Problema No.

1
En una etapa inicial del procesamiento mecnico de piezas de acero, se sabe que una herramienta
sufre un deterioro gradual que se refleja en cierto dimetro de las piezas manufacturadas. Para
predecir el tiempo de vida til de la herramienta se tomaron datos de horas de uso y el dimetro
promedio de cinco piezas producidas al final de la jornada. Los datos obtenidos para una
herramienta se muestran a continuacin:
Horas de uso
16
32
48
64
80
96
112
128
144
160
176
192
208
224
240
256
272
288
304
320

a)

Dimetro (mm)
26.2
25.7
26.0
27.7
28.3
29.5
30.1
31.8
31.4
33.4
33.6
32.7
35.0
36.1
35.7
36.2
36.8
39.1
38.7
39.2

En este problema cul variable se considera independiente y cul dependiente?

R: La variable dependiente sern las horas de trabajo mientras que la independiente ser el
dimetro de la pieza.
b) Mediante un diagrama de dispersin analice la relacin entre estas dos variables. Qu tipo
de relacin observa y cules son algunos hechos especiales? Relacin positiva fuerte
c) Haga un anlisis de regresin (ajuste una lnea recta a estos datos, aplique pruebas de
hiptesis y verifique residuos)
d) La calidad de ajuste es satisfactoria? Argumente

e) Si el dimetro mximo tolerado es de 45, Cuntas horas de uso estima que tiene esa
herramienta?
f)

Seale el valor de la pendiente de la recta e interprtelo en trminos prcticos

g) Obtenga el error estndar de estimacin y comente qu relacin tiene ste con la calidad de
ajuste.

grafica de dispersion

f(x) = 0.05x + 24.86

R = 0.98

a) La variable independiente son las horas de uso y la variable dependiente es el dimetro de las
piezas.
b) Diagrama de dispersin: se puede observar que existe una correlacin lineal positiva entre las
horas de uso y el dimetro, ya que conforme aumentan las horas de uso aumenta el dimetro.

Grfico de Dimetro vs Horas de uso

40

Dimetro

37
34
31
28
25
0

100

200
Horas de uso

300

400

c) Anlisis de regresin, como podemos observar la lnea recta que mejor explica la relacin entre
las horas de uso y el dimetro est dada por:
Dimetro = 24.8632 + 0.0464098*Horas de uso
La cual se puede observar en el grafico del modelo ajustado:
Grfico del Modelo Ajustado
Dimetro = 24.8632 + 0.0464098*Horas de uso
40

Dimetro

37
34
31
28
25
0

100

200
Horas de uso

300

400

Prueba de Hiptesis:
H0: 1= 0 o H0: El modelo no se ajusta
H0: 1 0 o H0: El modelo si se ajusta
De acuerdo a la tabla de coeficientes podemos ver que si existe una pendiente, lo cual significa que
entre las variables horas de uso y dimetro si existe una relacin.
Coeficientes
Mnimos
Cuadrados
Parmetro Estimado
Intercepto 24.8632
Pendiente 0.0464098

Estndar

Estadstico

Error
T
0.323206 76.9267
0.00168629 27.5218

Valor-P
0.0000
0.0000

Para poder rechazar o aceptar la hiptesis nula tenemos que tomar en cuenta el anlisis de varianza
del modelo, el cual se presenta a continuacin:

Anlisis de Varianza
Fuente
Suma de
Cuadrados
Modelo
366.674
Residuo
8.71365
Total (Corr.) 375.388

Gl Cuadrado
Medio
1 366.674
18 0.484092
19

Razn-F Valor-P
757.45

0.0000

Analizando esta tabla podemos concluir que el modelo si se ajusta ya que el valor-P es menor al
nivel de confianza de 0.05, por ello podemos decir que con un nivel de confianza del 95% se rechaza
la hiptesis nula.
Verificacin de supuestos:
El supuesto de varianza constante si se cumple ya que al graficar los residuos contra los
predichos, los puntos caen aleatoriamente dentro de la banda horizontal sin que sigan algn patrn
definido.

Grfico de Residuos
Dimetro = 24.8632 + 0.0464098*Horas de uso
1.2
0.8

residuo

0.4
0
-0.4
-0.8
-1.2
25

28

31
34
predicho Dimetro

37

40

El supuesto de independencia si se cumple ya que los puntos o residuos se encuentran dispersos

de forma arbitraria dentro del grafico de residuos vs nmero de corrida, sin cumplir ninguna
tendencia.
Grfico de Residuos
Dimetro = 24.8632 + 0.0464098*Horas de uso
1.2
0.8

