Ejercicios (Analisis Multidimensional)

UNIVERSIDAD NACIONAL DEL SANTA
FACULTAD DE INGENIERA
ESCUELA ACADMICO PROFESIONAL DE INGENIERA DE SISTEMAS E INFORMTICA
ASIGNATURA: Ing. Anlisis Multidimensional
TEMA: Ejercicios
DOCENTE: America Odar Rosario
CICLO: IV
ESTUDIANTE: Baes Vsquez Diego Fernando
NVO. CHIMBOTE PER

SEPTIEMBRE - 2016
PROBLEMA N1
El siguiente es un conjunto de datos experimentales codificados acerca de la resistencia a la

compresin de una aleacin especfica a diferentes valores de concentracin de cierto
aditivo(n=15)
CONCENTRACIN RESISTENCIA A LA COMPRESIN

X Y1 Y2 Y3
10 25.2 27.3 28.7
15 29.8 31.1 27.8
20 31.2 32.6 29.7
25 31.7 30.1 32.3
30 29.4 30.8 32.8
a) Grafica los datos y obtenga el diagrama de dispersin

b) Estime la ecuacin de regresin mnimo cuadrtica
c) Pruebe la validez del modelo(=0.01)
d) Prueba la realidad de la regresin: Use(=0.01)
Resultados:
Muestra las medidas para las variables dependiente e independiente:
Estadsticos descriptivos
Media Desviacin N
tpica
X 20,000 7,9057 5
Y1 29,460 2,5648 5
Y2 30,380 1,9486 5
Y3 30,260 2,2030 5
Muestra la correlacin entre las variables dependientes e independientes:
Correlaciones
X Y1 Y2 Y3
Correlacin de Pearson X 1,000 ,635 ,487 ,912
Y1 ,635 1,000 ,829 ,409
Y2 ,487 ,829 1,000 ,133
Y3 ,912 ,409 ,133 1,000
Sig. (unilateral) X . ,125 ,203 ,016
Y1 ,125 . ,041 ,247
Y2 ,203 ,041 . ,415
Y3 ,016 ,247 ,415 .
N X 5 5 5 5
Y1 5 5 5 5
Y2 5 5 5 5
Y3 5 5 5 5
, nos indica que es el 97% de la variacin de la resistencia a la comprensin esta explicada
por la concentracin.
Resumen del modelob

Error tp. Estadsticos de cambio
Mode R Durbin-
de la Cambio en Sig.
lo R cuadrado R cuadrado estimaci R Cambio Cambio Watson
corregida n cuadrado en F gl1 gl2 en F
1 ,98 ,970 ,880 2,7370 ,970 10,791 3 1 ,219 2,870
a
5
a. Variables predictores: (Constante), Y3, Y2, Y1

b. Variable dependiente: X
P=0,219 (p>0.05). Por lo que debemos aceptarla Ho y rechazar 1 . El valor de F=10,791, tiene
un valor de P=0, 219 (p>0.05). Se concluye que no hay relacin entre Resistencia a la
comprensin y concentracin.
ANOVAb
Suma de Media
Modelo cuadrados gl cuadrtica F Sig.
1 Regresin 242,509 3 80,836 10,791 ,219a
Residual 7,491 1 7,491
Total 250,000 4
a. Variables predictores: (Constante), Y3, Y2, Y1
b. Variable dependiente: X
Ecuacin de Regresin:
Coeficientesa
Intervalo de
Coeficientes no Coeficientes confianza de 95.0%
estandarizados tipificados para B
Modelo
Lmite Lmite
B Error tp. Beta t Sig. inferior superior
1 (Constante) -124,179 30,440 -4,079 ,153 -510,953 262,596
Y1 -,368 1,134 -,119 -,325 ,800 -14,775 14,039
Y2 1,892 1,374 ,466 1,377 ,400 -15,565 19,348
Y3 3,224 ,745 ,898 4,330 ,144 -6,236 12,684
a. Variable dependiente: X
= 124,179 0.3681 + 1,8922 + 3,2243
A cada valor de Concentracin le corresponde un destino de Resistencia de correlacin basado
en la disminucin constante de -124,179 menos 0.368 veces el valor de la
resistencia de correlacin 1, ms 1,892 veces el valor de la resistencia de correlacin 2 y ms
3,224 veces el valor de la resistencia de correlacin 3.
Diagrama de dispersin con la lnea de regresin:
= 124,179 0.3681
= 124,179 + 1,8922
= 124,179 + 3,2243
Tablas Resumen:
Valores promedio, desviacin estndar, mnimo y mximo de Concentracin y

Correlacin a la comprensin 1, 2 y 3:
Variables Media Mxima Mnima Desviacin CV%

Estndar
X 20,000 30 10 7,9057 395.28
Y1 29,460 31.7 25.2 2,5648 87.06
Y2 30,380 32.6 27.3 1,9486 64.14
Y3 30,260 32.8 27.8 2,2030 72.8
Matriz de Correlacin:
Variables X Y1 Y2 Y3
X 1 0.635 0.487 0.912
Y1 0.635 1 0.829 0.409
Y2 0.487 0.829 1 0.133
Y3 0.912 0.409 0.133 1
= 124,179 0.3681
Interpretacin de los grficos anteriores y su ecuacin de lnea de regresin:
= 124,179 + 3,2243
Nos indica que la relacin es positiva, ya que a mayor resistencia a la
compresin, mayor Concentracin.
= 124,179 + 1,8922
Nos indica que la relacin es positiva, ya que a mayor resistencia a la
Compresin, mayor Concentracin.
Nos indica que la relacin es negativa ya que a mayor resistencia a la

compresin, menor Concentracin.
= 124,179 + 3,2243
PROBLEMA N3
Una compaa desea modelar la relacin entre sus ventas y las ventas de la industria en
general
VENTAS DE LA CIA( Y) VENTAS DE LA

