Académique Documents
Professionnel Documents
Culture Documents
POZA RICA
INGENIERÍA INDUSTRIAL
4A
INTEGRANTES
JOSÉ EDUARDO MELICZI MONTER GÓMEZ 166P0156
“EJERCICIOS UNIDAD I”
PROFESOR
ING. RODRIGO DORANTES AVELINO
Ecuación de regresión
Y = 47,79 - 2,26 x
B. Utilice la ecuación de la recta ajustada para predecir la permeabilidad que será observada
cuando la resistencia a la compresión sea x=4.3
D. Suponga que el valor observado de la permeabilidad para x=3.7 es y=46.1 Calcule el valor
del residuos correspondiente.
ei= 39.428-46.1
ei= -6.672
a. Supongo que la temperatura se mide en °C, en lugar de °F. Escriba el nuevo modelo de
regresion
Ecuación de regresión
Y = 0,5762 + 0,00152 x
B. ¿Qué cambio en la deformación esperado del pavimento esta asociado con un cambio de
1°C en la temperatura de la superficie
Y= 0.57772
9.5 un articulo publicado en techinometrics escrito por s.c. naruto y j.f. Wellington (“prediction
lincar regression, and Mínimum sum of relative errors vol. 19, 19977) Presenta datos sobre el
precio de venta y los impuestos anuales de 24 almacenes. Los datos aparecen en la tabla
siguiente.
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
B. Encuentre el precio de venta promedio dado que los impuestos pagados son x=7.50
La grafica obtenida indica que los impuestos pagados representan incremento de x en una
unidad y por lo tanto el valor de la pendiente de grafica estará expresado en las mismas
unidades
9.7 Los datos de la tabla siguiente representan el rendimiento en carretera en millas por galón
de gastos (MPC) y el desplazamiento del motor para una muestra de 20 automóviles
A. Ajusta un modelo lineal simple que relacione el rendimiento en carretera MPG (y) con el
desplazamiento del motor (x) utilizando mínimos cuadrados
Análisis de Varianza
Ecuación de regresión
y = 35,07 - 0,0485 x
B. Encuentre una estimación del rendimiento para galón para un automóvil que tiene un
motor con un desplazamiento de 150In3
a.
b.
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 1 88,520 88,5198 44,66 0,000
x 1 88,520 88,5198 44,66 0,000
Error 18 35,680 1,9822
Falta de ajuste 8 4,847 0,6059 0,20 0,985
Error puro 10 30,833 3,0833
Total 19 124,200
Resumen del modelo
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
1,40792 71,27% 69,68% 65,23%
Coeficientes
EE del
Término Coef coef. Valor T Valor p FIV
Constante -9,81 2,14 -4,60 0,000
x 0,1715 0,0257 6,68 0,000 1,00
Ecuación de regresión
y = -9,81 + 0,1715 x
c.
9.11
a.
b.
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 1 1273,54 1273,54 92,22 0,000
x 1 1273,54 1273,54 92,22 0,000
Error 16 220,95 13,81
Falta de ajuste 14 216,44 15,46 6,86 0,134
Error puro 2 4,51 2,25
Total 17 1494,49
Resumen del modelo
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
3,71607 85,22% 84,29% 79,29%
Coeficientes
EE del
Término Coef coef. Valor T Valor p FIV
Constante 0,47 1,94 0,24 0,811
x 20,57 2,14 9,60 0,000 1,00
Ecuación de regresión
y = 0,47 + 20,57 x
c.
d.