Resumen

Estadsticas de la regresin
Coeficiente de correlacin mltiple 0.999862111
Coeficiente de determinacin R^2 0.999724241
R^2 ajustado 0.9996454527
Error tpico 0.6569711522
Observaciones 10

ANLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresin 2 10953.2025723367
Residuos 7 3.0212776633
Total 9 10956.22385

Coeficientes Error tpico

Intercepcin 0.5799878946 0.6068534641
X1 2.7122375794 0.2020864444
X2 2.049707487 0.0480818127
Promedio de los cuadrados F Valor crtico de F
5476.6012861683 12688.74075 3.482203122E-13
0.4316110948

Estadstico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%

0.9557297255 0.3710418283 -0.8549925237 2.014968313 -0.8549925237
13.4211752168 2.990261E-06 2.234379072 3.1900960867 2.234379072
42.6295801298 0.000000001 1.9360120667 2.1634029074 1.9360120667
Superior 95.0%
2.014968313
3.1900960867
2.1634029074
Problema 1
Se llev a cab un conjunto de ensayos experimentales con un horno para determinar una forma de predecir
el tiempo de coccin (Y), a diferentes niveles de ancho del horno (X1) y a diferentes niveles de ancho
temperaturas (X2).
Se registraron los siguientes datos:

Y X1 X2
6.40 1.32 1.15
15.05 2.69 3.40
18.75 3.56 4.10
30.25 4.41 8.75
44.85 5.35 14.82
48.94 6.20 15.15
51.55 7.12 15.32
61.50 8.87 18.18
100.44 9.80 35.19
111.42 10.65 40.40

Estime la ecuacin de regresin lineal mltiple.

(1)
Resumen

Estadsticas de la regresin
Coeficiente de correlacin mltiple 0.9524800405
Coeficiente de determinacin R^2 0.9072182275
R^2 ajustado 0.8866000558
Error tpico 0.221140398
Observaciones 12

ANLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresin 2 4.3035592362
Residuos 9 0.4401276805
Total 11 4.7436869167

Coeficientes Error tpico

Intercepcin -2.6005597329 0.346158006
X1 0.0029471002 0.0003331735
X2 0.6135993057 0.1964263802
Promedio de los cuadrados F Valor crtico de F
2.1517796181 44.000905694 2.257262119E-05
0.0489030756

Estadstico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%

-7.5126378345 3.64413E-05 -3.3836235457 -1.81749592 -3.3836235457
8.8455414146 9.834768E-06 0.0021934093 0.0037007911 0.0021934093
3.12381313 0.0122431492 0.1692519627 1.0579466487 0.1692519627
Superior 95.0%
-1.8174959201
0.0037007911
1.0579466487
Problema 2
En una empresa en la Ciudad de Panam, se estudiaron la propiedades
de reflectancia infrarroja de un lquido viscoso que se utiliza como lubricante
en la industria electrnica. El experimento que se dise consisti en medir
el efecto de frecuencia de banda (X1) y el espesor de pelcula (X2) sobre
la densidad ptica (Y), usando un espectrmetro infrarrojo Perkin-Elmer
Modelo 621.
(Fuente: Pacansky, J., England, C. D. y Wattman, R. 1986).

Y X1 X2
0.231 740 1.10
0.107 740 0.62
0.053 740 0.31
0.129 805 1.10
0.069 805 0.62
0.030 805 0.31
1.005 980 1.10
0.559 980 0.62
0.321 980 0.31
1.948 1235 1.10
1.633 1235 0.62
0.934 1235 0.31

Estime la ecuacin de regresin lineal mltiple

(2)
Resumen

Estadsticas de la regresin
Coeficiente de correlacin mltiple 0.9344292267
Coeficiente de determinacin R^2 0.8731579797
R^2 ajustado 0.8369174025
Error tpico 6.0507886381
Observaciones 10

ANLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresin 2 1764.2156980027
Residuos 7 256.2843019973
Total 9 2020.5

Coeficientes Error tpico

Intercepcin -22.9931639276 17.7625433155
Peso Inicial (X1) 1.3956729159 0.5825416624
Peso del alimento (X2) 0.2176134068 0.057766963
Promedio de los cuadrados F Valor crtico de F
882.1078490014 24.093379481 0.0007268102
36.6120431425

Estadstico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%

-1.2944747562 0.2365649717 -64.9949046215 19.008576766 -64.994904621
2.3958336477 0.0477576195 0.0181807735 2.7731650582 0.0181807735
3.7670910082 0.0070095455 0.0810162452 0.3542105683 0.0810162452
Superior 95.0%
19.0085767663
2.7731650582
0.3542105683
Problema 3
Se realiz un experimento para determinar si era posible predecir
el peso de un animal despus de un periodo determinado con base
en su peso inicial y la cantidad de alimento que consuma. Se registraron
los siguientes datos, en kilogramos:

Peso Final (Y) Peso Inicial (X1) Peso del alimento (X2)
95 42 272
77 33 226
80 33 259
100 45 292
97 39 311
70 36 183 Pes
50 32 173
80 41 236
92 40 230
84 38 235

a) Ajuste una ecuacin de regresin mltiple

b) Prediga cunto pesar una animal que comienza
pesando 35 kilogramos despus de consumir 250
kilogramos de alimento.
(4)
Problema 4
Once estudiantes participaron en un programa de evaluacin, diseado para
medir la eficacia de los profesores y determinar cules factores son importantes.
La medicin de la respuesta consisti en una evaluacin cuantitativa del profesor.
Las variables regresoras fueron las calificacaiones de cuatro pruebas estandarizadas
a cada profesor. Los datos son los siguientes:

Y X1 X2 X3 X4
410 69 125 59.00 55.660
569 57 131 31.75 63.970
425 77 141 80.50 45.320
344 81 122 75.00 46.670
324 0 141 49.00 41.210
505 53 152 49.35 43.830
235 77 141 60.75 41.610
501 76 132 41.25 64.570
400 65 157 50.75 42.410
584 97 166 32.25 57.950
434 76 141 54.50 57.900

Estime la ecuacin de regresi lineal mltiple.

(14)
Problema 5
Con el fin de determinar la relacin entre la calificacin de su desempeo
laboral (Y) y las calificaciones en cuanto a exmenes, el departamento
de personal de una empresa industrial realiz un estudio en el que
participaron 12 personas. Los datos son los siguientes:

Y X1 X2 X3 X4
11.2 56.5 71.0 38.5 43.0
14.5 59.5 72.5 38.2 44.8
17.2 69.2 76.0 42.5 49.0
17.8 74.5 79.5 43.4 56.3
19.3 81.2 84.0 47.5 60.2
24.5 88.0 86.2 47.4 62.0
21.2 78.2 80.5 44.5 58.1
16.9 69.0 72.0 41.8 48.1
14.8 58.1 68.0 42.1 46.0
20.0 80.5 85.0 48.1 60.3
13.2 58.3 71.0 37.5 47.1
22.5 84.0 87.2 51.0 65.2

Estime los coeficientes de regresin del modelo.

(15)