INDUSTRIA (X)
0,5 10
1,0 12
1,0 13
1,4 15
1,3 14
1,6 15
a. Encontrar una recta que se ajuste a los datos

b. parecen contribuir las rentas de la industria con alguna informacin a la prediccin de
las rentas de la Compaa? Probar en el nivel 1%
c. Si las ventas de la industria es 16, determinar intervalos de confianza del 95% para las
rentas individuales y para las ventas promedio de la compaa
d. Estimar el intervalo de confianza para la pendiente poblacional
e. Grafique la lnea de regresin estimada en el diagrama de dispersin
Resultados
Los siguientes resultados son las salidas del SPSS:
1. La tabla I
Muestra las medidas para las variables dependiente e independiente
Tabla 1. Estadsticos descriptivos

Media Desviacin N
tpica
Ventas de la Cia 1,1333 ,38816 6
Rentas de la Industria 13,1667 1,94079 6
2. La Tabla 2 muestra la correlacin entre las variables dependientes e independientes
Nota: La correlacin entre las mismas variables siempre es 1
Tabla2. Correlaciones
Ventas de la Rentas de la
Cia Industria
Ventas de la Cia 1,000 ,973
Correlacin de Pearson
Rentas de la Industria ,973 1,000
Ventas de la Cia . ,001
Sig. (unilateral)
Rentas de la Industria ,001 .
Ventas de la Cia 6 6
N
Rentas de la Industria 6 6
2
3. La tabla 3 muestra el Coeficiente de correlacin y su cuadro. expresa la porcin de
varianza de la variable Dependiente, que esta explicada por la variable independiente.
En el ejemplo 2. Toma un valor moderado(es mximo 1) y 2, nos indica que es el
94.8% de la variacin de la cantidad de Ventas de la compaa esta explicada por las
Rentas de la industria
Corregida es una correccin a la baja de 2 que se basa en el nmero de casos y de
variables independientes.
El error tpico de estimacin es la desviacin tpica de los residuos, es decir la
desviacin tpica de las distancias entre las puntuaciones en la variable independiente
y los pronsticos efectuados con la regresin. En general cuanto mejor es el ajuste,
ms pequeo es este error tpico.
Tabla 4 Resumen ANOVA nos informa si existe o no relacin entre las variables. El
Tabla 3. Resumen del modelob

Estadsticos de cambio
R Error tp.
R Cambio Sig. Durbin-
Modelo R cuadrado de la Cambio
cuadrado en R gl1 gl2 Cambio Watson
corregida estimacin en F
cuadrado en F
a
1 ,973 ,948 ,935 ,09933 ,948 72,347 1 4 ,001 1,781
a. Variables predictoras: (Constante), Rentas de la Industria
b. Variable dependiente: Ventas de la Cia
estadstico F permite contrastar la hiptesis nula de la pendiente de la recta de
regresin es cero. En el ejemplo el valor P=0,001(p<0.05). Por lo que debemos
rechazar la Ho y aceptar 1 es decir 1 0 .
Conclusin El valor de F=0,948, tiene un valor de P=0, 001 (p<0.05) Lo cual prueba que
1 0 lo que indica que debemos rechazar Ho y aceptar 1 lo que nos lleva a concluir
que si existe relacin entre Ventas de la Compaa (Y) y las Rentas de la Industria (X).
TABLA 04. ANOVAa

Modelo Suma de gl Media F Sig.
cuadrados cuadrtica
Regresin ,714 1 ,714 72,347 ,001b
1 Residual ,039 4 ,010
Total ,753 5
a. Variable dependiente: Ventas de la Cia
b. Variables predictoras: (Constante), Rentas de la Industria
4. Ecuacin de la regresin
La tabla 05 Muestra los coeficientes de la recta de regresin. La columna denominada
Coeficientes no estandarizados contiene los coeficientes de regresin que definen la
ecuacin de regresin en puntuaciones directas. El coeficiente Constante(es el origen
de la recta 0 ) y el Coeficiente Rentas de Industria es dependiente de la recta de
regresin ( 1 ).
Los coeficientes Beta (coeficientes de regresin estandarizados) son los coeficientes que
definen la ecuacin de regresin cuando esta se obtiene tras estandarizar las variables
originales, es decir, tras convertir las puntuaciones directas en tpicas.
En el anlisis de regresin lineal simple, el coeficiente de regresin estandarizado

corresponde a la nica variable independiente presente en la ecuacin coincide
exactamente con el coeficiente de correlacin de Pearson. En el anlisis de Regresin
mltiple, los coeficientes de regresin estandarizados permiten valorar la importancia
de cada variable independiente dentro de una ecuacin.
a. Variable dependiente: Ventas de la Cia
Tabla N 5. Coeficientesa
Modelo Coeficientes no Coeficient t Sig. Intervalo de confianza de
estandarizados es 95,0% para B
tipificados
B Error tp. Beta Lmite Lmite superior
inferior
(Constante - ,304 - ,009 -2,274 -,586
) 1,430 4,703
1
Rentas de ,195 ,023 ,973 8,506 ,001 ,131 ,258
la Industria
Con los resultados de la Tabla 05 construimos la ecuacin de regresin:
i = 0,195Xi 1,430
Ventas de la Compaa = 0,195Xi 1,430 Rentas de la Industria
A cada valor de Rentas de la Industria le corresponde un pronstico de Ventas de la Compaa

basado en la disminucin constante de -1,430 ms 0,195 veces del valor de las Rentas de la
Industria.
Diagrama de dispersin con la lnea de regresin

