INSTITUTO TECNOLÓGICO SUPERIOR DE

POZA RICA

INGENIERÍA INDUSTRIAL

4A

INTEGRANTES
JOSÉ EDUARDO MELICZI MONTER GÓMEZ 166P0156

NOMBRE DEL PROYECTO

“EJERCICIOS UNIDAD I”

PROFESOR
ING. RODRIGO DORANTES AVELINO

POZA RICA DE HGO, VER. JUNIO DEL 2018

9.1 Un articulo publicado en Concrete Research ( “ Near Surface Characteristics of concrete.
Intrinsic Permeabillity vol.41, 1989) Presenta datos sobre la resistencia a la compresión x y de
la permeabilidad Intrinseca y de varias mezclas y tratamientos de concreto. El rumen de
cantidades es el siguiente n:14, ∑yi=572, ∑yi2=23530, ∑xi=43, ∑xi2=157.42 y ∑xiyi=1697.80
Suponga que las dos variables están relacionadas de acuerdo con el modelo de regresion lieal
simple.

A. Calcule las estaciones de mínimos cuadrados de la pendiente y la ordenada al origen

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

Y = 47,79 - 2,26 (4.3)

Y= 38.072

C. Proporcione una estimación puntual de la permeabilidad promedio cuando la resistencia a

la compresión sea x=3.7

Y = 47,79 - 2,26 (3.7)

Y= 39.428

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

9.3 Calcule el modelo de regresion desarrollado en el ejercicio 9.2

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 = 0,5762 + 0,00152 (1)

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.

Precio de venta Impuestos (local, escolar,

condado)
25.9 4.176
29.5
27.9
25.9
29.9
29.9
30.9
28.9
35.9
31.9
31.5
31.0
36.9
41.9
40.5
43.9
37.5
37.9
44.5
37.9
38.9
36.9
45.8

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Regresión 1 634,9 634,902 69,04 0,000

x 1 634,9 634,902 69,04 0,000
Error 22 202,3 9,197
Total 23 837,2
Resumen del modelo
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
3,03261 75,83% 74,74% 71,94%
Coeficientes
 EE del
Término Coef coef. Valor T Valor p FIV
Constante 13,30 2,63 5,05 0,000
x 3,322 0,400 8,31 0,000 1,00
Ecuación de regresión
y = 13,30 + 3,322 x

A. suponga que resultado apropiado el empleo de un modelo de regresión lineal simple

obtenga el ajuste de mínimos cuadrados que relaciona el precio de venta con los
impuestos pagados

B. Encuentre el precio de venta promedio dado que los impuestos pagados son x=7.50

y = 13,30 + 3,322 (7.50)

Y= 32.25

C. Calcule el valor ajustado de y que corresponde a x=8980. Encuentre el residuo

correspondiente.

y = 13,30 + 3,322 (5.8980)

Y=32.93
D. Calculé el valor ajustado yi para cada valor observado correspondiente yi y haga un
comentario sobre lo que esta grafica significaría si la relación entre x y y fuese una
línea recta determinista ( sin error aleatorios ). ¿ La grafica obtenido indica que los
impuestos pagados constituyen un regresar eficaz, para predecir el precio de venta?

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

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Regresión 1 56,323 56,3231 4,13 0,057
x 1 56,323 56,3231 4,13 0,057
Error 18 245,427 13,6348
Falta de ajuste 14 242,927 17,3519 27,76 0,003
Error puro 4 2,500 0,6250
Total 19 301,750
Resumen del modelo
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
3,69254 18,67% 14,15% 0,00%
Coeficientes
EE del
Término Coef coef. Valor T Valor p FIV
Constante 35,07 3,46 10,14 0,000
x -0,0485 0,0238 -2,03 0,057 1,00

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

y = 35,07 - 0,0485 (151)

Y= 28.4871

C. Obtenga el valor ajustado de y y el resultado correspondiente para un automóvil, el Ford

Escort, con un desplazamiento del motor de 114In3

y = 35,07 - 0,0485 (114)

Y= 29.8561
9.9

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.

y = -9,81 + 0,1715 (85)

Y= 4.756mmHg

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.

y = 0,47 + 20,57 (1)

Y=21.03

d.

y = 0,47 + 20,57 (0.47)

Y= 10.13