Professional Documents
Culture Documents
TAREA 3-2012 II J1
Para incrementar la dureza exterior de partes metlicas, por ejemplo piones, a
menudo se usa un tratamiento con calor para carburizarlas (impregnar de carbono el
exterior de la parte metlica). El grosor de la capa carbrizada es una caracterstica
crucial del pin y contribuye a la confiabilidad global de la parte. Una de las formas
comunes de hacer el anlisis de carbono consiste en una prueba destructiva, en la
cual se secciona la parte se cuantifica el grosor de la capa carburizada.
Se desea desarrollar un modelo que relacione el grosor medido en el anlisis de
carbono (G) respecto a la temperatura del horno (T), el tiempo y la concentracin de
carbono en el ciclo carburizante (tRem y PctRem, respectivamente), y el tiempo y la
concentracin de carbono en el ciclo de difusin (tDif y PctDif). Para esto, se tom una
muestra de 26 piones y se les hizo el anlisis de carbono tras la carburizacin, los
datos se presentan en la siguiente tabla.
PctRem(X
Grosor (Y) T(X1)
tRem(X2) 3)
tDif(X4)
PctDif(X5)
0,013
1650
0,58
1,1
0,25
0,9
0,016
1650
0,66
1,1
0,33
0,9
0,015
1650
0,66
1,1
0,33
0,9
0,016
1650
0,66
1,1
0,33
0,95
0,015
1600
0,66
1,15
0,33
1
0,016
1600
0,66
1,15
0,33
1
0,014
1650
1
1,1
0,5
0,8
0,021
1650
1,17
1,1
0,58
0,8
0,019
1650
1,17
1,1
0,58
0,8
0,021
1650
1,17
1,1
0,58
0,9
0,018
1650
1,17
1,1
0,58
0,9
0,025
1650
1,2
1,15
1,1
0,8
0,025
1650
2
1,15
1,1
0,8
0,026
1650
2
1,1
1,1
0,8
0,024
1650
2,2
1,1
1,1
0,8
0,025
1650
2,2
1,1
1,1
0,9
0,026
1650
2,2
1,1
1,5
0,9
0,029
1650
3
1,15
1,5
0,8
0,03
1650
3
1,1
1,5
0,7
0,032
1650
3
1,15
1,66
0,85
0,033
1650
3,33
1,1
1,5
0,8
0,039
1700
4
1,1
1,5
0,7
0,04
1650
4
1,1
1,5
0,7
0,035
1650
4
1,15
1,5
0,85
0,056
1700
12,5
1
1,5
0,7
0,068
1700
18,5
1
1,5
0,7
a) Cree un modelo de regresin lineal simple con cada uno de los cinco posibles
regresores. Para cada modelo, pruebe la significancia de la regresin y haga el anlisis
2 y R2.
de residuales Estime
Y
n
X
n
Sce=Syy -
Sxx=(X2)-
Sxy=(X*Y)-
Y X
n
Syy=(Y )-
R2 =1- -
ee(
S XY
s XX
t0=
*B1
*Sxy
SCE
n2
SCE
SCT
)=
Sct=Syy
2
S XX
1
ee(
)
1
Grosor (Y)
0,697 Xi
0,022913 (Xi2)
0,485809 (Xi )2
Xi*Y
T(X1)
42950
1156,65
1844702500
1156,65
tRem(X2)
PctRem(X3) tDif(X4)
PctDif(X5)
76,69
28,75
25,38
21,65
617,5389
31,8275
31,2582
18,2275
5881,3561
826,5625
644,1444
468,7225
3,25934
0,76315
0,80643
0,55965
Resultados
X
SXX
T(X1)
tRem(X2)
PctRem(X3)
tDif(X4)
PctDif(X5)
0,026807692
0,026807692
0,026807692
0,026807692
0,026807692
1651,923077
2,949615385
1,105769231
0,976153846
0,832692308
12403,84615
391,3328962
0,036634615
6,483415385
0,199711538
SXY
5,259615385
1,203458077
-0,007571154
0,126050769
-0,020736538
SYY
0,004228038
0,004228038
0,004228038
0,004228038
0,004228038
0,000424031
0,00307528
-0,206666667
0,019442032
-0,103832451
-0,673658915
0,0177368
0,255333333
0,007829278
0,113268175
Sce
0,001997798
0,000527068
0,002663333
0,001777355
0,002074913
8,32416E-05
2,19612E-05
0,000110972
7,40565E-05
8,64547E-05
0,527488109
0,87533974
0,370078263
0,579626488
0,509249295
8,192E-05
0,00023689
0,05503783
0,00337971
0,0208062
5,1761349
12,981651
-3,7549928
5,75257198
-4,9904576
B1
B0
R
ee(
B1
t0
Y =
B0 +
B1
tRem
-0,673658915 + 0,000424031*X1
:
PctRem
0,255333333 - 0,206666667*X3
