1. El diseño eficiente de ciertos tipos de incineradores de desechos municipales exige que se disponga de información.

Ac
del artículo “Modeling the Energy Content of Municipal Solid Waste Using Multiple Regression Analysis” (J. of the Air and W
la información siguiente acerca del contenido energético (kcal/kg), las variables físicas de composición x 1 % de plástico por p
variable próxima de análisis x4 % de humedad por peso para especímenes de desechos de cierta región.

Observación Plástico(X) Papel(X2) Basura(X3) Agua(X4)

1 18.69 15.65 45.01 58.21

2 19.43 23.51 39.69 46.31
3 19.24 24.23 43.16 46.63
4 22.64 22.2 35.76 45.85
5 16.54 23.56 41.2 55.14
6 21.44 23.65 35.56 54.24
7 19.44 24.45 40.18 47.2
8 23.97 19.39 44.11 43.82
9 21.45 23.84 35.41 51.01
10 20.34 26.5 34.21 49.06
11 17.03 23.46 32.45 53.23
12 21.03 26.99 38.19 51.78
13 20.49 19.87 41.35 46.69
14 20.45 23.03 43.59 53.57
15 18.81 32.62 42.2 52.98
16 18.28 21.87 41.5 47.44
17 21.41 20.47 41.2 54.68
18 25.11 22.59 37.02 48.74
19 21.04 26.27 38.66 53.22
20 17.99 28.22 44.18 53.37

a) Calcular el ANOVA (10%)

Hipotesis nula No sirve el modelo ( No es significativo)

Ho: B 1 = B 2 = …. = B k = 0 Si sirve el modelo (es significativo)
Hipotesis Alternativa
H1: B j ≠ 0 para al menos una j

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F
Regresión 4 611863.52251726 152965.880629315 143.67240719
Residuos 15 15970.2774827399 1064.685165516
Total 19 627833.8
 P Alfa
9.1320570492E-12 < 0.1
Se rechaza Ho y se acepta H1 con un p= 9.132E-12
Conclusion
Se rechaza Ho(Ho: B 1 = B 2 = …. = B k = 0) y se acepta H1(H1: B j ≠ 0 para al menos una j) con un p= 9.13E-12
El modelo es significativo

B) Determinar las variables significativas del modelo. Utilice un α= 0.1 (15%)

Probabilidad ALFA
Intercepción 7.080633788E-09
Plástico(X) 4.04354415E-06 < 0.1 Significativo
Papel(X2) 0.022552668222 < 0.1 Significativo
Basura(X3) 0.064451717524 < 0.1 Significativo
Agua(X4) 1.082412672E-11 < 0.1 Significativo

C) Determinar el modelo significativo de la regresión Lineal Múltiple. (10%)

Coeficientes
Intercepción 2364.0644983613
Plástico(X) 27.8171332319
Papel(X2) 5.622847687796
Basura(X3) 4.260244091841
-38.28143763351

=2364.06+27.81+5.62-38.28
D) Demostrar los supuestos. (15%)
Comprobar el supuesto de la homocedasticidad

Pronóstico Residuos
935.355386706422 11.644613293578
Homocedasticidad
1433.02025739433 -26.02025739433
1434.31643937144 17.68356062856 80

1515.81402662819 37.18597337181 60
1021.31775901328 -32.31775901328
1168.55328533367 -6.55328533367 40
1406.60094566435 59.39905433565
20
1650.29496838681 5.7050316131913
1292.90980466914 -38.90980466914 0
800 900 1000 1100 1200 1300 1400 1500 1600
1346.52607210642 -10.52607210642
-20
1070.22627960454 26.77372039546
1281.30535052582 -15.30535052582 -40
1434.56431192828 -33.56431192828
1197.38648113959 25.61351886041 -60

1222.35380088136 -6.353800881359
1356.26210125002 -22.26210125002 La grafica muestra que si hay homocedasticidad
1157.02205980876 -2.022059808755
1481.44980910409 -28.44980910409
1224.41211605383 53.587883946173
1168.30874442967 -15.30874442967

Comprobar el cumplimiento el supuesto de Normalidad.