PROBLEMA N5
El efecto de la temperatura en la absorcin de anhdrido carbnico en agua est dada en la

siguiente tabla.
temperatura (X) coeficiente de absorcin relativa (Y)

10 5
15 8
20 7.5
30 12
25 13
40 22
50 46
a) Ajustar el modelo adecuado a los datos

b) Estimar Y, cuando X=25
c) Graficar la ecuacin estimada en el diagrama de dispersin
1. La tabla I
Media Desviacin tpica N
coeficiente 25,8571 25,64780 7
temperatura 27,1429 14,09998 7
2. La Tabla 2 muestra la correlacin entre las variables dependientes e independientes

Correlaciones
coeficiente temperatura
coeficiente 1,000 ,287
temperatura ,287 1,000
coeficiente . ,266
Sig. (unilateral)
temperatura ,266 .
coeficiente 7 7
N
temperatura 7 7
3. La tabla 3 muestra el Coeficiente de correlacin y su cuadro. 2 expresa la porcin de

varianza de la variable Dependiente, que esta explicada por la variable independiente.
En el ejemplo 2. Toma un valor moderado(es mximo 1) y 2, nos indica que es el
8.2% de la variacin de la cantidad de coeficiente absorcin esta explicada por las
temperatura
El error tpico de estimacin es la desviacin tpica de los residuos, es decir la
desviacin tpica de las distancias entre las puntuaciones en la variable independiente
y los pronsticos efectuados con la regresin. En general cuanto mejor es el ajuste,
ms pequeo es este error tpico.
Resumen del modelob
Error tp. de la Estadsticos de cambio

R R estimacin Durbin
Cambio en R Cambio gl1 gl2
Modelo R cuadrado cuadrado Watson
cuadrado en F Cambio
corregida
en F
1 ,287a ,082 -,101 26,91607 ,082 ,448 1 5 ,533 2,531
a. Variables predictoras: (Constante), temperatura
b. Variable dependiente: coeficiente
4. Tabla 4 Resumen ANOVA nos informa si existe o no relacin entre las variables. El
estadstico F permite contrastar la hiptesis nula de la pendiente de la recta de
regresin es cero. En el ejemplo el valor P=0.533(p>0.05). Por lo que debemos aceptar
la Ho y rechazar 1 es decir 1 = 0
Conclusin El valor de F=0,448, tiene un valor de P=0, 533 (p>0.05) Lo cual prueba que
1 = 0 lo que indica que debemos aceptar Ho y rechazar 1 lo que nos lleva a concluir
que no existe relacin entre coeficiente de absorcin relativa (Y) y la Temperatura
C(X).
ANOVAa
cuadrados cuadrtica
Regresin 324,483 1 324,483 ,448 ,533b
1 Residual 3622,374 5 724,475
Total 3946,857 6
a. Variable dependiente: coeficiente
b. Variables predictoras: (Constante), temperatura
5. Ecuacin de la regresin
Coeficientes no estandarizados contiene los coeficientes de regresin que definen la
ecuacin de regresin en puntuaciones directas.
El coeficiente Constante(es el origen de la recta 0 ) y el Coeficiente Rentas de
Industria es dependiente de la recta de regresin (1 ).
Los coeficientes Beta (coeficientes de regresin estandarizados) son los coeficientes
que definen la ecuacin de regresin cuando esta se obtiene tras estandarizar las
variables originales, es decir, tras convertir las puntuaciones directas en tpicas.
En el anlisis de regresin lineal simple, el coeficiente de regresin estandarizado

corresponde a la nica variable independiente presente en la ecuacin coincide
exactamente con el coeficiente de correlacin de Pearson. En el anlisis de Regresin
mltiple, los coeficientes de regresin estandarizados permiten valorar la importancia
de cada variable independiente dentro de una ecuacin.
Coeficientesa
Modelo Coeficientes no Coeficientes t Sig. Intervalo de confianza de
estandarizados tipificados 95,0% para B
B Error tp. Beta Lmite Lmite
inferior superior
(Constante) 11,701 23,472 ,498 ,639 -48,637 72,038
1
temperatura ,522 ,779 ,287 ,669 ,533 -1,482 2,525
a. Variable dependiente: coeficiente
i = 11,701 + 0,522Xi
Ventas de la Compaa = 11,701 + 0.522 Rentas de la Industria
A cada valor de Coeficiente de absorcin relativa le corresponde un pronstico de

Temperatura basado en la disminucin constante de 11,701 ms 0.522 veces del valor de la
Temperatura C
DIAGRAMA DE DISPERCION
Cuando x=25
i = 11,701 + 0,522Xi
i = 11,701 + 0,522(25)
i = 24,751
i=22.75
Resultados de la investigacin
Tabla 01 Resumen estadstico de valores promedio, desviacin estndar, mnimo y mximo de

