Regresion Lineal Multiple PDF

Valentín Razo Grana
Ing. Prof. Miguel Estrada

Cardiel
Ingeniería Industrial Regresión Lineal Múltiple
Estadística Inferencial II
Grupo: 4ºB
v
Vespertino
16 de Febrero de 2021
This study source was downloaded by 100000817800432 from CourseHero.com on 03-03-2022 17:33:10 GMT -06:00
https://www.coursehero.com/file/89036898/Regresion-Lineal-Multiplepdf/
Introducción
La regresión lineal múltiple permite generar un modelo lineal en el que el valor de la variable
dependiente o variable de respuesta (Y) se determina a partir de un conjunto de variables
independientes. Esta regresión es una extensión de la regresión lineal simple por lo que es
fundamental comprender esta última.
Los modelos de regresión lineal múltiple pueden emplearse para predecir el valor de la variable
dependiente o para evaluar la influencia que tiene los predictores sobre ella, esto se debe analizar
con minuciosamente para no mal interpretar los resultados.
Además trata de ajustar modelos lineales entre una variable dependiente más una variable
independiente. En este tipo de modelos es importante la especificación de las variables. Es
importante entender lo que se está haciendo en cada momento porque estos principios sirven para
casos prácticos en la industria. La regresión lineal múltiple también nos puede servir para entender la
relación funcional entre la variable dependiente y las variables independientes y estudia cuales
pueden ser las causas de la variación.
Objetivo General
Analizar cada uno de los ejercicios planteados y obtener mediante cálculos de Excel cada valor en la
tabla ANOVA.
Realiza cada uno de los siguientes ejercicios de Regresión Lineal Múltiple
1.- ¿Por qué se requiere la regresión lineal múltiple?

La regresión lineal múltiple trata de ajustar los modelos lineales entre una variable dependiente y más
de una variable dependiente.
2.- Se realizó un estudio para investigar la relación de la resistencia al corte del terreno (x1) con la
profundidad en pies (x2) y el contenido de humedad. Se hicieron 10 observaciones, obteniéndose las
siguientes cantidades resumidas:
a) Ecuntra los valores a, b2 y b2 mediante un sistema de matrices.

Resultados obtenidos por el metodo de Gauss-Jordan
a= 248.498
b1= 0.082
b2= -1.062
b) Determina la ecuación de regresión lineal multple.
Y= 248.498 + 0.082x1 – 1.062x2
c) ¿Cuál es la resistencia predicha cuando x1=18 pies y x2= 43%?
Y= 248.498 + 0.082(18) – 1.062(43)
Y= 204.308
Evidencias del metodo Gauss-Jordan
3.- En una empresa dedicada a anodizar artículos de aluminio (baterías de cocina), el anodizado se
logra con una solución hecha a base de ácidos (sulfúrico, cítrico, bórico) y dicromato de aluminio. En
este proceso se controla el pH de la solución, 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:
a) Utilizando un software, determina las variables (a, b1, b2).

a= -3.875
b1= 11.25
b2= 0.26
b) Determina la ecuacuón de regresión lineal multple.
Y= -3.875 + 11.25X1 + 0.26X2
c) Plantea las Hipótesis
H0= No existe gran diferencia entre los factores de estudio, es
decir, la relación del grosor está relacionado con la temperatura y el pH de los artículos de aluminio.
H1= Existe gran diferencia entre los factores de estudio, es decir, al menos uno de los factores es
diferente, el grosor no está relacionado con alguno de los demás factores.
d) Determina el coeficiente de correlación y concluye.
Coeficiente de correlación= 0.9466, por lo tanto se llega al conclusión que la correlación casi
es perfecta porque el valor está arriba de 0.8 y se acerca al número 1.
e) Realiza un análisis ANOVA

ANÁLISIS DE VARIANZA
(ANOVA)
Grados de Suma de Promedio de los F Valor crítico de
libertad cuadrados cuadrados F
Regresión 2 127,25 63,625 30,1949153 0,000361213
Residuos 7 14,75 2,107142857
Total 9 142
f) De acuerdo al ANOVA, realiza el análisis de tu hipótesis y concluye.

F>F. Critico
Se acepta H1 con un valor de F= 30.19 y un valor de R²= 86%, es decir, existe una gran
diferencia entre los factores de estudio, esto quiere decir al menos un factor es diferente; el
grosor no está relacionado con alguno de los demás.
4.- Se realizó un experimento para estudiar el sabor del queso panela en función de la cantidad de,
cuajo y la sal. La variable de respuesta observada es el sabor promedio reportados por un grupo de
cinco panelistas que probaron todos los quesos y los calificación en una escala hedónica. Los datos
obtenidos se muestran a continuación:

a= 7.29
b1= -0.18
b2= 1.26
Y= 7.29 – 0.18X1 + 1.26X2

H0= No existe gran diferencia entre los factores de estudio, es decir, el sabor del queso panela
esta relacionado con la cantidad de sal y de cuajo.
H1= Existe gran diferencia significativa entre los factores de estudio, es decir, al menos un factor
es diferente, es decir, el sabor del queso panela no está relacionado con alguno de los otros
factores.
Coeficiente de correlación= 0.2355, por lo tanto el coeficiente de correlación es bueno pero no
muy fuerte, esto se debe a que es menor a 0.5.