Residuos
-38.909804669143
-33.56431192828
-32.317759013284 Normalidad
-28.449809104085 80
-26.020257394327
60
-22.262101250018
-15.308744429671 40
-15.305350525815
-10.526072106417 20

-6.5532853336704 0
-6.3538008813587 0 5 10 15 20 25
-2.0220598087553 -20
5.7050316131913
-40
11.644613293578
17.6835606285592 -60
25.6135188604094
26.7737203954596 La grafica denota que se cumple la Normalidad
37.1859733718095
53.587883946173
59.3990543356515

Comprobar el cumplimiento el supuesto de independencia.

Residuos
11.644613293578
-26.020257394327 Independencia
17.6835606285592 80
37.1859733718095
-32.317759013284 60
-6.5532853336704
40
59.3990543356515
5.7050316131913 20
-38.909804669143
0
-10.526072106417 0 5 10 15 20 25
26.7737203954596 -20
-15.305350525815
-33.56431192828 -40

25.6135188604094 -60
 -20

-40

-60
-6.3538008813587
-22.262101250018
La grafica no denota ninguna tendencia de un residuo con otro, por lo que se puede observar
-2.0220598087553 entre los residuos.
-28.449809104085
53.587883946173
-15.308744429671
 que se disponga de información. Acerca del contenido energético de los desechos. Los autores
ression Analysis” (J. of the Air and Waste Mgmt. Assoc.,) bondadosamente nos proporcionaron
de composición x 1 % de plástico por peso, x2 % de papel por peso y x3 % de basura por peso, y la
de cierta región.

Contenido
energético
947
1407
1452
1553
989
1162
1466
1656
1254
1336
1097
1266
1401
1223
1216
1334
1155
1453
1278
1153

Valor crítico de F
9.13205705E-12
os una j) con un p= 9.13E-12

RESULTADO

Se rechaza H0
Se rechaza H0
Se rechaza H0
Se rechaza H0

dasticidad

1300 1400 1500 1600 1700

 20 25

20 25
tro, por lo que se puede observar independencia
os.
Resumen

Estadísticas de la regresión
Coeficiente de 0.987199519
Coeficiente de 0.97456289
R^2 ajustado 0.967779661
Error típico 32.62951372
Observaciones 20

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados F Valor crítico de F
Regresión 4 611863.5225 152965.8806 143.6724071901 9.132057049E-12
Residuos 15 15970.27748 1064.685166
Total 19 627833.8

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

Intercepción 2364.064498 204.2726318 11.57308484 7.080633788E-09 1928.667690048 2799.461307
Plástico(X) 27.81713323 3.954607324 7.034107549 4.04354415E-06 19.38808724809 36.24617922
Papel(X2) 5.622847688 2.211976979 2.542000998 0.022552668222 0.908130362005 10.33756501
Basura(X3) 4.260244092 2.134672901 1.995736251 0.064451717524 -0.289703492068 8.810191676
Agua(X4) -38.28143763 2.084586303 -18.3640455 1.082412672E-11 -42.72462816115 -33.8382471

Análisis de los residuales Resultados de datos de probabilidad

Observación
Pronóstico Contenido energético
Residuos Percentil Contenido energético
1 935.3553867 11.64461329 2.5 947
2 1433.020257 -26.02025739 7.5 989
3 1434.316439 17.68356063 12.5 1097
4 1515.814027 37.18597337 17.5 1153
5 1021.317759 -32.31775901 22.5 1155
6 1168.553285 -6.553285334 27.5 1162
7 1406.600946 59.39905434 32.5 1216
8 1650.294968 5.705031613 37.5 1223
9 1292.909805 -38.90980467 42.5 1254
10 1346.526072 -10.52607211 47.5 1266
11 1070.22628 26.7737204 52.5 1278
12 1281.305351 -15.30535053 57.5 1334
13 1434.564312 -33.56431193 62.5 1336
14 1197.386481 25.61351886 67.5 1401
15 1222.353801 -6.353800881 72.5 1407
16 1356.262101 -22.26210125 77.5 1452
17 1157.02206 -2.022059809 82.5 1453
18 1481.449809 -28.4498091 87.5 1466
19 1224.412116 53.58788395 92.5 1553
20 1168.308744 -15.30874443 97.5 1656

