Академический Документы
Профессиональный Документы
Культура Документы
PRESENTACIÓN
Cada guía integra el desarrollo del tema con ejercicios, casos de estudio y con
la sección llamada Aprendiendo.com. En esta última sección se le proporciona
al estudiante un ambiente interactivo, utilizando los recursos disponibles en
Internet, de tal forma que los casos planteados los desarrolle en ambientes
de aprendizaje que le permitan encontrarse con el conocimiento,
“manipularlo”, hacerlo suyo. Con esta filosofía se utilizan applets, sitios de
internet con acceso a bases de datos reales, software de uso libre y en
general los recursos de la Web 2.0, que se refieren a una segunda generación
en la historia de la Web basada en comunidades de usuarios, que fomentan la
colaboración y el intercambio ágil de información entre los mismos.
Los Autores
Ahora considere una variable dependiente (Y) y varias variables independientes (X1, X2,
etc.). Entonces la regresión múltiple, mide el comportamiento o actitud de la variable Y
con respecto a todas las variables X.
Ŷ= a + b1X1 + b2 X2
Donde:
Para calcular estos parámetros muestrales, efectúe las siguientes operaciones a los
valores muestrales observados:
𝑿𝟏 𝑿𝟐 𝒀 𝑿𝟐𝟏 𝑿𝟏 𝑿𝟐 𝑿𝟏 𝑌 𝑿𝟐𝟐 𝑿𝟐 𝑌 𝒀𝟐
2 2
𝑿𝟏𝟏 𝑋21 𝑌1 𝑋11 𝑋11 𝑋21 𝑋11 𝑌1 𝑋21 𝑋21 𝑌1 𝑌12
2 2
𝑿𝟏𝟐 𝑋22 𝑌2 𝑋12 𝑋12 𝑋22 𝑋12 𝑌2 𝑋22 𝑋22 𝑌2 𝑌22
… … … … … … … … …
2 2
𝑿𝟏𝒏 𝑋2𝑛 𝑌𝑛 𝑋1𝑛 𝑋1𝑛 𝑋2𝑛 𝑋1𝑛 𝑌𝑛 𝑋2𝑛 𝑋2𝑛 𝑌𝑛 𝑌𝑛2
Σ𝑿𝟏 Σ𝑋2 Σ𝑌 Σ𝑋12 Σ𝑋1 𝑋2 Σ𝑋1𝑌 Σ𝑋22 Σ𝑋2𝑌 Σ𝑌 2
�1
𝑿 𝑋�2 𝑌� �12
n𝑋 n𝑋� 1𝑋�2 n𝑋� 1𝑌� �22
n𝑋 � 2𝑌�
n𝑋 n𝑌�2
Σ𝑥12 Σ𝑥1 𝑥2 Σ𝑥1 𝑦 Σ𝑥22 Σ𝑥2 y Σ𝑦 2
Donde el último renglón se obtiene de restar los dos anteriores; por ejemplo, en la
cuarta columna se tiene:
a = 𝑌� – b1 𝑋�1 – b2 𝑋�2
La barra de ajuste de los puntos al plano se mide con el error estándar de regresión
lineal múltiple de Y sobre X1 y X2
y se compara
donde:
y se compara
donde:
β1 = b1 ± t0 𝑠𝑏 1
β1 = b2 ± t0 𝑠𝑏 2
otro valor que se puede estimar es el valor individual Y, para valores de X1 y X2 dados.
Y= 𝑌� ± t0 sY
2
𝑟𝑌• 2
𝑋1 + 𝑟𝑌• 𝑋2 − 2 𝑟𝑌• 𝑋1 𝑟𝑌• 𝑋2 𝑟𝑋 1• 𝑋2
𝑟𝑌•𝑋1 𝑋2 = �
1− 𝑟𝑋2 1• 𝑋
2
Donde:
Y sus cuadrados 𝑟𝑌2 •𝑋1 , 𝑟𝑌2 •𝑋2 y 𝑟𝑋21 •𝑋 son los coeficientes de determinación,
2
que explican el % de variación de la primer variable, debido a la regresión lineal simple
con la segunda variable.
𝛴 (𝑌�−𝑌�)2 𝑏1 𝛴 𝑥1 𝑦+ 𝑏2 𝛴𝑥2 𝑦
𝑟𝑌•𝑋1 𝑋2 = � =�
𝛴 (𝑌−𝑌�)2 𝛴𝑦 2
Y y ŷ = a + b1X1+b2X2 es decir:
Ejemplo 1.
X1 0.02 0.02 0.02 0.02 0.10 0.10 0.10 0.10 0.18 0.18 0.18 0.18
X2 1.0 1.1 1.2 1.3 1.0 1.1 1.2 1.3 1.0 1.1 1.2 1.3
Y 78.9 65.1 55.2 56.4 80.9 69.7 57.4 55.4 85.3 71.8 60.7 58.9
b) ¿Cuál será la dureza, estimada puntualmente de una probeta que tenga 0.13% de
cobre y 0.9 miles de ℉ de temperatura de aleación?
h) Calcular el intervalo de 95% de confianza para estimar la dureza de una probeta que
tiene 0.20% de cobre y 1.5 miles de ℉ de temperatura de aleación.
Solución:
y finalmente:
b) Si
X1 = 0.13 y X2 = 0.9
Entonces:
c)
d)
H1: β1 ≠ 0 b1 = 32.96785
0.15
𝑠𝑏 1= 3.7909 � = 16.7537
0.00768
32.96875− 0
tc = = 1.968 con 9 g.l. y α = 0.05 ± tt = ± 2.262
16.7537
Como 1.968 está entre ± 2.262, acepte H0, es decir que el coeficiente de regresión
parcial de Y sobre X1 con X2 constante es cero, por lo tanto, el contenido de cobre no
le afecta a la dureza, con 5% de significación.
e)
b2 = -85.5
0.0512 −85.5−(−55)
𝑠𝑏 2 = 3.7909 � = 9.7881 tC= = -3.116
0.00768 9.7881
como - 3.116 es menor que – 2.821, rechace H0, es decir que β2 si ha disminuido con
1% de significación.
f)
– 21.4808 < β1 < 87.4183 grados de dureza por cada unidad de % cobre
g)
b2 = -85.5 𝑠𝑏 2= 9.7881
h)
𝑠𝑌� = 3.7909
EJEMPLO 2
d) Los valores estimados de dureza (𝑌�) para los valores dados de contenido de cobre
(X1) y temperatura de aleación (X2) y grafíquelos contra los valores reales de dureza (Y)
para observar la correlación (diagrama de dispersión).
