PROBLEMARIO DE LAS SUPERFICIES DE RESPUESTAS Y
MÍNIMOS CUADRADOS (EP1)
Nombre de la asignatura. Diseño de experimentos
Nombre de la Unidad de Ajuste de modelos de regresión y superficies de respuesta.
Aprendizaje:
Problemario de las superficies de respuestas y mínimos
Nombre de la práctica o proyecto.
cuadrados.
Número: 1/1 Duración (horas): 2 horas
Plantear diseños de experimentos para ajustar superficies de
respuesta.
Resultado de aprendizaje:
Emplear los mínimos cuadrados como un método de
optimización en un proceso biotecnológico.
Requerimientos (Material o Cuaderno, libros especializados, computadora, acceso a internet,
equipo): calculadora.
INTEGRANTES: Haxel Emmanuel Salas Recendez y Adrián Biachi Valdéz
DESARROLLO
1. Identifica las variables de respuesta y las variables regresoras.
2. Ajusta una recta de regresión que explique las variables.
3. Interpreta los resultados obtenidos.
4. Construye la tabla de ANOVA.
5. Prueba las hipótesis para los coeficientes.
6. Verifica los supuestos básicos.
78. En caso de ser necesario, considera la posibilidad de hacer alguna transformación.
1.- Se llevó a cabo un experimento para estudiar el efecto de cierta droga (en
miligramos) en la disminución del ritmo cardiaco (latidos/minuto). Los datos
obtenidos son los siguientes:
Dosis de 0.50 0.75 1.00 1.5 1.75 2.0 2.25 2.75 3.0 3.25 3.5
droga
Ritmo 10 8 12 12 14 12 16 18 17 20 18
cardiaco
MODELO
Ritmo cardiaco: B0 + B1 dosis de droga + E
Variable de respuesta(y): Ritmo cardiaco
Variable regresoras (x): Dosis de droga
HIPOTESIS
H0: No hay relación
H1: Si hay relación
Intercepto (B0):
H0 B0=0
H1:B0≠0
Pendiente (B1):
H0 B1=0
H1: B1≠0
INDEPENDENCIA
Si hay independencia de los datos ya que no se sigue ningún patrón.
El valor de P > 0.05 por lo tanto si hay normalidad en los datos.
ANALISIS DE VARIANZA
La ecuación de regresión es
RITMO CARDIACO = 7.29 + 3.45 DOSIS DE DROGA
El ritmo cardiaco sin la influencia de la droga es de 7.29, pero cuando hay un
suministro de la droga de por medio el ritmo cardiaco aumenta 3.45.
Predictor Coef SE Coef T P
Constante 7.2922 0.9905 7.36 0.000
DOSIS DE DROGA 3.4510 0.4407 7.83 0.000
S = 1.43197 R-cuad. = 87.2% R-cuad.(ajustado) = 85.8%
Se sabe que la calidad del ajuste es regular ya que la R-cuad= 87.2%
Análisis de varianza
Fuente GL SC CM F P
Regresión 1 125.73 125.73 61.31 0.000
Error residual 9 18.45 2.05
Total 10 144.18
Debido a que se tiene un valor de P < 0.01 para la regresión, se sabe que el ajuste
de regresión lineal es válido.
GEAFICA DE DISPERSIÓN
RITMO CARDIACO = 7.29 + 3.45 DOSIS DE DROGA
En la grafica se comprueba que la dosis de la droga si tiene una influencia en el
ritmo cardiaco.
2.- En un laboratorio se usa un reactivo (mL) para formar una sustancia nueva,
en forma de precipitado (mg), en una solución. Los resultados obtenidos son
los siguientes:
Reactivo 7.2 4.8 5.2 4.9 5.4 6.4 6.8 8.0 6.0 6.7 7.0
Precipitado 8.4 5.4 6.3 6.8 8.0 11.1 12.3 13.3 8.4 9.5 10.4
MODELO
Precipitado : B0 + B1 reactivo + E
Variable de respuesta(y): Precipitado
Variable regresoras (x): Reactivo
HIPOTESIS
H0: No hay relación
H1: Si hay relación
Intercepto (B0):
H0 B0=0
H1:B0≠0
Pendiente (B1):
H0 B1=0
H1: B1≠0
INDEPENDENCIA
Si hay independencia en los datos ya que no siguen ningún patrón.