Agua(X4)
 1800
1600
1400
1200
1000
800
600
400
200
0
0 20 40 60 80 100 120

Inferior 95.0%Superior 95.0%

1928.66769 2799.461307
19.38808725 36.24617922
0.908130362 10.33756501
-0.28970349 8.810191676
-42.7246282 -33.8382471
120
1. El diseño eficiente de ciertos tipos de incineradores de desechos municipales exige que se disponga de información. Ac
energético de los desechos. Los autores del artículo “Modeling the Energy Content of Municipal Solid Waste Using Multiple
Analysis” (J. of the Air and Waste Mgmt. Assoc.,) bondadosamente nos proporcionaron la información siguiente acerca del c
energético (kcal/kg), las variables físicas de composición x 1 % de plástico por peso, x2 % de papel por peso y x3 % de basura p
variable próxima de análisis x4 % de humedad por peso para especímenes de desechos de cierta región.

Contenido
Observación Plástico(X) Papel(X2) Basura(X3) Agua(X4)
energético
1 18.69 15.65 45.01 58.21 947
2 19.43 23.51 39.69 46.31 1407
3 19.24 24.23 43.16 46.63 1452
4 22.64 22.2 35.76 45.85 1553
5 16.54 23.56 41.2 55.14 989
6 21.44 23.65 35.56 54.24 1162
7 19.44 24.45 40.18 47.2 1466
8 23.97 19.39 44.11 43.82 1656
9 21.45 23.84 35.41 51.01 1254
10 20.34 26.5 34.21 49.06 1336
11 17.03 23.46 32.45 53.23 1097
12 21.03 26.99 38.19 51.78 1266
13 20.49 19.87 41.35 46.69 1401
14 20.45 23.03 43.59 53.57 1223
15 18.81 32.62 42.2 52.98 1216
16 18.28 21.87 41.5 47.44 1334
17 21.41 20.47 41.2 54.68 1155
18 25.11 22.59 37.02 48.74 1453
19 21.04 26.27 38.66 53.22 1278
20 17.99 28.22 44.18 53.37 1153

a) Calcular el ANOVA (10%)

se disponga de información. Acerca del contenido
pal Solid Waste Using Multiple Regression
ormación siguiente acerca del contenido
apel por peso y x3 % de basura por peso, y la
rta región.
1. El artículo “The Influence of Temperature and Sunshine on the Alpha-Acid Contents of Hops (Agricultural Meteorology
de los siguientes datos en la producción (y), temperatura media del periodo entre la fecha al recibir el lúpulo y fecha de co
(x1), y porcentaje medio de luz solar durante el mismo periodo (x 2) para una variedad de lúpulo:

X1 X2 Y
16.7 30 210
17.4 42 110
18.4 47 103
16.8 47 103
18.9 43 91
17.1 41 76
17.3 48 73
18.2 44 70
21.3 43 68

a) Calcular el ANOVA (10%)

Hipotesis nula
Ho: B 1 = B 2 = …. = B k = 0
Hipotesis Alternativa
H1: B j ≠ 0 para al menos una j

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados F Valor crítico de F
Regresión 2 11467.8194 5733.90971 8.477093079249 0.01785945
Residuos 6 4058.4028 676.400466
Total 8 15526.2222

P ALFA
0.01785945 < 0.1

Se rechaza Ho (B 1 = B 2 = …. = B k = 0), H1 con una p = 0.01785945

el modelo es sigificativo

B) Determinar las variables significativas del modelo. Utilice un α= 0.1 (15%)

Probabilidad ALFA
Intercepción 0.00575384
X1 0.2103362 > 0.1 No significativo Se acepta HO
X2 0.01284496 < 0.1 Significativo Se rechaza Ho

