Documente Academic
Documente Profesional
Documente Cultură
REGRESION
CAPITULO 10
Diseo y Anlisis de Experimentos
Montgomery
Compendi: Ing. Rodrigo Wadnipar, M.Sc.
rwadnipa@uninorte.edu.co
INTRODUCCION
En muchos problemas hay dos o ms
variables relacionadas, y el inters se
centra en modelar y explorar esta relacin.
Por ejemplo, en un proceso qumico el
rendimiento del producto est relacionado
con la temperatura de operacin.
Quiz el Ing. Qumico quiera construir un
modelo que relacione el rendimiento con
la temperatura de operacin para usarlo
despus como herramienta de prediccin
o bien de optimizacin o control del
proceso.
INTRODUCCION (continuacin)
En general, suponga que hay una sola variable
dependiente o de respuesta y que depende de k
variables independientes o regresores, por
ejemplo, x1, x2,,xk.
La relacin que existe entre estas variables se
caracteriza por un modelo matemtico llamado
modelo de regresin.
En ocasiones el experimentador conoce la forma
exacta de la verdadera relacin funcional entre y y
x1, x2,,xk. Por ejemplo y = f (x1, x2,,xk).
Sin embargo, en la mayora de los casos no se
conoce la verdadera relacin funcional, y el
experimentador elige una funcin apropiada para
aproximar f.
Los modelos polinomiales de orden inferior son de
uso generalizado como funciones de aproximacin.
MODELOS DE REGRESIN LINEAL
La atencin se centrar en el ajuste de modelos de regresin lineal.
Suponga que quiere desarrollarse un modelo emprico que relacione la
viscosidad de un polmero con la temperatura y la velocidad de
alimentacin del catalizador. Un modelo que podra describir esta
y x x
relacin es:
1
2
(10-1)
0 1 2
y x x
0 1 1 2 2
...
k x
k (10-2)
y x x x x
0 1 1 2 2 12 1 2 (10-3)
y x x x
0 1 1 2 2 3 3 (10-4)
i 0 j ij para i = 1, 2, , n
i
j 1
El mtodo de mnimos cuadrados consiste en elegir
las de la ecuacin 10-7 de tal modo que la suma de
cuadrados de los errores, i, se minimice. La funcin
de mnimos cuadrados es:
(10-8)
ESTIMACION DE LOS PARAMETROS EN
MODELOS DE REGRESIN LINEAL (continuacin)
y
ESTIMACION DE LOS PARAMETROS EN MODELOS
DE REGRESIN LINEAL (continuacin)
Al simplificar la ecuacin (10-9) se obtiene la
ecuacin (10-10):
(10-14)
Ejemplo 10-1 pag 397
En la tabla 10-2 se muestran 16 observaciones de la
viscosidad y de un polmero y dos variables del proceso:
la temperatura de reaccin x1 y la velocidad de
alimentacin del catalizador x2. Se ajustar el modelo de
regresin mltiple y 0 1 x1 2 x2
Tabla 10-2 Datos de la viscosidad del ejemplo 10-1 (viscosidad en
centistokes @ 100oC)
Ttemperatura Velocidad de Alimentacin
Observaciones Viscosidad
(x 1, oC) del catalizador (x 2, lb/h)
1 80 8 2256
2 93 9 2340
3 100 10 2426
4 82 12 2293
5 90 11 2330
6 99 8 2368
7 81 8 2250
8 96 10 2409
9 94 12 2364
10 93 11 2379
11 97 13 2440
12 95 11 2364
13 100 8 2404
14 85 12 2317
15 86 9 2309
16 87 12 2328
MATRICES - Ejemplo 10-1
MATRIZ X MATRIZ Y
X'X
1 80 8 2256
1 93 9 2340 16 1458 164
1 100 10 2426 1458 133560 14946
1 82 12 2293 164 14946 1726
1 90 11 2330
1 99 8 2368
X'Y
1 81 8 2250
1 96 10 2409 37577
1 94 12 2364 3429550
1 93 11 2379 385562
1 97 13 2440
1 95 11 2364 ^ (X'X)-1X'Y
1 100 8 2404
1 85 12 2317 1566,077771425
2309 7,621290077
1 86 9
1 87 12 2328 8,584845886