NORMALIDAD
Debido a que P > 0.05 si hay normalidad en los datos.
ANALISIS DE VARIANZA
La ecuación de regresión es
PRECIPITADO = - 3.76 + 2.06 REACTIVO
PRECIPTADO = 2.06 REACTIVO
Debido a que el valor de la constante no es significativo se elimina de la ecuación.
No hay precipitado cuando no hay reactivo, pero el precipitado aumenta (2.06)
cuando si hay reactivo.
Predictor Coef SE Coef T P
Constante -3.756 2.585 -1.45 0.180
REACTIVO 2.0646 0.4105 5.03 0.001
S = 1.35245 R-cuad. = 73.8% R-cuad.(ajustado) = 70.8%
La calidad del ajuste no es muy buena ya que R-cuad = 73.8%
Análisis de varianza
Fuente GL SC CM F P
Regresión 1 46.274 46.274 25.30 0.001
Error residual 9 16.462 1.829
Total 10 62.736
Debido a que se tiene un valor de P < 0.01 para la regresión, entonces el ajuste de
regresión lineal si es válido.
GRAFICA DE DISPERSIÓN
PRECIPTADO = 2.06 REACTIVO
El coeficiente es no significativo por lo que se acepta H0 y no hay relación, por tal
razón se elimina el coeficiente de la ecuación.
3.-Se realizó una prueba para determinar la relación entre el contenido de
fósforo y la temperatura de cristalización. Los datos son:
Cantidad de P 1.1 2.3 3.2 4.3 5.4 6.7 7.8 8.8
(g/L)
Temperatura (°C) -1.7 -0.4 0.2 1.1 2.3 3.1 4.2 5.3
MODELO
Cantidad de P : B0 + B1 reactivo + E
Variable de respuesta(y): Cantidad de P
Variable regresoras (x): Temperatura
HIPOTESIS
H0: No hay relación
H1: Si hay relación
Intercepto (B0):
H0 B0=0
H1:B0≠0
Pendiente (B1):
H0 B1=0
H1: B1≠0
INDEPENDENCIA
Si hay independencia de los datos ya que no siguen ningún patrón.
Deb
ido a que P > a 0.05 si hay normalidad en los datos.
ANALISIS DE VARIANZA
La ecuación de regresión es
CANTIDAD DE P = 2.95 + 1.13 TEMPERATURA
La cantidad de P sin que la temperatura influya es de (2.95), sin embargo la cantidad
de P aumenta (1.13) cuando la temperatura cambia.
Predictor Coef SE Coef T P
Constante 2.95459 0.07550 39.14 0.000
TEMPERATURA 1.13215 0.02650 42.72 0.000
S = 0.167765 R-cuad. = 99.7% R-cuad.(ajustado) = 99.6%
La calidad del ajuste es muy bueno ya que R-cuad= 99.7%
Análisis de varianza
Fuente GL SC CM F P
Regresión 1 51.371 51.371 1825.22 0.000
Error residual 6 0.169 0.028
Total 7 51.540
Debido a que se tiene un valor de P < 0.01 para la regresión, el ajuste de regresión
lineal es válido.
GRAFICA DE DISPERSIÓN
Si hay relación la grafica comprueba que la temperatura si influye en la cantidad de
P.
4.-Se tiene una muestra de 20 pacientes a los que se les han tomado los
siguientes datos: nivel de colesterol en plasma sanguíneo (en mg/100 ml), edad
(en años), consumo de grasas saturadas (en gr/semana) y nivel de ejercicio
(cuantificado como 0: ningún ejercicio, 1: ejercicio moderado y 2: ejercicio
intenso). Lo que se quiere ver es cual factor es el que influye en los niveles de
colesterol.
Paciente Colesterol Edad Grasas Ejerci.
