•
DISEÑO Y ANALISIS DE EXPERIMENTOS
JOSEPH JIMENEZ
LEONARDO SUAREZ
ANDRÉS PALACIO
FACULTAD DE INGENIERÍA
UNIVERSIDAD AUTONOMA DEL CARIBE
BARRANQUILLA 2018
DISEÑO DE EXPERIMENTOS
Taller 2
• Análisis de Regresión
Ejercicio 1
En cierta empresa es usual pagar horas extra para cumplir con los tiempos de entrega. En este centro
productivo un grupo de calidad trata de reducir la proporción de piezas malas, para ello deciden
investigar la relación entre la cantidad de horas extra, X, y el porcentaje de artículos defectuosos, Y.
En la siguiente tabla se muestran los datos obtenidos.
Horas
Semana %
extras
1 240 6.23
2 95 4.64
3 210 7.02
4 80 16.74
5 80 5.01
6 438 11.2
7 107 5.41
8 180 7.45
9 100 4.17
10 550 14.92
11 220 8.86
12 50 4.45
13 193 7.35
14 290 9.49
15 340 3.19
16 115 5.35
17 362 11.4
18 300 10.49
19 75 3.25
20 93 3.97
21 320 11.4
22 154 8.48
Nota: Valores superiores al 80% para el R2, son considerados de calidad satisfactoria.
DISEÑO DE EXPERIMENTOS
Taller 2
• Análisis de Regresión
Construya el diagrama de dispersión para el ejercicio, realice un análisis de regresión a partir de
los datos suministrados y determine si la calidad del ajuste es satisfactoria (R2 – Coeficiente de
determinación).
% = 𝟒, 𝟒𝟕𝟏𝟑𝟐 + 𝟎, 𝟎𝟏𝟓𝟕𝟎𝟏𝟒 ∗ 𝑯𝒓. 𝑬𝒙𝒕𝒓𝒂𝒔
Regresión simple (% - Horas. Extras)
Variable dependiente: % - (y)
Variable independiente: Horas extras - (x)
Formula lineal: 𝑌 = 𝑎 + 𝑏 ∗ 𝑥
COEFICIENTES
Mínimos Cuadrados Estándar Estadística
Parámetro Estimado Error T Valor-P
Intercepto 4,471 1,274 3,511 0,002
Pendiente 0,017 0,005 3,036 0,007
ANALISIS DE VARIANZA
Suma de
Fuente GI Cuadrado Med. Razón F Valor P
Cuadrados
Modelo 92,635 1 92,635 9,220 0,007
Residuo 200,988 20 - - -
Total 293,624 21 - - -
Coeficiente de Correlación 0,562
R^2 31,55
R^2 (ajustado para g.1.) 28,127
Error estándar 3,170
Error absoluto 1,857
Estadístico Durbin - Watson 2,074
Auto correlación de residuos -0,053
Nota: Valores superiores al 80% para el R2, son considerados de calidad satisfactoria.
DISEÑO DE EXPERIMENTOS
Taller 2
• Análisis de Regresión
Gráfico del Modelo Ajustado
18
16
14
12
10
%
8
6
4
2
0
0 100 200 300 400 500 600
Horas Extras
Este análisis dice que hay una relación estadística entre los datos presentados. Aunque la
calidad de este modelo no es de manera satisfactoria porque da como resultado un 31.55%
en el comportamiento de las variables.
Ejercicio 2
En una industria se desea investigar cómo influye la temperatura (°C) en la presión del vapor de
Btrimetilboro, los datos obtenidos para tal propósito se muestran en la siguiente tabla.
Temperatura Presión
13 4.17
19.5 6.82
45.7 32.02
65.1 52.67
64.4 75.95
71.4 101.34
80.5 144.86
85.7 178.12
22.5 10.35
Nota: Valores superiores al 80% para el R2, son considerados de calidad satisfactoria.