0,007829278 + 0,019442032*X4
tDif
PctDif
0,113268175 - 0,103832451*X5
Tabla de Residuales [ ei ]
Grosor (Y)
eT
0,013
0,02599225
0,016
0,02599225
0,015
0,02599225
0,016
0,02599225
0,01299225
0,00999225
0,01099225
0,00999225
0,015
0,0047907
0,0102093
0,01976648
0,016
0,0047907
0,01976648
0,014
0,02599225
0,021
0,02599225
0,019
0,02599225
0,021
0,02599225
0,018
0,02599225
0,025
0,02599225
0,025
0,02599225
0,0112093
0,01199225
0,00499225
0,00699225
0,00499225
0,00799225
0,00099225
0,00099225
0,026
0,02599225
0,024
0,02599225
0,025
0,02599225
7,7519E-06
0,00199225
0,00099225
etRem
ePctRem
0,02133488
0,00652046
0,00376648
0,00476648
0,00376648
0,00476648
0,00376648
0,00681208
0,00033488
0,00233488
0,00033488
0,00333488
0,02142714
0,00357286
0,01766667
0,007333333
0,02921551
0,02388736
0,00111264
0,01766667
0,007333333
0,02921551
0,02388736
0,028
-0,002
0,02921551
0,02450242
0,00211264
0,00050242
0,028
-0,004
0,02921551
0,02450242
0,00049758
0,028
-0,003
0,02921551
0,01952046
0,01976648
0,01976648
0,01976648
0,02081208
0,02133488
0,02133488
0,02133488
etDif
ePctDif
0,028
-0,015
0,01268979
0,00031021
0,01981897 -0,00681897
0,028
-0,012
0,01424515
0,00175485
0,01981897 -0,00381897
0,028
-0,013
0,01424515
0,00075485
0,01981897 -0,00481897
0,028
-0,012
0,01424515
0,00175485
0,01462735
0,00137265
0,01766667
-0,002666667
0,01424515
0,00075485
0,00943572
0,00556428
0,01766667
-0,001666667
0,01424515
0,00943572
0,00656428
0,028
-0,014
0,01755029
0,00175485
0,00355029
0,028
-0,007
0,01910566
0,03020221 -0,00920221
0,028
-0,009
0,01910566
0,00189434
0,00010566
0,028
-0,007
0,01910566
0,01981897
0,028
-0,01
0,01910566
0,00189434
0,00110566
0,00421551
0,00421551
0,00321551
0,00521551
0,00421551
0,03020221 -0,01620221
0,03020221 -0,01120221
0,00118103
0,01981897 -0,00181897
0,03020221 -0,00520221
0,03020221 -0,00520221
0,03020221 -0,00420221
0,03020221 -0,00620221
0,01981897
0,00518103
0,026
0,02599225
7,7519E-06
0,02450242
0,00149758
0,028
-0,002
0,03699233
0,029
0,02599225
0,00300775
0,02696264
0,00203736
0,01766667
0,011333333
0,03699233
0,03
0,02599225
0,00400775
0,02696264
0,00303736
0,028
0,002
0,03699233
0,032
0,02599225
0,00600775
0,02696264
0,00503736
0,01766667
0,014333333
0,04010305
0,033
0,039
0,04
0,02599225
0,0471938
0,02599225
0,00700775
-0,0081938
0,01400775
0,02797748
0,03003792
0,03003792
0,00502252
0,00896208
0,00996208
0,028
0,028
0,028
0,005
0,011
0,012
0,03699233
0,03699233
0,03699233
0,035
0,056
0,02599225
0,0471938
0,00900775
0,0088062
0,03003792
0,0561778
0,01766667
0,04866667
0,017333333
0,007333333
0,03699233
0,03699233
0,068
0,0471938
0,0208062
0,07462947
0,00496208
-0,0001778
0,00662947
0,01099233
0,00799233
0,00699233
0,00810305
0,00399233
0,00200767
0,00300767
0,00199233
0,01900767
0,04866667
0,019333333
0,03699233
0,03100767
0,01981897
0,00618103
0,03020221 -0,00120221
0,04058546 -0,01058546
0,02501059
0,00698941
0,03020221 0,00279779
0,04058546 -0,00158546
0,04058546 -0,00058546
0,02501059
0,04058546
0,00998941
0,01541454
0,04058546
0,02741454
ANALISIS DE RESIDUALES
tiene valores
SIGNIFICANCIA DE LA REGRESIN
Para T
Para tRem
1. 1
1. 2
2. H0: 1 = 0
2. H0: 2 = 0
3. H1: 1 0
3. H1: 2 0
4. = 0.05
4. = 0.05
5. t0=
1 / ee(
1 )
5. t0=
6. Se rechazar H0 si:
t 0
7.
