Professional Documents
Culture Documents
Profa. Ing. Laura Marmolejo. Toluca, Edo de Mx, a 12de Octubre de 2012.
El aumento promedio de la eficiencia trmica es de 0.0355 por cada punto adicional en la tasa de flujo de gas fluidizante asumiendo que las otras tres variables permanecen constantes, as mismo el aumento promedio de la eficiencia trmica es de 0.482 por cada punto adicional en la tasa de flujo de gas flotante asumiendo que las otras tres variables permanecen constantes, asimismo aumento promedio de la eficiencia trmica es de 0.0418 por cada punto adicional en la abertura de la entrada de gas fluidizante asumiendo que las otras tres variables permanecen constantes, as mismo el aumento promedio de la eficiencia trmica es de 0.606 por cada punto adicional en la temperatura de entrada de gas asumiendo que las otras tres variables permanecen constantes,
COEFICIENTE DE DETERMINACIN. 2
El coeficiente de determinacin es de 31.1%, indica una baja asociacin lineal entre las variables, por lo cual no se puede usar la tasa de flujo de gas fluidizante la tasa de flujo de gas flotante la abertura de la entrada de gas fluidizante la y la temperatura de entrada de gas para predecir la eficiencia trmica.
Con una confianza del 95% se asume que el valor medio de la eficiencia trmica caer en el intervalo de (58.65, 81.20)
Con una confianza del 95% se asume que el valor futuro de la eficiencia trmica caer en el intervalo de (51.02, 88.84)
1.
Datos anteriores
CONCLUSIONES
X1: tasa de flujo de gas fluidizante lb / hora (x1), La variable de tasa de flujo de gas fluidizante lb / hora (x1), tiene un p-values de 0.344 por lo tanto se acepta la hiptesis nula y sugiere que la variable no es importante en el modelo. X2: tasa de flujo de gas flotante lb/hrs (x2), La variable tasa de flujo de gas flotante lb/hrs (x2), tiene un pvalues de 0.007 por lo tanto se rechaza la hiptesis nula y sugiere que la variable si es importante en el modelo. X3 Abertura de la entrada de gas flotante en mm (x3); La variable del Abertura de la entrada de gas flotante en mm tiene un p-values de 0.655 por lo tanto se acepta la hiptesis nula y sugiere que la variable no es importante en el modelo. X4 Temperatura de entada de gas flotante F (x4). La variable Temperatura de entada de gas flotante F tiene un pvalues de 0.005 por lo tanto se rechaza la hiptesis nula y sugiere que la variable si es importante en el modelo.
4. 5.
6.
Clculos
= =
F=3.14
. .
7. Conclusin:
Como 3.14< 5.86 con un nivel de significancia del 95% se rechaza la hiptesis nula y se concluye que al menos una de las variables predictoras en el modelo es importante para predecir la eficiencia trmica. Como p es menor que 0.05 se acepta la hiptesis alternativa.
3. H1 : al menos uno de los coeficientes es diferente de cero, al menos una de las variables sirve 4. Nivel de significancia= 0.05
6. Clculos
Anlisis de varianza modelo completo
FORMULA:
/ (n (K) 1
( )
Fp = ((637.40- 78.93)/2) / (761.05/15) = 5.5 F(tabla)= 5.86 7. Conclusiones: Como el valor de fp es igual a 5.5 y este valor es menor que el de las tablas 5.86 no se rechaza la hiptesis nula y se concluye que el modelo reducido no sirve.
3. H1 : al menos uno de los coeficientes es diferente de cero, al menos una de las variables sirve 4. Nivel de significancia= 0.05
6. Clculos
Anlisis de varianza modelo completo
FORMULA:
/ (n (K) 1
( )
Fp = ((637.40- 78.97)/2) / (761.05/15) = 5.5 F(tabla)= 5.86 7. Conclusiones: Como el valor de fp es igual a 5.5 y este valor es menor que el de las tablas 5.86 no se rechaza la hiptesis nula y se concluye que el modelo reducido no sirve.