DISEÑO DE EXPERIMENTOS
Taller 2
• Análisis de Regresión
27.2 11.97
31.8 15.75
Construya el diagrama de dispersión para el ejercicio, realice un análisis de regresión a partir de los
datos suministrados y determine si la calidad del ajuste es satisfactoria (R2 – Coeficiente de
determinación).
𝑷𝒓𝒆𝒔𝒊ó𝒏 = −𝟒𝟒, 𝟏𝟖𝟐𝟑 + 𝟐, 𝟏𝟐𝟔𝟎𝟗 ∗ 𝑻𝒆𝒎𝒑𝒆𝒓𝒂𝒕𝒖𝒓𝒂
Regresión simple (Presión - Temperatura)
Variable dependiente: Presión - (y)
Variable independiente: Temperatura - (x)
Formula lineal: 𝑌 = 𝑎 + 𝑏 ∗ 𝑥
COEFICIENTES
Mínimos Cuadrados Estándar Estadística
Parámetro Estimado Error T Valor-P
Intercepto -44,182 15,335 -2,881 0,018
Pendiente 2,126 0,283 7,501 0,000
ANALISIS DE VARIANZA
Fuente Suma de Cuadrados GI Cuadrado Med. Razón F Valor P
Modelo 31525,300 1 31525,300 56,270 0,000
Residuo 5042,060 9 560,228 - -
Total 36567,400 10 - - -
Coeficiente de Correlación 0,929
R^2 86,212
R^2 (ajustado para g.1.) 84,680
Error estándar 23,669
Error absoluto 17,262
Estadístico Durbin - Watson 0,893
Auto correlación de residuos 0,505
Nota: Valores superiores al 80% para el R2, son considerados de calidad satisfactoria.
DISEÑO DE EXPERIMENTOS
Taller 2
• Análisis de Regresión
Grafico del Modelo Ajustado
90
80
70
60
Temperatura
50
40
30
20
10
0
0 10 20 30 40 50 60 70
Presión
Este análisis dice que hay una relación estadística entre los datos presentados de
temperatura y presión. En este caso la calidad de este modelo es satisfactoria porque da
como resultado un 86,212% en el comportamiento de las variables.
Ejercicio 3
En un proceso de manufactura se utiliza una herramienta de corte y se quiere investigar la relación
entre la velocidad de corte (metros por minuto) y el tiempo de vida (horas) de la herramienta. Los
datos obtenidos para esta investigación se muestran a continuación:
Velocidad Vida
30 10.66
30 10.74
35 10.12
35 9.05
35 10.03
40 9.83
40 7.22
Nota: Valores superiores al 80% para el R2, son considerados de calidad satisfactoria.
DISEÑO DE EXPERIMENTOS
Taller 2
• Análisis de Regresión
40 8.87
45 9.12
45 7.24
45 8
50 6.02
50 6
• Construya el diagrama de dispersión para el ejercicio.
• Realice un análisis de regresión a partir de los datos suministrados.
• Determine si la calidad del ajuste es satisfactoria (R2 – Coeficiente de determinación).
• Si normalmente la herramienta se opera a una velocidad de 30 metros por minuto estime
vida esperado para esta herramienta.
𝑽𝒊𝒅𝒂 = 𝟏𝟕, 𝟐𝟔𝟔𝟒 − 𝟎, 𝟐𝟏𝟒𝟓𝟒𝟓 ∗ 𝑽𝒆𝒍𝒐𝒄𝒊𝒅𝒂𝒅
COEFICIENTES
Mínimos Cuadrados Estándar Estadística
Parámetro Estimado Error T Valor-P
Intercepto 17,266 1,413 12,217 0
Pendiente -0,215 0,035 -6,152 0,0001
ANALISIS DE VARIANZA
Fuente Suma de Cuadrados GI Cuadrado Med, Razón F Valor P
Modelo 25,316 1 25,316 37,850 0,0001
Residuo 7,358 11 0,669 - -
Total 32,675 12 - - -
Nota: Valores superiores al 80% para el R2, son considerados de calidad satisfactoria.
