Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
sjavier@colpos.mx
Contenido
Objetivos
Introducción
La línea recta (Modelo matemático)
Modelo de Regresión Lineal
El problema de estimar (Estimación)
Pruebas de Hipótesis (Decisión)
Objetivos
Que el alumno entienda la importancia de la metodología
estadística (REGRESIÓN LINEAL y DISEÑOS EXPERIMENTALES) en la toma
de decisiones para optimizar el uso de los recursos.
160
140
120
80
60
40
20
0
0 2 4 6 8 10
Velocidad (mi/hr)
Introducción
Ejemplo 4: En un proceso de biofiltración de aguas residuales,
el aire de descarga usado en el tratamiento es pasado a través
de una membrana porosa que hace que los contaminantes se
disuelvan en agua y los transforma en productos no dañinos. Se
piensa que la eficiencia de remoción de partículas dañinas de
este tratamiento depende de la temperatura a la cual se realiza
el proceso, para investigarlo se colectó la siguiente
información.
Ejemplo 4 Temp
7.68
6.51
Remoción (%)
98.09
98.25
6.43 97.82
5.48 97.82
6.57 97.82
10.22 97.93
15.69 98.38
16.77 98.89
17.13 98.96
17.63 98.90
16.72 98.68
15.45 98.69
12.06 98.51
11.44 98.09
10.17 98.25
9.64 98.36
8.55 98.27
7.57 98.00
6.94 98.09
8.32 98.25
10.50 98.41
16.02 98.51
17.83 98.71
17.03 98.79
16.18 98.87
16.26 98.76
14.44 98.58
12.78 98.73
12.25 98.45
11.69 98.37
11.34 98.36
10.97 98.45
Ejemplo 4
99.20
99.00
98.80
98.60
98.40
%
98.20
98.00
97.80
97.60
0.00 5.00 10.00 15.00 20.00
°C
Línea Recta (Modelo matemático)
y =1+0.5 x
Ecuación de la línea recta.
y = a + m x8
7
0
0 2 4 6 8 10 12 14
Modelo de Regresión Lineal
yi = 0 + 1 xi + ei 99.20
99.00
98.80
Estas constantes
ei
son conocidas como 98.60
Parámetros.
98.40
%
98.20
98.00
ej
97.80
97.60
0.00 5.00 10.00 15.00 20.00
°C
El problema de Estimar (Estimación)
yi = 0 + 1 xi + ei 99.20
99.00
98.80
98.60
98.40
%
98.20
98.00
97.80
97.60
0.00 5.00 10.00 15.00 20.00
°C
Estimación 99.20
y i = 0 + 1 xi + ei
99.00
98.80
98.60 ei
y i - 0 - 1 xi = ei 98.40
%
98.20
98.00
97.60
0.00 5.00 10.00 15.00 20.00
°C
(yi - 0 - 1 xi )2= ei2
Estimadores de Mínimos Cuadrados
(yi - 0 - 1 xi )2= ei2 99.20
yi 0 1 xi
2 99.00
0
98.80
i
0 98.60 ei
yi 0 1 xi
2 98.40
%
i
0 98.20
1 98.00
ˆ0 y 1 x b0 97.80
ej
y y x x
i i
97.60
0.00 5.00 10.00 15.00 20.00
ˆ1 i
b °C
x x 2 1
i
i
Pruebas de Hipótesis b1 0
105
100
b1=0 95
% de eficicncia
90
85
80
75
70
5 7 9 11 13 15 17 19
Temperatura
Datos ejemplo 4.
P(Error tipo I) =
P(Error tipo II)=
¿Rebasar o No rebasar?
99.00
98.80
98.60
98.40
%
98.20
98.00
97.80
97.60
0.00 5.00 10.00 15.00 20.00
°C
Ejemplo 4
Se piensa que la eficiencia de remoción de partículas dañinas de este
tratamiento depende de la temperatura a la cual se realiza el proceso, para
investigarlo se colectó la siguiente información.
99.20
Estimadores de 99.00
98.60
b0= 97.5
98.40
Y
b1= 0.076 Y
Predicted Y
98.20
98.00
97.80
97.60
0.00 5.00 10.00 15.00 20.00
X = °C
Ejemplo 4
Se piensa que la eficiencia de remoción de partículas dañinas de este tratamiento depende de la
temperatura a la cual se realiza el proceso, para investigarlo se colectó la siguiente información.
¿ Es decir 1 0?
98.80
Y
Rechaza Ho con
Predicted Y
un valor de p (p-value) < 0.001 98.20
Reglas de decisión:
rechazar Ho Fc >Ft donde: Fc=CM(T)/CM(E) , Ft=F gl(t),gl(e)
o
rechazar Ho si el valor de p (p-value) < alfa
Tabla de ANAVA
The GLM Procedure
Dependent Variable: y
Sum of
Source DF Squares Mean Square F Value Pr > F