La dispersin de los puntos en la grafica de residuos vs temperatura de entrada del gas respecto a la media residual presenta normalidad, sin embargo el dato 7 presenta un error residual muy grande que lo aleja de la media residual
La dispersin de los puntos en la grafica de residuos vs la ta sa de flujo de gas fluidizante respecto a la media residual presenta normalidad, sin embargo el dato 7 presenta un error residual muy grande que lo aleja de la media residual
La dispersin de los puntos en la grafica de residuos vs abertura de la entrada de gas respecto a la media residual presenta normalidad, sin embargo el dato 7 presenta un error residual muy grande que lo aleja de la media residual
La dispersin de los puntos en la grafica de residuos vs la ta da de flujo de gas flotante respecto a la media residual presenta normalidad, sin embargo el dato 7 presenta un error residual muy grande que lo aleja de la media residual
GRFICA DE NORMALIDAD: Presenta normalidad ya que todos los puntos estn cerca de la lnea recta. HISTOGRAMA DE RESIDUALES: La forma de la grafica es anormal debido a que la distribucin de el histograma no es simtrico.
No se puede realizar este mtodo a pesar de buscar la forma de realizar el mtodo con la variacin de l alfa; por lo que no se toma en cuenta este modelo
Segn el modelo la mejor decisin es aquella que contiene dos variables ( las cuales son X2 y X4 ) tasa de flujo de gas flotante lb/hrs (x2), y temperatura de entada de gas flotante F (x4). A pesar de esto, el coeficiente de correlacin es mnimo y explica en 34.5% a eficiencia trmico respecto a las variables, por lo que no se puede realizar prediccin.
EJERCICIO PROPUESTO:
INTERPRETACION:
El aumento promedio en el consumo diario de petrleo es de 10.3 por cada punto adicional en la parte de numero de horas- maquina, asumiendo que las otras dos variables permanecen constantes, asimismo el aumento promedio en el consumo de petrleo es de 0.284 por cada punto adicional en la parte de distancia de transportes asumiendo que las otras variables permanezcan constantes y hay un aumento promedio de 17.5 en el consumo diario de petrleo por cada punto adicional en la parte del rendimiento promedio de motores asumiendo que las otras variables permanecen constantes.
COEFICIENTE DE DETERMINACIN. 2
INTERPRETACIN: El coeficiente de determinacin es de 99.9%, indica una buena asociacin lineal entre las variables, por lo cual se pude usar el numero de horas-maquina el rendimiento de los motores y la distancia de los transportes para predecir el consumo diario de gasolina.
Con una confianza del 95% se asume que el valor medio del consumo promedio de petrleo es caer en el intervalo de (4355.9, 4985)
Con una confianza del 95% se asume que el valor futuro del consumo promedio de petrleo caer en el intervalo de (4311.9, 5029.7), sin embargo se denota un punto que es un valor atpico en extremo de los predictores
1.
Datos anteriores
CONCLUSIONES
X1: La variable de numero de horas-maquina tiene un p-values de 0.014 por lo tanto se rechaza la hiptesis nula y sugiere que la variable si es importante en el modelo. X2: La variable distancia de los transportes tiene un p-values de 0.014 por lo tanto se rechaza la hiptesis nula y sugiere que la variable si es importante en el modelo. X3 La variable del rendimiento promedio del motor tiene un p-values de 0.415 por lo tanto se acepta la hiptesis nula y sugiere que la variable no es importante en el modelo.
4. 5.
6.
Clculos
47613072 22776 5
F=3484.23 7. Conclusin: Como 3484.23> 4.28 con un nivel de significancia del 95% se rechaza la hiptesis nula y se concluye que al menos una de las variables productoras en el modelo es importante para predecir el consumo diario de petrleo.
