MATERIA: DISEO DE EXPERIMENTOS

Preguntas y ejercicios
1. Cul es el propsito general del anlisis de regresin?
El propsito general del anlisis de regresin es de investigar la relacin funcional existente
entre dos o ms variables, ajustando algn modelo matemtico.

2. En el anlisis de regresin intervienen 2 tipos de variables: las independientes y las

dependientes. Explique con sus palabras y a travs de ejemplos, las caractersticas
de estos dos tipos de variables.
La variable independiente es aquella cualidad o caracterstica de una funcin o proceso, la
cual tiene la capacidad de influir o afectar a otras variables, y recibe este nombre ya que no
depende de otros factores.
La variable dependiente es tambin llamada variable de respuesta, y es el objeto de
estudio sobre la cual se centra la investigacin y como su nombre lo indica depender de
otros factores.
Ejemplo: Condiciones higinicas del hbitat de mascotas como riesgo potencial de contagio
de enfermedades parasitarias.
Donde la variable dependiente es el riesgo potencial de contagio de enfermedades
parasitarias y la variable independiente las condiciones higinicas.
Otros ejemplos: las variables independientes pueden ser el sexo, la raza, la edad, etc.,
siendo factores que afectan a otras variables y de las dependientes tasa de mortalidad, tasa
de natalidad, etc.

Ejercicios:
6. En una etapa inicial del procesamiento mecnico de piezas de acero, se sabe que una
herramienta sufre un deterioro gradual que se refleja en cierto dimetro de las piezas
manufacturadas. Para predecir el tiempo de vida til de la herramienta se tomaron datos de
horas de uso y el dimetro promedio de cinco piezas producidas al final de la jornada. Los
datos obtenidos para una herramienta se muestran a continuacin:

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

b) Mediante un diagrama de dispersin analice la relacin entre estas dos variables.
Qu tipo de relacin observa y cules son algunos hechos especiales?
c) Haga un anlisis de regresin (ajuste una lnea recta a estos datos, aplique pruebas
de hiptesis y verifique residuos).
d) La calidad del ajuste es satisfactoria? Argumente.
e) Si el dimetro mximo tolerado es de 45, cuntas horas de uso estima que tiene esa
herramienta?
f) Seale el valor de la pendiente de la recta e interprtelo en trminos prcticos.
g) Obtenga el error estndar de estimacin y comente qu relacin tiene ste con la
calidad del ajuste.
a) La variable independiente son las horas de uso y la variable dependiente es el dimetro
de las piezas.

b) Diagrama de dispersin: se puede observar que existe una correlacin lineal positiva
entre las horas de uso y el dimetro, ya que conforme aumentan las horas de uso aumenta el
dimetro.
Grfico de Dimetro vs Horas de uso

40

Dimetro

37
34
31
28
25
0

100

200
Horas de uso

300

400

c) Anlisis de regresin, como podemos observar la lnea recta que mejor explica la
relacin entre las horas de uso y el dimetro est dada por:
Dimetro = 24.8632 + 0.0464098*Horas de uso
La cual se puede observar en el grafico del modelo ajustado:
Grfico del Modelo Ajustado
Dimetro = 24.8632 + 0.0464098*Horas de uso
40

Dimetro

37
34
31
28
25
0

100

200
Horas de uso

300

400

Prueba de Hiptesis:
H0: 1= 0 o H0: El modelo no se ajusta
H0: 1 0 o H0: El modelo si se ajusta
De acuerdo a la tabla de coeficientes podemos ver que si existe una pendiente, lo cual
significa que entre las variables horas de uso y dimetro si existe una relacin.
Coeficientes
Parmetro
Intercepto
Pendiente

Mnimos Cuadrados
Estimado
24.8632
0.0464098

Estndar
Error
0.323206
0.00168629

Estadstico
T
76.9267
27.5218

Valor-P
0.0000
0.0000

Para poder rechazar o aceptar la hiptesis nula tenemos que tomar en cuenta el anlisis de
varianza del modelo, el cual se presenta a continuacin:
Anlisis de Varianza
Fuente
Suma de Cuadrados
Modelo
366.674
Residuo
8.71365
Total (Corr.)
375.388

Gl
1
18
19

Cuadrado Medio
366.674
0.484092

Razn-F
757.45

Valor-P
0.0000

Analizando esta tabla podemos concluir que el modelo si se ajusta ya que el valor-P es
menor al nivel de confianza de 0.05, por ello podemos decir que con un nivel de confianza
del 95% se rechaza la hiptesis nula.
Verificacin de supuestos:
El supuesto de varianza constante si se cumple ya que al graficar los residuos contra los
predichos, los puntos caen aleatoriamente dentro de la banda horizontal sin que sigan algn
patrn definido.

