TALLER REGRESIO LINEAL

HORAS USO 16 32 48 64 80 96 112 128

DIAMETRO (mm) 26.2 25.7 26 27.7 28.3 29.5 30.1 31.8

A) la variable independientes serian las horas de uso y la variable dependiente es el diametro

B)
Desgaste Herramieta)
40
f(x) = 0.0463204887x + 24.8731578947
38 R² = 0.9764103132
36
Diametro (mm)

34
32
30
28
26
24
0 50 100 150 200 250 300 350
Horas Uso
 144 160 176 192 208 224 240 256 272 288
31.4 33.4 33.6 32.7 35 36.1 35.7 36.2 36.8 39.1

Se observa que las variables tienen una relacion lineal positiva fuerte entre el desgaste de la
herramienta vs sus horas de trabajo.
 C)

304 320 HORAS USO DIAMETRO (mm)

38.7 39.1 16 26.2
32 25.7
48 26.0
64 27.7
80 28.3
96 29.5
112 30.1
128 31.8
144 31.4
160 33.4
176 33.6
192 32.7
208 35.0
224 36.1
240 35.7
256 36.2
272 36.8
288 39.1
304 38.7
320 39.1
435 45.0
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.9881347647
Coeficiente de determinación R^2 0.9764103132
R^2 ajustado 0.9750997751
Error típico 0.7001846636
Observaciones 20

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 365.2648458647
Residuos 18 8.8246541353
Total 19 374.0895

Coeficientes Error típico

Intercepción 24.8731578947 0.3252578013
Variable X 1 0.0463204887 0.0016969998

PRUEBA DE HIPOSIS

Hipotesis Nula H0: u= 20

Hipotesis Alternativa H1: u> 20

α 5% 0.05

n= 20
Promedio de los cuadrados F Valor crítico de F
365.2648458647 745.04531563 4.2406771504E-16
0.4902585631

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0%

76.4721331715 4.479795E-24 24.1898166113 25.556499178 24.1898166113
27.2955182334 4.240677E-16 0.0427552245 0.049885753 0.0427552245
 D) La calidad del ajuste es satisfactorio, ya que nos permitio determinar la ecuacion corre
la herramienta.

E) Para un diametro de 45 mm, se estiman 435 horas de uso.

F) El valor de la pendiente es: 0,0463 lo que significa que el aumento es positivo.

Superior 95,0%
25.5564991782
0.049885753
o determinar la ecuacion correcta para calcular la estimacion de las horas de trabajo vs diametro de

l aumento es positivo.
Tiempo (min) Rendimiento (%)
10 64
15 81.7
20 76
8 68.5
12 66.6
13 77.9
15 82.2
12 74.2
14 70
20 76
19 83.2
18 85.3
25 -27.8

A)

Variable Independiente: Tiempo

Variable dependiente: Rendimiento

B) 90

85

80 R² ==0.4487975229
f(x) 1.188671875x + 58.0328125
Rendimiento (%)

75

70

65

60
7 9 11 13 15 17 19 21
Tiempo

Rta: Se observa que no hay correlacion lineal, ya que el rendimiento varia paulatinamiente independiente del tiempo transcurr
18, ya que posterior a este inicia a bajar nuevamente.

C)

Resumen

Estadísticas de la regresión
Coeficiente de
correlación 0.6699235202
múltiple

Coeficiente de
determinación 0.4487975229
R^2
R^2 ajustado 0.3936772752
Error típico 5.442102219
Observaciones 12

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F
Regresión 1 241.1419010417 241.1419010417 8.1421535925
Residuos 10 296.164765625 29.6164765625
Total 11 537.3066666667

Coeficientes Error típico Estadístico t Probabilidad

Intercepción 58.0328125 6.3084974741 9.1991496768 3.397405E-06
Variable X 1 1.188671875 0.4165741739 2.8534459155 0.0171484855

D) la calidad del ajustes no es satisfactoria, ya que no es posible estimar el rendimiento en un instante de tiempo, ya que los da

E) El valor de la pendiente es 1,1886, lo que significa un aumento positvo alto.