3. H1 : al menos uno de los coeficientes es diferente de cero, al menos una de las variables sirve 4. Nivel de significancia= 0.05
6. Clculos
ANALISIS DE VARIANZA MODELO COMPLETO (C)
Anlisis de varianza del modelo completo Fuente GL Regresin 3 Error residual 5 Total 8 SC MC F P 47613072 15871024 3484.23 0.000 22776 4555 47635848
Anlisis de varianza reducido x2,x3 Distancia de transportes X2 Rendimiento de motores X3 Fuente GL SC Regresin 2 47550086 Error residual 6 85762 Total 8 47635848 MC F P 23775043 1663.32 0.000 14294
FORMULA:
/ (n (K) 1
( )
7. Conclusiones:
Como el valor de fp es igual a 6.91 y este valor es menor que el de las tablas 9.01 no se rechaza la hiptesis nula y se concluye que el modelo reducido no sirve.
GRFICA DE NORMALIDAD: Presenta normalidad ya que todos los puntos estn cerca de la lnea recta. HISTOGRAMA DE RESIDUALES: La forma de la grafica es anormal debido a que la distribucin de el histograma no es simtrico. RESIDUALES VS VALORES PREDICHOS: La distribucin de los datos presenta una pequea anormalidad ya que en el sentido vertical se encuentras dos puntos alejados de la media residual y en el sentido horizontal se encuentra un punto alejado de los dems datos.
Se ha economizado una variable: la variable eliminada es x3 que corresponde al RENDIMIENTO PROMEDIO DE MOTORES, cuya t=0.80 (es la menor) y P= 0.45>0.05.
Por lo tanto el mejor modelo de regresin mltiple queda: Con el cual el consumo de gasolina queda con una 2 de 99.93% explicada por las variables x1 y x2
Se puede observar que el mejor modelo queda explicado con dos variables las cuales son x1 nmero de horas hombre-mquina y x2 distancia de transportes, cuyo coeficiente de determinacin queda en 99.9% y con esto queda explicada la variabilidad de l modelo y si se puede realizar prediccin.
Individuo y consumo de oxgeno x1 (edad en aos) carrera) x6 (ritmo max del pulso durante 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 44.609 45.313 54.297 59.571 49.874 44.811 45.681 49.091 39.442 60.055 50.541 37.388 44.754 47.273 51.855 49.156 40.836 46.672 46.774 50.388 39.407 46.800 45.441 54.635 45.118 39.203 45.790 50.545 48.673 47.920 47.647 44 40 44 42 38 47 40 43 44 38 44 45 45 47 54 49 51 51 48 49 57 54 52 50 51 54 51 57 49 48 52 89.47 75.07 85.84 68.15 89.02 77.45 75.98 81.19 81.42 81.87 73.03 87.66 66.45 79.15 83.12 81.42 69.63 77.91 91.63 73.37 73.37 79.38 76.32 70.87 67.25 91.63 73.71 59.08 76.32 61.24 82.78
x2 (peso kg) 11.37 10.07 8.65 8.17 9.22 11.63 11.95 10.85 13.08 8.63 10.13 14.03 11.12 10.60 10.33 8.95 10.95 10.00 10.25 10.08 12.63 11.17 9.63 8.92 11.08 12.88 10.47 9.93 9.40 11.50 10.50
x3 (tiempo correr 1 y 1/2 milla 62 62 45 40 55 58 70 64 63 48 45 56 51 47 50 44 57 48 48 76 58 62 48 48 48 44 59 49 56 52 53 178 185 156 166 178 176 176 162 174 170 168 186 176 162 166 180 168 162 162 168 174 156 164 146 172 168 186 148 186 170 170
x4 (ritmo pulso en descanso) 182 185 168 172 180 176 180 170 176 186 168 192 176 164 170 185 172 168 164 168 176 165 166 155 172 172 188 155 188 176 172
x5 (pulso durante la
Interpretaciones: A= 102, significa que El coeficiente de una variable predictora indica el cambio promedio en el consumo de oxgeno (y), cuando se incrementa en una unidad la variable predictora x, asumiendo que las dems permanecen constantes. Por lo tanto; la disminucin del consumo de oxgeno es de -0.21166 por cada ao de edad; la disminucin del consumo de oxgeno es de -0.07014 por cada unidad de peso en kg ,la disminucin del consumo de oxgeno es de -2.6829 por cada segundo adicional del tiempo para correr 1 y 1/2 milla; el consumo de oxgeno aumenta en 0.00445 por cada unidad adicional en el pulso de descanso; el consumo de oxgeno disminuye -0.3835 por cada unidad que aumenta el pulso al final de la carrera; el consumo de oxgeno aumenta en 0.3132 por cada unidad aumentada en el ritmo mximo del pulso durante la carrera. Asumiendo que las otras variables permanecen constantes.