6. Se rechazar H0 si:
t 0
> t0.025,24
T0.025,24 = 2.064
t 0
1 / ee(
1 )
> t0.025,24
T0.025,24 = 2.064
= 5,1761349
t 0
7.
= 12,981651
el regresor es significativo.
el regresor es significativo.
Para PctRem
Para tDif
1. 3
1. 4
2. H0: 3 = 0
2. H0: 4 = 0
3. H1: 3 0
3. H1: 4 0
4. = 0.05
4. = 0.05
5. t0=
1 / ee(
1 )
6. Se rechazar H0 si:
t 0
> t0.025,24
T0.025,24 = 2.064
7.
t 0
=3,7549928
Para PctDif
1. 5
5. t0=
1 / ee(
1 )
6. Se rechazar H0 si:
t 0
> t0.025,24
T0.025,24 = 2.064
7.
t 0
= 5,75257198
2. H0: 5 = 0
3. H1: 5 0
4. = 0.05
5. t0=
1 / ee(
1 )
6. Se rechazar H0 si:
t 0
> t0.025,24
T0.025,24 = 2.064
7.
t 0
= 4,9904576
b) Cree un modelo de regresin lineal mltiple con todos los regresores. Pruebe la
significancia de cada regresor y analice los residuales. Estime
Matriz X
MAT 1
T(X1)
1
1
1
1
1650
1650
1650
1650
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1600
1600
1650
1650
1650
1650
1650
1650
1650
1650
1650
1650
1650
1650
1650
1650
1650
1700
1650
1650
1700
1700
0,66
0,66
1
1,17
1,17
1,17
1,17
1,2
2
2
2,2
2,2
2,2
3
3
3
3,33
4
4
4
12,5
18,5
1,15
1,15
1,1
1,1
1,1
1,1
1,1
1,15
1,15
1,1
1,1
1,1
1,1
1,15
1,1
1,15
1,1
1,1
1,1
1,15
1
1
0,33
0,33
0,5
0,58
0,58
0,58
0,58
1,1
1,1
1,1
1,1
1,1
1,5
1,5
1,5
1,66
1,5
1,5
1,5
1,5
1,5
1,5
1
1
0,8
0,8
0,8
0,9
0,9
0,8
0,8
0,8
0,8
0,9
0,9
0,8
0,7
0,85
0,8
0,7
0,7
0,85
0,7
0,7
Matriz Transpuesta X
M
A
T
1
X
5
1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1
6 6 6 6 6 6 6 6 6
5 5 5 5 0 0 5 5 5
0 0 0 0 0 0 0 0 0
0, 0, 0, 0, 0, 0,
1, 1,
5 6 6 6 6 6
1 1
8 6 6 6 6 6 1 7 7
1, 1,
1, 1, 1, 1, 1 1 1, 1, 1,
1 1 1 1 5 5 1 1 1
0, 0, 0, 0, 0, 0,
0, 0,
2 3 3 3 3 3 0, 5 5
5 3 3 3 3 3 5 8 8
0,
0, 0, 0, 9
0, 0, 0,
9 9 9 5 1 1 8 8 8
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0,
0, 0, 0,
01 01 01 01 01 01 01 02 01 02 01 02 02 02 02 02 02 02 0, 03 03 03 0, 03 05 06
3 6 5 6 5 6 4 1 9 1 8 5 5 6 4 5 6 9 03 2 3 9 04 5 6 8
X
1
X
2
X
3
X
4
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
6 6 6 6 6 6 6 6 6 6 6 6 7 6 6 7 7
5 5 5 5 5 5 5 5 5 5 5 5 0 5 5 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
1, 1,
3,
1 1
1 1 1,
2, 2, 2,
3
2, 8,
7 7 2 2 2 2 2 2 3 3 3 3 4 4 4 5 5
1, 1,
1,
1,
1,
1, 1, 1 1 1, 1, 1, 1, 1 1, 1 1, 1, 1, 1
1 1 5 5 1 1 1 1 5 1 5 1 1 1 5 1 1
0, 0,
1,
5 5 1, 1, 1, 1, 1, 1, 1, 1, 6 1, 1, 1, 1, 1, 1,
8 8 1 1 1 1 1 5 5 5 6 5 5 5 5 5 5
0,
0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 8 0, 0, 0, 8 0, 0,
9 9 8 8 8 8 9 9 8 7 5 8 7 7 5 7 7
Matriz Transpuesta Y
(XX)-1
XX
26
42950
76,69