Grfico de Residuos
Dimetro = 24.8632 + 0.0464098*Horas de uso
1.2
0.8

residuo

0.4
0
-0.4
-0.8
-1.2
25

28

31
34
predicho Dimetro

37

40

El supuesto de independencia si se cumple ya que los puntos o residuos se encuentran

dispersos de forma arbitraria dentro del grafico de residuos vs nmero de corrida, sin
cumplir ninguna tendencia.
Grfico de Residuos
Dimetro = 24.8632 + 0.0464098*Horas de uso
1.2
0.8

residuo

0.4
0
-0.4
-0.8
-1.2
0

8
12
nmero de fila

16

20

d) el coeficiente de determinacin R2ajustado es de 97.6788% lo cual indica que nuestro

modelo tiene una calidad de ajuste satisfactoria, ya que explica el 97.6% de la variabilidad
en Dimetro.
e) El valor sera de 433.89 horas a un dimetro de 45 mm, sin embargo realizar una
extrapolacin la cual est ms all de la regin que contiene a las observaciones originales
est mal ya que probablemente el modelo ya no se ajuste adecuadamente fuera de la regin,
ya que nuestra regin de estudio va de 25.7 a 39.2 mm de dimetro.
f) el valor de la pendiente es de 0.0464098, esto nos indica la razn de cambio en el
dimetro (y) con respecto al cambio de las horas de uso (x), es decir cunto va a variar el
dimetro cuando se varen las horas de uso.
g) El error estndar de la estimacin fue de 0.695767, lo cual indica que la calidad de ajuste
de nuestro modelo es buena, ya que si el error estndar de estimacin es menor la calidad
del ajuste ser mayor.

7. En un proceso de extraccin se estudia la relacin entre tiempo de extraccin y

rendimiento. Los datos obtenidos se muestran en la siguiente tabla.

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

b) Mediante un diagrama de dispersin analice la relacin entre estas dos variables.
Qu tipo de relacin observa y cules son algunos hechos especiales?
c) Haga un anlisis de regresin (ajuste una lnea recta a estos datos, aplique pruebas
de hiptesis y verifique residuos).
d) La calidad del ajuste es satisfactoria? Argumente.
e) Destaque el valor de la pendiente de la recta e interprtelo en trminos prcticos.
f) Estime el rendimiento promedio que se espera a un tiempo de extraccin de 2
minutos y obtenga un intervalo de confianza para esta estimacin.

a) La variable dependiente es el % rendimiento y la variable independiente es el tiempo

dado en minutos.
b) Diagrama de dispersin: se puede visualizar que no existe una relacin ya que los
puntos son muy dispersos, algunos incrementan y otros decrecen sin importar el tiempo, sin
embargo se tendra que verificar los supuestos y comprobar si en verdad existe una relacin
entre el rendimiento y el tiempo, si no es asi los datos que miden la calidad de ajuste nos lo
indicaran.

Grfico de Rendimiento vs Tiempo

88

Rendimiento

84
80
76
72
68
64
8

10

12

14
Tiempo

16

18

20

c) Anlisis de regresin, como podemos observar la lnea recta que mejor explica la
relacin entre el tiempo y el porcentaje de rendimiento est dada por:
Rendimiento = 57.9578 + 1.19492*Tiempo
La cual se puede observar en el grafico del modelo ajustado:
Grfico del Modelo Ajustado
Rendimiento = 57.9578 + 1.19492*Tiempo
88

Rendimiento

84
80
76
72
68
64
8

10

12

14
Tiempo

16

18

20

Prueba de Hiptesis:
H0: 1= 0 o H0: El modelo no se ajusta
H0: 1 0 o H0: El modelo si se ajusta
De acuerdo a la tabla de coeficientes podemos ver que si existe una pendiente, lo cual
significa que entre las variables tiempo y porcentaje de rendimiento si existe una relacin.
Coeficientes
Parmetro
Intercepto
Pendiente

