11.8 An article in the Journal of Sound and Vibration (Vol.

151, 1991,
pp. 383394) described a study investigating the relationship between
noise exposure and hypertension. The following data are representative
of those reported in the article.
y x y X
1 60 5 85
0 63 4 89
1 65 6 90
2 70 8 90
5 70 4 90
1 70 5 90
4 80 7 94
6 90 9 100
2 80 7 100
3 80 6 100

(a) Draw a scatter diagram of y (blood pressure rise in millimeters of

mercury) versus x (sound pressure level in decibels). Does a simple
linear regression model seem reasonable in this situation?
(b) Fit the simple linear regression model using least squares. Find an
2
estimate of

(c) Find the predicted mean rise in blood pressure level associated with
a sound pressure level of 85 decibels.

Enseguida se muestra la tabla de ANOVA para este esperimento:

Grados
Fuente de Suma de de Media de
estadstico
variacin cuadrados libertad cuadrados
(gl)
SS R
Regresin SS R =92.934 1 MS R = =92.9335
gl MS R
F0 = =53.50
Error SS E =31.266 n2=18 SS E MS E
MS E = =1.7370
SS T =124.200 n1=19 gl
Total
 Fitted Line Plot
hipertension = - 10.13 + 0.1743 ruido

9 S 1.31796
R-Sq 74.8%
8 R-Sq(adj) 73.4%

6
hipertension

60 70 80 90 100
ruido

El modelo regresin para nuestro problema es hipertensin = - 10.13 +

0.1743 ruido

Enseguida calculamos F , 1,n2=4.414 con =0.05

 Distribution Plot
F, df1=1, df2=18
1.0

0.8

0.6
Density

0.4

0.2

0.05
0.0
0 4.414
X

Dado que F0 =53.50> F , 1,n2=4.414 se rechaza H 0 : 1=0 . Es decir que

existe una fuerte evidencia que el modelo de regresin (hipertensin = -
10.13 + 0.1743 ruido) modele adecuadamente el experimento.

Para calcular se har de la siguiente manera:

= 0.748=0.865 =86.5

2
Para calcular se har por medio de:
SS 31.266
2= E = =1.7370
n2 18

Para un x=85 decibeles podremos calcular:

hipertensin = - 10.13 + 0.1743 ruido

y=10.13+0.1743 ( 85 )=4.6855

Por lo cual el nivel de presin arterial asociado a un nivel de presin de

sonido de 85 decibeles es de 4.6855
11.10 un artculo en el Journal of Environmental Engineering (Vol. 115,
No. 3, 1989, pp. 608619)
Informo los resultados de un estudio sobre la presencia de sodio y
cloruro en corrientes superficiales en el centro de Rhode Island. Los
siguientes datos son la concentracin de cloruro y (en miligramos por
litro) y el rea de la calzada x (en porcentaje).

y x y x
4.4 0.19 14.7 0.78
6.6 0.15 15.0 0.81
9.7 0.57 17.3 0.78
10.6 0.70 19.2 0.69
10.8 0.67 23.1 1.30
10.9 0.63 27.4 1.05
11.8 0.47 27.7 1.06
12.1 0.70 31.8 1.74
14.3 0.60 39.5 1.62

(a)Dibuja un diagrama de dispersin de los datos. Un modelo de

regresin lineal simple parece apropiado aqu?
(b)Ajustar el modelo de regresin lineal simple usando el mtodo de
2
mnimos cuadrados. Encuentre una estimacin de .
(C) Estimar la concentracin media de cloruros para una cuenca que
tenga un rea de 1% de la carretera.
(D) Hallar el valor ajustado correspondiente a x=0.47 y el residuo
asociado.
 Fitted Line Plot
concentracin = 0.470 + 20.57 area %
40 S 3.71607
R-Sq 85.2%
R-Sq(adj) 84.3%

