Se piensa que la energia electrica consumida mesualmente por una plana quimica se

relaciona con la temperatura ambiente promedio (x1), el número de dias laborales del
mes (x2), la pureza promedio del producto (x3) y las toneladas del producto
producidas (x4). Se cuenta con los datos del ultimo año, los cuales se presentan en la 120
tabla siguiente:

100
f(x) = − 0.00240
R² = 8.4589649
f(x) = 0.004507
Ener. Elec. Cons.
Temp.
(Y) Amb. Prom.Num.
(x1) Dias. Lab. Mes (x2) Pur. Prom. Prod. (x3) Ton. Prod (x4) 80
Columna1 R² = 0.0023860
f(x) = 0.592863
240 25 24 91 100 R² = 0.5647202
236 31 21 90 95 60
290 45 24 88 110
274 60 25 87 88 40
301 65 25 91 94
316 72 26 94 99 20 f(x) = 0.042516
300 80 25 87 97 R² = 0.6445794

296 84 25 86 96
0
267 75 24 88 110 230 240
276 60 25 91 105
288 50 25 90 100
261 38 23 89 98

Resumen

Estadísticas de la regresión
Coeficiente de 0.8629888661
Coeficiente de 0.7447497831
R^2 ajustado 0.5988925163
Error típico 15.579332722
Observaciones 12

ANÁLISIS DE VARIANZA
Grados de libe Suma de cuadrados Promedio de los cuadradoF Valor crítico de F
Regresión 4 4957.24074355957 1239.31018588989 5.1060176796238 0.03030277
Residuos 7 1699.00925644043 242.715608062919
Total 11 6656.25

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción -102.7132364 207.858850898408
Variable X 1 0.6053705372 0.368896953504711
Variable X 2 8.9236441979 5.30052223838371
Variable X 3 1.4374567335 2.39162050767668
Variable X 4 0.0136093076 0.733821443542886
-0.49414896672359 0.6363286373887 -594.221316
1.64102883329269 0.1447966248506 -0.26693215
1.68354056383998 0.1361456703887 -3.61009923
0.601038805634668 0.5667592387511 -4.21782712
0.018545802608205 0.9857209845572 -1.72160267
Análisis de los residuales Resultados de datos de prob

ObservaciónPronóstico para Y Residuos Residuos estándares Percentil

1 258.75798129 -18.7579812926018 -1.5093312656037 4.16666667
2 234.11376865 1.88623134934585 0.151772619095871 12.5
3 266.68911491 23.3108850870769 1.87567346091217 20.8333333
4 282.95645567 -8.95645566742303 -0.72066702471692 29.1666667
5 291.81479113 9.18520886679045 0.739073288724033 37.5
6 309.35644583 6.64355416982596 0.534563067679619 45.8333333
7 295.18635018 4.81364981950111 0.387322711378654 54.1666667
8 296.15676629 -0.156766288252186 -0.012613951179543 62.5
9 284.85023103 -17.850231029375 -1.43629057789448 70.8333333
10 288.93764083 -12.937640831192 -1.04100678559534 79.1666667
11 281.37843219 6.62156781263212 0.53279397025854 87.5
12 254.802022 6.19797800367118 0.498710486941068 95.8333333
 Tabla de Consumo de Energia
120

100
f(x) = − 0.002403755868545 x + 100.00338028169
R² = 8.4589649332889E-05
f(x) = 0.004507042253521 x + 88.0769953051643
80 R² = 0.002386081193041
Columna2 Columna3 Columna4 Columna5
f(x) = 0.592863849765258 x − 108.177464788732
R² = 0.564720257580887
60

40

20 f(x) = 0.042516431924883 x + 12.4818779342723

R² = 0.644579476861167

0
230 240 250 260 270 280 290 300 310 320

Temp. Amb. Prom. (x1) Linear (Temp. Amb. Prom. (x1)) Num. Dias. Lab. Mes (x2)
Linear (Num. Dias. Lab. Mes (x2)) Pur. Prom. Prod. (x3) Linear (Pur. Prom. Prod. (x3))
Ton. Prod (x4) Linear (Ton. Prod (x4))

a)Obtener la ecuación de regresión multiple.

b)Prediga el consumo de electricidad para un mes en el que x1=75 grados F, x2=24 días, x3=90% y x4= 98 Ton.
c)Calcule R^2 para este modelo. Interprete esta cantidad.
d)Grafique los residuales.

Prueba de hipótesis
Valor critici es menor que 0,05 se rechaza H0
alor crítico de F
Valor critio mayor que 0,05 de acepta H1
VF=0,03 menor o,05 rechazamos H0
VF=0,03 menoayor que 0,05 0.05

Superior 95%Inferior 95,0 Superior 95,0%

388.794843 -594.221316 388.794843
1.47767322 -0.26693215 1.47767322
21.4573876 -3.61009923 21.4573876
7.09274059 -4.21782712 7.09274059
1.74882129 -1.72160267 1.74882129

-102.713236
x1 0.60537054 75 45.40279029
esultados de datos de probabilidad x2 8.9236442 24 214.1674607
x3 1.43745673 90 129.371106
Y x4 0.01360931 98 1.333712149
236 390.2750692
240
261
267
274
276 Variable X 1 Curva de regresión ajustada
288
290 400
296 300
200 Y
300