Coeficientes de absorcin relativa y temperatura C
Variables Media Mxima Mnima Desviacin estndar CV%
Coeficientes de absorcin relativa 25,8571 46 5 25,64780 99,17
temperatura C 27,1429 50 10 14,09998 51,94
Tabla 02 Matriz de Correlacin de Coeficientes de absorcin relativa y temperatura C
Coeficientes de absorcin
temperatura C
relativa
Coeficientes de absorcin relativa 1 0.287

temperatura C 0.287 1
La correlacin de variables de inters del estudio muestra una relacin positiva o directa entre
las Coeficientes de absorcin relativa y temperatura C
FIGURA 01 DIAGRAMA DE DISPERSIN CON LA LNEA DE REGRESIN.
La relacin existente entre las Coeficientes de absorcin relativa y temperatura C se ilustra

en la FIGURA 01, a mayor Temperatura C los Coeficientes de absorcin relativa se ven
aumentados
Modelo de regresin: i = 11,701 + 0,522Xi
El valor positivo de la pendiente (1 ). Nos indica que la relacin es directa o positiva, es decir
amayorTemperatura C (X)mayorCoeficientes de absorcin relativa (Y).
PROBLEMA N8
Se desea purificar por destilacin a presin reducida Salicilato de metilo a una presin de 15
mmHg considerando que la temperatura de ebullicin es una funcin de la presin y a partir
de los siguientes datos experimentales de presin y temperatura de Salicilato de metilo.
P(MHG) - X T(C) - Y
1 54
5 81.6
10 95.3
20 110
40 126.2
60 136.7
100 150
200 172.6
400 197.5
760 223.2
Graficar un diagrama de dispersin.
Obtenga una ecuacin que mejor describa la relacin entre la temperatura y la presin y
determine si el modelo hallado es vlido.
Coeficientesa
Coeficientes no Coeficientes
estandarizados estandarizados 95.0% intervalo de confianza para B
Error
estnda Lmite
Modelo B r Beta t Sig. inferior Lmite superior
1 (Constante) -
-378,972 119,634 3,16 ,013 -654,848 -103,096
8
Presion en 4,80
3,998 ,833 ,862 ,001 2,078 5,918
mHg 2
a. Variable dependiente: Temperatura en C
Ecuacin de Regresin: i = -378.972 + 3.998 Xi

Resumen del modelob
Estadsticos de cambio
Cambio
R Error en R Sig.
Mode R cuadrado estndar de cuadrad Cambio Cambio en Durbin-
lo R cuadrado ajustado la estimacin o en F gl1 gl2 F Watson
a
1 ,862 ,742 ,710 131.68324 ,742 23,061 1 8 ,001 ,686
a. Predictores: (Constante), Presion en mHg
b. Variable dependiente: Temperatura en C
P=0,001 (p<0.05). Por lo que debemos aceptarla H1 y rechazar H0. El valor de F=23.061, tiene
un valor de P=0, 001 (p<0.05).
Se concluye que hay relacin entre la temperatura de ebullicin y la presin.
Calcule la temperatura de ebullicin individual y media a 15 mmHg del salicilato de metilo.
Para un valor medio.
1 ( )

= +
( )2
= 54.85

(1 )
2

153 (1 ) 54.85
2
153 2.58 54.85
11.487 < < 294.513

Para un valor individual
2
1 ( )
= 1 + +
( )2
= 240.54

(1 )
2
153 2,58 240.54
467.5932 < < 853.3152
PROBLEMA N9
Los datos de la tabla presentan las millas por galn que recorre un automvil de prueba
empleando gasolina de diversos niveles de octano.
a) Calcular r y r2
b) Dan los datos evidencia suficiente para indicar que existe correlacin entre el
rendimiento y el nmero de octano para el automvil de prueba?
- Como r > 0 si se dice que existe un alta correlacin positiva entre el Nmero
de Octano y el Rendimiento por galn.
c) Obtenga la ecuacin de regresin para los datos
Con la siguiente tabla obtenemos la lnea de regresin
= 230,839 + 3,464
d) Calcule un intervalo de confianza del 99% para , Bo y B1 e interprete

1 (1 ; 2)1
2
De la siguiente tabla obtenemos el valor de CME

21 =
( )2
Donde:
= 4403,628 = 66,35983
66.36
21 =
12.40
1 = 2.313

1 (1 ; 2)1
2

3,464 (1 ; 2) 2.313
2
3,464 (0,995; 6) 2.313
3,464 2,921 2.313
3,29 < < 10,22
PROBLEMA N10
Se llev a cabo un estudio para determinar si hay relacin lineal entre la resistencia a la ruptura
de vigas de madera y la densidad relativa x de la madera. Se seleccionaron al azar diez vigas de
las mismas dimensiones transversales y se les aplicaron esfuerzos hasta que se rompieron. A
continuacin se muestran las resistencias a la ruptura y la densidad de madera para cada una
de las diez vigas.
Densidad
0.499 0.558 0.604 0.441 0.550 0.528 0.418 0.480 0.406 0.467
relativa X
Resistencia
11.14 12.74 13.13 11.51 12.38 12.60 11.13 11.70 11.02 11.41
Y
a) Grafique los datos e indique la posible tendencia de los datos.

b) Ajustar el modelo a = + + .
RESULTADOS
Los resultados siguientes son la salida del ejercicio realizado en el software SPSS.Se han
generado los promedios y la desviacin estndar para ambas variables.
La segunda tabla muestra la correlacin entre las variables dependientes e

independientes
A continuacin est el Coeficiente de correlacin y su cuadro.
2 Expresa la porcin de varianza de la variable Dependiente, que esta explicada por la

variable independiente. En el ejemplo 2. Toma un valor moderado(es mximo 1) y 2, nos
indica que es el 84.1% de la variacin de la Resistencia, explicada por la Densidad Relativa
Resumen ANOVA nos informa si existe o no relacin entre las variables. El estadstico F
permite contrastar la hiptesis nula de la pendiente de la recta de regresin es cero.
Muestra los coeficientes de la recta de regresin. La columna denominada Coeficientes no

estandarizados contiene los coeficientes de regresin que definen la ecuacin de regresin en
puntuaciones directas. El coeficiente Constante(es el origen de la recta 0 ) y el Coeficiente
Rentas de Industria es dependiente de la recta de regresin (1 ).
Los coeficientes Beta (coeficientes de regresin estandarizados) son los coeficientes que
definen la ecuacin de regresin cuando esta se obtiene tras estandarizar las variables
originales, es decir, tras convertir las puntuaciones directas en tpicas.
De tal forma, podemos generar la ecuacin de regresin como:

= . + .