F) la estimacion del rendimiento es del -27%, ya que los datos no tienen correlacion y no es posible estimar el rendiemiento.
endiente del tiempo transcurrido y como hechos especiales se evidencia que el rendimiento tiene una tendencia de aumento desde minut
 Valor crítico de F
0.0171484855

Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%

43.9766041803 72.08902082 43.9766041803 72.0890208197
0.2604867734 2.1168569766 0.2604867734 2.1168569766

tante de tiempo, ya que los datos no tienen correlacion alguna.

ble estimar el rendiemiento.

ncia de aumento desde minuto 9 hasta el minuto
A) La varibale independiete son las horas extras y la dependiente son la proporcion de piezas malas.

Semana H Extras % Defectos

1 340 5
2 95 3
3 210 6
4 809 15
5 80 4
6 438 10
7 107 4
8 180 6
9 100 3
10 550 13
11 220 7
12 50 3
13 193 193
14 290 8
15 340 2
16 115 4
17 362 10
18 300 9
19 75 2
20 93 2
21 320 10
22 154 7

B) 250 900
800
200 700
600
150
500
400
100
300
f(x) = - 5.4799548278x + 309.4285714286
R² = 0.0377439328 200
50
100
0 f(x) = 0.2879728967x + 11.5064935065 0
0 R² = 0.00218946575 10 15 20 25
% Defectos Li nea r (% Defectos ) Li nea r (% Defectos )
H Extra s Li nea r (H Extra s ) Li nea r (H Extras )

Se observa que no hay relacion entre las horas extras vs el % defectos, ya que las horas extras estan tienen pendiente negativa

C)
Resumen

Estadísticas de la regresión

Coeficiente
de 0.20045439
correlación
múltiple

Coeficiente
de 0.04018196
determinaci
ón R^2
R^2 -0.0608515
ajustado
Error típico 6.68824133
Observacion 22
es

ANÁLISIS DE VARIANZA
Grados de Suma de cuadrados Promedio de los cuadrados F
libertad
Regresión 2 35.5811293425 17.7905646712 0.3977094055
Residuos 19 849.9188706575 44.7325721399
Total 21 885.5

Coeficientes Error típico Estadístico t Probabilidad

Intercepción 13.0840087 2.4806887176 5.2743452274 4.323689E-05
Variable X 1 -0.0069109 0.0079689767 -0.8672239732 0.3966400318
Variable X 2 0.00802371 0.0365235871 0.219685805 0.8284588475

D) La calidad del ajuste no es satisfactoria ya que no hay correlacion entre los datos

E) No se pueden concluir, ya que la grafica evidencia que entre menos horas extras mas piezas defectuosas.
e piezas malas.

900
800
700
600
500
400
300
200
100
0
20 25
Li nea r (% Defectos )
Li nea r (H Extras )

as extras estan tienen pendiente negativa y los defectos pendiente positivo.

 Valor crítico de F

0.6773211092

Inferior 95% Superior 95%Inferior 95,0%

Superior 95,0%
7.8918675408 18.2761499 7.89186754 18.2761499
-0.0235901476 0.00976837 -0.0235901 0.00976837
-0.0684210326 0.08446846 -0.068421 0.08446846

as piezas defectuosas.
Cant Aditivo T secado
0 14
1 11
2 10
3 8
4 8
5 9
6 10
7 11
8 13
9 12
10 15

A)
16

15

14

13

12
f(x) = 0.2409090909x + 9.75
R² = 0.1115567911
11

10

6
0 2 4 6 8 10 12

Se evidencia que el aditivo en bajas concentraciones disminuye el tiempi de secado, pero al aumentar la concentracion del adi

B) Recomendaria la concentracion de 4 unds de aditivo.

C) Se evidencia que no hay correlacion entre los datos.

D) La cantidad de aditivo no tiene una realcion directa matematicamente, sin embargo se evidencia que el dicitivo pierde efecti

E) En este caso no es correcto ya que la idea disminuir el tiempo de secado y al ajustar la linea recta se incurre aumentar el tiem
umentar la concentracion del aditivo, el tiempo de secado aumenta.

dencia que el dicitivo pierde efectividad al aumentar su concentracion de uso.

a recta se incurre aumentar el tiempo de secado al aumentar la concentracion del aditivo.