Ejemplo 11.

1
En un laboratorio se quiere investigar la forma en que se relaciona la cantidad de fibra (madera) en Análisis de regresión: RESISTENCIA vs. PORCENTAJE DE FIBRA
la pulpa con la resistencia del producto (papel). Los datos obtenidos en un estudio experimental se
La ecuación de regresión es
muestran en la siguiente tabla RESISTENCIA = 131 + 1.62 PORCENTAJE DE FIBRA

Predictor Coef SE Coef T P

Constante 130.675 2.418 54.05 0.000
Gráfica de probabilidad normal PORCENTAJE DE FIBRA 1.6242 0.1285 12.64 0.000
(la respuesta es RESISTENCIA)
99 S = 3.87648 R-cuad. = 93.0% R-cuad.(ajustado) = 92.4%

95 Análisis de varianza
90
Fuente GL SC MC F P
80
Regresión 1 2400.5 2400.5 159.75 0.000
70

Porcentaje
Error residual 12 180.3 15.0
60
50
Total 13 2580.9
40
30
Ajustes para
20 Gráfica de dispersión de RESISTENCIA vs. PORCENTAJE DE FIBRA hacer la gráfica
10 190 de dispersión
5
ajustada
180
1
-10 -5 0 5 10 137.171
Residuo 170

RESISTENCIA
140.420
160
143.668
150
Histograma 146.916
(la respuesta es RESISTENCIA)
140
5 150.165
130
vs. ajustes 153.413
4 5 10 15 20 25 30
(la respuesta es RESISTENCIA)
PORCENTAJE DE FIBRA
7.5 156.662
Frecuencia

5.0 159.910
2

2.5 163.158
1
Residuo

0.0
166.407
0
-6 -4 -2 0 2 4 6 169.655
-2.5 Residuo
172.903
-5.0
176.152
140 150 160 170 180
Valor ajustado 179.400
 Gráfica de dispersión de AJUSTES2 vs. PORCENTAJE DE FIBRA
180

170
AJUSTES2

160

150

140

5 10 15 20 25 30
PORCENTAJE DE FIBRA
Ejercicio 6
En una etapa inicial del procesamiento mecánico de piezas de acero, se sabe que una herramienta Histograma
(la respuesta es DIAMETRO(MM))
sufre un deterioro gradual que se refleja en cierto diámetro de las piezas manufacturadas. Para
predecir el tiempo de vida útil de la herramienta se tomaron datos de horas de uso y el diámetro 5

promedio de cinco piezas producidas al final de la jornada. Los datos obtenidos para una 4
herramienta se muestran a continuación:

Frecuencia
3

2
00000000
Gráfica de probabilidad normal 1
(la respuesta es DIAMETRO(MM))
99
0
-1.0 -0.5 0.0 0.5 1.0
Residuo
95 Ajustes para
90
hacer la gráfica
80
70
de dispersión
Porcentaje

Análisis de regresión: DIAMETRO(MM) vs. HORAS DE USO

60 ajustada
50
40 La ecuación de regresión es
30
DIAMETRO(MM) = 24.9 + 0.0464 HORAS DE USO 25.6057
20
26.3483
10 Predictor Coef SE Coef T P
5 Constante 24.8632 0.3232 76.93 0.000
27.0908
HORAS DE USO 0.046410 0.001686 27.52 0.000 27.8334
1
-2 -1 0 1 2 S = 0.695767 R-cuad. = 97.7% R-cuad.(ajustado) = 97.5%
28.5759
Residuo 29.3185
Análisis de varianza 30.0611
Fuente GL SC MC F P
Regresión 1 366.67 366.67 757.45 0.000 30.8036
Error residual 18 8.71 0.48 31.5462
Total 19 375.39
vs. ajustes 32.2887
(la respuesta es DIAMETRO(MM))
33.0313
1.0
33.7738
34.5164
0.5
35.2589
36.0015
Residuo

36.7441
0.0
37.4866
38.2292
-0.5
38.9717
39.7143
-1.0

25.0 27.5 30.0 32.5 35.0 37.5 40.0

Valor ajustado
 c) Haga un análisis de regresión (ajuste una línea recta a estos datos, aplique pruebas de
Gráfica de dispersión de DIAMETRO(MM) vs. HORAS DE USO
hipótesis y verifique residuos).
40.0

La mayoría de los datos de diámetro se acercan a la línea de ajuste los errores son mínimos
37.5 pero si son notorios.
35.0 d) ¿La calidad del ajuste es satisfactoria? Argumente.
DIAMETRO(MM)

32.5
Si, notamos que los errores son muy mínimos
e) Si el diámetro máximo tolerado es de 45, ¿cuántas horas de uso estima que tiene esa
30.0
herramienta?
27.5 Aproximadamente de 26 hrs

25.0 f) Señale el valor de la pendiente de la recta e interprételo en términos prácticos.