residuo

0.4
0
-0.4
-0.8
-1.2
0

8
12
nmero de fila

16

20

d) el coeficiente de determinacin R2ajustado es de 97.6788% lo cual indica que nuestro modelo tiene
una calidad de ajuste satisfactoria, ya que explica el 97.6% de la variabilidad en Dimetro.
e) El valor sera de 433.89 horas a un dimetro de 45 mm, sin embargo realizar una extrapolacin la
cual est ms all de la regin que contiene a las observaciones originales est mal ya que
probablemente el modelo ya no se ajuste adecuadamente fuera de la regin, ya que nuestra regin
de estudio va de 25.7 a 39.2 mm de dimetro.
f) el valor de la pendiente es de 0.0464098, esto nos indica la razn de cambio en el dimetro (y)
con respecto al cambio de las horas de uso (x), es decir cunto va a variar el dimetro cuando se
varen las horas de uso.
g) El error estndar de la estimacin fue de 0.695767, lo cual indica que la calidad de ajuste de
nuestro modelo es buena, ya que si el error estndar de estimacin es menor la calidad del ajuste
ser mayor.

Problema No. 2
Se piensa que el
vapor
consumidas
una planta qumica
temperatura
(en F) de ese mes.
se
muestra
la
consumo anual:

Mes
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre

Temperatura
21
24
32
47
50
59
68
74
62
50
41
30

Consumo/1000
185.79
214.47
288.03
424.84
454.58
539.03
621.55
657.06
562.03
452.93
369.95
273.98

nmero de libras de
mensualmente por
se relaciona con la
ambiente promedio
En la tabla siguiente
temperatura y el

A) Trace un diagrama de dispersin de los datos. Parecera apropiado un modelo de

regresin lineal simple en este caso?

R= Si, con la finalidad de saber cmo la temperatura afecta el consumo y as poder predecir a que
temperatura es conveniente tratar el consumo.

B) Suponiendo que un modelo de regresin lineal simple es apropiado, ajuste el modelo de

regresin que relacione el consumo de vapor ( y ) con la temperatura promedio ( x ).
Cul es la estimacin del consumo esperado de vapor cuando la temperatura promedio es
55F?
R= 497.3545

C) Qu cambio se espera en el consumo de vapor promedio cuando la temperatura mensual

promedio cambia 1F?
R= 2.15%
R= 108.7056 consumo/1000
D) Suponga que la temperatura mensual promedio es de 47F. Calcule el vapor ajustado y el
residual correspondiente.
VAPOR= 424.84
RESIDUAL= -0.042718344

Problema No. 3

En un artculo de Wear se presentan los datos del desgaste por rozamiento del acero dulce y la
x=viscosidad delaceite
viscosidad del aceite. Los datos representativos, con
y
y=volumen del desgaste ( 104 mm ), son:

Y
240
181
193
155
172
110
113
75
94

x
1.6
9.4
15.5
20.0
22.0
35.5
43.0
40.5
33.0

a) Construya un diagrama de dispersin de los datos. Parecera plausible un modelo de

regresin lineal simple?
R= Si, parece correcto usar el diagrama

b) Ajuste el modelo de regresin lineal simple usando mnimos cuadrados.

c) Estime el desgaste por rozamiento cuando la viscosidad es

x=30 .

R= 62.3768
d) Obtenga el valor ajustado de
correspondiente.
Y=172
Residual= 15.11749821

cuando

x=22.0

y calcule el residual

Problema No. 4
En un proceso de extraccin se estudia la relacin entre tiempo de extraccin y rendimiento. Los
datos obtenidos se muestran en la siguiente tabla.

Tiempo (minutos)

Rendimiento (%)

10
15
20
8
12
13
15
12
14
20
19

64
81.7
76.2
68.5
77.9
82.2
74.2
70
76
83.2
85.3

a) En este problema cul variable se considera independiente y cul dependiente?

b) Mediante un diagrama de dispersin analice la relacin entre estas dos variables.
c) Haga un anlisis de regresin (ajuste una lnea recta a estos datos, aplique pruebas de
hiptesis y verifique residuos).
d) La calidad del ajuste es satisfactoria? Argumente
e) Destaque el valor de la pendiente de la recta e interprtelo en trminos prcticos.
f)

Estime el rendimiento promedio que se espera a un tiempo de extraccin de 25 minutos y

obtenga un intervalo de confianza para esta estimacin.

a) La variable dependiente es el % rendimiento y la variable independiente es el tiempo dado en

minutos.
b) Diagrama de dispersin: se puede visualizar que no existe una relacin ya que los puntos son
muy dispersos, algunos incrementan y otros decrecen sin importar el tiempo, sin embargo se tendra
que verificar los supuestos y comprobar si en verdad existe una relacin entre el rendimiento y el
Grfico de Rendimiento vs Tiempo

tiempo, si no es asi los datos que miden la calidad de ajuste nos lo indicaran.
88

