjust, residuo, 'o')

>> xlabel('Viscosidad del Aceite'),

>> ylabel('volumen de desgaste')

>> title('desgaste del acer0')

 250

200

150

100

50
0 5 10 15 20 25 30 35 40 45

desgaste del acer0

30

20
volumen de desgaste

10

-10

-20

-30
80 100 120 140 160 180 200 220 240
Viscosidad del Aceite

6. Considere los datos que se presentan en la siguiente

tabla; “y” es la pureza del oxígeno producido en un proceso
químico de destilación, “x” es el porcentaje de hidrocarburos
presentes en el condensador principal de la unidad de
destilación.
(a) Ajuste los datos al mejor modelo de regresión con ”x”
como nivel de hidrocarburo y “y” como la pureza. Dibuje un
diagrama de dispersión de los datos de los datos junto con
los modelos de mínimos cuadrados ajustados a dichos datos.
Justifique su respuesta.
(b) Encuentre el valor ajustado de “y” que corresponde a x =
1.20, así como el residuo correspondiente.
(c) Encuentre la pureza promedio del oxígeno producido cuando
el porcentaje de hidrocarburos es 1.5%.
Nivhidrc = [0.99, 1.02, 1.15, 1.29, 1.46, 1.36, 0.87, 1.23, 1.55, 1.40, 1.19, 1.15, 0.98, 1.01, 1.11,
1.20, 1.26, 1.32, 1.43, 0.95];

>> Pureza_y = [90.01, 89.05, 91.43, 93.74, 96.73, 94.45, 87.59, 91.77, 99.42, 93.65, 93.54, 92.52,
90.56, 89.54, 89.55, 90.39, 93.25, 93.41, 94.98, 87.33];

>> D = [Nivhidrc.^0', Nivhidrc']

D=

1 0.99

1 1.02

1 1.15

1 1.29

1 1.46

1 1.36

1 0.87

1 1.23

1 1.55

1 1.4

1 1.19

1 1.15

1 0.98

1 1.01

1 1.11

1 1.2

1 1.26

1 1.32

1 1.43

1 0.95

>> X= D'*D

X=

20 23.92
 23.92 29.289

>> b = D'*Pureza_y'

b=

1842.9

2214.3

>> a=inv(X)*b

a=

74.223

14.985

>> yAjust = a(1)+a(2)*Nivhidrc_x;

>> residuo = Pureza_y-yAjust;

>> yAjust = a(1)+a(2)*Nivhidrc;

>> residuo = Pureza_y-yAjust;

>> SRC = sum(residuo.^2), NormaResid = sqrt(SRC)

SRC =

21.949

NormaResid =

4.685

>> ymed = mean(Pureza_y)

ymed =

92.145

>> ssyy = sum((Pureza_y-ymed).^2)

ssyy =

174.85

>> R = sqrt(1-SRC/ssyy)

R=

0.93513

plot(Nivhidrc, Pureza_y, 'ok', Nivhidrc, yAjust, '-')

>> xlabel('PoRCIENO PUREZA HIDROCARBURO'), ylabel('OXIGENO PORCNTAJE Y PUREZA')

 >> title(' Proceso de Destilación de Hidrocarbutos')

>> grid on

>> plot(yAjust, residuo, 'o')

100

98

96

94

92

90

88

86
0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 1.6

1.5

0.5

-0.5

-1

-1.5

-2
86 88 90 92 94 96 98

AJUSTE CUADRATICO

D = [Nivhidrc_x.^0', Nivhidrc', Nivhidrc.^2', Nivhidrc.^3', Nivhidrc.^4']

