Pregunta 1:

a) Grfico de dispersin: Se observa una tendencia logartmica.

b) Grficam log-Log: se observa una tendencia lineal. Se prefiere transformar los datos para
poder igualar las escalas de los valores X e Y. ya que anteriormente los valores de
relacin X eran muy grandes con respecto al Y.

Pregunta 2:
 a) Por sturges. #clases= 7

b) Histograma: se observa una agrupacin de datos en forma de campana de gauss,

sesgada por la derecha.

c) El rango intercuartlico es: 1.66-1.03=0.63

Quiere decir que el rango de datos que se encuentranentre el cuartil 25 y 75 (que son la
mayora de datos), difieren en valores como mximo en 0.63
Resumen Estadstico para Col_1
Recuento 60
Promedio 1.365
Desviacin Estndar 0.558926
Coeficiente de Variacin 40.947%
Mnimo 0.42
Mximo 2.73
Rango 2.31
Cuartil Inferior 1.03
Cuartil Superior 1.66
Sesgo Estandarizado 3.03878
Curtosis Estandarizada 0.148973

FPercentiles para Col_1

Percentiles
25.0% 1.03
50.0% 1.2
75.0% 1.66
99.99% 2.73
75.0% 1.66
90.0% 2.325
95.0% 2.48

d) Diagrama de cajas y bigotes: Se observa que la mediana y la media no coinciden, por lo

que se trata de una distribucin asimtrica. Adems se observan valores fuera del
extremo derecho, aquellos estn fuera del rango de confianza de 95%.

e)

Pregunta 3:

a) El mejor modelo: Yi = 1/(2.63529/di)

El modelo es adedcuado, puesto que tiene un P=0 y un R cuadrado = 99.0449%

Regresin Simple - Yi vs. di

Variable dependiente: Yi
Variable independiente: di
Recproco Doble: Y = 1/(b/X)
Coeficientes
Mnimos Cuadrados Estndar Estadstico
Parmetro Estimado Error T Valor-P
Pendiente 2.63529 0.0978104 26.9429 0.0000

Anlisis de Varianza
Fuente Suma de Cuadrados Gl Cuadrado Medio Razn-F Valor-P
Modelo 0.00598762 1 0.00598762 725.92 0.0000
Residuo 0.0000577384 7 0.00000824834
Total 0.00604535 8

Coeficiente de Correlacin = 0.995213

R-cuadrada = 99.0449 porciento
R-cuadrado (ajustado para g.l.) = 99.0449 porciento
Error estndar del est. = 0.00287199
Error absoluto medio = 0.00195406
Estadstico Durbin-Watson = 1.60656
Autocorrelacin de residuos en retraso 1 = 0.00221197

b) Valor predicho para d(50) =132.783 um

Valores Predichos para X
95.00%
Prediccin de Lmites de Prediccin
Y-barra X Inferior Superior
50.0 132.783 97.765 207.555

Pregunta 4:
a)

Grfica del Modelo Ajustado

Absorbancia = 0.225385*C(mol/L)

0.8

0.6
Absorbancia

0.4

0.2

0
0 0.5 1 1.5 2 2.5 3
C(mol/L)

Modelo Lineal: Y = b*X

Estimado de Error Estadstico
Parmetro Mnimos Cuadrados Estndar T Valor-P
Pendiente 0.225385 0.00478688 47.084 0.0000

Anlisis de Varianza
Fuente Suma de Cuadrados GL Cuadrado Medio Razn-F Valor-P
Modelo 4.25437 1 4.25437 2216.90 0.0000
Residuo 0.0403003 21 0.00191906
Falta de Ajuste 0.0120905 5 0.0024181 1.37 0.2865
Error Puro 0.0282098 16 0.00176311
Total 4.29467 22

Coeficiente de correlacin = 0.995297

R-Cuadrada = 99.0616 porciento
R-Cuadrada (ajustada por g.l.) = 99.0616 porciento
Error estndar del est. = 0.0438071
Error medio absoluto = 0.0354824
Estadstico Durbin-Watson = 1.06861
Autocorrelacin residual de retardo 1 = 0.295332

b) El valor de la pendiente tiene alta significancia porque el Valor p es cero y el valor absoluto de T es mayor a 2.

Intervalos de confianza del 95.0% para los estimados de los coeficientes

Error
Parmetro Estimado Estndar Lmite Inferior Lmite Superior
PENDIENTE 0.225385 0.00478688 0.21543 0.23534

c) De acuerdo al modelo Absorbancia= 0.225385 * C Por lo tanto El coeficiente de extincin molar

es igual a la pendiente es decir 0.225385.

d) El intercepto no es estadsticamente significativo ya que el valor T es menor a 2 y el valor P est

fuera del intervalo de 95% de confianza.
Modelo Lineal: Y = a + b*X
Estimado de Error Estadstico
Parmetro Mnimos Cuadrados Estndar T Valor-P
Intercepto 0.0385156 0.0198563 1.93972 0.0666
Pendiente 0.207679 0.0101769 20.4068 0.0000

e) De acuerdo al anlisis de varianza el modelo es altamente significativo.

Anlisis de Varianza
Fuente Suma de Cuadrados GL Cuadrado Medio Razn-F Valor-P
Modelo 0.706266 1 0.706266 416.44 0.0000
Residuo 0.0339193 20 0.00169596
Falta de Ajuste 0.00570944 4 0.00142736 0.81 0.5371
Error Puro 0.0282098 16 0.00176311
Total (Corr.) 0.740185 21

f) de la tabla anterior se puede decir que no hay falta de ajuste ya que lo confirman los valores de la
razn F y el Valor P.

g)
Coeficiente de correlacin = 0.976819 : El modelo ajusta adecuadamente los valores de absorbancia y concentracin.

R-Cuadrada = 95.4175 porciento El modelo est altamente explicado por el modelo.

h)

Valores Predichos para X

95.00%
Prediccin de Lmites de Prediccin
Y-barra X Inferior Superior
0.537 2.38259 1.96918 2.79847
0.43 1.90785 1.4944 2.32191
 i) Para absorbancia 0.537 el intervalo de concentracin es: (1.96918 a 2.79847).
Para absorbancia 0.430 el intervalo de concentracin es: (1.4944 a 2.32191).

j) Para determinar el valor de la media el intervalo es (0.323145 a 0.35301)

Valores Predichos para Y
95.00% 95.00%
Prediccin de Lmites de Prediccin Lmites de Confianza
X Y Inferior Superior Inferior Superior
1.5 0.338078 0.24576 0.430395 0.323145 0.35301