R en dim ie n to

84
80
76
72
68
64
8

10

12

14
Tiempo

16

18

20

c) Anlisis de regresin, como podemos observar la lnea recta que mejor explica la relacin entre
el tiempo y el porcentaje de rendimiento est dada por:
Rendimiento = 57.9578 + 1.19492*Tiempo
La cual se puede observar en el grafico del modelo ajustado:
Grfico del Modelo Ajustado
Rendimiento = 57.9578 + 1.19492*Tiempo
88

Rendimiento

84
80
76
72
68
64
8

10

12

14
Tiempo

16

18

20

Prueba de Hiptesis:
H0: 1= 0 o H0: El modelo no se ajusta
H0: 1 0 o H0: El modelo si se ajusta
De acuerdo a la tabla de coeficientes podemos ver que si existe una pendiente, lo cual significa que
entre las variables tiempo y porcentaje de rendimiento si existe una relacin.
Coeficientes
Mnimos
Cuadrados
Parmetro Estimado

Estndar Estadstico
Error

Valor-P

Intercepto 57.9578
Pendiente 1.19492

6.28403 9.22303
0.414959 2.87962

0.0000
0.0164

Para poder rechazar o aceptar la hiptesis nula tenemos que tomar en cuenta el anlisis de varianza
del modelo, el cual se presenta a continuacin:
Anlisis de Varianza
Fuente
Suma de
Cuadrados
Modelo
243.684
Residuo
293.872
Total (Corr.) 537.557

Gl Cuadrado
Medio
1 243.684
10 29.3872
11

Razn-F Valor-P
8.29

0.0164

Analizando esta tabla podemos concluir que el modelo si se ajusta ya que el valor-P es menor al
nivel de confianza de 0.05, por ello podemos decir que con un nivel de confianza del 95% se rechaza
la hiptesis nula.
Verificacin de supuestos:
El supuesto de varianza constante si se cumple ya que los puntos se encuentran dispersos de
forma aleatoria por toda la grfica a lo largo de la banda horizontal.
Grfico de Residuos
Rendimiento = 57.9578 + 1.19492*Tiempo
7.5

res id u o

4.5
1.5
-1.5
-4.5
-7.5
67

70

73
76
predicho Rendimiento

79

82

Grfico de Residuos

El supuesto de independencia siRendimiento

se cumple= 57.9578
ya que+ 1.19492*Tiempo
los puntos o residuos se encuentran dispersos
7.5

de forma arbitraria dentro del grfico de residuos vs nmero de corrida, sin cumplir ninguna
4.5

residuo

tendencia.

1.5
-1.5
-4.5
-7.5
0

6
nmero de fila

10

12

d) el coeficiente de determinacin R 2ajustado es de .3986 lo cual indica que nuestro modelo no tiene una
buena calidad de ajuste, ya que solo nos explica el 39.865% de la variabilidad en Rendimiento.
Adems en general, para fines de prediccin se recomienda un R 2ajustado de al menos 0.7 o 70% de
explicacin del modelo.
e) el valor de la pendiente es de 1.19492, esto nos indica la razn de cambio en el %Rendimiento (y)
con respecto al cambio de Tiempo(x), es decir cunto va a variar el Rendimiento cuando se vare el
tiempo.
f) Se podra calcular el valor que piden con respecto a los 2 min, sin embargo realizar una
extrapolacin la cual est ms all de la regin que contiene a las observaciones originales est mal
ya que probablemente el modelo ya no se ajuste adecuadamente fuera de la regin, ya que nuestra
regin de estudio va de 8 a 20 min de Tiempo.

Problema No. 5
En un artculo de Journal of Environmental Energineering se reportan los
resultados de un estudio sobre la presencia de sodio y cloruros en corrientes
superficiales de la parte central de Rhode Island. Los datos que se presentan a
continuacin corresponden a la concentracin de cloruros y (en mg/l) y al rea de
carretera de la vertiente x (en %).
x
0.19
0.15
0.57
0.70
0.67
0.63
0.47
0.70
0.60
0.78
0.81
0.78
0.69
1.30
1.05
1.06
1.74
1.62

y
4.4
6.6
9.7
10.6
10.8
10.9
11.8
12.1
14.3
14.7
15.0
17.3
19.2
23.1
27.4
27.7
31.8
39.5

a) Trace un diagrama de dispersin de los datos. Parecera apropiado un

modelo de regresin lineal simple en este caso?
R= Si, para ver la relacin aunque presentan un ndice de error alto

B) Ajuste el modelo de regresin lineal simple usando el mtodo de mnimos

cuadrados.

b) Estime la concentracin de cloruros media de una vertiente que tiene 1%

del rea de carretera.
R= 20.567

Encuentre el valor ajustado que corresponde a

R= 10.13

x=0.47