SOLUCIÓN:
a)
1.688
𝑟𝑌 •𝑋1 = = 0.2084 baja correlación lineal entre dureza y
�(0.0512)(1281.5292)
contenido de cobre
−12.825
𝑟𝑌•𝑋2 = = -0.9250 alta correlación lineal entre dureza y
�(0.15)(1281.5192)
temperatura de aleación (en sentido negativo).
0
𝑟𝑋 1•𝑋2 = =0 nula correlación lineal entre contenido de cobre
�(0.0512)(0.15)
y temperatura de aleación.
b)
c)
(32.96875)(1.688)+(−85.5)(−12.825) 1152.18875
𝑟𝑌∗𝑋1𝑋2 = � =� = 0.9482
1281.5292 1281.5292
d)
𝑌� = 161.3365 + 32.96875 𝑋1 − 85.5 𝑋2
X1 X2 �
𝒀 Y
0.02 1.0 76.50 78.9
0.02 1.1 67.95 65.1
0.02 1.2 59.40 55.2
0.02 1.3 50.85 56.4
0.10 1.0 79.13 80.9
0.10 1.1 70.58 69.7
0.10 1.2 62.03 57.4
0.10 1.3 53.48 55.4
0.18 1.0 81.77 85.3
0.18 1.1 73.22 71.8
0.18 1.2 64.67 60.7
0.18 1.3 56.12 58.9
FIGURA 1.
e)
𝑌 𝑌� 𝑌2 𝑌 ∙ 𝑌� 𝑌� 2
78.9 76.50 6225.21 6035.52 5851.61
65.1 67.95 4238.01 4423.27 4616.64
55.2 59.40 3047.04 3278.65 3527.87
56.4 50.85 3180.96 2867.70 2585.30
80.9 79.13 6544.81 6401.89 6262.08
69.7 70.58 4858.09 4919.66 4982.01
57.4 62.03 3294.76 3560.71 3848.13
55.4 53.48 3069.16 2962.98 2860.47
85.3 81.77 7276.09 6975.05 6686.47
71.8 73.22 5155.24 5257.26 5361.29
60.7 64.67 3684.49 3925.52 4182.32
58.9 56.12 3469.21 3305.52 3149.55
795.7 795.7 54043.07 53913.73 53913.73
66.31 66.31 52761.54 52761.54 52761.54
n = 12 1281.53 1152.19 1152.19
1152.19 1152.19
𝑟𝑌∗𝑋1 𝑋2 = 𝑟𝑌𝑌 = = 1215.14 = 0.9482
�(1281.53)(1152.19)
f)
𝑟𝑌∗𝑋1 𝑋2 = 0.9482
2
𝑟𝑌∗𝑋1 𝑋2
= 0.8991 aproximadamente 90% de la variación es explicada
2
1 − 𝑟𝑌∗𝑋1 𝑋2
= 1 − 0.8991 = 0.1009
EJEMPLO 3
Cuando se realiza el envasado del sulfato de amonio es de gran importancia que fluya
libremente, con objeto de que las máquinas automáticas que llenan y pesan los
envases puedan funcionar correctamente. Sin embargo, a veces, los cristales se
adhieren a las paredes del conducto de alimentación. Las adherencias pueden deberse
en parte a la humedad, pero pueden también depender del % de impurezas. Para
Investigar las causas de las adherencias se realizó un ensayo que correspondía
aproximadamente a las condiciones de envasado y en el que se dejó fluir cierta
cantidad de sulfato de amonio por un pequeño conducto circular, determinándose la
velocidad de flujo.
En la siguiente tabla se dan las velocidades de flujo y otros datos de las muestras
examinadas.
X1 21 20 16 18 16 18 12 12 13 13
X2 0 0 0 0 0 1 1 0 0 0
Y 5 4.81 4.46 4.81 4.46 3.85 3.21 3.25 4.55 4.85
b) Cual será la velocidad de flujo, estimada puntualmente para sulfato de amonio con
11 unidades de humedad inicial y 0.01% de impurezas.
h) calcular el intervalo del 95% de confianza para estimar la velocidad de flujo del
sulfato de amonio que tenga 15 unidades de humedad y 1 unidad de impurezas.
SOLUCIÓN:
a)
tenemos entonces:
b)
Si X1 = 15 y X2 = 1
c)
𝑆𝑌∗𝑋1 𝑋2 = 0.42918
d)
b1 = 0.1038
0.1038
𝑡𝑐 = = 2.38
0.04380
e)
H1: β2 ≠ 0
b2 = -0.87696
−0.87696
𝑡𝑐 = = 2.55
0.34282
tt con α = 5% y 7 g.l. = 2.365, por tanto se rechaza H0, es decir si existe relación entre
la velocidad de flujo y él % de impurezas con el % de humedad constante.
f)
b1 = 0.1038 𝑠𝑏 1= 0.04360
β1 = b1 ± t0 𝑠𝑏 1
g)
B2 = -0.87696 𝑠𝑏 2 = 0.34282
h)
X1 = 15 X2 = 1
EJEMPLO 4
SOLUCIÓN
a)
11.845
𝑟𝑌•𝑋1 = = 0.6020 𝑟𝑌2 •𝑋1 = 0.3624
�98.9 (3.91325)
−1.8
𝑟𝑋 1 𝑋 = �98.9 (1.6) = −0.1430 𝑟𝑋21𝑋 = 0.0204
2 2
b)
c)
d)
EJEMPLO 5
HATO # 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
X1 8.7 6.0 7.0 8.0 7.7 6.0 6.3 8.0 5.0 5.7 7.7 7.0 5.3 4.7 6.3 8.0 7.0 8.7 5.3
X2 8.0 7.3 5.3 4.0 4.0 5.0 4.0 8.0 6.0 7.3 5.7 4.7 6.0 5.7 7.0 4.0 4.7 8.0 6.7
Y 77 60 72 45 44 46 49 79 60 60 56 30 56 38 47 43 18 81 53
d) ¿Es significativo el efecto del estado del equipo (X1) sobre Y cuando la calificación
de la higiene (X2) se mantiene constante?
e) ¿Es significativo el efecto de la higiene (X2) sobre Y cuando la calificación del equipo
(X1) se mantiene constante?
SOLUCION:
(28.39)(303.9)− (0.77)(107.2)
b2 = = 8.02
1065.74
y se tiene finalmente:
o en otros términos
% promedio estimado
b) Si
X1 = 7.0 y X2 = 8.5
entonces:
𝑌� = -17.69 + 3.56 (7.0) + 8.02 (8.5) = 75.40% de animales libres de mastitis subclínica..
c)
d)
H0: β1 = 0 vs H1: β1 ≠ 0
ahora:
b1 = 3.56
37.56
𝑠𝑏 1= 11.36 �1065.74 = 2.13
(3.56−0)
tc = = 1.67 con 16 g.l.
