Documente Academic
Documente Profesional
Documente Cultură
Uno de los problemas más desafiantes que enfrenta el campo del control de la
contaminación del agua lo representa la industria de la peletería, ya que sus desechos
son químicamente complejos; se caracterizan por valores elevados de la demanda de
oxigeno químico, solidos volátiles y otras medidas de contaminación. Considere los
datos experimentales de la tabla 11.1, que se obtuvieron de 33 muestras de desechos
tratados químicamente en un estudio realizado en Virginia Tech. Se registraron los
valores de x, la reducción porcentual de los sólidos totales, y de y, el porcentaje de
disminución de la demanda de oxigeno químico. Estime la recta de regresión para los
datos de contaminación de la tabla 11.1.
Solución
33 33 33 33
Por lo tanto,
𝑛 ∑𝑛𝑖=1 𝑥𝑖 𝑦𝑖 − (∑𝑛𝑖=1 𝑥𝑖 )(∑𝑛𝑖=1 𝑦𝑖 )
𝑏=
∑𝑛𝑖=1 𝑥𝑖 2 − (∑𝑛𝑖=1 𝑥𝑖 )2
(33)(41,355) − (1104)(1124)
𝑏= = 0.903643
(33)(41,086) − (1104)2
Entonces:
∑𝑛𝑖=1 𝑦𝑖 − 𝑏 ∑𝑛𝑖=1 𝑥𝑖
𝑎= = 𝑦̅ − 𝑏𝑥̅
𝑛
1124 − (0.903643)(1104)
𝑎= = 3.829633
33
Por lo siguiente, la recta de regresión estimada es dada por:
𝑦̂ = 3.829633 + 0.9036𝑥
Vamos con la recta de regresión para explicar el porcentaje de absorción (y) en función
del tiempo de exposición (x):
𝑆𝑆𝑥𝑦 = 1187.96 , 𝑆𝑆𝑥𝑥 = 374
Luego
𝑆𝑆𝑥𝑦
𝑏̂ = = 1.60
𝑆𝑆𝑥𝑥
𝑎̂ = 𝑦̅ − 𝑏𝑥̅ = 46.82
Así que la recta de regresión ajustada es
𝑦̂ = 46.82 + 1.6𝑥
Por cada incremento de una unidad del tiempo de exposición, el porcentaje de absorción
aumenta en media 1.60.
Ahora vamos a representar las nubes de puntos de nuevo con sus rectas de regresión
ajustadas. De esa manera podremos comprobar de una forma gráfica cómo de buenas
son las rectas en cuanto a su capacidad de ajuste de los datos. Los resultados aparecen
en la Figura 10.3. Podemos ver que el ajuste es mucho mejor cuando la variable
explicativa es el tiempo de absorción, mientras que si la variable explicativa es el
volumen, la recta no puede pasar cerca de los datos.