D=

1 0.99 0.9801 0.9703 0.9606

1 1.02 1.0404 1.0612 1.0824

1 1.15 1.3225 1.5209 1.749

1 1.29 1.6641 2.1467 2.7692

 1 1.46 2.1316 3.1121 4.5437

1 1.36 1.8496 2.5155 3.421

1 0.87 0.7569 0.6585 0.5729

1 1.23 1.5129 1.8609 2.2889

1 1.55 2.4025 3.7239 5.772

1 1.4 1.96 2.744 3.8416

1 1.19 1.4161 1.6852 2.0053

1 1.15 1.3225 1.5209 1.749

1 0.98 0.9604 0.94119 0.92237

1 1.01 1.0201 1.0303 1.0406

1 1.11 1.2321 1.3676 1.5181

1 1.2 1.44 1.728 2.0736

1 1.26 1.5876 2.0004 2.5205

1 1.32 1.7424 2.3 3.036

1 1.43 2.0449 2.9242 4.1816

1 0.95 0.9025 0.85737 0.81451

>> X= D'*D

X=

20 23.92 29.289 36.669 46.863

23.92 29.289 36.669 46.863 61.026

29.289 36.669 46.863 61.026 80.829

36.669 46.863 61.026 80.829 108.69

46.863 61.026 80.829 108.69 148.15

>> b = D'*Pureza_y'

b=

1842.9

2214.3

2723.7

3424.9
 4395.2

>> a=inv(X)*b

a=

282.6

-755.67

1060.2

-641.51

143.8

>> yAjust = a(1)+a(2)*Nivhidrc+a(3)*Nivhidrc.^2+a(4)*Nivhidrc.^3+a(5)*Nivhidrc.^4;

>> residuo = Pureza_y-yAjust;

>> SRC = sum(residuo.^2), NormaResid = sqrt(SRC)

SRC =

16.332

NormaResid =

4.0412

>> ymed = mean(Pureza_y)

ymed =

92.145

>> ssyy = sum((Pureza_y-ymed).^2)

ssyy =

174.85

>> R = sqrt(1-SRC/ssyy)

R=

0.95215

>> plot(Nivhidrc, Pureza_y, 'ok', Nivhidrc, yAjust, '-')

>> xlabel('PoRCIENO PUREZA HIDROCARBURO'), ylabel('OXIGENO PORCNTAJE Y PUREZA')

>> grid on

>> plot(yAjust, residuo, 'o')

100

98

96

94

92

90

88

86
0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 1.6

1.5

0.5

-0.5

-1

-1.5

-2
86 88 90 92 94 96 98 100

8. Se desea obtener la funcionalidad de los siguientes datos

experimentales.
x = [0.1:0.1:1.2]; y = [1.78, 3.18, 3.19, 2.54, 1.77, 1.14, 0.69, 0.4, 0.23, 0.13, 0.07, 0.04];

>> Y = [log(x./y)]

Y=

Columns 1 through 5

-2.8792 -2.7663 -2.364 -1.8485 -1.2641

 Columns 6 through 10

-0.64185 0.014389 0.69315 1.3643 2.0402

Columns 11 through 12

2.7546 3.4012

D = [x.^0', x']

D=

1 0.1

1 0.2

1 0.3

1 0.4

1 0.5

1 0.6

1 0.7

1 0.8

1 0.9

1 1

1 1.1

1 1.2

>> X= D'*D

X=

12 7.8

7.8 6.5

>> b = D'*Y'

b=

-1.4961

7.6372

>> a = inv(X)*b

a=

-4.0382
 6.0208

>> yAjust = a(1)+a(2)*x

yAjust =

Columns 1 through 5

-3.4361 -2.834 -2.2319 -1.6299 -1.0278

Columns 6 through 10

-0.42571 0.17636 0.77844 1.3805 1.9826

Columns 11 through 12

2.5847 3.1867

>> yAjust = a(1)+a(2)*x;

>> residuo = y-yAjust;

>> SRC = sum(residuo.^2), NormaResid = sqrt(SRC)

SRC =

141.83

NormaResid =

11.909

>> plot(x, y, 'ok', x, yAjust, '-')

>> xlabel('x'), ylabel('y')