0 50 100 150 200 250 300 350
HORAS DE USO

g) Obtenga el error estándar de estimación y comente qué relación tiene éste con la calidad del
Gráfica de dispersión de AJUSTES2 vs. HORAS DE USO ajuste.
40.0

37.5

35.0
AJUSTES2

32.5

30.0

27.5

25.0
0 50 100 150 200 250 300 350
HORAS DE USO

a) ¿En este problema cuál variable se considera independiente y cuál dependiente?

Independiente Horas de uso y dependiente diámetro
b) Mediante un diagrama de dispersión analice la relación entre estas dos variables. ¿Qué tipo
de relación observa y cuáles son algunos hechos especiales?
Notamos que en la medida depende del uso en horas y que se comporta de manera dispersa a
las medidas
Ejercicio 7
Predictor Coef SE Coef T P
Constante 57.958 6.284 9.22 0.000
En un proceso de extracción se estudia la relación entre tiempo de extracción y rendimiento. Los TIEMPO(MINUTOS) 1.1949 0.4150 2.88 0.016
datos obtenidos se muestran en la siguiente tabla.
S = 5.42100 R-cuad. = 45.3% R-cuad.(ajustado) = 39.9%

Análisis de varianza
Fuente GL SC MC F P
Regresión 1 243.68 243.68 8.29 0.016
Error residual 10 293.87 29.39
Total 11 537.56
Histograma
(la respuesta es RENDIMIENTO (%))

5
Gráfica de dispersión de RENDIMIENTO (%) vs. TIEMPO(MINUTOS)

4 85
Frecuencia

3
80

RENDIMIENTO (%)
2
75

70
0
-5.0 -2.5 0.0 2.5 5.0 7.5
Residuo
65

8 10 12 14 16 18 20
TIEMPO(MINUTOS)

Gráfica de probabilidad normal Ajustes para hacer la

(la respuesta es RENDIMIENTO (%))
gráfica de dispersión
99 Gráfica de dispersión de AJUSTES2 vs. TIEMPO(MINUTOS)
ajustada
95 82
90 69.9070 80
80
70 75.8816 78
Porcentaje

60
50
40 81.8562 76

AJUSTES2
30
20 74
67.5172
10
72
5
72.2969
70
1
-15 -10 -5 0 5 10 73.4918 68
Residuo

75.8816 66
Análisis de regresión: RENDIMIENTO (%) vs. TIEMPO(MINUTOS) 8 10 12 14 16 18 20
72.2969 TIEMPO(MINUTOS)

La ecuación de regresión es
RENDIMIENTO (%) = 58.0 + 1.19 TIEMPO(MINUTOS) 74.6867
81.8562
80.6613
79.4664
 vs. ajustes
(la respuesta es RENDIMIENTO (%))
7.5

5.0

Residuo 2.5

0.0

-2.5

-5.0

66 68 70 72 74 76 78 80 82
Valor ajustado

a) ¿En este problema cuál variable se considera independiente y cuál dependiente?

Tiempo es independiente y rendimiento dependiente
b) Mediante un diagrama de dispersión analice la relación entre estas dos variables. ¿Qué tipo
de relación observa y cuáles son algunos hechos especiales?
Ambas son muy diferentes de tal manera aun que depende una de otra estas tienden a estar
muy dispersas y no llevan aumento.
c) Haga un análisis de regresión (ajuste una línea recta a estos datos, aplique pruebas de
hipótesis y verifique residuos).
Solo 2 datos se ajustan y todos los demás su error es muy notorio y de gran manera que se ve
a simple vista también se nota que la línea de ajuste con los datos (puntos) no se asemejan.
d) ¿La calidad del ajuste es satisfactoria? Argumente.
Sí, porque notamos el comportamiento de los datos y podemos notar que dichos datos tienen
mucha diferencia en error.
e) Destaque el valor de la pendiente de la recta e interprételo en términos prácticos.
El valor dato 20-76.2 es el valor que más sobre sale en la gráfica y que tiene mayor número de
error por así decirlo
f) Estime el rendimiento promedio que se espera a un tiempo de extracción de 25 minutos y
obtenga un intervalo de confianza para esta estimación.
Sería 77 aproximadamente
 Ejercicio 9
Gráfica de probabilidad normal
(la respuesta es PRESION)
En una industria se desea investigar cómo influye la temperatura (°C) en la presión del vapor de 99

B-trimetilboro, los datos obtenidos para tal propósito se muestran en la siguiente tabla.
95
90