28,75
25,38
21,65
42950
70962500
128222,5
47477,5
42069
35727,5
76,69
128222,5
617,5389
81,985
101,7834
58,729
28,75
47477,5
81,985
31,8275
27,994
23,98
25,38
42069
101,7834
27,994
31,2582
20,3605
21,65
35727,5
58,729
23,98
20,3605
18,2275
1372,88836
-0,623268358
-0,74188669
-273,507747
7,186604789
-54,8209855
-0,62326836
0,000303925
-1,3928E-05
0,09025603
-0,002283365
0,02843218
-0,74188669
-1,39284E-05
0,00992945
0,72885297
-0,037796781
-0,04015947
-273,507747
0,090256034
0,72885297
118,618954
-4,39254206
-5,54287235
7,18660479
-0,002283365
-0,03779678
-4,39254206
0,470670487
1,31442944
-54,8209855
0,028432176
-0,04015947
-5,54287235
1,314429438
15,3931113
-0,03072991
2,1019E-05
0,00242661
0,01503034
0,00783181
-0,01033699
XY
0,697
1156,65
3,25934
0,76315
0,80643
0,55965
0
1
2
3
4
5
(X'X)-1 * X'Y :
Matriz Transpuesta
-0,03072991
2,10194E-05
* XY
-0,01033699
YY
0,0228036
1
0,022913
SCT= YY -
Y 2
0,00422804
SCR= * XY -
Y 2
0,00411864
0,00010939
4,9725E-06
R2
0,97412631
ee(
)=
C jj
Para T
Para tRem
1. 1
1. 2
2. H0: 1 = 0
2. H0: 2 = 0
3. H1: 1 0
3. H1: 2 0
4. = 0.05
4. = 0.05
5. t0=
1 / ee(
1 )
5. t0=
6. Se rechazar H0 si:
t 0
7.
t 0
6. Se rechazar H0 si:
t 0
> t0.025,20
T0.025,20= 2.086
> t0.025,20
T0.025,20 = 2.086
= 0.5406917
1 / ee(
1 )
7.
t 0
= 10.920702
Para PctRem
Para tDif
1. 3
1. 4
2. H0: 3 = 0
2. H0: 4 = 0
3. H1: 3 0
3. H1: 4 0
4. = 0.05
4. = 0.05
5. t0=
1 / ee(
1 )
6. Se rechazar H0 si:
t 0
> t0.025,20
T0.025,20 = 2.086
7.
t 0
= 0.618877
Para PctDif
1. 5
2. H0: 5 = 0
3. H1: 5 0
4. = 0.05
5. t0=
1 / ee(
1 )
6. Se rechazar H0 si:
t 0
> t0.025,20
T0.025,20 = 2.086
5. t0=
1 / ee(
1 )
6. Se rechazar H0 si:
t 0
> t0.025,20
T0.025,20 = 2.086
7.
t 0
= 5.119367
7.
t 0
= 1.181527
ANALISIS DE RESIDUALES
En los grficos podemos observar que el comportamiento de los datos es similar a los obtenidos en la regresin lineal simple, cuyos puntos estn distribuidos
de forma uniforme, mostrando el efecto del dato ms influyente en: T y PctRem .
Al ser los residuos tan pequeos podemos decir que el modelo funciona bien para representar los datos.
Podemos decir que la varianza es ms o menos constante, a pesar de que algunos datos se encuentran dispersos.
c) De acuerdo a los anteriores anlisis, proponga un nuevo modelo de regresin. Para este modelo, pruebe la significancia de cada regresor, y halle
entre qu valores se tiene un 95% de confianza de que se encuentra el verdadero valor de cada coeficiente de regresin. Estime 2 y haga el anlisis
de residuales.