2.13
El valor tt = 2.12 con α = 5% para la prueba bilateral y se acepta H0. Sin embargo, si se
considera la prueba unilateral (si el efecto del equipo existe, debe de ser positivamente
correlacionado con Y),
entonces tt = 1.75 con α = 5% para esta prueba unilateral y se observa que se tiene una
evidencia de peso moderado a favor del efecto del estado del equipo sobre el % de
animales libres de mastitis subclínica (aunque no llega a ser significativo al nivel 5%).
e)
y se calcula:
b2 = 8.02
28.39
𝑠𝑏 2= 11.36 �1065.74 = 1.85
(8.02−0)
tc = = 4.33
1.85
lo cual es significativo al nivel α = 0.0005, reflejando una relación muy definida entre %
libre de mastitis subclínica e higiene.
f)
entonces:
t = 2.12
y se tiene:
g)
tt = 1.729
X1= 6.0
X2= 5.0
𝑠𝑌� = 11.36
entonces:
EJEMPLO 6
Solución:
a)
107.2
𝑟𝑌𝑋1 = = 0.29 correlación moderada entre Y y equipo.
�(28.39)(4884)
303.9
𝑟𝑌𝑋2 = = 0.71 correlación altamente significativa entre Y e higiene.
�(37.56)(4884)
0.77
𝑟𝑋1 𝑋2 = = 0.02 casi nula correlación entre la calificación de equipo y la
�(28.39)(37.56)
calificación de higiene en esta muestra de hatos lecheros.
b)
(0.29)2 +(0.71)2−2(0.29)(0.71)(0.02)
𝑟𝑌∙𝑋1 𝑋2 = � = 0.77
(1−0.02)
(3.56)(107.2)+(8.02)(303.9)
c) 𝑟𝑌∙𝑋1 𝑋2 = � = 0.76
(4884)
que son iguales excepto por errores de redondeo (el último es más preciso, ya que se
utilizaron más dígitos significativos).
EJEMPLO 7
𝑿𝟏 𝑋2 𝑌
0.80 0.80 0.92
0.80 0.60 0.93
0.80 0.40 0.94
0.70 0.80 0.88
0.70 0.60 0.90
0.70 0.40 0.91
0.60 0.80 0.84
0.60 0.60 0.87
0.60 0.40 0.89
a) Encontrar la ecuación del plano de regresión de Y sobre X1 y X2, para la muestra dada.
b) ¿Cuál será el factor de expansión, estimado puntualmente, para una relación de presión
X1 = 0.90 y una relación de diámetros X2 = 0.10?
c) Calcular el error estándar de regresión lineal múltiple de Y sobre X1 y X2.
d) Si se mantiene constante la relación de diámetros (X2), ¿usted afirmaría que la relación
de presión (X1) no afecta al factor de expansión con un nivel del 5% de significancia?, a
partir de la muestra dada.
e) Si se conserva constante la relación de presión (X1), ¿usted afirmaría que la relación de
diámetros (X2) afecta al factor de expansión con un nivel del 5% de significancia?, a
partir de la muestra dada.
f) Encontrar el intervalo de 95% de confianza para estimar el coeficiente de regresión
parcial del factor de expansión (Y) sobre la relación de presión (X1), con una relación de
diámetros constante.
g) Encontrar el intervalo de 95% de confianza para estimar el coeficiente de regresión
parcial del factor de expansión (Y) sobre la relación de diámetro (X2), con una relación
de presión constante.
h) Calcular el intervalo de 95% de confianza para estimar el factor de expansión para el
caso de una relación de presión X1 = 0.75 y una relación de diámetros X2 = 0.70.
Solución:
𝑿𝟏 𝑿𝟐 𝒀 𝑿𝟐𝟏 𝑿𝟏 𝑿𝟐 𝑿𝟏 𝒀 𝑿𝟐𝟐 𝑿𝟐 𝒀 𝒀𝟐
0.80 0.80 0.92 0.64 0.64 0.736 0.64 0.736 0.8464
0.80 0.60 0.93 0.64 0.48 0.744 0.36 0.558 0.8649
0.80 0.40 0.93 0.64 0.32 0.744 0.16 0.372 0.8649
0.70 0.80 0.88 0.49 0.56 0.616 0.64 0.704 0.7744
0.70 0.60 0.90 0.49 0.42 0.630 0.36 0.540 0.8100
0.70 0.40 0.91 0.49 0.28 0.637 0.16 0.364 0.8281
0.60 0.80 0.84 0.36 0.48 0.504 0.64 0.672 0.7056
0.60 0.60 0.87 0.36 0.36 0.522 0.36 0.522 0.7569
0.60 0.40 0.88 0.36 0.24 0.528 0.16 0.352 0.7744
∑ 6.30 ∑ 5.40 ∑ 8.06 ∑ 4.47 ∑ 3.78 ∑ 5.661 ∑ 3.48 ∑ 4.820 ∑
7.2256
0.70 0.60 0.896 4.41 3.78 5.642 3.24 4.836 7.2182
n =9 0.06 0 0.019 0.24 -0.016 0.0074
∑ 𝑦 2 −𝑏1 ∑ 𝑥1 𝑦−𝑏2 ∑ 𝑥2 𝑦
c) 𝑆𝑌∙𝑋1 𝑋2 = � 𝑛−3
d)
H0: β1 = 0 H1: β1 ≠ 0
b1 = 0.3167
∑𝑋22 0.24
𝑠𝑏 1 = 𝑠𝑌•𝑋1 𝑋2 � = 0.0075 � = 0.03068
𝐷 0.9048
(0.3167−0)
tc = 0.03068
= 10.323
como 10.323 no está entre ± 2.447, se rechaza H0, es decir, que el coeficiente de
regresión parcial de Y sobre X1, con X2 constante, es diferente de cero, por lo tanto, la
relación de presión afecta al factor de expansión.
e)
H0: β2 =0 H1: β2 ≠ 0
b2 = -0.0667
∑𝑥22 .06
𝑠𝑏 2 = 𝑠𝑌•𝑋1 𝑋2 = � = 0.0075 �0.0144 = 0.0153
𝐷
(−0.0667−0)
tc = = −4.359
0.0153
como -4.359 no está entre ± 2.447, se rechaza H0, es decir, que el coeficiente de
regresión parcial de Y sobre X2, con X1 constante, es diferente de cero, por lo tanto, la
relación de diámetros afecta al factor de expansión.
f)
b1 = 0.3167 𝑠𝑏 1= 0.03068
g)
b2 = -0.0667 𝑠𝑏 2= 0.0153
h)
X1 = 0.75 X2 = 0.70
EJEMPLO 8
d) Los valores estimados del factor de expansión (𝑌�) para los valores dados de la
relación de presión (X1) y la relación de diámetros (X2) y graficarlos contra los valores
dados del factor de expansión (Y) y observar la correlación mediante un diagrama de
dispersión.
