REPORTE 2

REGRESION LINEAL SIMPLE

PROPIO:

1) Los siguientes datos se refieren al crecimiento de una colonia de bacterias en un

medio de cultivo:

X 3 6 9 12 15 18
Y 115000 147000 239000 356000 579000 864000

Siendo X el número de días desde la inoculación e Y el número de bacterias.

Comprobar gráfica y numéricamente que el tipo de asociación entre ambas variables
no es lineal.

1. PLANTEAR LAS HIPÓTESIS.

H0: Los datos se ajustan al modelo de regresión adoptado, es decir, Y = ax+b

H1: Los datos NO se ajustan al modelo de regresión adoptado

2. DETERMINAR EL NIVEL DE SIGNIFICANCIA:

α=0.05

3. GRAFIQUE EL CONJUNTO DE PUNTOS

Crecimiento de una colonia de

bacterias en un medio de cultivo
1000000
NUMERO DE BACTERIAS

800000 y = 49124x - 132467

R² = 0.9076
600000

400000

200000

0
0 5 10 15 20
DIAS
4. CALCULE A; B Y LA ECUACIÓN DE PRONÓSTICO Y = AX+B

 Ecuación: y = 49124x – 132467

a = 49124
b = - 132467

 Ecuación: y = 49123,809524x -132466,667

a = 49123.809524
b = - 132466.667

5. CALCULE r Y R^2

R² = 0.9076
r = 0.95268043

R² = 0,907607

r = 0.9526841

6. CALCULAR EL ANVA CORRESPONDIENTE

ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los F Valor crítico
libertad cuadrados cuadrados de F
Regresión 1 3.8007E+11 3.8007E+11 39.2935433 0.00330519
Residuos 4 3.869E+10 9672604762
Total 5 4.1876E+11

ANOVAa
Modelo Suma de gl Media F Sig.
cuadrados cuadrática
1 Regresión 38007091428 1 38007091428 39,294 ,003b
5,714 5,714
Residuo 38690419047 4 9672604761,
,619 905
Total 41876133333 5
3,333
a. Variable dependiente: bacterias
b. Predictores: (Constante), dias

7. DECISION: SI P VALOR << 𝜶 => ,SE RECHAZA LA HO

0.05> 0.003 entonces se rechaza el Ho

8. CONCLUSIÓN:

Como se observa, el valor de p de falta de ajuste indica 0.003, lo cual significa

que con un 95% de confianza se rechaza la idea de que los datos se ajusten a
un modelo lineal. Por tanto, no es un ajuste lineal.

2) La hidrólisis de un cierto éster tiene lugar en medio ácido según un proceso

cinético de primer orden. Partiendo de una concentración inicial (por 103(M))
desconocida del éster, se han medido las concentraciones del mismo a diferentes
tiempos (en minutos) obteniéndose los resultados siguientes:

Tiemp 3 5 10 15 20 30 40 60 75 90
o
Conc. 25. 23. 18. 14. 11. 7.4 12. 1.5 0.7 0.4
5 4 2 2 6 5
Comprobar gráfica y numéricamente que el tipo de asociación entre ambas variables
no es lineal.

1. PLANTEAR LAS HIPÓTESIS.

H0: Los datos se ajustan al modelo de regresión adoptado, es decir, Y=ax+b

H1: Los datos NO se ajustan al modelo de regresión adoptado

2. DETERMINAR EL NIVEL DE SIGNIFICANCIA:

α=0.05

3. GRAFIQUE EL CONJUNTO DE PUNTOS

La hidrólisis de un cierto éster

30
25
20
TIEMPO

15 y = -0.2708x + 20.965
R² = 0.8316
10
5
0
0 20 40 60 80 100
-5
CONCENTRACION
4. CALCULE A; B Y LA ECUACIÓN DE PRONÓSTICO Y=ax+b

 Ecuación: y = -0.2708x + 20.965

a =-0.2708x
b = 20.965

 Ecuación: y = -2,708318 +209,649452

a =-0.2708318X
b =209,649452

5. CALCULE r Y R^2

R² = 0.8316

r = 0.91192105

R² = 0,831550

r = 0.91189363
 6. CALCULAR EL ANVA CORRESPONDIENTE

ANÁLISIS DE VARIANZA
Grados Suma de Promedio de los F Valor
de cuadrados cuadrados crítico de
libertad F
Regresión 1 621.5372222 621.5372222 39.4918992 0.000237
Residuos 8 125.9067778 15.73834722
Total 9 747.444

ANOVAa
Modelo Suma de gl Media F Sig.
cuadrados cuadrática
1 Regresión 62153,722 1 62153,722 39,492 ,000b
Residuo 12590,678 8 1573,835
Total 74744,400 9
a. Variable dependiente: concentracion
b. Predictores: (Constante), tiempo

7. DECISION: SI P VALOR << 𝜶 => ,SE RECHAZA LA HO

0.05> 0.00 entonces se rechaza el Ho

8. CONCLUSIÓN:

Como se observa, el valor de p de falta de ajuste indica 0.00, lo cual significa

que con un 95% de confianza se rechaza la idea de que los datos se ajusten a
un modelo lineal. por tanto, no es un ajuste lineal.
3) El siguiente artículo está basado en el paper de Rawski y colaboradores [1] y
tiene por objeto entregar una alternativa para evaluar la linealidad de las curvas de
calibración.
Supongamos que se prepararon 11 soluciones de distinta concentración de un
elemento y se leyeron por espectrofotometría. Con estos datos se quiere saber si
el método lineal o cuadrático es adecuado o no para este rango de concentración.

