Scribd
Cargar
186 vistas2 páginas

Practica de RM

Este documento presenta dos casos de estudio sobre regresión lineal múltiple. En el primer caso, se analiza la relación entre la resistencia al desprendimiento de un alambre y su longitud y la altura de la matriz. El coeficiente de correlación múltiple fue de 0.85 y el coeficiente de determinación de 0.72. En el segundo caso, se estudia la relación entre el consumo eléctrico de una planta química con la temperatura, días laborales, pureza del producto y toneladas producidas. Aquí el coeficiente de correlación fue de

Cargado por

Lady Johana Davila Sosa
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
186 vistas2 páginas

Practica de RM

Este documento presenta dos casos de estudio sobre regresión lineal múltiple. En el primer caso, se analiza la relación entre la resistencia al desprendimiento de un alambre y su longitud y la altura de la matriz. El coeficiente de correlación múltiple fue de 0.85 y el coeficiente de determinación de 0.72. En el segundo caso, se estudia la relación entre el consumo eléctrico de una planta química con la temperatura, días laborales, pureza del producto y toneladas producidas. Aquí el coeficiente de correlación fue de

Cargado por

Lady Johana Davila Sosa
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd

UNIVERISDAD PRIVADA ANTENOR ORREGO/Asignatura: Estadística Inferencial

Escuela Profesional de Ingeniería Industrial

PRACTICA – REGRESIÓN LINEAL MULTIPLE


1. La resistencia al desprendimiento (Y) de un alambre adherido en un proceso de manufactura de semiconductores
de la longitud del alambre(x1) y de la altura de la matriz (x2)

X1 2 8 11 10 8 4 2 9 8 4 11 12 20 15
X2 50 110 120 550 295 200 375 52 300 205 400 500 600 250
Y 9.95 24.5 31.8 35 25 16.9 14.4 24.4 27.5 17 42 11 69 46

Resumen del procesamiento de datos; modelo regresión lineal múltiple.

Estadísticas de la regresión
Coef de correlación múltiple 0.853809595
Coef de determinación R^2 0.728990824
R^2 ajustado 0.679716429
Error típico 9.077104482
Observaciones 14

ANÁLISIS DE VARIANZA
gl SC CM F P VALOR
Regresión 2 2437.95352 1218.97676 14.7945158 0.00076105
Residuos 11 906.332084 82.3938258
Total 13 3344.2856

Superior
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% 95%
Intercepción 3.478411429 5.44915916 0.63833911 0.53631631 -8.51510701 15.4719299
X1 2.660887741 0.58807124 4.52477109 0.00086523 1.36655167 3.95522381
X2 0.00389123 0.016386 0.23747292 0.81665491 -0.0321741 0.03995657

2. Se piensa que la energía eléctrica consumida mensualmente por una planta química se relaciona con la
temperatura ambiente promedio (X1), el número de días laborales del mes (X2), la pureza promedio del producto
(x3) y las toneladas del producto producidas (x4). Se cuenta con los datos del último año, los cuales se presentan
en la tabla siguiente:

X1 25 31 45 60 65 72 80 84 75 60 50 38
X2 24 21 24 25 25 26 25 25 24 25 25 23
X3 91 90 88 87 91 94 87 86 88 91 90 89
X4 100 95 110 88 94 99 97 96 110 105 100 98
Y 240 236 290 274 301 316 300 296 267 276 288 261
Resumen del procesamiento de datos; modelo regresión lineal múltiple.

Estadísticas de la regresión
Coef de correlación múltiple 0.86298887
Coef de determinación R^2 0.74474978
R^2 ajustado 0.59889252
Error típico 15.5793327
Observaciones 12

ANÁLISIS DE VARIANZA
GL SC CM F P VALOR
Regresión 4 4957.24074 1239.31019 5.10601768 0.03030277
Residuos 7 1699.00926 242.715608
Total 11 6656.25

Superior
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% 95%
Intercepción -102.71324 207.858851 -0.49414897 0.63632864 -594.221316 388.794843
X1 0.60537054 0.36889695 1.64102883 0.14479662 -0.26693215 1.47767322
X2 8.9236442 5.30052224 1.68354056 0.13614567 -3.61009923 21.4573876
X3 1.43745673 2.39162051 0.60103881 0.56675924 -4.21782712 7.09274059
X4 0.01360931 0.73382144 0.0185458 0.98572098 -1.72160267 1.74882129

Se solicita para cada caso:

a) Interprete el coeficiente de correlación múltiple


b) Interprete el coeficiente de determinación lineal múltiple
c) Estime la ecuación de regresión e interprete los coeficientes
d) Calcular la varianza residual
e) Realice la prueba de la significación de la regresión βi
f) Realice la prueba de significación individual para cada coeficiente β
g) Interprete los intervalos de confianza para cada coeficiente β
h) En el ejercicio 2, prediga el consumo de electricidad para un mes en el que X1= 75°F, X2= 24 días, X3=90% y X4=98
toneladas.

También podría gustarte