SOLUCION
a)
∑𝑥•𝑦 0.019
𝑟𝑌•𝑋1 = = = 0.900 alta correlación lineal entre el factor de
��∑𝑥12 �(∑𝑦 2 ) �(0.06)(0.0074)
∑ 𝑥2 𝑦 − 0.016
𝑟𝑌 •𝑋2 = = = −0.379 baja correlación lineal entre el factor
��∑𝑥22 �(∑𝑦 2 ) �( 0.24)(0.0074)
∑𝑥1𝑥2 0
𝑟𝑋1 •𝑋2 = = =0 no existe correlación lineal entre la
��∑𝑥12 � (∑𝑥22 ) �(0.06)(0.24)
b)
2
( 𝑟𝑌•𝑋1
+ 𝑟𝑌2 •𝑋2 −2 𝑟𝑌•𝑋1 𝑟𝑌•𝑋2 𝑟𝑋 1𝑋 ) 0.9002 + (−0.379)2 − 2 (0.900)(−0.379)(0)
𝑟𝑌•𝑋1 𝑋2 = 2
= � = 0.9769
(1− 𝑟𝑋2 1𝑋 ) 1−(0)2
2
alta correlación lineal del factor de expansión sobre la relación de presión y la relación
de diámetros.
c)
�� 0. �(0.019)+ (−0.0667)(−0.016)�
=�
𝑏1 ∑𝑥1 𝑦+ 𝑏2 ∑𝑥2 𝑦 3167
𝑟𝑌•𝑋1 𝑋2 = � ∑𝑦 2
= 0.9769
0−0074
d)
𝑌� = 0.8956
X1 X2 Y �
𝒀 �
Y-𝒀 � )2
(Y-𝒀 �− 𝒀
𝒀 � �−𝒀
(𝒀 �𝟐 )
0.80 0.80 0.92 0.9139 .0244 .0006 .0183 .0003
0.80 0.60 0.93 0.9272 .0344 .0012 .0317 .0010
0.80 0.40 0.93 0.9406 .0344 .0012 .0450 .0020
0.70 0.80 0.88 0.8822 -.0156 .0002 -0.133 .0002
0.70 0.60 0.90 0.8956 .0044 .0000 0 0
0.70 0.40 0.91 0.9089 .0144 .0002 .0133 .0002
0.60 0.80 0.84 0.8506 -.0556 .0031 -.0450 .0020
0.60 0.60 0.87 0.8639 -.0256 .0007 -.0317 .0010
0.60 0.40 0.88 0.8772 -.0156 .0002 -.0183 .0003
SUMA 0 .0074 0 .0071
FIGURA 2.
e)
∑(𝑌�−𝑌�)2 0.0071
𝑟𝑌 •𝑋1 𝑋2 = 𝑟𝑌•𝑌� = �∑(𝑌−𝑌�)2 = �0.0074 = 0.9769
f)
𝑟𝑌 •𝑋1 𝑋2 = 0.9769
A) REGRESIÓN NO LINEAL.
1) TRANFORMACIÓN A LINEAL.
Z Z
Función Potencia
z = A ∙ 𝑊𝐵
A>0
B>0
Y = log. Z Y = a+b X
a = log. A
b =B
X = log. W
W W
Z Función Recíproca Z
z = 1/(A+BW)
Y = a+b X
1
Y = 1/z
𝐴
a=A
b=B
X=W
W W
Z Función Exponencial Z
z = A ∙ 𝐵𝑊
Y = a+b X
A>0
B>0 Y = log. Z
a = log. A
b = log. B
X=W
W W
Z Función Logarítmica Z
𝑒 𝑧 = A ∙ 𝑊𝐵
A>0
B>0 Y=Z Y = a+b X
a = Ln A
b =B
X = Ln W
Y = a + b X donde:
∑ 𝑥𝑦
b = ∑ 𝑥2 a = 𝑌� – b 𝑋�
Y además:
�∑ 𝑦 2 − 𝑏 (∑ 𝑥𝑦) 𝑠𝑌•𝑋
𝑠𝑌 •X = ; 𝑠𝑏 =
𝑛−2 �∑ 𝑥 2
𝑆𝑌 = 𝑆𝑌 •X ∙ aproximadamente
2) REGRESIÓN POLINOMIAL.
Y = a + b X + c 𝑋2 + d 𝑋3 + … + m 𝑋𝑘
E (Y) = α + β X + γ 𝑋 2
𝑌� = a + b X + c 𝑋 2
Donde:
b Es el coeficiente de linealidad, y
X Y 𝑿𝟐 𝑿𝟑 𝑿𝟒 XY X2Y Y2
… … … … … … … …
∑𝑥 2 ∑𝑥 3 ∑𝑥 4 ∑xy ∑x2 𝑦 ∑𝑦 2
1
∑ 𝑥 2 𝑦 = ∑ 𝑋 2 𝑌 - (∑ 𝑋 2 ) (∑ 𝑌)
𝑛
Y se calcula:
D = (∑ 𝑥 2 ) (∑ 𝑥 4 ) – (∑ 𝑥 3 )2 (denominador)
(∑𝑥𝑦)�∑ 𝑥 4 �− �∑ 𝑥 2 𝑦��∑ 𝑥 3 �
b= 𝐷
�∑ 𝑥 2 𝑦��∑ 𝑥 2 �− (∑𝑥𝑦) (∑ 𝑥 3 )
c= 𝐷
a = 𝑌� – b 𝑋� - c (∑ 𝑋 2 )/n
Y se compara
𝑏−0
t c= 𝑠𝑏
(u otro valor con t t )
Donde:
H 0: γ = 0 (u otro valor)
Y se compara:
𝑐−0
t c= 𝑠𝑏
(u otro valor con t t )
Donde:
β = b ± t0 sb
γ = c ± t 0 sc
Y = 𝑌� ± t 0 sY
P<1
a>0 Y = a – b ∙ pX
b>0
X
Y CURVA DE CRECIMIENTO LOGISTICO
P<1
a>0
Y = a/ (1+b ∙ pX)
b>0
B) CORRELACIÓN NO LINEAL.