1 350 80 35 0
2 190 30 40 2
3 263 42 15 1
4 320 50 20 0
5 280 45 35 0
6 198 35 50 1
7 232 18 70 1
8 320 32 40 0
9 303 49 45 0
10 220 35 35 0
11 405 50 50 0
12 190 20 15 2
13 230 40 20 1
14 227 30 35 0
15 440 30 80 1
16 318 23 40 2
17 212 35 40 1
18 340 18 80 0
19 195 22 15 0
20 223 41 34 0
MODELO
Nivel de colesterol: B0 + B1 edad + B2 grasas + B3 ejercicio + E
Variable de respuesta(y): nivel de colesterol
Variable regresoras (x): edad, grasas, ejercicio
HIPOTESIS
H0: No hay relación
H1: Si hay relación
Intercepto (B0):
H0 B0=0
H1:B0≠0
Pendiente (B1):
H0 B1=0
H1: B1≠0
Si hay independencia en los datos ya que no siguen ningún patrón
Si hay normalidad en los datos ya que p> 0.05
ANALIIS DE DATOS
La ecuación de regresión es
nivel de colesterol = 99.9 + 2.35 Edad + 2.31 Grasas - 6.2 Ejercicio
El nivel de colesterol cuando no influye ningún factor es de 99.9, sin embargo,
dependiendo de la edad aumenta 2.35, y cuando hay grasas aumenta 2.31 pero
cuando hay ejercicio disminuye 6.2.
Predictor Coef SE Coef T P
Constante 99.94 61.27 1.63 0.122
Edad 2.346 1.056 2.22 0.041
Grasas 2.3062 0.7204 3.20 0.006
Ejercicio -6.25 19.83 -0.32 0.757
S = 58.1535 R-cuad. = 47.7% R-cuad.(ajustado) = 37.8%
Análisis de varianza
Fuente GL SC CM F P
Regresión 3 49276 16425 4.86 0.014
Error residual 16 54109 3382
Total 19 103385
}
Debido a que solo influye la edad y las grasas se hacen nuevamente el análisis de
regresión.
La ecuación de regresión es
nivel de colesterol = 89.3 + 2.50 Edad + 2.34 Grasas
El nivel de colesterol sin que influya ningún factor es de 89.3, pero dependiendo de
la edad aumenta 2.50, y cuando hay grasas aumenta 2.34
Predictor Coef SE Coef T P
Constante 89.26 49.69 1.80 0.090
Edad 2.4960 0.9175 2.72 0.015
Grasas 2.3440 0.6913 3.39 0.003
S = 56.5919 R-cuad. = 47.3% R-cuad.(ajustado) = 41.1%
La calidad del ajuste es malo ya que R-cuad= 47.3%
Análisis de varianza
Fuente GL SC CM F P
Regresión 2 48940 24470 7.64 0.004
Error residual 17 54445 3203
Total 19 103385
Debido a que se tiene un valor de p < 0.05 para la regresión, el ajuste de regresión
lineal es válido.
De acuerdo a la constante de p se elimina la constante de la formula
nivel de colesterol = 2.50 Edad + 2.34 Grasas
Los niveles de colesterol se observan afectados. En función con la edad el colesterol
se eleva 2.50, y cuando la grasa aumenta el colesterol se eleva un 2.34
1.- Un investigador especialista en una compañía de productos del mar investigó el
crecimiento de bacterias en ostiones (1) y mejillones (2) sujeto a tres temperaturas
de almacenamiento (°C). Disponía de nueve unidades de almacenamiento en frío, de
las que se seleccionaron tres unidades al azar para usar con cada nivel de
temperatura. Los ostiones y los mejillones se almacenaron durante dos semanas en
cada unidad, al cabo de dos semanas se hizo una cuenta de bacterias de una
muestra de ostiones y mejillones. Se muestran los resultados en logaritmo de la
cuenta de bacterias para cada muestra.
Unidad de enfriamiento
Temp. Marisco
1 2 3
1 3.6882 1.8275 5.2327
0
2 0.3565 1.7023 4.5780
1 7.1950 9.3224 7.4195
5
2 5.0169 7.9519 6.3861
1 9.7842 6.4703 9.4442
10 2 10.135 5.0482 11.032
2 9
MODELO
Crecimiento de bacterias: B0 + B1T + B2 marisco +B3 U. de E. + E
Variable de respuesta(y): crecimiento de bacterias
Variable regresoras (x): temperatura, marisco y unidad de enfriamiento
HIPOTESIS
H0: No hay relación
H1: Si hay relación
Intercepto (B0):
H0 B0=0
H1:B0≠0
Pendiente (B1):
H0 B1=0
H1: B1≠0
Si hay independencia en los datos ya que no siguen ningún patrón.