Conc. área pico área pico área pico Prom

mg/L 1 2 3 área
0 0 0 0 0
2 0.089 0.082 0.07 0.08
4 0.137 0.142 0.128 0.136
6 0.215 0.201 0.205 0.207
8 0.245 0.242 0.243 0.243
10 0.302 0.317 0.29 0.303
12 0.335 0.325 0.327 0.329
14 0.366 0.375 0.37 0.37
16 0.413 0.405 0.4 0.406
18 0.434 0.441 0.42 0.432
20 0.442 0.45 0.441 0.444
1. PLANTEAR LAS HIPÓTESIS.

H0: Los datos se ajustan al modelo de regresión adoptado, es decir, Y=ax+b

H1: Los datos NO se ajustan al modelo de regresión adoptado

2. DETERMINAR EL NIVEL DE SIGNIFICANCIA:

α=0.05

3. GRAFIQUE EL CONJUNTO DE PUNTOS

 Espectrofotometría de 11 soluciones
25

20
y = 43.851x - 1.76
15 R² = 0.9667
AREA

10

0
0 0.1 0.2 0.3 0.4 0.5
-5
CONCENTRACION

4. CALCULE A; B Y LA ECUACIÓN DE PRONÓSTICO Y=ax+b

 Ecuación: y =43.851x - 1.76X

a = 43.851x
b = - 1.76X

5. CALCULE r Y R^2

R² = 0.9667

r = 0.98320903

6. CALCULAR EL ANVA CORRESPONDIENTE

Suma de cuadrados Promedio de los F Valor crítico de F

cuadrados
425.3546711 425.3546711 261.3933819 5.87339E-08
14.64532886 1.627258762
440

7. DECISION: SI P VALOR << 𝜶 => ,SE RECHAZA LA HO

0.05 < 5.87339 entonces se rechaza el Ho

8. CONCLUSIÓN:
Como se observa, el valor de p de falta de ajuste indica 5.87339 , lo cual
significa que con un 95% de confianza se acepta la idea de que los datos se
ajusten a un modelo lineal. por tanto, es un ajuste lineal.
4) Se ha realizado un estudio para investigar el efecto de un determinado
proceso térmico (horneado) en la dureza de un producto de panificación
(galleta). Once piezas se seleccionaron para el estudio. Antes del
tratamiento se realizaron pruebas de dureza para determinar la dureza
de cada pieza. Después, las piezas fueron sometidas a un proceso
térmico de horneado con el fin de mejorar su dureza. Al final del proceso,
se realizaron nuevamente pruebas de dureza y se obtuvo una
segunda lectura. Se recogieron los siguientes datos (Kg. de presión):

Dureza
Prev. 262 262 262 262 262 262 262 262 262 262 262
Dureza 226 226 226 226 226 226 226 226 226 226 226
post

a) ¿Se puede afirmar que el proceso de horneado mejora la dureza de las

piezas?

b) Decide si un modelo lineal es adecuado para explicar la dureza posterior

en función de la dureza previa. En caso afirmativo obtenlo y predice la
dureza tras el proceso de horneado de una pieza con una dureza previa de
215.

No lo es , ya q se rechaza Ho

1. PLANTEAR LAS HIPÓTESIS.

H0: Los datos se ajustan al modelo de regresión adoptado, es decir,

Y=ax+b

H1: Los datos NO se ajustan al modelo de regresión adoptado

2. DETERMINAR EL NIVEL DE SIGNIFICANCIA:

 α=0.05

3. GRAFIQUE EL CONJUNTO DE PUNTOS

Chart Title
350
y = 0.4543x + 99.476
300 R² = 0.8196
250
dureza post

200

150

100

50

0
0 100 200 300 400 500 600
Dureza previa

4. CALCULE A; B Y LA ECUACIÓN DE PRONÓSTICO Y=ax+b

 Ecuación: y = 0.4543x + 99.476

a = 0.4543x
b = 99.476

5. CALCULE r Y R^2

R² = 0.8196

r = 0.90531762
6. CALCULAR EL ANVA CORRESPONDIENTE

ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los F Valor crítico
libertad cuadrados cuadrados de F
Regresión 1 15680.1479 15680.1479 40.8957106 0.00012601
Residuos 9 3450.76119 383.41791
Total 10 19130.9091

7. DECISION: SI P VALOR << 𝜶 => ,SE RECHAZA LA HO

0.05> 0.00012601 entonces se rechaza el Ho

8. CONCLUSIÓN:

Como se observa, el valor de p de falta de ajuste indica, lo cual significa

que con un 95% de confianza se rechaza la idea de que los datos se
ajusten a un modelo lineal. por tanto, no es un ajuste lineal.