Si se quiere medir el grado de relación no lineal mutua entre dos variables, se calcula el
coeficiente de correlación no lineal muestral que es:
𝑉𝐴𝑅𝐼𝐴𝐶𝐼Ó𝑁 𝐸𝑋𝑃𝐿𝐼𝐶𝐴𝐷𝐴
r = √𝑟 2 = � 𝑉𝐴𝑅𝐼𝐴𝐶𝐼𝑂𝑁 𝑇𝑂𝑇𝐴𝐿
𝑉𝐴𝑅𝐼𝐴𝐶𝐼Ó𝑁 𝑁𝑂 𝐸𝑋𝑃𝐿𝐼𝐶𝐴𝐷𝐴
= �1 − 𝑉𝐴𝑅𝐼𝐴𝐶𝐼Ó𝑁 𝑇𝑂𝑇𝐴𝐿
NOTA: el método anterior es general, pues los valores 𝑌� pueden estar estimados con
cualquier relación funcional, pero se puede simplificar mucho en los siguientes casos:
r = ∑ 𝑥𝑦/�(∑ 𝑥 2 )(∑ 𝑦 2 )
𝑏 (∑ 𝑥𝑦 )+𝑐(∑ 𝑥 2 𝑦)
r=� ∑ 𝑦2
EJEMPLO 1
R 1 2 5 10 20 30 40 50
V 98.2 91.7 81.3 64.0 36.4 32.6 17.1 11.3
Solución:
Y=a+Xb
Y = log V a = log A
X=R b = log B
R V X Y X2 XY Y2
1 98.2 1 1.9921 1 1.9921 3.9685
2 91.7 2 1.9624 4 3.9247 3.8509
5 81.3 5 1.9101 25 9.5505 3.6484
10 64.0 10 1.8062 100 18.0618 3.2623
20 36.4 20 1.5611 400 31.2220 2.4370
30 32.6 30 1.5132 900 45.3965 2.2898
40 17.1 40 1.2330 1600 49.3198 1.5203
50 11.3 50 1.0531 2500 52.6539 1.1090
158 13.0311 5530 212.1214 22.0863
19.75 1.6289 3120.5 257.3651 21.2263
2409.5 -45.2437 0.8599
−45.2437
b= 2409.5
= - 0.0188
𝑌� = 1. 9997 – 0.0188 X
X=0 𝑌� = 1.9997
R=0 V = 99.9408
X = 50 𝑌� = 1.0609
R = 50 V = 11.5051
R=X V = antilog Y
b) Figura 1
c) V = 99.9408 x 0.9577R
0.8599−(−0−0188)(−45.2437) 0.0104
d) sYX = � 8−2
=� 6
= 0.0416
e) Si R = 18.5 X = 18.5
O también
f) H0 : β = 0 ; H1 : β ≠ 0
Como – 22.182 no está entre ± 2.447 se rechaza H0, es decir que el coeficiente de
regresión Y sobre X poblacional no es cero.
FIGURA 1
b = -0.0188 sb = 0.0008
Si R = 35 X = 35 ,
Entonces
EJEMPLO 2
X 0 1 2 3 4 5 6 7 8
Y 12.0 10.5 10.0 8.0 7.0 8.0 7.5 8.5 9.0
SOLUCIÓN:
a) Ver figura 2
b) La ecuación 𝑌� = a + b X + c X2 se obtiene con las siguientes operaciones de los
valores observados.
X Y X2 X3 X4 XY X2Y Y2 𝑌�
0 12.0 0 0 0 0 0 144.0 12.18
1 10.5 1 1 1 10.5 10.5 110.25 10.52
2 10.0 4 8 16 20.0 40.0 100.00 9.22
3 8.0 9 27 81 24.0 72.0 64.00 8.29
4 7.0 16 64 256 28.0 112.0 49.00 7.73
5 8.0 25 125 625 40.0 200.0 64.00 7.52
6 7.5 36 216 1296 45.0 270.0 56.25 7.69
7 8.5 49 343 2401 59.5 416.5 72.25 8.22
8 9.0 64 512 4096 72.0 576.0 81.00 9.12
36 80.5 204 1296 8772 299 1697 740.75
4 8.9444 144 816 4624 322 1824.6667 720.0278
n=9 60 480 44148 -23 -127.6667 20.7222
FIGURA 2
Y se calcula
c) Si X = 10 entonces:
d)
20.7222− (−1.8465)(−23)− (0.1829)(−127.6667) 1.6022
sY∙X =� = � = 0.5167 horas
9−3 6
e)
H0: β = 0 R. de D. si tc está entre ± tt aceptar H0
H1: β ≠ 0 b = -1.8465
4148
Sb = 0.5167 �18480 = 0.2448
Como -7.542 no está entre ± 3.707, se rechaza H0, es decir que el coeficiente de
linealidad poblacional no es cero por lo tanto, el tiempo de secado le afecta linealmente
a la cantidad de barniz.
H1: γ ≠ 0 c =0.1829
Sc = 0.5157�60/18480 = 0.0294
Como 6.212 no está entre ± 3.707 rechace H0, es decir que el coeficiente de curvatura
de 2° grado poblacional no es cero, por lo tanto, al tiempo de secado le afecta también
no linealmente la cantidad de barniz.
95% de confianza
6 g. l. to=2.447
b = -1.8465
sb = 0.2448
-2.4456 < β < -1.2475 horas de secado por cada gramo de barniz.
c = 0.1829
g) 90 % de confianza
6 g. l. t0 = 1.943
Si X = 4.5
sY = 0.5167
aproximadamente
EJEMPLO 3
d) Tomando en cuenta que a los valores observados se les ajustó una parábola,
calcular el coeficiente de correlación no lineal (parabólico) por el método
simplificado.
SOLUCIÓN:
a) n=9
80.5
Y= 9
= 8.9444 𝑌� = 12.1848 - 1.8465 x + 0.1829 X2
Y Ŷ �
Ŷ- 𝒀 � )2
(Ŷ-Ȳ Y-Ȳ (Y-Ȳ)2
12.0 12.1848 3.2404 10.5502 3.0556 9.3364
10.5 10.5212 1.5768 2.4862 1.5556 2.4198
10.0 9.2234 0.2789 0.0778 1.0556 1.1142
8.0 8.2913 -0.2789 0.4265 -0.9444 0.8920
7.0 7.7251 -1.2193 1.4868 -1.9444 3.7809
8.0 7.5247 -1.4198 2.0157 -0.9444 0.8920
7.5 7.6900 -1.2544 1.5735 -1.4444 2.0864
8.5 8.2212 -0.7232 0.5231 -0.4444 0.1975
9.0 9.1182 -0.1737 0.0302 0.0556 0.0031
80.5 0 19.1201 0 20.7222
o también:
b = -1.8465
c = 0.1829
∑𝑥𝑦 = −23
∑𝑥 2 𝑦 = −127.6667
∑𝑦 2 = 20.7222
EJEMPLO 4
X 9 12 15 22 25 34 38 70 77 80
Y 325 264 200 151 122 93 70 59 54 50
Solución:
a) Ver figura 3
b) La ecuación 𝑌� = a + b X + c X2 se obtiene con las siguientes operaciones de los
valores observados.
