Академический Документы
Профессиональный Документы
Культура Документы
X Y
3 115000
6 147000
9 239000
12 356000
15 579000
18 864000
Plantear hipótesis.
Ho: Los datos se ajustan al modelo de regresión adoptado es decir,
Yij=a(x) +b
Ha: Los datos no se ajustan bien al modelo de regresión adoptado
Determinar el nivel de significancia:
𝛼=0.05
800000
600000
400000 Y
200000
0
0 5 10 15 20
Calcule a;b y la ecuación de pronòstico Yij=axi + b
y = 49124x - 132467
R² = 0,9076
ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los Valor crítico
libertad cuadrados cuadrados F de F
Regresión 1 3,8E+11 3,8E+11 39,29354 0,003305
Residuos 4 3,87E+10 9,67E+09
Total 5 4,19E+11
ANOVAa
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
Total 418761333333,
5
333
a. Variable dependiente: Y
b. Predictores: (Constante), X
CONCLUSIÒN: Como se puede apreciar, el valor p de falta de ajuste indica 0.003 esto
significa que con un 95% de confianza se rechaza la idea de que los datos se ajusten a
un modelo lineal. Por tanto no es un ajuste lineal.
CASO. 2: La hidrólisis de un cierto éster tiene lugar en medio ácido según un proceso cinético
de primer orden. Partiendo de una concentración inicial (por 103(M)) desconocida del éster, se
han medido las concentraciones del mismo a diferentes tiempos (en minutos) obteniéndose
los resultados siguientes:
Tiempo Concentración
3 25,5
5 23,4
10 18,2
15 14,2
20 11,6
30 7,4
40 12,5
60 1,5
75 0,7
90 0,4
Plantear hipótesis.
Yij=a(x) +b
Concentración
30
25
20
15
Concentración
10
5
0
0 20 40 60 80 100
Calcule a;b y la ecuación de pronòstico Yij=axi + b
y = -0,2708x + 20,965
R² = 0,8316
ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los Valor crítico
libertad cuadrados cuadrados F de F
Regresión 1 621,5372 621,5372 39,4919 0,000237
Residuos 8 125,9068 15,73835
Total 9 747,444
ANOVAa
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
Total 747,444 9
6. Conclusiòn:
Como se puede apreciar, el valor p de falta de ajuste indica 0.0002 esto significa que con un
95% de confianza se rechaza la idea de que los datos se ajusten a un modelo lineal. Por tanto
no es un ajuste lineal.
CASO 3: El siguiente artículo está basado en el paper de Rawski y colaboradores [1] y tiene por
objeto entregar una alternativa para evaluar la linealidad de las curvas de calibración.
Supongamos que se prepararon 11 soluciones de distinta concentración de un elemento y se
leyeron por espectrofotometría. Con estos datos se quiere saber si el método lineal o
cuadrático es adecuado o no para este rango de concentración.
1.Plantear hipótesis.
Yij=a(x) +b
area pico 1
0.500
0.450
0.400
0.350
0.300
0.250
area pico 1
0.200
0.150
0.100
0.050
0.000
0.000 5.000 10.000 15.000 20.000 25.000
5. Calcule a;b y la ecuación de pronòstico Yij=axi + b
y = 0,0219x + 0,0521
R² = 0,9631
ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los Valor crítico
libertad cuadrados cuadrados F de F
Regresión 1 0,210328 0,210328 234,8578 9,36E-08
Residuos 9 0,00806 0,000896
Total 10 0,218388
ANOVAa
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
Total ,218 10
Dureza Dureza
Previa Post
182 198
232 210
191 194
200 220
148 138
249 220
276 219
213 161
241 210
480 313
262 226
a)¿Se puede afirmar que el proceso de horneado mejora la dureza de las piezas?. b) Decide si
un modelo lineal es adecuado para explicar la dureza posterior en función de la dureza previa.
En caso afirmativo obtenlo y predice la dureza tras el proceso de horneado de una pieza con
un dureza previa de 215.
1.Plantear hipótesis.
Yij=a(x) +b
300
250
200
100
50
0
0 100 200 300 400 500 600
ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los Valor crítico
libertad cuadrados cuadrados F de F
Regresión 1 15680,1479 15680,1479 40,8957106 0,00012601
Residuos 9 3450,76119 383,41791
Total 10 19130,9091
ANOVAa
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
Total 19130,909 10