NORMALIDAD
Hay normalidad en los datos ya que p>0.05
ANALISIS DE VARIANZA
Análisis de varianza de CRECIMIENTO DE BACTERIAS
Fuente GL SC CM F P
TEMPERATURA 2 107.657 53.828 62.44 0.001
MARISCO 1 3.714 3.714 4.31 0.107
UNIDAD DE ENFRIAMIENTO 2 12.005 6.002 6.96 0.050
TEMPERATURA*MARISCO 2 2.648 1.324 1.54 0.320
TEMPERATURA*UNIDAD DE ENFRIAMIENTO 4 32.046 8.011 9.29 0.026
MARISCO*UNIDAD DE ENFRIAMIENTO 2 2.142 1.071 1.24 0.380
Error 4 3.448 0.862
Total 17 163.659
S = 0.928505 R-cuad. = 97.89% R-cuad.(ajustado) = 91.04%
a) ¿Hay un incremento significativo en el crecimiento bacteriano cuando aumenta la
temperatura? Justifique su respuesta. Incluya los gráficos e interprete.
La T si influye en el crecimiento bacteriano.
Se observa un mayor crecimiento bacteriano cuando se llega a la tercera
temperatura.
b) ¿Existe una interacción significativa entre el tipo de alimento y el aumento (si lo
hay) en el crecimiento de bacterias con temperatura? Justifique su respuesta. Incluya
los gráficos e interprete.
TEMPERATURA*MARISCO 2 2.648 1.324 1.54 0.320
No hay interacción significativa ya que el valor de p es >0.05 por lo que no es
significativo.
No es necesario realizar ningún gráfico.
c) Escriba un modelo lineal para su análisis y establezca las suposiciones
(interpretación de la ecuación de regresión).
La ecuación de regresión es
CRECIMIENTO DE BACTERIAS = - 0.82 + 2.88 TEMPERATURA
+ 0.660 UNIDAD DE ENFRIAMIENTO
No hay crecimiento de bacterias cuando no ha transcurrido ninguna hora pero el
crecimiento de bacterias aumenta 2.88 cuando se eleva la temperatura y aumenta
0.660 cuando cambia la unidad de enfriamiento.
CRECIMIENTO DE BACTERIAS = 2.88 TEMPERATURA + 0.660 UNIDAD DE ENFRIAMIENTO
Predictor Coef SE Coef T P
Constante -0.819 1.687 -0.49 0.634
TEMPERATURA 2.8775 0.5729 5.02 0.000
UNIDAD DE ENFRIAMIENTO 0.6598 0.5729 1.15 0.267
Se hace nuevamente la regresión solo para a T ya que la unidad de enfriamiento no
es significativo.
S = 1.98455 R-cuad. = 63.9% R-cuad.(ajustado) = 59.1%
La calidad del ajuste no es muy bueno ya que R-cuad= 63.9%
Análisis de varianza
Fuente GL SC CM F P
Regresión 2 104.583 52.291 13.28 0.000
Error residual 15 59.077 3.938
Total 17 163.659
Debido a que se tiene un valor de p < 0.01 para la regresión, el ajuste de regresión
lineal es válido.
La ecuación de regresión es
Crecimiento de bacterias = 0.50 + 2.88 Temperatura
Sin que pase el tiempo ni que influya nada se obtiene un crecimiento de 0.50, sin
embargo el crecimiento bacteriano aumenta 2.88 cuando se aumenta la temepratura.
Predictor Coef SE Coef T P
Constante 0.500 1.250 0.40 0.694
TEMPERATURA 2.8775 0.5787 4.97 0.000
CRECIMIENTO DE BACTERIAS = 2.88 TEMPERATURA
El crecimiento bacteriano aumenta 2.88 cuando se aumenta la temperatura.
Se quita la constante ya que no es significativa.
S = 2.00469 R-cuad. = 60.7% R-cuad.(ajustado) = 58.3%
Análisis de varianza
Fuente GL SC CM F P
Regresión 1 99.359 99.359 24.72 0.000
Error residual 16 64.301 4.019
Total 17 163.659
Evidencias a las que contribuye el desarrollo de la práctica:
EP1: Problemario de las superficies de respuestas y mínimos cuadrados utilizados en el proceso
biotecnológico.