Resistencia = 6.761 + 10.269 Densidad_Relativa
DIAGRAMA DE DISPERSIN Y LNEA DE REGRESIN
= . + .
Tabla 01 Resumen estadstico de valores promedio, desviacin estndar, mnimo y mximo de la

Densidad Relativa y Resistencia
Resistencia 11.876 13.13 11.02 0.76813 6.4679
Densidad Relativa 0.4981 0.604 0.406 0.068588 13.7699
Tabla 02 Matriz de Correlacin de la Densidad Relativa y la Resistencia

Densidad Relativa Resistencia
Densidad Relativa 1 0.917
Resistencia 0.917 1
La ecuacin de regresin = . + . , presenta pendiente positiva, lo cual indica
que hay una relacin directa entre La Densidad Relativa y la Resistencia de las vigas.
PROBLEMA N12
Para investigar la relacin entre el consumo de gasolina en automviles (Y) y la velocidad de

manejo(X),se guio dos veces un automvil econmico pequeo en el mismo tramo de una
autopista interdepartamental, a seis velocidades distintas. A continuacin se muestran los
resultados en millas por galn determinados para cada uno de los doce viajes.
MILLASPOR HORA X 50 55 60 65 70 75
MILLASPORGALN(Y) 34.8, 33.6 34.6, 34.1 32.8, 31.9 32.6, 30.0 31.6, 31.8 30.9, 31.7
34.2 34.35 32.35 31.3 31.7 31.3
Solucin
Millas por hora(VAR0001)

Galones por hora(VAR0002)
1. Resumen del modelo muestra el Coeficiente de correlacin y su cuadro. 2 expresa
la porcin de varianza de la variable Dependiente, que esta explicada por la variable
independiente. En el ejemplo 2. Toma un valor moderado(es mximo 1) y 2, nos
indica que es el 80,1% de la variacin de la cantidad de Millas por hora esta explicada
por Galones por hora

El error tpico de estimacin es la desviacin tpica de los residuos, es decir la desviacin

tpica de las distancias entre las puntuaciones en la variable independiente y los
pronsticos efectuados con la regresin. En general cuanto mejor es el ajuste, ms
pequeo es este error tpico.
Millas por hora (VAR0001)
Galones por hora (VAR0002)
Coeficientes Muestra los coeficientes de la recta de regresin. La columna denominada

Coeficientes no estandarizados contiene los coeficientes de regresin que definen la ecuacin
de regresin en puntuaciones directas. El coeficiente Constante(es el origen de la recta 0 ) y el
Coeficiente Rentas de Industria es dependiente de la recta de regresin (1 ).
Los coeficientes Beta (coeficientes de regresin estandarizados) son los coeficientes que definen
la ecuacin de regresin cuando esta se obtiene tras estandarizar las variables originales, es
decir, tras convertir las puntuaciones directas en tpicas.
En el anlisis de regresin lineal simple, el coeficiente de regresin estandarizado corresponde

a la nica variable independiente presente en la ecuacin coincide exactamente con el
coeficiente de correlacin de Pearson. En el anlisis de Regresin mltiple, los coeficientes de
regresin
i = 256,477 5,956 Xi
PROBLEMA N14
Las cantidades de un compuesto qumico y que se disuelvan en 100 gramos de agua a

diferentes temperaturas x se registraron como sigue. Encuentre la ecuacin de regresin que
mejor describa la relacin entre las variables y pruebe la significacin del modelo y la
significacin del trmino cuadrtico
X C Y(GRAMOS)
0 8 6 8
15 12 10 14
30 25 21 24
45 31 33 28
60 44 39 42
75 48 51 44
Solucin
X C Y(GRAMOS)
0 7.33
15 12
30 23.33
45 30.67
60 41.67
75 47.67
Tabla 1. Estadsticos descriptivos

Y 27.1117 16,00768 6
X C 37.50 28,062 6
Tabla2. Correlaciones
Ventas de la Rentas de la
compaa industria
Correlacin de Y 1,000 ,995
Pearson X C ,995 1,000
Y . ,000
Sig. (unilateral)
X C ,000 .
6 6
Y
N
X C 6 6
La tabla 3 muestra el Coeficiente de correlacin y su cuadro. 2 expresa la porcin de varianza

de la variable Dependiente, que esta explicada por la variable independiente. En el ejemplo
2. Toma un valor moderado(es mximo 1) y 2, nos indica que es el 99% de la variacin de la
cantidad de gramo(Y) esta explicada por los C X

El error tpico de estimacin es la desviacin tpica de los residuos, es decir la desviacin tpica
de las distancias entre las puntuaciones en la variable independiente y los pronsticos
efectuados con la regresin. En general cuanto mejor es el ajuste, ms pequeo es este error
tpico.
Tabla 3. Resumen del modelob