30
concentracin

20

10

0
0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8
area %

El modelo de regresin es:

concentraci n=0.470+20.57 area

Grados
Fuente de Suma de de Media de
estadstico
variacin cuadrados libertad cuadrados
(gl)
SS R
Regresin SS R =1273.54 1 MS R = =1273.54
gl MS R
F0 = =92.22
Error SS E =220.95 n2=16 SS E MS E
MS E = =13.81
SS T =1494.48 n1=17 gl
Total
La siguiente es la tabla de ANOVA para nuestro ejercicio:
Para un alfa de 0.05 como se ve en la grfica siguiente tenemos que
F0.05,1,16 =4.494 y de acuerdo a nuestra tabla de ANOVA nuestra
F0 =92.22 por lo tanto F0 > F 0.05,1,16 . Esto quiere decir que existe una
fuerte evidencia de que el modelo de regresin (
concentraci n=0.470+20.57 area ) modele adecuadamente el experimento

Distribution Plot
F, df1=1, df2=16

0.9

0.8

0.7

0.6
Density

0.5

0.4

0.3

0.2

0.1
0.05
0.0
0 4.494
X

2
Para estimar :
SS 220.95
2= E = =13.81
n2 16
Para calcular la concentracin media de cloruro para un rea del 1%
tendremos:

concentracin=0.470+20.57 ( 1 )=21.04

Es decir que habr 21.04 miligramos por litro de cloruro en una rea de
1%

Para hallar el valor ajustado a x=0.47 y su residuo tenemos:

concentracin=0.470+20.57 ( 0.47 )=10.13 miligramos por litro

Y el residuo asociado es:

e i= y i ^
y i=11.810.13=1.67

11.12 Un artculo en la Journal of the American Ceramic Society ["Rapid

Hot Pressing of Ultrafine PSZ Powders" (1991, Vol. 74, pg. 1547-
1553)] consider la microestructura del polvo ultrafino de zirconia
parcialmente estabilizada en funcin de temperatura. Los datos se
muestran a continuacin:

x=temperatura() 110 1200 1300 1100 1500 1200 1300

0
y= poros idad( ) 30. 19.2 6.0 13.5 11.4 7.7 3.6
8

(A) Ajustar el modelo de regresin lineal simple usando el mtodo de Mnimos

cuadrados. Encuentre una estimacin de 2 .
(B) Estimacin de la porosidad media para una temperatura de 1400 C.
(C) Hallar el valor ajustado correspondiente a y=11.4 y el residual asociado.
(D) Dibuja un diagrama de dispersin de los datos. Un modelo de regresin lineal
simple parece apropiado aqu? Explique.

Tabla de ANOVA para el ejercicio:

Grados
Fuente de Suma de de
Media de cuadrados estadstico
variacin cuadrados libertad
(gl)
SS R
Regresin SS R =136.683 1 MS R = =136.683
gl MS R
F0 = =1.77
Error SS E =386.651 n2=5 SS E MS E
MS E = =77.33
SS T =523.334 n1=6 gl
Total

El modelo de regresin es:

porosidad = 55.63 - 0.03416 temperatura
 SS E 386.651
2= = =77.3302
n2 5

(b) De acuerdo al modelo de regresin:

porosidad=55.630.03416temperatura=55.630.03416 ( 1400 ) =7.80 %

(c) para y=11.4 tenemos x=1500 por lo tanto:

porosidad=55.630.03416temperatura=55.630.03416 ( 1500 ) =4.39

Por lo que el residuo asociado es:

e i= y i ^
y i=11.44.39=7.01

(d)

Fitted Line Plot

porocidad = 55.63 - 0.03416 tempretatura
S 8.79376
30 R-Sq 26.1%
R-Sq(adj) 11.3%

25

20
porocidad

15

10

0
1100 1200 1300 1400 1500
tempretatura

Para un alfa de 0.05 tenemos F0.05,1,5 = 6.608 como se muestra en la

grafica.
 Distribution Plot
F, df1=1, df2=5
0.25

0.20

0.15
Density

0.10

0.05

0.05
0.00
0 6.608
X

Y nuestro estadstico muestra que nuestra F0 =1.77 por lo tanto

F0 < F 0.05,1,5 . Es decir que el modelo de regresin no es adecuado a

nuestro problema