1. Demuestre que:
, puesto que
Teorema
Dividimos para n
c. Calcule y
d. Calcule
S=0.06
e. ¿Los datos proporcionan pruebas suficientes que indiquen que la difusividad del oxígeno
tiene a aumentar cuando aumenta la temperatura? Pruebe con
7. Se ha comprobado que las aleaciones amorfas tienen una excelente resistencia a la corrosión.
En Corrosion Science (Septiembre de 1993) se informó de la resistividad de una aleación amorfa
de hierro, boro y silicio después de la cristalización. Se recocieron cinco especímenes de la
aleación a 700ºC, cada uno durante un intervalo de tiempo distinto. Después se midió el
potencial de pasivación-una medida de la resistividad de la aleación cristalizada- para cada
espécimen. Los datos experimentales son los siguientes.
b. Suponiendo que la mejor forma de describir la relación entre las variables es con una línea
recta, utilice el método de mínimos cuadrados para estimar la ordenada al origen y la
pendiente de la línea.
= -33,96
10. La Comisión Federal de Comunicaciones (FCC) de Estados Unidos especifica que las
emisiones electromagnéticas radiadas por dispositivos digitales se deben medir en un sitio de
prueba de campo abierto. A fin de verificar la aceptabilidad de n sitio de prueba es preciso
evaluar la atenuación del sitio (es decir la perdida de transmisión desde la entrada de un dipolo
de media honda hasta la salida de otro cuando ambos dipolos se colocan sobre el plano de
tierra). Un estudio realizado en un sitio de prueba en Fort Collins, Colorado, produjo los
siguientes datos de atenuación del sitio (en decibeles) y frecuencia de transmisión (en MHz) para
dipolos a una distancia de 3 metros.
50 11.5
100 15.8
200 18.2
300 22.6
400 26.2
500 27.1
600 29.5
700 30.7
800 31.3
900 32.6
1000 34.9
a. Elabore un diagrama de dispersión para os datos. ¿Es evidente una relación lineal entre x y
y?
b. Encuentre la línea de mínimos cuadrados que relaciona la atenuación del sitio y con la
frecuencia de transmisión.
c. Trace la línea de mínimos cuadrados sobre el diagrama de dispersión para verificar sus
cálculos.
d. Interprete los valores de y
e. Establezca un intervalo de predicción de 90% para la atenuación de sitio de dipolos con un
frecuencia de transmisión de 350 MHz
f. Establezca un intervalo de predicción de 90% para la atenuación de sitio media de todos los
conjuntos de dipolos con un frecuencia de transmisión de 350 MHz
g. Compare los tamaños de los intervalos de los inicios e y f y comente al respecto
h. ¿Se podría reducir el tamaño de cualquiera de los intervalos, o de ambos, aumentando el
tamaño de la muestra? Explique
11. En el estado de Nueva York, la roya común del maíz es una enfermedad importante del elote
dulce. Aunque los fungicidas son efectivos para controlar la roya del maíz, el momento de la
aplicación es crucial. Los investigadores han establecido un umbral de acción para iniciar las
aplicaciones de fungicidas con base en una ecuación de regresión que relaciona la incidencia de
la roya del maíz con la severidad de la enfermedad ( Phytopathology, vol 80, 1990). En cierto
campo, se recabaron datos de más de 100 plantas de híbrido de elote dulce llamado Jubilee.
Para cada planta, se midió la incidencia como el porcentaje de hojas infectadas (x), y la
severidad, como el logaritmo (base 10) del número medio de infecciones por hoja (y). Un análisis
de regresión lineal simple de los datos produjo los siguientes resultados:
a. Interprete el valor de
b. Interprete el valor de
c. Interprete el valor de
e. Utilice el resultado del inciso d para probar la utilidad del modelo. Use . (Suponga
a.
b.
a)
b)
13. Explique por qué el intervalo de confianza para el valor medio de con un valor específico de .
Digamos , se hace más ancho conforme se aleja de . ¿Qué implicaciones tiene este
14. Suponga que desea predecir algún valor futuro de cuando empleando la ecuación de
a. Obtenga la ecuación de predicción de mínimos cuadrados para el modelo de línea recta que
relaciona la calificación del profesor con la calificación de AUTOMARK
Y = 11,39 + 0,2516 X
Modelo:
R-cuad.
S R-cuad. (ajustado)
Anova:
Fuente GL SC MC F P
90 2,5
Porcentaje
Residuo
50 0,0
10 -2,5
1 -5,0
-5,0 -2,5 0,0 2,5 5,0 14 15 16
Residuo Valor ajustado
8
2,5
Frecuencia
6
Residuo
0,0
4
-2,5
2
0 -5,0
-4 -2 0 2 4 1 5 10 15 20 25 30
Residuo Orden de observación
b. ¿Hay pruebas suficientes que indiquen que el modelo resulta útil para predecir Y? Pruebe con
Gráfica de probabilidad de RESID2
Normal
99
Media -5,38290E-16
Desv.Est. 2,204
N 33
95 KS 0,115
Valor p >0,150
90
80
70
Porcentaje
60
50
40
30
20
10
1
-5,0 -2,5 0,0 2,5 5,0
RESID2
KS= =0,115
KST= = 0,20771
Analizando nuestro Dn y Dα
Dn < Dα
0,115< 0,20771
No Rechazo
CONCLUIMOS: Hay pruebas suficientes que indiquen que el modelo resulta útil para predecir Y
16. “En el análisis de los sistemas de transporte urbanos es importante poder estimar el
tiempo de viaje esperado entre dos puntos.” Cook y Russell ( Transportation Research ,
junio de 1980) recolectaron datos sobre los tiempos y distancias de viaje entre dos
puntos de la ciudad de Tulsa para dos tipos de vehículos: camiones grandes de
compactación de desperdicios y automóviles de pasajeros. Se realizó un análisis de
regresión lineal simple de ambos conjuntos de datos (y=tiempo de viaje urbano en
minutos, x=distancia entre los puntos en millas) con los resultados que se muestran en
la tabla.