La propuesta para el nuevo modelo, es uno con 2 regresores, teniendo en cuenta el tiempo en el ciclo carburizante (tRem) y el tiempo en el ciclo de difusin
(tDif), porque son las variables cuyo coeficiente de representacin R 2 es as significativo (visto en las tablas para regresores simples), y en la regresin
mltiple fueron las dos variables cuyos regresores fueron significativos.
Matriz X
MAT 1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
tRem(X1) tDif(X2)
0,58
0,25
0,66
0,33
0,66
0,33
0,66
0,33
0,66
0,33
0,66
0,33
1
0,5
1,17
0,58
1,17
0,58
1,17
0,58
1,17
0,58
1,2
1,1
2
1,1
2
1,1
2,2
1,1
2,2
1,1
2,2
1,5
3
1,5
1
1
1
1
1
1
1
1
3
3
3,33
4
4
4
12,5
18,5
1,5
1,66
1,5
1,5
1,5
1,5
1,5
1,5
X
Mat
1
tRe
m(X
1)
0,5
8
0,66
0,66
0,66
0,66
0,66
1,17
1,17
1,17
1,17
1,2
2,2
2,2
2,2
3,33
12,
5
18,5
tDif(
X2)
0,2
5
0,33
0,33
0,33
0,33
0,33
0,5
0,58
0,58
0,58
0,58
1,1
1,1
1,1
1,1
1,1
1,5
1,5
1,5
1,66
1,5
1,5
1,5
1,5
1,5
1,5
0,01
6
0,01
5
0,01
6
0,01
5
0,01
6
0,01
4
0,02
1
0,01
9
0,02
1
0,01
8
0,02
5
0,02
5
0,02
6
0,02
4
0,02
5
0,02
6
0,02
9
0,03
0,03
2
0,033
0,03
9
0,04
0,03
5
0,05
6
0,06
8
Y
Y
0,01
3
X'X
SCT
ScR
ScE
^2
R^2
X'Y
26
76,69
25,38
0,697
76,69
617,5389
101,7834
3,25934
25,38
101,7834
31,2582
0,80643
0,00422803
8
0,00410501
0,00012302
9
5,59221E06
0,97090170
(X'X)^-1
0,1897916
3 0,00394874
0,0039487
4 0,00357731
-0,1669587 0,01485466
(X'X)^-1 * X'Y
-0,1669587
0,01051457 0
-0,01485466
0,0024327 B1
0,21592318
0,00934032 B2
B'
0,0105145
0,0093403
7 0,0024327
2
B' X'Y
0,0227899
7
Y'Y
0,022913
Y
= 0,01051457 + 0,0024327 X1 + 0,00934032 X2
Para tRem
Para tDif
1. 1
1. 2
2. H0: 1 = 0
2. H0: 2 = 0
3. H1: 1 0
3. H1: 2 0
4. = 0.05
4. = 0.05
5. t0=
1 / ee(
1 )
5. t0=
6. Se rechazar H0 si:
t 0
6. Se rechazar H0 si:
t 0
> t0.025,23
T0.025,23 = 2.069
7.
t 0
1 / ee(
1 )
> t0.025,23
T0.025,23 = 2.069
= 17.19969729
t 0
7.
= 8.50227132
el regresor es significativo.
el regresor es significativo.
INTERVALO DE CONFIANZA
j - t ,n p *ee(
j ) <
2
ee( 0 )= 1.0302*10-3
j + t ,n p *ee(
j )
2
ee( 1 )= 1.4144*10-4
t
2
Para
j <
,n p
ee( 2 )=1.098*10-3
= 2.069
0 < 0.01265
Para
1
0.0024327 2.069*(1.4144*10-3) <
-4.979368*10-4 <
Para
1 < 5.36334*10-3
1 < 0.011614
ANALISIS DE RESIDUALES
En los dos grficos se puede observar que los residuos se encuentran un poco
dispersos, sin embargo sus valores son muy pequeos y uniformes, lo cual nos da una
razn para aceptar el modelo de regresin que hemos propuesto.
d) Cul de los siete modelos que ajust es el mejor? Use el mejor de los
modelos para estimar el grosor de la capa carburizada si T= 1670, tRem= 2.00,
PctRem= 1.10, tDif= 1.25, y PctDif= 0.90.
G = 0.0262145