(ANOVA)
Grados de Suma de Promedio de los F Valor crítico de
libertad cuadrados cuadrados F
Regresión 2 0,149233333 0,074616667 0,14688007 0,866990547
Residuos 5 2,540054167 0,508010833
Total 7 2,6892875

F<F. Critico
Se acepta H0 con un valor de F. Critico= 0.86 y un valor de R²= -32%, es decir, no existe gran
diferencia entre los factores de estudio, es decir, el sabor del queso panela está relacionado con
la cantidad de sal y cuajo.
5.- Se piensa que la energía eléctrica consumida mensualmente por una planta química se relaciona
con la temperatura ambiente promedio (X1), el número de días laborales del mes (X2), la pureza
promedio del producto (X3) y las toneladas del producto producidas (X4). Se cuenta con los datos del
último año, los cuales se presentan en la tabla siguiente:

a= -102.71
b1= 0.60
b2= 8.92
b3= 1.43
b4= 0.01

Y= -102.71 + 0.60X1 + 8.92X2 + 1.43X3 + 0.01X4

H0= No existe gran diferencia entre los factores de estudio, es decir, la energía eléctrica consumida
está relacionada con la temperatura ambiental, número de días laborales, pureza del producto y las
toneladas producidas.
H1= Existe diferencia significativa entre los factores de estudio, es decir, al menos un factor es
diferente, es decir, la energía eléctrica consumida no está relacionado con alguno de los otros
factores.
El coeficiente de correlación= 0.86, por lo tanto se llega a la conclusión que el coeficiente de

correlación casi es perfecto porque está arriba de 0.8.

(ANOVA)
Grados de Suma de Promedio de los F Valor crítico
libertad cuadrados cuadrados de F
Regresión 4 4957,240744 1239,310186 5,10601768 0,030302769
Residuos 7 1699,009256 242,7156081
Total 11 6656,25
F>F. Critico
Se acepta H1 con un valor de F= 5.10 y un valor de R²= 59%, es decir, existe gran diferencia
significativa entre los factores de estudio, es decir, al menos un factor es diferente, es decir, la
energía eléctrica consumida no está relacionado con alguno de los otros factores.
g) Prediga el consumo de electricidad para un mes en el que x1= 75°F, x2= 24 días, x3= 90% y
x4= 98 toneladas.
Regresión lineal múltiple
Y= a + bx1 + bx2 + bx3 + bx4
Y= -102.71 + 0.60*(75) + 8.92*(24) + 1.43*(90) + 0.01*(98)
Y= -102.71 + 45 + 214.08 + 128.7 + 0.98
Y= 286.05
Referencias Bibliográficas
Analisis y diseño de experimentos . (15 de Febrero de 2021). Obtenido de Analisis y diseño de

experimentos:
https://gc.scalahed.com/recursos/files/r161r/w19537w/analisis_y_diseno_experimentos.pdf
halweb. (15 de Febrero de 2021). Obtenido de halweb:
http://halweb.uc3m.es/esp/Personal/personas/icascos/esp/est2/rl_multiple.pdf
ugr. (15 de Febrero de 2021). Obtenido de ugr:
https://www.ugr.es/~montero/matematicas/regresion_lineal.pdf
Powered by TCPDF (www.tcpdf.org)

Regresion Lineal Multiple PDF

Cargado por

Copyright:

Formatos disponibles

Regresion Lineal Multiple PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Regresion Lineal Multiple PDF

Cargado por

Copyright:

Formatos disponibles

Valentín Razo Grana

Ing. Prof. Miguel Estrada

Realiza cada uno de los siguientes ejercicios de Regresión Lineal Múltiple

1.- ¿Por qué se requiere la regresión lineal múltiple?

a) Ecuntra los valores a, b2 y b2 mediante un sistema de matrices.

a) Utilizando un software, determina las variables (a, b1, b2).

e) Realiza un análisis ANOVA

f) De acuerdo al ANOVA, realiza el análisis de tu hipótesis y concluye.

a) Utilizando un software, determina las variables (a, b1, b2).

c) Plantea las Hipótesis

e) Realiza un análisis ANOVA

f) De acuerdo al ANOVA, realiza el análisis de tu hipótesis y concluye.

a) Utilizando un software, determina las variables (a, b1, b2).

b) Determina la ecuacuón de regresión lineal multple.

c) Plantea las Hipótesis

El coeficiente de correlación= 0.86, por lo tanto se llega a la conclusión que el coeficiente de

e) Realiza un análisis ANOVA

Analisis y diseño de experimentos . (15 de Febrero de 2021). Obtenido de Analisis y diseño de

También podría gustarte