DISEÑO DE EXPERIMENTOS
Taller 2
• Análisis de Regresión
Coeficiente de Correlación -0,880
R^2 77,480
R^2 (ajustado para g,1,) 75,433
Error estándar 0,818
Error absoluto 0,594
Estadístico Durbin - Watson 2,623
Auto correlación de residuos -0,333
Grafico del Manejo Ajustado
60
55
50
45
Vida
40
35
30
25
20
4 5 6 7 8 9 10 11 12
Velocidad
Este análisis dice que hay una relación estadística entre los datos presentados de vida y
velocidad. Aunque la calidad de este modelo no es satisfactoria porque da como resultado
un 77,48%% en el comportamiento de las variables.
Si la velocidad opera a 30 metros por minutos la vida de la herramienta será:
𝑽𝒊𝒅𝒂 = 𝟏𝟕, 𝟐𝟔𝟔𝟒 − 𝟎, 𝟐𝟏𝟒𝟓𝟒𝟓 ∗ 𝑽𝒆𝒍𝒐𝒄𝒊𝒅𝒂𝒅
𝑽𝒊𝒅𝒂 = 𝟏𝟕, 𝟐𝟔𝟔𝟒 − 𝟎, 𝟐𝟏𝟒𝟓𝟒𝟓 ∗ (𝟑𝟎)
𝑽𝒊𝒅𝒂 = 𝟏𝟎, 𝟖𝟑
Nota: Valores superiores al 80% para el R2, son considerados de calidad satisfactoria.
DISEÑO DE EXPERIMENTOS
Taller 2
• Análisis de Regresión
Ejercicio 4
t 1 2 3 4 5 6 7 8 9 10
Ventas 178.18 92.23 306.88 209.61 225.06 283.57 271.59 508.74 455.90 573.46
En la tabla anterior se muestran los datos históricos de las ventas de un producto a lo largo de 10
meses. A partir de la información suministrada:
• Determine la ecuación lineal que mejor se adapte al comportamiento descrito entre las dos
variables relacionadas (tiempo/ventas).
𝑽𝒆𝒏𝒕𝒂𝒔 = 𝟔𝟓, 𝟐𝟗 + 𝟒𝟒, 𝟓𝟖𝟕𝟔 ∗ 𝒕
• Haga un pronóstico de un año para el comportamiento de la demanda analizada (meses 11
al 22).
t Ventas
11 555.75
12 600.34
13 644.93
14 689.52
15 734.10
16 778.69
17 823.28
18 867.87
19 912.45
20 957.04
21 1001.62
22 1046.22
Nota: Valores superiores al 80% para el R2, son considerados de calidad satisfactoria.
DISEÑO DE EXPERIMENTOS
Taller 2
• Análisis de Regresión
COEFICIENTES
Mínimos Cuadrados Estándar Estadística
Parámetro Estimado Error T Valor-P
Intercepto 65,290 54,251 1,203 0,263
Pendiente 44,588 8,743 5,100 0,0009
ANALISIS DE VARIANZA
Fuente Suma de Cuadrados GI Cuadrado Med, Razón F Valor P
Modelo 1644015,000 1 164015,000 26,010 0,0009
Residuo 50455,000 8 6306,870 - -
Total 214470,000 9 - - -
Coeficiente de Correlación 0,874
R^2 76,475
R^2 (ajustado para g,1,) 73,534
Error estándar 79,416
Error absoluto 65,034
Estadístico Durbin - Watson 2,422
Auto correlación de residuos -0,296
Grafico del Manejo Ajustado
1100
1000
900
Ventas
800
700
600
500
10 12 14 16 18 20 22
t
Nota: Valores superiores al 80% para el R2, son considerados de calidad satisfactoria.