FIGURA 3
c)
X Y X2 X3 X4 XY X2Y Y2 �
𝒀
9 325 81 729 6561 2925 26325 105625 291.83
12 264 144 1728 20736 3168 38016 69696 259.32
15 200 225 3375 50625 3000 45000 40000 228.78
22 151 484 10648 234256 3322 73084 22801 165.32
25 122 625 15625 390625 3050 76250 14884 141.45
34 93 1156 39304 1336336 3162 107508 8649 81.83
38 70 1444 54872 2085136 2660 101080 4900 61.12
70 48 4900 343000 24010000 3360 235200 2304 23.19
77 43 5929 456533 35153041 3311 254947 1849 45.20
80 40 6400 512000 40960000 3200 256000 1600 57.96
∑382 135.6 21388 1437814 104247316 31158 1213410 272308
38.2 135.6 14592.4 817021.6 45744654.4 51799.2 2900212.8 183873.6
n=10 6795.6 620792.4 58502661.6 -20641.2 -1686802.8 88434.4
Y se calcula
(−1686802.8)(6795.6)− (−20641.2)(620792.4)
c= = 0.111
12177483271.2
c) Si X = 90 entonces:
e) H0 : β = 0 H1 : β ≠ 0
b = -13.173
sb = sY∙X �∑ 𝑥 4 /𝐷 = 23.186 �58502661.6/12177483271.2= 5.082
Como -2.592 no está entre ± 2.365, se rechaza H0, es decir que el coeficiente de
linealidad poblacional no es cero, por lo tanto, el contenido de carbono afecta
linealmente al contenido de oxigeno libre en el acero líquido.
H0 : γ = 0 H1 : γ ≠ 0
c = 0.111
= 0.0173
Como 6.409 no esta entre ± 2.365, se rechaza H0, es decir, que el coeficiente de
cuadratura de segundo grado poblacional no es cero, por lo tanto, el contenido de
carbono afecta no-linealmente al contenido de oxigeno libre en el acero.
g) Para X = 60 se obtiene
Y = 𝑌� ± t0 SY•X
Como no es posible obtener una cantidad negativa de ppm de oxigeno, el intervalo es:
Ejemplo 5
Solución:
a) n = 10 𝑌� = 135.6
𝒀 �
𝒀 �−𝒀
𝒀 � �−𝒀
(𝒀 � )𝟐 𝒀−𝒀 � � )𝟐
(𝒀 − 𝒀
325 291.83 156.23 24407.8129 189.4 35872.36
264 259.32 123.72 15306.6384 128.4 16486.56
200 228.78 93.18 8682.5124 64.4 4147.36
151 165.32 29.72 883.2784 15.4 237.16
122 141.45 5.85 34.2225 -13.6 184.96
93 81.83 -53.77 2891.2129 -42.6 1814.76
70 61.12 -74.48 5547.2704 -65.6 4303.36
48 23.19 -112.41 12636.0081 -87.6 7673.76
43 45.20 -90.40 8172.16 -92.6 8574.76
40 57.96 -77.64 6027.9696 -95.6 9139.36
1356 0 0 84589.09 0 88434.4
r = �84589.09/88434.40 = 0.978
b) r2 = 0.9566
b= -13.173 c = 0.111
Entonces:
(−13.173)(−20641.2)+ (0.111)(−1686802.8)
r= � 88434.4
= 0.978
EJEMPLO 6
Por lo mencionado y por pláticas con los ingenieros químicos de la fábrica, se supuso
que una relación hiperbólica que pudiera resultar satisfactoria es:
ZY=K
Donde:
Z = puntos de carbono
Y = ppm de oxigeno
K = constante
1
Si se efectúa la transformación X = 𝑍 se obtiene la relación:
Y= b X, donde b = K
Que es la ecuación de una recta; y para los datos del ejemplo 2 se pide:
c) Estimar las partes por millón de un acero que contenga 90 puntos de carbono.
g) Estimar con un intervalo de 95% de confianza, las partes por millón de oxígeno de
un acero con 60 puntos de carbono.
Solución:
a) Ver figura 4
b) La ecuación:
Y=bX ; X = 1/Z
Z X Y X2(*) XY Y2
9 0.111 325 0.012 36.111 105625
12 0.083 264 0.007 22.000 69696
15 0.067 200 0.004 13.333 40000
22 0.045 151 0.0021 6.864 22801
25 0.040 122 0.0016 4.880 14884
34 0.029 93 0.0009 2.735 8649
38 0.026 70 0.0007 1.842 4900
70 0.014 48 0.0002 0.686 2304
77 0.013 43 0.0002 0.558 1849
80 0.013 40 0.0002 0.500 1600
0.4421 1356 0.0295 89.5096 272308
0.04421 135.6 0.0195 59.9441 183873.6
0.009945 29.5655 88434.4
FIGURA 4.
(*) Los cálculos fueron hechos en una calculadora y no aparecen indicadas todas las
cifras significativas tomadas en cuenta.
Y = 2972.9 X
𝑌� Z = 2972.9
O equivalente:
𝑌� = 2972.9 / Z
Obsérvese que las ppm de oxígeno con 90 puntos de carbono son inferiores a las
observadas con 80 puntos de carbono.
88434.4−(2972.9)(29.5655)
d) sY∙X = � 10−2
= 8.21
e) H0 : β = 0 ; H1 : β ≠ 0
b = 2972.9 sb = sY∙X / �∑ 𝑥 2 = 8.21 / √0.009945 = 82.32
b = 2972.9 sb = 82.32
SY ≈ sY∙X = 8.21
Si Z = 60 entonces:
Y = 297.9 / 60 = 49.5
Por lo tanto,
EJEMPLO 7
𝑟 = �𝛴𝑥 2 ∙ 𝛴𝑦 2 /(𝛴𝑥𝑦)2
Solución:
𝑌� = 2972.9/𝑍
𝒀 �
𝒀 �− 𝒀
𝒀 � �− 𝒀 � �𝟐 �
𝒀− 𝒀 �𝟐)
(𝒀 − 𝒀
�𝒀
325 330.3 194.7 37908.1 189.4 35872.4
264 247.7 112.1 12566.4 128.4 16486.6
200 198.2 62.6 3918.8 64.4 4147.4
151 135.1 -0.5 0.3 15.4 237.2
122 118.9 -16.7 278.9 -13.6 185.0
93 87.4 -48.2 2323.2 -42.6 1814.8
70 78.2 -57.4 3294.8 -65.6 4303.4
48 42.5 -93.1 8667.6 -87.6 7673.8
43 38.6 -97.0 9409.0 -92.6 8574.8
40 37.2 -98.4 9682.6 -95.6 9139.4
1356 -41.9 88049.6 0 88434.4
2
Obsérvese que ∑ �𝑌� − 𝑌�� es diferente de cero y esto es debido a que la
transformación hecha supone que la recta pasa por el origen, pero se utilizaron
fórmulas para una relación del tipo:
Y = a + bX
88049.6
𝑟 = �88434.4 = 0.9978
∑𝑥 2 • ∑𝑦 2
𝑟= �
∑𝑥𝑦 2
solo sirve para calcular la correlación lineal entre dos variables que tienen una ecuación
de regresión del tipo:
Y = a + bX
y por lo explicado en el inciso anterior, queda claro que la forma correcta de hacer el
cálculo es por el método general.