a. ¿Hay pruebas suficientes que indiquen que la distancia entre dos puntos tienen una relación
lineal con el tiempo de viaje urbano de automóviles de pasajeros entre esos puntos? Pruebe con
R2 es equivalente al cuadrado del coeficiente de Pearson el cual inica el grado de relación lineal
entre las variables estudiadas, entonces el coeficiente de Pearson para el tiempo y la distancia
recorrida por automóviles de pasajeros es: 0.82, al ser cercano a uno se deduce que la relación
el linealmente positiva.
b. ¿Hay pruebas suficientes que indiquen que la distancia entre dos puntos tienen una relación
lineal con el tiempo de viaje urbano de camiones entre esos puntos? Pruebe con
R2 es equivalente al cuadrado del coeficiente de Pearson el cual inica el grado de relación lineal
entre las variables estudiadas, entonces el coeficiente de Pearson para el tiempo y la distancia
recorrida por automóviles de pasajeros es: 0.87, al ser cercano a uno se deduce que la relación
el linealmente positiva.
d. Estime el tiempo de viaje urbano medio para todos los automóviles de pasajeros que recorren
una distancia de 3 millas por las autopistas de Tulsa.
f. Explique cómo se podría vincular una medida de confiabilidad a las inferencias hechas en los
incisos d y e.
17. A temperaturas cercanas al cero absoluto (273 grados Celsius bajo cero), el helio
adquiere características que desafían muchas leyes de la física convencional. Se
realizó un experimento con helio en forma sólida a diversas temperaturas cercanas al
cero absoluto. El helio sólido se coloca en un refrigerador de dilución junto con una
sustancia sólida impura y se registra la proporción (en peso) de la impureza que
atraviesa el helio sólido. (Este fenómeno de sólidos que pasan directamente a través
de sólidos se conoce como formación de túneles cuánticos), Los datos se presentan en
la tabla.
0.315 -262
0.202 -265
0.204 -256
0.620 -267
0.715 -270
0.935 -272
0.957 -272
0.906 -272
0.985 -273
0.987 -273
a. Construya un diagrama de dispersión para los datos.
b. Encuentra la línea de mínimos cuadrados para los datos y trácela sobre el diagrama de
dispersión
Existe alta correlacion lineal negativa, sin embargo el valor de p es menor a 0.05, por
tanto no se puede asumir normalidad en el error calculado, esto hace que la
temperatura no contribuye con información a predicción de la proporción de impureza
que atraviesa el helio cuando se utiliza un modelo lineal aun 95% de confianza.
h. Estime la proporción media de impureza que atraviesa el helio cuando la temperatura se fija en
-270°C. Utilice un intervalo de confianza de 99%
De la ecuación de la recta se obtiene:
proporción media de impureza que atraviesa el helio: 14415.422
18. En silvicultura, el diámetro de un árbol a la altura del pecho (que se mide con mucha facilidad)
sirve para predecir la altura del árbol (medición muy difícil de realizar). Los silvicultores que
trabajan en el bosque boreal de la Columbia Británica realizaron una serie de ensayos de
espaciamiento con objeto de predecir las alturas de varias especies de árboles. Los datos de la
siguiente tabla son los diámetros a la altura del pecho (en centímetros) y las alturas (en metros)
de una muestra de 36 abetos blancos del norte.
b. Suponiendo que la mejor forma de describir la relación entre las variables es con una
línea recta , utilice el método de mínimos cuadrados para estimar la ordenada al origen
y la pendiente de la línea
a. Elabore un diagrama de dispersión para los datos. Después de examinar el diagrama, ¿cree
usted que X y Y estén correlacionados? Si hay correlación, ¿es positiva o negativa?
b. Calcule el coeficiente de correlación de r e interprete su valor
Este valor expresa que no existe relacion lineal entre los datos.
1.93 4.4
1.95 5.3
1.78 4.5
1.64 4.5
1.54 3.7
1.32 2.8
2.12 6.1
1.88 4.9
1.70 4.9
1.58 4.1
2.47 7.0
2.37 6.7
2.00 5.2
1.77 4.7
1.62 4.2
2.77 6.0
2.47 5.8
2.24 5.2
1.32 3.5
1.26 3.2
1.21 2.9
2.26 5.3
2.04 5.1
1.88 4.6
Ecuación de regresión
Y = 0,213 + 2,426 X
b. Grafique los puntos de datos y trace la línea de mínimos cuadrados como verificación de sus
cálculos
Gráfica de probabilidad de AJUSTES
Normal
99
Media 4,775
Desv.Est. 1,006
N 24
95 KS 0,078
Valor p >0,150
90
80
70
Porcentaje
60
50
40
30
20
10
1
2 3 4 5 6 7
AJUSTES