X2 Y
30 210
 42 110
47 103
47 103
43 91
41 76
48 73
44 70
43 68

Probabilidad Alfa Resultado

Intercepción 0.00178878 <
X2 0.00841119 0.1 Significativa

La variable x2 es SIGNIFICATIVA

C) Determinar el modelo significativo de la regresión Lineal Múltiple. (10%)

Coeficientes
b0 Intercepción 383.488004
b1 X2 -6.61660269

x= 383.48+ -6.616603
a) Demostrar los supuestos. (15%)
 (Agricultural Meteorology,) informa
cibir el lúpulo y fecha de cosecharlo
ariedad de lúpulo:

Resumen
Gráfico de probabilidad n
250
Estadísticas de la regresión 200
150
Coeficiente d 0.85942409
100

Y
Coeficiente d 0.73860977 50
R^2 ajustado 0.65147969 0
Error típico 26.0077001 0 10 20 30 40 50 60
Observacione 9 Muestra percentil

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 2 11467.8194 5733.90971 8.47709308 0.01785945
Residuos 6 4058.4028 676.400466
Total 8 15526.2222

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

Intercepción 526.221972 125.611487 4.18928224 0.00575384 218.861736 833.582208
X1 -9.12485781 6.50622309 -1.40248154 0.2103362 -25.0450122 6.79529658
X2 -6.11132025 1.74668689 -3.49880697 0.01284496 -10.3853091 -1.83733141

Análisis de los residuales Resultados de datos de probabilidad

Observación Pronóstico Y Residuos Percentil Y

1 190.497239 19.502761 5.55555556 68
2 110.773996 -0.77399552 16.6666667 70
3 71.0925364 31.9074636 27.7777778 73
4 85.6923089 17.3076911 38.8888889 76
5 90.9753886 0.02461144 50 91
6 119.622773 -43.6227731 61.1111111 103
7 75.0185598 -2.01855978 72.2222222 103
8 91.2514688 -21.2514688 83.3333333 110
9 69.0757298 -1.07572982 94.4444444 210

Resumen
Estadísticas de la regresión
Coeficiente d 0.80803423
Coeficiente d 0.65291932
R^2 ajustado 0.60333637
Error típico 27.7459179
Observacione 9

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 10137.3705 10137.3705 13.1682216 0.00841119
Residuos 7 5388.85173 769.835961
Total 8 15526.2222

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

Intercepción 383.488004 78.5455306 4.88236569 0.00178878 197.757337 569.21867
X2 -6.61660269 1.8233561 -3.62880442 0.00841119 -10.9281547 -2.30505063

Análisis de los residuales Resultados de datos de probabilidad

Observación Pronóstico Y Residuos Percentil Y

1 184.989923 25.0100768 5.55555556 68
2 105.590691 4.40930902 16.6666667 70
3 72.5076775 30.4923225 27.7777778 73
4 72.5076775 30.4923225 38.8888889 76
5 98.9740883 -7.97408829 50 91
6 112.207294 -36.2072937 61.1111111 103
7 65.8910749 7.10892514 72.2222222 103
8 92.3574856 -22.3574856 83.3333333 110
9 98.9740883 -30.9740883 94.4444444 210
o de probabilidad normal
X2 Gráfic
40
30
20

Residuos
10
0
-10 25 30
-20
20 30 40 50 60 70 80 90 100 -30
Muestra percentil -40

Inferior 95.0%
Superior 95.0% Gráfico de probabili
218.861736 833.582208
-25.0450122 6.79529658
-10.3853091 -1.83733141 250
200
150
100
Y

50
0
0 10 20 30 Muestra
40 50 60
percentil 70
Inferior 95.0%
Superior 95.0%
197.757337 569.21867
-10.9281547 -2.30505063
 X2 Gráfico de los residuales
40
30
20
Residuos

10
0
-10 25 30 35 40 45 50
-20
-30
-40
X2

Gráfico de probabilidad normal

30 Muestra
40 50 60
percentil 70 80 90 100