Practica 9: ANLISIS DE REGRESIN LINEAL

MLTIPLE

Ejercicio 19, Pag 337: En una empresa dedicada a anodizar artculos de aluminio (bateras
de cocina), el anodizado se logra con una solucin hecha a base de cido (sulfrico, ctrico,
brico) y bicromato de aluminio. En este proceso se controla el pH de la solucin, la
temperatura, la corriente y el tiempo de permanencia. Debido al poco grosor del
anodizado, han aumentado las quejas por la escasa resistencia y durabilidad del producto.
Para resolver este problema se decide estudiar, mediante un experimento, la relacin del pH
y la temperatura con el grosor del anodizado. Los datos se muestran en la siguiente tabla.

PH Temperatura Espesor
1.2 -8 9
1.8 -8 14
1.2 8 10
1.8 8 19
1.2 -8 8
1.8 -8 12
1.2 8 11
1.8 8 20
1.5 0 14
1.5 0 13
 Dependientes Independientes
a) Espesor pH Cules son
Temperatura las variables
pH *temperatura
independientes y cual la dependiente? Argumente
b) Ajuste un modelo del tipo y= 0 + 1 x 1 + 2 x 2+ 12 x1 x2 +
c) A partir del modelo ajustado, Cul es el espesor estimado cuando se utiliza un
pH=2 y una temperatura de 10 grados?
d) El modelo es adecuado? Argumente con grficos de residuos, pruebas de
hiptesis y coeficientes de determinacin.
e) Cree que valdra la pena pensar en aadir otro trmino para mejorar el ajuste?
Argumente

Solucin:

Planteamiento

a) Las variables son:

b) Ajustando al modelo
 y= 0 + 1 x 1 + 2 x 2+ 12 x1 x2 +

La ecuacin es:

ESPESOR = -3,875 + 11,25*X1 + 0.4375*X2+0.46875*X1*X2

DONDE:

x 1 : PH

x 2 :TEMPERATURA

c) ESPESOR = -3.875 + 11,25*2 + 0.4375*10+0.46875*2*10

ESPESOR=32.375

El espesor esperado para un pH =2 y temperatura =10 es 32.375mm

d) Si es adecuado el modelo porque tenemos el valor de R cuadrado =96.743 por

lo tanto el modelo es muy confiable debido a que es mayor a 70%.
e) Para este caso ya no hay otro modelo que sea mejor porque solo tenemos dos
variables dependientes y con ello se puede ajustar al modelo cuadrtico, si
tomaramos el siguiente modelo que es la cubica especial necesitamos 3
variables dependientes para ajustar al modelo.

Ejercicio 21 pagina 337: Considerelos datos que parecen en la siguiente tabla:

Y x1 x2
6 10 3
9 12 11
8 12 4
3 4 1
10 12 11
4 6 1
5 8 7
2 2 4
11 18 8
9 9 10
 10 17 8
2 2 5

a) Ajuste el siguiente modelo Y= 0+1X1+2X2+, es decir encuentre los

estimadores de mnimos cuadrados para estos coeficientes de regresin.

Y = 0.33732 + 0.481076*X1 + 0.288653*X2

2
R =94.4983
R2 ( ajustado )=93.2758
S=0.859742
Error absoluto medio = 0.638918
Con un P-Valor de la constante es 0.5668 es, x10.0000

b) A partir del modelo ajustado, estime la respuesta media cuando X 1=8 Y

X2=7; este valor es diferente al observado en las mismas condiciones? de
ser as, por qu ocurre esto?
Y = 0.33732 + 0.481076*X1 + 0.288653*X2
Y = 0.33732 + 0.481076*8 + 0.288653*7
Y = 6.20675

c) Haga la estimacin por intervalo para respuesta media en el punto

anterior.

S
X t ( )
2 n

6,20675 2,2009852 ( 0,859742

12 )

6,20675 0,54625

d) Construya un intervalo de prediccin para una observacin x1=8 y x2=7

Y inferior = 0,94642 + 0,347711*8 + 0,0939311*7

Y inferior = 4,3856
Y superior = 1,62078 + 0,614441*8 + 0,483374*7
Y superior = 9,91924
 Y inferior <Y < Y superior
4,3856 < 6.20675 < 9,91924
e) Explique las diferencias entre los intervalos anteriores.
La diferencia de los intervalos es que: 6,20675 0,54625 este intervalo es de
respuesta media, y el otro intervalo 4,3856 < 6.20675 < 9,91924 es de
prediccin.

f) Las estimaciones anteriores son adecuadas? Argumente con base en la

calidad de ajuste del modelo
R2=94.4983
R2 ( ajustado )=93.2758
S=0.859742
Error absoluto medio = 0.638918
Si son adecuados porque el R2 (ajustado) es indicador de calidad y es mayor a
70%.