d) r2 = 0.9956
e) 1- r2 = 1- 0.9956 = 0.0044
EJEMPLO 8
Los datos de la tabla representan el número de bacterias (en cientos) que sobreviven
por irradiación por rayos X (200 kilovoltios) durante 1 a 15 períodos de 6 minutos cada
uno en un experimento. El propósito del experimento fue probar la hipótesis de choque
único de la acción de rayos-X. Según esta teoría, existe un único centro vital en cada
bacteria al cual le tiene que pegar un rayo antes de que se muera la bacteria. De
hecho, esto indica que en cualquier momento el número de bacterias que se mueren es
proporcional al número de bacterias vivas. Entonces un poco de ecuaciones
diferenciales dan la siguiente relación funcional.
𝑛𝑡 = 𝑛𝑜 𝑒 𝛽𝑡 , 𝑡≥0
β = la razón de destrucción.
ln 𝑛𝑡 = ln 𝑛0 + 𝛽𝑡
= 𝛼 + βt
FIGURA 5
Solución:
𝒕 𝒏𝒕 𝐥𝐧 𝒏𝒕 𝒕𝟐 𝒕 ∙ 𝐥𝐧 𝒏𝒕 (𝐥𝐧 𝒏𝒕 )𝟐
1 355 5.872 1 5.872 34.482
2 211 5.353 4 10.704 28.642
3 197 5.283 9 15.850 27.912
4 166 5.112 16 20.448 26.132
5 142 4.956 25 24.779 24.560
6 106 4.663 36 27.981 21.748
7 104 4.644 49 32.511 21.570
8 60 4.094 64 32.755 16.764
9 56 4.025 81 36.228 16.204
10 38 3.638 100 36.376 13.232
11 36 3.584 121 39.419 12.842
12 32 3.466 144 41.589 12.011
13 21 3.045 169 39.579 9.269
14 19 2.944 196 41.222 8.670
15 15 2.708 225 40.621 7.334
120 x 64.406 1,240 446.073 281.552
8.00 x 4.227 960 507.248 268.021
280 -61.175 13.531
a) b = -61.175/280 = -0.218
a = 4.117 – (-0.218)(8.00)
= 5.975
ln nt = 5.975 – 0.218 t
FIGURA 6
b) Ver figura 6
Por lo tanto:
d) t = 7.5 períodos
e)
Entonces
g) Con 90% y 13 g.l., tt= 1.771 y se hace el intervalo primero en las escalas
transformadas.
Entonces
Nota: El excelente ajuste del modelo con los datos transformados según la teoría de
choque único corrobora la validez de esta teoría.
EJEMPLO 9
SOLUCION:
a)
− 61.175
𝑟ln 𝑛𝑡, 𝑡 = = −0.994
�(13.531)(280)
b)
2
𝑟ln 𝑛𝑡,= (−0.994)2 =0.988
es decir 98.8% de la variación es explicada y queda únicamente 1.2% por explicar que
bien puede ser debido a “error experimental” en las cuentas de las bacterias, la
preparación del material, etc. Así que se tiene un modelo excelente para describir el
número de bacterias sobrevivientes y puesto que el modelo fue deducido bajo la
hipótesis de choque único se tiene una confirmación de esta teoría en base al
experimento.
EJEMPLO 10
d) Estimar el rendimiento que tendré una parcela fertilizada a razón de 260 kg/Ha (2.6
unidades).
Solución:
a) Ver la figura 7
b) Se observa en el diagrama de dispersión que la respuesta al nitrógeno parece
ser lineal en un rango desde 80 hasta 240 ó posiblemente 320 kg/Ha nivel en el
cual ya hay un cambio y se observa que el rendimiento promedio en 400 kg/Ha
es menor que él de 320. Esto está de acuerdo con la ley de Mitscherlich que
postula solo un pequeño o nula respuesta adicional al fertilizante cuando se
acerca al óptimo fisiológico de la planta. Por lo tanto ajustar una recta no es tan
adecuado como una parábola (polinomio de 2º. grado) que puede modelar más
adecuadamente este comportamiento cerca del máximo.
c) La ecuación Y = a + bX + cX2 se obtiene en base a las siguientes operaciones
con los valores observados:
𝑿 𝒀 𝑿𝟐 𝑿𝟑 𝑿𝟒 𝑿𝒀 𝑿𝟐 𝒀 𝒀𝟐
0.8 5.24 0.64 0.512 0.4096 4.192 3.3536 27.4576
0.8 5.42 0.64 0.512 0.4096 4.336 3.4688 29.3764
1.6 5.80 2.56 4.096 6.5536 9.280 14.8480 33.6400
1.6 5.39 2.56 4.096 6.5536 8.624 13.7984 29.0521
2.4 7.05 5.76 13.824 33.1776 16.920 40.6080 49.7025
2.4 7.57 5.76 13.824 33.1776 18.168 43.6032 57.3049
3.2 7.63 10.24 32.768 104.8576 24.416 78.1312 58.2169
3.2 8.19 10.24 32.768 104.8576 26.208 83.8656 67.0761
4.0 7.46 16 64.000 256.0000 29.840 119.36 55.6516
4.0 6.69 16 64.000 256.0000 26.760 107.04 44.7561
24 66.44 70.4 230.400 801.9968 168.744 508.0768 452.2342
2.4 6.644 57.6 168.960 495.616 159.456 467.7376 441.4274
12.8 61.44 306.3808 9.288 40.3392 10.8068
FIGURA 7
y se calcula:
d) Si X = 2.6 entonces
10.8068−(2.5015)(0.288)−(−0.37)40.3392 2.4984
e) 𝑠𝑌∙𝑋 = � 10−3
=� 7
= 0.5974 Ton/Ha.
f) 𝑠𝑏 = 0.5974�306.3808/146.80 = 0.8630
y tt = 1.895 con 7 g.l. y nivel 90%
𝛽 = 2.501 ± (1.895)(0.8630) = 2.5015 ± 1.6354 ó
0.8661 < 𝛽 < 4.1369 con 90% de confianza.