Modelo R R R Error tp. Estadsticos de cambio Durbin-
cuadrado cuadrado de la Cambio en Cambio gl1 gl2 Sig. Watson
corregida estimacin R en F Cambio
cuadrado en F
1 ,995a ,990 ,988 1,74466 ,990 416,925 1 4 ,000 3,005

a. Variables predictoras: (Constante), C
b. Variable dependiente: GRAMOS
Tabla 4 Resumen ANOVA nos informa si existe o no relacin entre las variables. El estadstico F
permite contrastar la hiptesis nula de la pendiente de la recta de regresin es cero. En el
ejemplo el valor P=0,990(p>0.05). Por lo que debemos aceptar la Ho y rechazar 1 es decir 1 =
0
Conclusin El valor de F=416.925 tiene un valor de P=0, 990 (p>0.05) Lo cual prueba que 1 =
0 lo que indica que debemos aceptar
TABLA 04 ANOVAa
Modelo Suma de df Media F Sig.
cuadrados cuadrtica
Regresin 1269,054 1 1269,054 416,925 ,000b
1 Residual 12,175 4 3,044
Total 1281,230 5
Ecuacin de la regresin

regresin estandarizados permiten valorar la importancia de cada variable independiente
dentro de una ecuacin.
Tabla N 5 Coeficientesa
Coeficientes no Coeficient t Sig. Intervalo de confianza
estandarizados es de 95,0% para B
Modelo tipificados
inferior superior
(Constante) 5.822 1,263 -4,611 ,010 2.317 9,328
1
X C ,568 ,028 ,995 20,419 ,000 ,491 ,645
a. Variable dependiente: Ventas de la compaa
i = 5,822+ 0,568 Xi
Gramos = 5,822 + 0,568 C
A cada valor de los C le corresponde un pronstico Gramos basado en la disminucin constante

de 5,822 ms 0,568 veces del valor de los C.
PROBLEMA N15
Ocho personas que han sido capacitadas en un nuevo programa, se escogen al azar, para utilizar
adecuadamente dicho programa y dar respuesta a las consultas hechas (Y) por los usuarios de
una empresa, despus del nuero indicado de das de capacitacin X, como se representan en el
cuadro adjunto. Los datos parecen sugerir que la relacin entre X e Y puede describirse en forma
curvilnea.
N DE CONSULTAS Y 15 18 25 30 35 45 53 70
TIEMPO DE 1 2 3 4 5 6 7 8
CAPACITACIN X
a) Graficar los datos en un diagrama de dispersin y seale el modelo probable de ajuste

a los datos.
b) Obtenga una ecuacin (modelo matemtico) que mejor relacione el nmero de
consultas (Y) y el tiempo de capacitacin(X).
c) Estime el nmero de consultas de promedio e individual realizadas de usuarios con un
tiempo de capacitacin de 5,5 das.
Solucion:
La tabla 1
N de consultas 31,57 13,879 7

Tiempo de Capacitacin 4,00 2,160 7
La Tabla 2 muestra la correlacin entre las variables dependientes e independientes
Correlaciones
N de Tiempo de
consultas Capacitacion
N de consultas 1,000 ,989
Tiempo de Capacitacion ,989 1,000
N de consultas . ,000
Sig. (unilateral)
Tiempo de Capacitacion ,000 .
N de consultas 7 7
N
Tiempo de Capacitacion 7 7
La tabla 3: Muestra el Coeficiente de correlacin y su cuadro. 2 expresa la porcin de varianza

de la variable Dependiente, que esta explicada por la variable independiente. En el ejemplo 2.
Toma un valor moderado(es mximo 1) y 2, nos indica que es el 97,9% de la variacin de la
cantidad de N de consultas esta explicada por las el Tiempo de capacitacin.
Corregida es una correccin a la baja de 2 que se basa en el nmero de casos y de variables

independientes.
tpico, en este caso es de 2, 197.
Resumen del modelob

R Estadsticos de cambio
Error tp.
cuadrad Cambio
R de la Sig. Durbin-
Modelo R o en R Cambio
cuadrado estimaci gl1 gl2 Cambio Watson
corregid cuadrad en F
n en F
a o
,989 234,34
1 a 0,979 0,975 2,197 0,979 1 5 0 1,298
9
a. Variables predictoras: (Constante), Tiempo de Capacitacin
b. Variable dependiente: N de consultas
Tabla 4: Nos informa si existe o no relacin entre las variables. El estadstico F permite contrastar
la hiptesis nula de la pendiente de la recta de regresin es cero. En el ejemplo el valor
P=0,000(p<0.05). Por lo que debemos rechazar la Ho y rechazar 1 es decir 1 = 0
Conclusin El valor de F=234,349, tiene un valor de P=0, 000(p<0.05) Lo cual prueba que 1 =
0 lo que indica que debemos rechazar Ho y rechazar 1 lo que nos lleva a concluir que no existe
relacin entre el N de consultas(Y) esta explicada por las el Tiempo de capacitacin(X).
ANOVAa
cuadrados cuadrtica
Regresin 1131,571 1 1131,571 234,349 ,000b
1 Residual 24,143 5 4,829
Total 1155,714 6
a. Variable dependiente: N de consultas
b. Variables predictoras: (Constante), Tiempo de Capacitacion
La tabla 05: Ecuacin de la regresin, muestra los coeficientes de la recta de regresin. La

