Solusi
Hasil akan disajikan tanpa menunjukkan semua perhitungan terperinci karena relatif mudah. Dari
Contoh 3.1, maka didapatkan bahwa reaksi Arrhenius linear seperti :
dimana R =8.314 J mol · K-1. Menggunakan Persamaan. (3.108), parameter linear adalah ln A =
5.70084 ± 0.00762 dan –EaR-1 = -178.84 ± 2.20878. Untuk mendapatkan estimasi parameter asli,
ada kebutuhan untuk mengkonversi nilai. Karena kedua fungsi bersifat monoton, konversi relatif
sederhana.
Untuk A, nilai rata-rata dapat dihitung sebagai  =e5.70084 = 299.12. Interval kepercayaan
dapat dihitung dengan mengubah masing-masing batas menggunakan rumus yang sama. Ini
memberi Âlower =e5.70084-0.00762 = 296,8 dan Âlower = e55,70084 + 0,00762 = 3030,41. Oleh karena itu,
kepercayaan untuk A dapat ditulis sebagai [297, 301] cm3 s-1. disebutkan bahwa interval
kepercayaan tidak simetris tentang nilai rata-rata. Ini karena fungsi eksponensial tidak menjaga
jarak.
Untuk Ea, nilai rata-rata dapat dihitung sebagai Ea^ = -8,314 x -178.84 = 1,486.91. Interval
kepercayaan menjadi 2,208 78 x -8,314 = (-)18.36. Oleh karena itu, interval konsistensi untuk Ea
adalah 1,490 ± 18 J · mol-1. Perhatikan bahwa, dalam hal ini, interval kepercayaan tetap simetris
tentang nilai rata-rata. Grafik validasi model akan ditampilkan dikombinasikan dengan hasil
regresi nonlinier.
Untuk regresi nonlinier, turunan yang diperlukan adalah
Setelah menyiapkan masalah, 2 nilai berikut diperoleh: Â = 299 ± 2 cm3 s-1 dan Ea =1.490 ± 21
J· mol-1. Interval perkiraan interval dihitung berdasarkan rumus linear. Nilai JTJ adalah
Pertama, dapat dilihat bahwa, dalam hal ini, hasilnya sangat mirip baik dalam nilai estimasi
dan nilai interval kepercayaan. Kedua, Gambar 3.4 menunjukkan plot probabilitas normal dan
residu sebagai fungsi suhu untuk kedua kasus. Dari plot probabilitas normal, akan terlihat bahwa
residu untuk kedua model sangat mirip. Di sisi lain, tampaknya ada lebih banyak titik abnormal
dalam kasus model linierisasi, menunjukkan bahwa residu dapat melanggar asumsi normalitas.
Memeriksa residu sebagai fungsi plot suhu menunjukkan beberapa hasil menarik. Pertama, untuk
model linierisasi, Run 3 membentuk residual terbesar di semua kecuali satu kasus. Kedua, ada
beberapa, jika ada, penyimpangan negatif besar dibandingkan dengan jumlah besar penyimpangan
positif. Hanya didasarkan pada model linierisasi, bahwa disimpulkan bahwa Run 3 tidak normal,
dan pengumpulan data akan menjamin pemeriksaan tambahan. Di sisi lain, ketika kasus nonlinier
digunakan, hasilnya sangat berbeda dan pola yang berbeda muncul. Pertama, Run 3 tidak lagi
menjadi pemimpin dalam residual magnitude, dan ada residu positif dan negatif dalam magnitude
yang sama. Kedua, residu bergantung pada suhu dengan nilai yang lebih rendah sekitar 350-400
K dan nilai yang lebih tinggi pada ekstrem, karena persamaan Arrhenius adalah model yang
diterima untuk perilaku yang diamati, fitur ini berpotensi dikaitkan dengan masalah dalam desain
eksperimental, yaitu, kondisi dan metode yang digunakan untuk mendapatkan data, misalnya,
pengukuran yang salah atau prosedur yang tidak lengkap.
Hal ini tidak menarik, walaupun kedua-duanya sama dan tidak linier dengan metode yang
memberikan estimasi parameter yang sama dan interval kepercayaan, analisis residu sangat
berbeda. Dalam kasus linier, dapat disimpulkan bahwa Run 3 memiliki beberapa residu abnormal
dan akan memerlukan analisis tambahan. Dalam kasus nonlinear, akan disimpulkan bahwa
tampaknya ada beberapa ketergantungan suhu residu. Ini menunjukkan pentingnya memilih
metode yang tepat untuk masalah yang diberikan.