Mnimos Cuadrados
Estimado
57.9578
1.19492

Estndar
Error
6.28403
0.414959

Estadstico
T
9.22303
2.87962

Valor-P
0.0000
0.0164

Para poder rechazar o aceptar la hiptesis nula tenemos que tomar en cuenta el anlisis de
varianza del modelo, el cual se presenta a continuacin:
Anlisis de Varianza
Fuente
Suma de Cuadrados
Modelo
243.684
Residuo
293.872
Total (Corr.)
537.557

Gl
1
10
11

Cuadrado Medio
243.684
29.3872

Razn-F
8.29

Valor-P
0.0164

Analizando esta tabla podemos concluir que el modelo si se ajusta ya que el valor-P es
menor al nivel de confianza de 0.05, por ello podemos decir que con un nivel de confianza
del 95% se rechaza la hiptesis nula.
Verificacin de supuestos:
El supuesto de varianza constante si se cumple ya que los puntos se encuentran dispersos
de forma aleatoria por toda la grfica a lo largo de la banda horizontal.
Grfico de Residuos
Rendimiento = 57.9578 + 1.19492*Tiempo
7.5

residuo

4.5
1.5
-1.5
-4.5
-7.5
67

70

73
76
predicho Rendimiento

79

82

El supuesto de independencia si se cumple ya que los puntos o residuos se encuentran

dispersos de forma arbitraria dentro del grfico de residuos vs nmero de corrida, sin
cumplir ninguna tendencia.
Grfico de Residuos
Rendimiento = 57.9578 + 1.19492*Tiempo
7.5

residuo

4.5
1.5
-1.5
-4.5
-7.5
0

6
nmero de fila

10

12

d) el coeficiente de determinacin R2ajustado es de .3986 lo cual indica que nuestro modelo

no tiene una buena calidad de ajuste, ya que solo nos explica el 39.865% de la variabilidad
en Rendimiento. Adems en general, para fines de prediccin se recomienda un R 2ajustado de
al menos 0.7 o 70% de explicacin del modelo.
e) el valor de la pendiente es de 1.19492, esto nos indica la razn de cambio en el
%Rendimiento (y) con respecto al cambio de Tiempo(x), es decir cunto va a variar el
Rendimiento cuando se vare el tiempo.
f) Se podra calcular el valor que piden con respecto a los 2 min, sin embargo realizar una
extrapolacin la cual est ms all de la regin que contiene a las observaciones originales
est mal ya que probablemente el modelo ya no se ajuste adecuadamente fuera de la regin,
ya que nuestra regin de estudio va de 8 a 20 min de Tiempo.

9. En una industria se desea investigar cmo influye la temperatura (C) en la presin del
vapor de B-trimetilboro, los datos obtenidos para tal propsito se muestran en la siguiente
tabla.

a) Construya un diagrama de dispersin e interprtelo.

b) Ajuste una lnea recta y observe la calidad de ajuste.
c) Seale el valor de la pendiente de la recta e interprtelo en trminos prcticos.
d) Observe la grfica de residuales contra predichos, nota algo relevante?
e) Est satisfecho con el modelo ajustado? Argumente.
f) Hay algn otro modelo que puede funcionar mejor? Proponga uno de los que se
explicaron al inicio del captulo.

a) Diagrama de dispersin si existe una fuerte relacin entre la temperatura y la presin,

pero no se puede decir que siguen una relacin lineal, ya que claramente podemos observar
una curva exponencial.
Grfico de Presin vs Temperatura

180
150

Presin

120
90
60
30
0
0

20

40
60
Temperatura

80

100

b) Anlisis de regresin, como podemos observar la lnea recta que mejor explica la
relacin entre el tiempo y el porcentaje de rendimiento est dada por:
Presin = -47.9351 + 2.21299*Temperatura
La cual se puede observar en el grafico del modelo ajustado:
Grfico del Modelo Ajustado
Presin = -47.9351 + 2.21299*Temperatura
180
150

Presin

120
90
60
30
0
0

20

40
60
Temperatura

80

100

c) el valor de la pendiente es de 2.21299, esto nos indica la razn de cambio en la Presin

(y) con respecto al cambio de la Temperatura (C), es decir cunto va a variar el
Rendimiento cuando se vare el tiempo.
d) En el grfico de residuos vs predichos se observa que los puntos siguen una tendencia
formando una curva cncava, lo cual indica que no se cumple el supuesto de varianza
constante.