12.8
𝑠𝑐 = 0.597� = 0.1764
146.8
𝛶 = −0.37 ± (1.895)(0.1764) = −0.37 ± 0.3343 ó
Y = 7.2479 entonces
= 7.2479 ± 1.222 ó
Es decir el rendimiento de una parcela fertilizada a razón de 260 kg/Ha estará entre
6.026 y 8.470 ton/ha con 95% de confianza.
EJEMPLO 11
X Y
Concentración Diámetro
de penicilina del
en solución círculo
1 15.87
2 17.78
4 19.52
8 21.35
16 23.13
32 24.77
De estudios anteriores se conoce que tomando logaritmo de base 2 de la
concentración, la relación entre concentración y diámetro del círculo de inhibición se
linealiza.
Solución:
a) Se tiene que:
𝑌 = 𝑎 + 𝑏 𝑙𝑜𝑔2 𝑋
Entonces:
𝑌� = 𝑎 + 𝑏𝑋 ∗
Donde:
𝑋 ∗ = 𝑙𝑜𝑔2 𝑋
𝑿 𝑿∗ 𝒀 𝑿∗𝟐 𝑿∗ 𝒀 𝒀𝟐
1 0 15.87 0 0 25.8569
2 1 17.78 1 17.78 316.1284
4 2 19.52 4 39.04 381.0304
8 3 21.35 9 64.05 455.8225
16 4 23.13 16 92.52 534.9969
32 5 24.77 55 123.85 613.5529
15 122.42 55 337.24 2553.388
2.5 20.40 37.5 306.05 2497.776
17.5 31.19 55.612
31.19
𝑏= 17.5
= 1.78228 𝑚𝑚, por cada U.I. por ml.
𝑌� = 15.944 + 1.78228 𝑋 ∗
b) Ver Figura 8
c) 𝑆𝑌∙𝑋 = �[55.612 − 1.78228(31.19)]/4 = 0.07531
d) Si
Y = 20.08 mm
20.08 − 15.944
𝑋∗ =
1.78228
𝑋 ∗ = 2.32
𝑋 ∗ = 2.32 = 𝑙𝑜𝑔2 𝑋
e) H0: β = 0
H1: β ≠ 0
b = 1.78228
0.07531
𝑆𝑏 = = 0.018
√17.5
Regla de decisión: si tc esta entre ± tt aceptar H0.
1.78228
𝑡𝑐 = = 99
0.018
Con α = 5% y 4 g.l. se obtiene ± tt = 2.78
Como tc = 99 no se encuentra entre ± tt rechazar H0, esto es que el coeficiente
de regresión no es cero y sí hay relación entre concentración y diámetro de
inhibición.
b = 1.78228
g) Si X = 5 se tiene:
𝑌� = 15.944 + 1.78228(2.322) = 20.0824
tt con 95% de confianza y 4 g.l. tt = 2.78
𝑆𝑌� = 𝑆𝑌∙𝑋 = 0.07531
Y = 20.0824 ± 2.78 (0.07531)
FIGURA 8
EJEMPLO 12
Los datos que aparecen enseguida son los rendimientos mensuales en una fábrica de
gas de agua. Se burbujea vapor de agua y aire alternadamente a través de carbón de
coque para producir una mezcla gaseosa, cuyos principales componentes son
nitrógeno, hidrógeno y monóxido de carbono. La medida del rendimiento es el coque
consumido por cada 1000 m3 de (H2 + CO) producido.
X Y
Proporción aire/vapor Consumo mensual de coque
(1000m3 de aire/ton. de vapor) (unidades de coque/1000 m3 de H2 + CO
producido)
2.11 120
2.32 128
2.22 114
2.19 141
1.99 78
1.62 31
1.76 51
1.23 50
1.42 50
1.26 40
g) Estimar con un intervalo del 95% de confianza el consumo de coque para una
relación de 1.45 x 1000m3 de aire/ton. de vapor.
SOLUCION
a) Ver figura 9
FIGURA 9
b)
𝑿 𝒀 𝑿𝟐 𝑿𝟑 𝑿𝟒 𝑿𝒀 𝑿𝟐 𝒀 𝒀𝟐
2.11 120 4.4521 9.3939 19.8211 253.20 534.252 14400
2.32 128 5.3824 12.4871 28.9702 296.96 688.9472 16384
2.22 114 4.9284 10.9410 24.2891 253.08 561.8376 12996
2.19 141 4.7961 10.5034 23.0025 308.79 676.2501 19881
1.99 78 3.9601 7.8805 15.6823 155.22 308.8876 6084
1.62 31 2.6244 4.2515 6.8874 50.22 81.3564 961
1.76 51 3.0976 5.4517 9.5951 89.76 157.9776 2601
1.23 50 1.5129 1.8608 2.2888 61.50 75.645 2500
1.42 50 2.0164 2.8632 4.0658 71.00 100.820 2500
1.26 40 1.5876 2.0003 2.5204 50.40 63.504 1600
18.12 803 34.358 67.6334 137.1227 1590.13 3249.4775 79907
1.812 80.3 32.83344 62.25566 118.0472 1455.036 2758.9474 64480.9
1.52456 5.37834 19.0755 135.094 490.5301 15426.1
c) Si
X = 1.45
Entonces:
e) H0: β = 0
H1: β ≠ 0
b = -394.6653
19.0755
𝑠𝑏 = 14.8541 � .1552
= 164.679
tc = 394.6653/164.679 = 2.396
H0: y = 0
H1: y≠ 0
c = 136.9916
1.52456
sc= 14.8541 � 0.1522 = 46.5556
136.9916
tc = 46.5556
= 2.94
Como tc= 2.94 no está entre ± tt = 2.37 rechazar H0 , es decir, que el coeficiente de
curvatura de 2º grado poblacional no es cero, por lo tanto al consumo de coque le
afecta no linealmente la relación aire/vapor.
-784.9545 < β < -4.37607 unidades de trabajo por cada 1000 m3 de aire
por tonelada de vapor.
c = 136.9916 sc = 46.5556
g) Si
𝑌�= 40.5178
EJEMPLO 13
SOLUCION
a)
31.19
r= = 0.99979
�(17.5)(55.612)
b)
r2 = (0.99979)2 = 0.9995
c)
1-0.9995 = 0.0005