Ejercicio 22 pagina 337: Se realiz un experimento para estudiar el sabor

del queso panela en funcin de la cantidad de cuajo y la sal. La
variable de respuesta observada es el sabor promedio reportados 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 cuajo Sabor

6 0,3 5,67
5,5 0,387 7,44
4,5 0,387 7,33
4 0,3 6,33
4,5 0,213 7,11
5,5 0,213 7,22
5 0,3 6,33
5 0,3 6,66

a) Ajuste el modelo Y = 0 + 1 X 1+ 2 X 2 +
Y = 0.33732 + 0.481076*X1 + 0.288653*X2
R2=94.4983
2
R ( ajustado )=93.2758
 S=0.859742
Error absoluto medio = 0.638918

Con un P-Valor de la constante es 0.5668es, x1 0.0000

g) A partir del modelo ajustado, estime la respuesta media cuando X 1=8 Y

X2=7; este valor es diferente al observado en las mismas condiciones? de
ser as, por qu ocurre esto?
Y = 0.33732 + 0.481076*X1 + 0.288653*X2
Y = 0.33732 + 0.481076*8 + 0.288653*7
Y = 6.20675

h) Haga la estimacin por intervalo para respuesta media en el punto

anterior.

S
X t ( )
2 n

0,859742
6,20675 2,2009852
( 12 )
6,20675 0,54625

i) Construya un intervalo de prediccin para una observacin x1=8 y x2=7

Y inferior = 0,94642 + 0,347711*8 + 0,0939311*7

Y inferior = 4,3856
Y superior = 1,62078 + 0,614441*8 + 0,483374*7
Y superior = 9,91924
Y inferior <Y < Y superior
4,3856 < 6.20675 < 9,91924
j) Explique las diferencias entre los intervalos anteriores.
La diferencia de los intervalos es que: 6,20675 0,54625 este intervalo es de
respuesta media, y el otro intervalo 4,3856 < 6.20675 < 9,91924 es de
prediccin.
k) las estimaciones anteriores son adecuadas? Argumente en base a la
calidad de ajuste del modelo
2
R =94.4983
R2 ( ajustado )=93.2758
S=0.859742
Error absoluto medio = 0.638918
 Si son adecuados porque el R2 (ajustado) es indicador de calidad y es mayor a
70%.

Ejercicio 23 pagina 338: En el rea de desarrollo de una empresa se pretende obtener un

nuevo polmero debajo peso molecular (Y1), de lograrse esto, se obtendr un polmero que
funcione comodispersante en la industria de la cermica. De acuerdo con los conocimientos
tcnicosque se tienen, se considera que los factores crticos son X1: persulfato de sodio
(NaPS),X2: cido hipofosforoso (H3PO2) y X3: isopropanol (IPA). Para encontrar las
condicionesptimas se realiz un experimento y se obtuvieron los siguientes datos (los
valores delos factores estn codificados). Adems de Y1 se midi la viscosidad (Y2).

X1 X2 X3 Y1 Y2
0 0 0 8392 1075
-1 -1 0 9895 2325
1 -1 0 9204 1575
-1 1 0 7882 690
1 1 0 7105 420
-1 0 -1 8939 1188
1 0 -1 8548 930
0 0 0 8598 920
-1 0 1 9152 1275
1 0 1 8992 860
0 -1 -1 10504 5600
0 1 -1 7462 540
0 -1 1 9368 1225
0 1 1 7772 620
0 0 0 8440 1015
Solucin:

Factores Variables de salida

X1: NaPS Y1: polmero de bajo peso molecular

X2: H3PO2
X3: IPA

a)

Y1 = 8683.53 - 252.375*X1 - 1093.75*X2 - 21.125*X3

R2= 87.4671 %
R2(adjusted) = 84.049 %
S = 272.431
Error absolute medio = 142.57

b)

Component+Residual Plot for Y1

900

600
component effect

300

-300

-600
-1 -0.6 -0.2 0.2 0.6 1
X1

Es decir, con la base en la significancia de modelo los residuales y coeficientes de

determinacin el variable independiente NaPS se mantiene constante para el polmero de
bajo peso molecular.
 c) Ajuste el modelo

X1X X1X X2X

X1 X2 X3 2 3 3 X21 X22 X23 Y1
0 0 0 0 0 0 0 0 0 8392
-1 -1 0 1 0 0 1 1 0 9895
1 -1 0 -1 0 0 1 1 0 9204
-1 1 0 -1 0 0 1 1 0 7882
1 1 0 1 0 0 1 1 0 7105
-1 0 -1 0 1 0 1 0 1 8939
1 0 -1 0 -1 0 1 0 1 8548
0 0 0 0 0 0 0 0 0 8598
-1 0 1 0 -1 0 1 0 1 9152
1 0 1 0 1 0 1 0 1 8992
1050
0 -1 -1 0 0 1 0 1 1 4
0 1 -1 0 0 -1 0 1 1 7462
0 -1 1 0 0 -1 0 1 1 9368
0 1 1 0 0 1 0 1 1 7772
0 0 0 0 0 0 0 0 0 8440

Y1 = 8476.67 - 252.375*X1 - 1093.75*X2 - 21.125*X3 - 21.5*X1X2 + 57.75*X1X3 +

361.5*X2X3 + 88.0417*X21 - 43.2083*X22+ 343.042*X23

R2 = 96.202 %
R2 (adjustado) = 89.3656 %
S = 295.919
Error absoluto medio = 145.611
Si son adecuados porque el R2 (ajustado) es indicador de calidad y es mayor a 70%.