COEFICIENTE DE DETERMINACIN.
Solo el 80.9% de la variacin del consumo de oxgeno, est explicada por su relacin con las variables predictoras.
0 : 2 = 0
Ya que la variable x2 contiene un p-value de 0.212 > 0.05 se acepta la Hiptesis nula, y se concluye que el peso en kg no contribuye al modelo, ni a su prediccin.
Ya que el p-value de la prueba F es 0.000, se concluye que al menos una de las variables predictoras del modelo es importante para predecir el consumo de oxgeno.
1 : 1 2 3 0
variables influye en el consumo de oxgeno.
= 0.05 Como > , 4.25 > 3.01; se rechaza la hiptesis nula y se concluye con un nivel de significancia de 0.05 que al menos una de las tres variables influye en el consumo de oxgeno.
ANLISIS RESIDUAL.
La grfica muestra que la dispersin de los datos en de edad en aos, respecto a la media de residuo es casi normal, sin embargo se puede mostrar un dato anormal que es el siguiente:
Grfica de normalidad: La dispersin de los puntos es normal, sin embargo los datos que se encuentran al principio y al final son outliers.
Histograma de Residuos: Hay algo de normalidad en los errores, sin embargo su distribucin no es del todo normal.
Grfica de residuales vs ndice de la observacin: Sugiere que el punto 15 y 17, son outliers en el sentido vertical. Grfica residuales vs valores predichos: La distribucin de los puntos no s igue un orden especfico, sin embargo muestra normalidad
La grfica muestra una dispersin casi normal, a no ser de ciertos puntos que muestran una lejana de la media de residuos.
Ambas grficas una dispersin casi normal de los puntos, realmente son algunos puntos que se encuentran anormales. A continuacin se muestra la tabal indicando los datos anormales:
Grfica de normalidad: La dispersin de los puntos es normal, sin embargo los datos que se encuentran al principio y al final son outliers. Histograma de Residuos: Hay algo de normalidad en los errores, sin embargo su distribucin no es del todo normal. Grfica de residuales vs ndice de la observacin: Sugiere que los puntos 2 y 17, son outliers en el sentido vertical. Grfica residuales vs valores predichos: La distribucin de los puntos no s igue un orden especfico, sin embargo muestra normalidad
MTODO FORWARD.
Estas son las variables seleccionadas por el mtodo, las cuales influyen en la variacin de el conusmo de oxgeno. En primer lugar la x3 tiempo en que tarda en correr una y media millas; seguida por x5 pulso durante la carrera; y x6 ritmo mximo del pulso durante la carrera, y por ltimo por x1 que corresponde en la edad en aos.
MTODO STEPWISE.
Este mtodo muestra en orden consecutivo las variables que deben tomarse en cuenta en el modelo comenzando con la x3 tiempo en que tarda en correr una y media millas; seguida por x5 pulso durante la carrera; y x6 ritmo mximo del pulso durante la carrera. Cuyo Coeficiente de determinacin queda de 83.69%, no dice que el consumo queda explicado en este porcentaje con las variables anteriores.