columna denominada Coeficientes no estandarizados contiene los coeficientes de regresin
que definen la ecuacin de regresin en puntuaciones directas. El coeficiente Constante(es el
origen de la recta (0 = , ) y el Coeficiente Tiempo de Capacitacin es dependiente de la
recta de regresin (1 = , ).
Coeficientesa
Modelo Coeficientes no Coeficien t Sig. Intervalo de
estandarizados tes confianza de
tipificado 95,0% para B
s
inferior superio
r
(Constante) 6,143 1,857 3,308 ,021 1,369 10,917
1
Tiempo de Capacitacion 6,357 ,415 ,989 15,308 ,000 5,290 7,425
a. Variable dependiente: N de consultas
i = 6,143 + 6,357 Xi
N de consultas= 6,143 + 6,357 Tiempo de capacitacin
A cada valor de Tiempo de capacitacin le corresponde un pronstico de N de consultas basado

en la disminucin constante de 6,143 ms 6,357 veces del valor de las Tiempo de capacitacin.
Resultados en una investigacin:
Tabla 01: Resumen estadstico de valores promedio, desviacin estndar, mnimo y mximo de las Ventas
de la Industria y Renta de la Compaa
Nmero de Consultas 31,57 70 15 13,879 43,96
Tiempo de Capacitacin 4,00 1 8 2,160 54

Tabla 02 Matriz de Correlacin de las Ventas de la compaa y Rentas de la industria
Nmero de Consultas Tiempo de Capacitacin

Nmero de Consultas 1 0.989
Tiempo de Capacitacin 0.989 1
La correlacin de variables de inters del estudio muestra una relacin positiva o

directa entre las Nmero de Consultas y Tiempo de Capacitacin.
Modelo de regresin: i = 6, 143 + 6,357 XIz
amayor Tiempo de Capacitacin(X) mayor N de Consultas.
*Cuando x=5,5, se obtiene lo siguiente:
i = 6, 143 + 6,357 (5,5)
i = 41,1065
PROBLEMA N16
Se desea saber la relacin que existe entre la demanda mxima de una planta generadora de
energa elctrica y la temperatura mxima diaria. Se dispone de una muestra de 10 datos que
se presentan a continuacin:
DEMANDA_MAXIMA(Y) TEMPERATURA_MAXIMA(X)
214 95
152 82
156 90
129 81
254 99
266 100
210 93
204 95
213 93
150 87
a) Graficar el diagrama de dispersin para los datos a indicar i estos se relacionan en

forma curvilnea.
b) Obtenga una ecuacin (modelo Matemtico) que mejor relacione la demanda mxima
(Y) y la temperatura mxima diaria(X).
c) Pruebe la significacin del modelo y estime la demanda mxima de la planta para una
temperatura de 98 F.
Resultados
La tabla I
Tabla 1.Estadsticos descriptivos

Media Desviacin N
tpica
Demanda_maxima 194,8000 46,26446 10
Temperatura_maxima 91,5000 6,50214 10
La Tabla 2 muestra la correlacin entre las variables dependientes e independientes
Tabla 2.Correlaciones
Demanda_maxima Temperatura_maxima
Demanda_maxima 1,000 ,944
Temperatura_maxima ,944 1,000
Demanda_maxima . ,000
Sig. (unilateral)
Temperatura_maxima ,000 .
Demanda_maxima 10 10
N
Temperatura_maxima 10 10
La tabla 3 muestra el Coeficiente de correlacin y su cuadro. 2 expresa la porcin de varianza

de la variable Dependiente, que esta explicada por la variable independiente. En el ejemplo 2.
Toma un valor moderado(es mximo 1) y 2, nos indica que es el 89.1% de la variacin de la
cantidad de la demanda mxima esta explicada por la temperatura mxima del da
Corregida es una correccin a la baja de 2 que se basa en el nmero de casos y de variables

independientes.
tpico.
Tabla 3.Resumen del modelob

R R R cuadrado Error tp. de Estadsticos de cambio
cuadrado corregida la Cambio Cambio gl1 gl2 Sig.
Modelo estimacin en R en F Cambio Durbin-
cuadra en F Watson
do
a
1 ,944 ,891 ,878 16,17764 ,891 65,605 1 8 ,000 2,749
a. Variables predictoras: (Constante), Temperatura_maxima
b. Variable dependiente: Demanda_maxima
Tabla 4 Resumen ANOVA nos informa si existe o no relacin entre las variables. El estadstico F
permite contrastar la hiptesis nula de la pendiente de la recta de regresin es cero. En el
ejemplo el valor P=0,000(p<0.05). Por lo que debemos rechazar la Ho y aceptar 1 es decir 1
0
Conclusin El valor de F=65,605, tiene un valor de P=0, 000 (p<0.05) Lo cual prueba que 1 0
lo que indica que debemos rechazar Ho y aceptar 1 lo que nos lleva a concluir que existe
relacin entre Demanda Mxima (Y) y la Temperatura Mxima del Da (X)
Tabla 4. ANOVAa
cuadrados cuadrtica
Regresin 17169,871 1 17169,871 65,605 ,000b
1 Residual 2093,729 8 261,716
Total 19263,600 9
a. Variable dependiente: Demanda_maxima
b. Variables predictoras: (Constante), Temperatura_maxima
Ecuacin de la regresin


Tabla 5.Coeficientesa
Modelo Coeficientes no Coeficientes t Sig. Intervalo de confianza de
estandarizados tipificados 95,0% para B
inferior superior
(Constante) -419,849 76,058 -5,520 ,001 -595,239 -244,460
1 Temperatur 6,717 ,829 ,944 8,100 ,000 4,805 8,630
a_maxima
a. Variable dependiente: Demanda_maxima
i = -419,849 + 6,717 Xi
Demanda Mxima = -419,849+ 6,717 Temperatura Mxima del da
A cada valor de la Temperatura Mxima del da le corresponde un pronstico de Demanda