Grfico de Residuos
Presin = -47.9351 + 2.21299*Temperatura
40

residuo

20

-20

-40
-20

10

40

70
100
predicho Presin

130

160

e y f) No ya que se observa que los datos no poseen una relacin lineal, por eso sera mejor
realizar una regresin exponencial o linealizar los datos aplicando logaritmo, para asi
obtener el modelo que mejor ajustara estos datos, el cual sera:

La cual nos dara una R2ajustada de 97.77%, explicando el modelo en un 97%, esto se puede
observar en la grfica del modelo ajustado.

Grfico del Modelo Ajustado

Presin = exp(0.764141 + 0.0538051*Temperatura)
180
150

Presin

120
90
60
30
0
0

20

40
60
Temperatura

80

100

Donde la mejor ecuacin que explica el modelo es:

Presin = exp(0.764141 + 0.0538051*Temperatura)

11. A partir de la siguiente tabla de datos realice los clculos necesarios y complete una
tabla similar a la 11.2.

a) Realice los clculos indicados en la tabla.

b) Con base en lo anterior, construya la tabla de anlisis de regresin para la recta de
regresin (tabla 11.4) y el anlisis de varianza (tabla 11.5).
c) A partir de lo anterior obtenga conclusiones.
d) Obtenga el coeficiente de determinacin y valore la calidad del ajuste.

14. En una fbrica de pintura se quiere reducir el tiempo de secado del barniz. Los
siguientes datos corresponden al tiempo de secado del barniz (en horas) y a la cantidad de
aditivo con el que se intenta lograr tal reduccin.

a) Mediante un diagrama de dispersin investigue la relacin entre el tiempo de secado

y la cantidad de aditivo.
b) Con base en la relacin, qu cantidad de aditivo recomendara para reducir el
tiempo de secado?
c) Obtenga el coeficiente de correlacin entre ambas variables e interprtelo.
d) Al parecer, el coeficiente de correlacin lineal es muy bajo, esto significa que el
tiempo de secado no est relacionado con la cantidad de aditivo?
e) Usted cree que sea correcto ajustar una lnea recta?
f) Proponga el modelo que crea adecuado, ajstelo y haga un anlisis de regresin
completo para tal modelo.

a) Diagrama de dispersin no muestra ninguna relacin ya que al parecer el tiempo de

secado no muestra un incremento o decremento cuando se le vara la cantidad de
aditivo. De hecho este grafico presenta cierta similitud a los modelos de las funciones
de una parbola.

Grfico de T iempo de secado vs Cantidad de aditivo

Tiempo de secado

15.5

13.5

11.5

9.5

7.5
0

4
6
Cantidad de aditivo

10

b) con base a la grfica de dispersin y a los datos obtenidos la cantidad de aditivo que
recomendara para bajar la concentracin del tiempo de secado sera de 4.
c) el coeficiente de correlacin es igual a 0.334001, indica una relacin relativamente
dbil entre las variables.
d) el coeficiente de correlacin es muy bajo, lo cual indica que la relacin entre las
variables no es significativa.
e) No es correcto ajustar el modelo a una lnea recta, ya que podemos ver claramente
que los puntos no se alinean y se encuentran muy dispersos, adems la forma del
grafico es como una funcin de una parbola.
f) El modelo cuadrtico fue el que obtuvo el mayor ajuste en el modelo sin embargo
solo fue de un 22.56% por debajo del 70% para qu el modelo sea adecuado.
Tiempo de secado = 9.616 + 0.0382442*Cantidad de aditivo^2
Grfico del Modelo Ajustado
Tiempo de secado = 9.616 + 0.0382442*Cantidad de aditivo^2

Tiempo de secado

15.5

13.5

11.5

9.5

7.5
0

4
6
Cantidad de aditivo

10