Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 59 vistas

    Act Minitab

    Cargado por

    Carlos Martinez alvarado
    Se analizaron cuatro modelos para explicar la relación entre las variables Y, X1 y X2. El análisis de varianza mostró que el modelo con constantes lineales X2 y la interacción X1*X2 era significativo, mientras que X1 y X1*X1 no lo eran. Este modelo explicó el 85.07% de la variación en Y.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Act Minitab

    Cargado por

    Carlos Martinez alvarado
    59 vistas3 páginas
    Se analizaron cuatro modelos para explicar la relación entre las variables Y, X1 y X2. El análisis de varianza mostró que el modelo con constantes lineales X2 y la interacción X1*X2 era significativo, mientras que X1 y X1*X1 no lo eran. Este modelo explicó el 85.07% de la variación en Y.

    Título original

    act minitab

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Se analizaron cuatro modelos para explicar la relación entre las variables Y, X1 y X2. El análisis de varianza mostró que el modelo con constantes lineales X2 y la interacción X1*X2 era significativo, mientras que X1 y X1*X1 no lo eran. Este modelo explicó el 85.07% de la variación en Y.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    59 vistas3 páginas

    Act Minitab

    Cargado por

    Carlos Martinez alvarado
    Se analizaron cuatro modelos para explicar la relación entre las variables Y, X1 y X2. El análisis de varianza mostró que el modelo con constantes lineales X2 y la interacción X1*X2 era significativo, mientras que X1 y X1*X1 no lo eran. Este modelo explicó el 85.07% de la variación en Y.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 3

    Primero rescribimos nuestros valores en la tabla de minitab

    Una vez teniendo nuestrso datos, se realiza la hipótesis de que si existe un modelo que explique la
    relación entre las variables, en otras palabras, un recuento que dependa de x1 y x2.

    Van a hacer cuatro modelos que se van a analizar, con un análisis de varianza me va a decir cual es
    mejor
    Después se va a analizar el diseño de superficie de respuesta
    HOJA DE TRABAJO 1

    Regresión de superficie de respuesta: Y vs. X1, X2


    No se pueden estimar los siguientes términos y se eliminaron:
    X2*X2

    Coeficientes codificados
    EE del
    Término Coef coef. Valor T Valor p FIV
    Constante 0.8774 0.0807 10.87 0.000  
    X1 0.0322 0.0534 0.60 0.579 1.08
    X2 -0.1600 0.0437 -3.66 0.022 1.07
    X1*X1 0.136 0.100 1.36 0.246 1.09
    X1*X2 0.1900 0.0519 3.66 0.022 1.06

    Con los resultados de este diseño se obtuvo los siguientes valores de p, se deberán analizar los valores mediante el rango
    de 0.5, para saber si ese valor puede ser significativo, las constantes significativas entrarían en el modelo

    0.000 < 0.05, la constante es significativa


    0.579 > 0.05, la constante no es significativa
    0.022 < 0.05, la constante es significativa
    0.246 > 0.05, la constante no es significativa
    0.022 < 0.05, la constante es significativa

    Resumen del modelo


    R-cuad. R-cuad.
    S R-cuad. (ajustado) (pred)
    0.125855 85.07% 70.14% 0.00%
    Análisis de Varianza
    Fuente GL SC Ajust. MC Ajust. Valor F Valor p
    Modelo 4 0.361064 0.090266 5.70 0.060
      Lineal 2 0.214301 0.107150 6.76 0.052
        X1 1 0.005767 0.005767 0.36 0.579
        X2 1 0.212569 0.212569 13.42 0.022
      Cuadrado 1 0.029279 0.029279 1.85 0.246
        X1*X1 1 0.029279 0.029279 1.85 0.246
      Interacción de 2 factores 1 0.212191 0.212191 13.40 0.022
        X1*X2 1 0.212191 0.212191 13.40 0.022
    Error 4 0.063358 0.015839    
      Falta de ajuste 2 0.063108 0.031554 252.43 0.004
      Error puro 2 0.000250 0.000125    
    Total 8 0.424422      

    En análisis de varianza se puede observar que los valores de p


    Ecuación de regresión en unidades no codificadas
    Y = 12.95 - 0.727 X1 - 0.1460 X2 + 0.00544 X1*X1
    + 0.00760 X1*X2
    Temperatura

    Tiempo x1

    Proteína

    También podría gustarte