Hiptesis:
Si, valor-p < , Ho: R
Parameter P-Value A y/o R
CONSTANT 0.0000
X1 0.0607 R
X2 0.0001 A
X3 0.8479 A
X1X2 0.8901 A
X1X3 0.7124 A
 X2X3 0.0584 A
X1X1 0.5923 A
X2X2 0.7903 A
X3X3 0.0764 A

Residual Plot

3
Studentized residual

-1

-3

-5
7100 8100 9100 10100 11100
predicted Y1

De acuerdo a la grfica de residuales para variable de respuesta de polmero de bajo peso

molecular es muy disperso el uso de los factores de entrada

d) Compare

R2= 87.4671 % R2 = 96.202 %

R2(ajustado) = 84.049 % R2 (ajustado) = 89.3656 %
Error estd de estimacin = Error estndar de estimacin = 295.919
362.419

e).

f).

Es lo ms apropiado para el segundo modelo porque R2 (ajustado) = 89.3656 %, es decir;

R2 ajust > al 70%, donde el varieble de salida tendr mayor garanta de acuerdo al
modelo

Ejercicio 25 pagina 339:

Solucin:

a)

VARIABLES INDEPENDIENTES

R-cuadrado = 43,1385 porcentaje

R-cuadrado (ajustado para g.l.) = 27,6309 porcentaje

Error estndar de est. = 1,35715

Y = 13,856 - 1,01875*X1 - 0,1275*X2 - 0,93125*X3

INTERACCIONES

R-cuadrado = 5,13269 porcentaje

R-cuadrado (ajustado para g.l.) = 0,0 porcentaje

Error estndar de est. = 1,75298

Y = 13,856 + 0,47*X1X2 + 0,3825*X1X3 - 0,3*X2X3

TERMINOS CUADRATICOS

R-cuadrado = 44,5851 porcentaje

R-cuadrado (ajustado para g.l.) = 29,4719 porcentaje

Error estndar de est. = 1,33977

Y = 13,85 - 1,18875*X1X1 + 1,55875*X2X2 - 0,35875*X3X3

b)

R-cuadrado = 92,8563 porcentaje

R-cuadrado (ajustado para g.l.) = 79,9976 porcentaje

Error estndar de est. = 0,713495

Y = 13,85 - 1,01875*X1 - 0,1275*X2 - 0,93125*X3 + 0,47*X1X2 +

0,3825*X1X3 - 0,3*X2X3 - 1,18875*X1X1 + 1,55875*X2X2 - 0,35875*X3X3
 Grfico de Residuos

Residuo estudentizado
3,3
2,3
1,3
0,3
-0,7
-1,7
-2,7
10 11 12 13 14 15 16
Y predicho

De acuerdo al P valor inferior a 0,05 para las coeficientes individuales se

rechaza la hiptesis nula y se acepta la hiptesis alternativa indicando que
son estadsticamente significativos.

c)

Y = 13,85 - 1,01875*1 - 0,1275*0 - 0,93125*(-1) + 0,47*(1*0) + 0,3825*(1*-

1) - 0,3*(0*-1) - 1,18875*(1*1) + 1,55875*(0*0) - 0,35875*(-1*-1)

Y = 11,83255

S
X t ( )
2 n

11,83255 2,1447867 ( 0,713495

15 )

11,83255 0,395120
Yinferior = 12,7911-1,6672*1 -0,775953*0 -1,5797*(-1) - 0,447051(1*0)
-0,534551(1*-1) -1,21705(0*-1) -2,14325(1*1) + 0,604253(0*0)
-1,31325(-1*-1)
Yinferior = 9,781651
Ysuperior =14,9089-0,370297(1) -0,282797(-1) + 1,29955(1*-1)
-0,234253(1*1) 0,595747(-1*-1)
Ysuperior = 13,795844
Yinferior<Y <Ysuperior
9,781651 < 11,83255 < 13,795844
e)

R-cuadrado = 92,8563 porcentaje

R-cuadrado (ajustado para g.l.) = 79,9976 porcentaje

Error estndar de est. = 0,713495

Y = 13,85 - 1,01875*X1 - 0,1275*X2 - 0,93125*X3 + 0,47*X1X2 +

0,3825*X1X3 - 0,3*X2X3 - 1,18875*X1X1 + 1,55875*X2X2 - 0,35875*X3X3

Comparando con los otros modelos no tiene resultados similares en cuanto

a la calidad de ajuste y el modelo final es esta.

f)

Error estndar de est. = 1,35715 (VAIABLES INDEPENDIENTES)

Error estndar de est. = 1,75298 (INTERACCIONES)

Error estndar de est. = 1,33977

Error estndar de est. = 0,713495