Mxima basado en la disminucin constante de -419,849 ms 6,717 veces del valor de la
Temperatura Mxima del da
Diagrama de dispersin con la lnea de regresin
i = -419,849 + 6,717 Xi
Nos piden la temperatura a 98 F
i = -419,849 + 6,717 (98)
i = 238.417
Forma de presentar los resultados en una investigacin
Tabla 01 Resumen estadstico de valores promedio, desviacin estndar, mnimo y mximo de la

Temperatura Mxima del da y Demanda Mxima
Demanda Mxima 194,8000 266 150 46,26446 23.74
Temperatura Mxima
91,5000 100 81 6,50214 7.1
Del Da
Tabla 02 Matriz de Correlacin de las Ventas de la compaa y Rentas de la industria
Demanda Mxima Temperatura Mxima Del Da
Demanda Mxima 1 0.944

Temperatura Mxima
0.944 1
Del Da
La correlacin de variables de inters del estudio muestra una relacin positiva o directa entre
la Demanda Mxima y Temperatura Mxima
Del Da
La relacin existente entre las Demanda Mxima y Temperatura Mxima Del Da se

ilustra en la FIGURA 01, a mayor Temperatura Mxima Del Da la Demanda Mxima
se ve aumentadas.
Modelo de regresin: i = -419,849 + 6,717 Xi
amayorTemperatura Mxima Del Da (X) mayor Demanda Mxima (Y).

Ejercicios (Analisis Multidimensional)

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Ejercicios (Analisis Multidimensional)

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD NACIONAL DEL SANTA

ASIGNATURA: Ing. Anlisis Multidimensional

DOCENTE: America Odar Rosario

ESTUDIANTE: Baes Vsquez Diego Fernando

NVO. CHIMBOTE PER

El siguiente es un conjunto de datos experimentales codificados acerca de la resistencia a la

CONCENTRACIN RESISTENCIA A LA COMPRESIN

a) Grafica los datos y obtenga el diagrama de dispersin

Muestra las medidas para las variables dependiente e independiente:

Muestra la correlacin entre las variables dependientes e independientes:

Resumen del modelob

a. Variables predictores: (Constante), Y3, Y2, Y1

Diagrama de dispersin con la lnea de regresin:

Valores promedio, desviacin estndar, mnimo y mximo de Concentracin y

Variables Media Mxima Mnima Desviacin CV%

Nos indica que la relacin es negativa ya que a mayor resistencia a la

VENTAS DE LA CIA( Y) VENTAS DE LA

a. Encontrar una recta que se ajuste a los datos

Tabla 1. Estadsticos descriptivos

Tabla 3. Resumen del modelob

TABLA 04. ANOVAa

En el anlisis de regresin lineal simple, el coeficiente de regresin estandarizado

Con los resultados de la Tabla 05 construimos la ecuacin de regresin:

Ventas de la Compaa = 0,195Xi 1,430 Rentas de la Industria

A cada valor de Rentas de la Industria le corresponde un pronstico de Ventas de la Compaa

Diagrama de dispersin con la lnea de regresin

El efecto de la temperatura en la absorcin de anhdrido carbnico en agua est dada en la

temperatura (X) coeficiente de absorcin relativa (Y)

a) Ajustar el modelo adecuado a los datos

Los siguientes resultados son las salidas del SPSS:

Media Desviacin tpica N

coeficiente 25,8571 25,64780 7

temperatura 27,1429 14,09998 7

2. La Tabla 2 muestra la correlacin entre las variables dependientes e independientes

3. La tabla 3 muestra el Coeficiente de correlacin y su cuadro. 2 expresa la porcin de

Resumen del modelob

Error tp. de la Estadsticos de cambio

En el anlisis de regresin lineal simple, el coeficiente de regresin estandarizado

Con los resultados de la Tabla 05 construimos la ecuacin de regresin:

Ventas de la Compaa = 11,701 + 0.522 Rentas de la Industria

A cada valor de Coeficiente de absorcin relativa le corresponde un pronstico de

Tabla 01 Resumen estadstico de valores promedio, desviacin estndar, mnimo y mximo de

Coeficientes de absorcin relativa 25,8571 46 5 25,64780 99,17

temperatura C 27,1429 50 10 14,09998 51,94

Tabla 02 Matriz de Correlacin de Coeficientes de absorcin relativa y temperatura C

Coeficientes de absorcin relativa 1 0.287

La relacin existente entre las Coeficientes de absorcin relativa y temperatura C se ilustra

Modelo de regresin: i = 11,701 + 0,522Xi

Ecuacin de Regresin: i = -378.972 + 3.998 Xi

Se concluye que hay relacin entre la temperatura de ebullicin y la presin.

Calcule la temperatura de ebullicin individual y media a 15 mmHg del salicilato de metilo.

Para un valor medio.

153 2.58 54.85

11.487 < < 294.513

153 2,58 240.54

467.5932 < < 853.3152

c) Obtenga la ecuacin de regresin para los datos

Con la siguiente tabla obtenemos la lnea de regresin

a) Grafique los datos e indique la posible tendencia de los datos.

La segunda tabla muestra la correlacin entre las variables dependientes e

2 Expresa la porcin de varianza de la variable Dependiente, que esta explicada por la

Muestra los coeficientes de la recta de regresin. La columna denominada Coeficientes no

De tal forma, podemos generar la ecuacin de regresin como:

DIAGRAMA DE DISPERSIN Y LNEA DE REGRESIN