80

Histograma 70

Porcentaje
60
(la respuesta es PRESION)
50
40
3.0 30
20

2.5 10

2.0
Frecuencia
1
-50 -25 0 25 50
1.5 Residuo

1.0
Análisis de regresión: PRESION vs. TEMPERATURA
La ecuación de regresión es
0.5 PRESION = - 47.9 + 2.21 TEMPERATURA

0.0 Predictor Coef SE Coef T P

-20 -10 0 10 20 30 40 Constante -47.94 13.22 -3.63 0.006
Residuo TEMPERATURA 2.2130 0.2485 8.90 0.000

S = 20.3998 R-cuad. = 89.8% R-cuad.(ajustado) = 88.7%

Ajustes para
hacer la gráfica Análisis de varianza
Fuente GL SC MC F P
de dispersión Regresión 1 32999 32999 79.29 0.000
ajustada Error residual 9 3745 416
Total 10 36744
-19.166 Observaciones poco comunes
EE de Residuo
vs. ajustes -4.782 Obs TEMPERATURA PRESION Ajuste ajuste Residuo estándar
(la respuesta es PRESION) 8 85.7 176.90 141.72 11.40 35.18 2.08R
40
53.199
R denota una observación con un residuo estandarizado grande.
76.214
30
94.581
20
110.072
10
Residuo

130.211
0
141.718
-10
1.857
-20
12.258
-30
22.438
0 40 80 120 160
Valor ajustado
 Gráfica de dispersión de PRESION vs. TEMPERATURA
Los residuos se comporta a los predicho no hay problema aun así se nota que los datos no siguen
200 una continuidad.
e) ¿Está satisfecho con el modelo ajustado? Argumente.
150
Si, pudimos localizar y analizar los datos y su comportamiento

PRESION
100 f) ¿Hay algún otro modelo que puede funcionar mejor? Proponga uno de los que se explicaron
al inicio del capítulo.
50 No hay otro para este tipo de caso, este se ajusta muy bien a lo que estamos buscando.

0
10 20 30 40 50 60 70 80 90
TEMPERATURA

Gráfica de dispersión de AJUSTES2 vs. TEMPERATURA

160

120
AJUSTES2

80

40

10 20 30 40 50 60 70 80 90
TEMPERATURA

a) Construya un diagrama de dispersión e interprételo.

Los datos están agrupados en aumento.
b) Ajuste una línea recta y observe la calidad de ajuste.
Son muy pocos datos que están en la línea de ajuste el error de cada uno es muy notorio.
c) Señale el valor de la pendiente de la recta e interprételo en términos prácticos.
Se encuentra como 45.7 y 30.5 este punto está muy alejado de la línea de ajuste
d) Observe la gráfica de residuales contra predichos, ¿nota algo relevante?
Ejercicio 10
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:
Gráfica de probabilidad normal
(la respuesta es VIDA)
99
Histograma
(la respuesta es VIDA)
95
4 90

80
70

Porcentaje
60
3
50
40
Frecuencia

30
20
2
10

1 1
-2 -1 0 1 2
Residuo

0
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0
Residuo

Análisis de regresión: VIDA vs. VELOCIDAD

La ecuación de regresión es
VIDA = 13.7 - 0.222 VELOCIDAD

Predictor Coef SE Coef T P

Constante 13.693 1.185 11.56 0.000
VELOCIDAD -0.22182 0.03859 -5.75 0.000

S = 0.904984 R-cuad. = 75.0% R-cuad.(ajustado) = 72.8%

Análisis de varianza
Fuente GL SC MC F P
vs. ajustes Regresión 1 27.062 27.062 33.04 0.000
(la respuesta es VIDA) Error residual 11 9.009 0.819
Total 12 36.071
2
Observaciones poco comunes
EE de Residuo
Obs VELOCIDAD VIDA Ajuste ajuste Residuo estándar
1
9 35.0 7.800 5.929 0.317 1.871 2.21R

R denota una observación con un residuo estandarizado grande.

Residuo

-1

-2
5 6 7 8 9
Valor ajustado
 Gráfica de dispersión de VIDA vs. VELOCIDAD
10

8
VIDA

4
20 25 30 35 40
VELOCIDAD

Gráfica de dispersión de AJUSTES2 vs. VELOCIDAD

8
AJUSTES2

20 25 30 35 40
VELOCIDAD

a) Mediante un diagrama de dispersión analice la relación entre estas dos variables. ¿Qué tipo de
relación observa?

b) Haga un análisis de regresión (ajuste una línea recta a estos datos, aplique pruebas de hipótesis
y verifique residuos).

c) ¿La calidad del ajuste es satisfactoria? Argumente.

d ) Si normalmente la herramienta se opera a una velocidad de 30 metros por minuto, estime el

tiempo medio de vida tanto de manera puntual como por intervalo.

e) Señale el valor de la pendiente de la recta e interprételo en términos prácticos.

f ) Obtenga el error estándar de estimación y comente qué relación tiene con la calidad del ajuste.