Y
Pronóstico p
301 100
316 0
20 30 40 50 60 70 80 90
Variable X 1

Variable X 3 Curva de regresión ajustada

400
300
200 Y
Pronóstico pa
Y

100
0
85 86 87 88 89 90 91 92 93 94 95
Variable X 3
 Variable X 4 Gráfico de
30
20

Residuos
10
0
-10 85 90 95 100
-20
-30
Variable X 1 Gráfico de los residuales Variable X

30
20
Residuos

10
0
310 320 330 -10 20 30 40 50 60 70 80 90
-20
m. Dias. Lab. Mes (x2) -30
ar (Pur. Prom. Prod. (x3))
Variable X 1

4 días, x3=90% y x4= 98 Ton. Variable X 2 Gráfico de los residuales

30
20
Residuos

10
0
-10 20 21 22 23 24 25 26 27
-20
-30
Variable X 2

Variable X 3 Gráfico de los residuales

30
20
Residuos

10
0
-10 85 86 87 88 89 90 91 92 93 94 95
-20
-30
Variable X 3
 287.561833

egresión ajustada Variable X 2 Curva de regresión ajustada Gráfi

400 400
300 300
Y 200 Y 200
Pronóstico para Y
Y

Y
Pronóstico para Y
100 100
0 0
0 80 90 20 21 22 23 24 25 26 27 0
Variable X 2

egresión ajustada Variable X 4 Curva de regresión ajustada

400
300
Y 200 Y
Pronóstico para Y
Y

Pronóstico para Y
100
0
2 93 94 95 85 90 95 100 105 110 115
Variable X 4
able X 4 Gráfico de los residuales

90 95 100 105 110 115

les Variable X 4

80 90

les

26 27

les

94 95
 Gráfico de probabilidad normal
400
300
200
Y

100
0
0 20 40 60 80 100 120
Muestra percentil
 En una empresa dedicada a anodizar articulos de aluminio (baterias de cocina), el anodizado se logra con una solucion hecha
base de acidos (sulfurico, citrico, borico) y dicromato de aluminio.
En este proceso se controla el pH de la solucion, la temperatura, la corriente, y el tiempo de permanencia. Debido al poco
grosor del anodizado, han aumentado las quejas por la escasa resistencia y durabilidad del producto. Para resolver este
problema se decide estudiar, mediante un experimento, la relación del pH y la temperatura con el grosor del anodizado.
Los datos se muestran en la siguiente tabla:
C) 21.28

Espesor (Y) pH solución ( Temperatura (X2)

9 1.2 -8
14 1.8 -8
10 1.2 8
19 1.8 8
8 1.2 -8
12 1.8 -8
11 1.2 8
20 1.8 8
14 1.5 0
13 1.5 0
Resumen Variable X 1 Gráfico de los residuales
2
Estadísticas de la regresión
1
Coeficiente d 0.94663972
Residuos

0
Coeficiente d 0.89612676
-1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8
R^2 ajustado 0.86644869 -2
Error típico 1.4516001 -3
Observacione 10 Variable X 1

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 2 127.25 63.625 30.1949153 0.00036121
Residuos 7 14.75 2.10714286
Total 9 142

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%
Intercepción -3.875 2.60682483 -1.48648269 0.18074202 -10.0391612 2.28916122 -10.0391612
Variable X 1 11.25 1.71072713 6.57615106 0.00031114 7.20477315 15.2952269 7.20477315
Variable X 2 0.265625 0.06415227 4.14053955 0.00434623 0.11392899 0.41732101 0.11392899

Análisis de los residuales Resultados de datos de probabilidad

Observación
Pronóstico para YResiduos
Residuos estándares Percentil Y
1 7.5 1.5 1.1717002 5 8
2 14.25 -0.25 -0.19528337 15 9
3 11.75 -1.75 -1.36698357 25 10
4 18.5 0.5 0.39056673 35 11
5 7.5 0.5 0.39056673 45 12
6 14.25 -2.25 -1.7575503 55 13
7 11.75 -0.75 -0.5858501 65 14
8 18.5 1.5 1.1717002 75 14
9 13 1 0.78113347 85 19
10 13 0 0 95 20
se logra con una solucion hecha a 10

8
ermanencia. Debido al poco
6 f(x) = 0.957746478873239 x − 12.4507042253521
oducto. Para resolver este R² = 0.254401408450704
on el grosor del anodizado. 4

2
f(x) = 0.057042253521127 x + 0.758450704225351
0 R² = 0.641725352112676
6 8 10 12 14 16 18 20 22
-2

-4

-6

-8

-10

co de los residuales

1.5 1.6 1.7 1.8 1.9

ariable X 1

Variable X 2 Gráfico de los residuales Gráfico de

2 25
1 20
15
Residuos

0
10
Y

-10 -8 -6 -4 -2 -1 0 2 4 6 8 10
Superior 95,0% 5
-2 0
2.28916122 -3 0 10 20
15.2952269
Variable X 2
0.41732101

Variable X 1 Curva de regresión ajustada

25
20
15 Y
10 Pronóstico para Y
Y

5
0
 Variable X 1 Curva de regresión ajustada
25
20
15 Y
10

Y
Pronóstico para Y
5
0
1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9
Variable X 1

Variable X 2 Curva de regresión ajustada

25
20
15 Y
10 Pronóstico para Y
Y

5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
Variable X 2
 Gráfico de probabilidad normal
25
20
15
10
Y

5
0
0 10 20 30 40 50 60 70 80 90 100
Muestra percentil