1. Para un laboratorio X, cuando ratas son expuestas a fibras de asbesto, algunas ratas presentan varios experimentos re
Views 214 Downloads 1 File size 219KB
1. Para un laboratorio X, cuando ratas son expuestas a fibras de asbesto, algunas ratas presentan varios experimentos realizados por diferentes científicos.
EJERCICIO 1. X
Y
Exposición al asbesto (fibras/mL)
Porcentaje que presentaba tumores pulmonares
1
50
2
2
400
6
-861.111
3
500
5
4
900
5
y-
(y- )^2
-20.89
436.346
741512.35
-16.89
285.235
-761.111
579290.12
-17.89
320.012
10
-361.111
130401.23
-12.89
166.123
1100
26
-161.111
25956.79
3.11
9.679
6
1600
42
338.889
114845.68
19.11
365.235
7
1800
37
538.889
290401.23
14.11
199.123
8
2000
28
738.889
545956.79
5.11
26.123
9
3000
50
27.11
735.012
x-
(x- )^2
-1211.111 1466790.12
1738.889 3023734.57
Suma total 11350 206 0.00 6918888.89 0.00 2542.889 Calcular: 1261.111 22.889 Promedios a) Encuentre la recta de regresión para los datos. b) Haga una gráfica de dispersión y grafique la recta de regresión. ¿La recta de regresión parece ser un modelo razonable para los datos? c) ¿Qué representa el punto de intersección y la pendiente de la recta de regresión? d) Construya un análisis de varianza para esta regresión. e) Cual fue el valor del r-cuadrado? ¿Qué le indica ese valor?
b)
GRÁFICA Experimentos realizados
GRÁFICA Experimentos realizados
Linea recta ajustarse a todos los puntos. Distancia mínima posible.
60 f(x) = 0.0177212141x + 0.5404689256 R² = 0.8544682218
% Tumores Pulmunares
50
40
30
20
10
0
0
500
1000
1500
2000
2500
3000
3500
Exposición al Asbesto
�_𝑥� https://www.youtube.com/watch?v=SsFBnvkoZa4 Sxy 13623.4568 Sx 876.792696 Coeficiente de correlación Sy 16.8090217 rxy 0.9243745 R2 0.85446822
〖 �= 〗 _
Sxy SxSy
R2 ajustado es un medida de bondad de ajuste corregida modelos lineales. Identifica el porcentaje de varianza en e mediante la entrada o entradas. R2 tiende a estimar de fo lineal.
to, algunas ratas presentan tumores pulmonares. La siguiente Tabla es una lista de los resultados de
PREDICCIONES
(x-)(y-)
X
Y
25298.77
0.01772121
14543.21 13615.43 4654.32 -501.23 6476.54 7604.32 3776.54
0.540 Si r = 1, existe una correlación positiva perfecta. El índice indica una dependencia total entre las dos variables denominada relación directa: cuando una de ellas aumenta, la otra también lo hace en proporción constante. Si 0 < r < 1, existe unacorrelación positiva. Si r = 0, no existe relación lineal.
47143.21 122611.111
parece ser un modelo razonable 0.9243745
a)
INTERPRETACIÓN
INTERPRETACIÓN a) En este ejercicio el valor de b=0.01772, siendo el coeficiente de x Si "x" cambia o varia en una unidad entonces esto va a provocar un efecto en "y" en 0.01772. Si "x" aumenta en una unidad, "y" va aumentar en 0.01772 unidades. Existe una fuerte relación directa positiva entre las variables por estar cerca a 1.
2500
3000
3500
〖 �= 〗 _
13623.4568 14738.0274
〖 �= 〗 _
0.9243745
Fuerte relación directa por estar cerca 1
ajuste corregida (precisión de modelo) para los de varianza en el campo objetivo que se explica e a estimar de forma optimista el ajuste de la regresión
los resultados de
a. El índice indica
b=(∑▒{(𝑥_𝑖−𝑥 ̅) (�_𝑖−� ̅)} )/ (∑▒ 〖 (𝑥_𝑖− �=� ̅ 〗 ) 〖 𝑥 ̅) ̅− 〗b𝑥^2
ellas aumenta, la Si 0 < r < 1, te relación lineal.
〖 �= 〗 _
resión
b=(∑▒{(𝑥_𝑖−𝑥 ̅) (�_𝑖−� ̅)} )/ (∑▒ 〖 (𝑥_𝑖− �=� ̅ 〗�= 〖 𝑥 ̅) ̅− 〗b𝑥^2 ) �=
c)
b=
b=
0.01772121 Indica el grado de inclinación de l
122611.111 6918888.89
22.8888889 22.8888889
- 0.01772121 * 1261.11111 - 22.34842 = 0.54046893
indica el lugar en el que la linea se
r=(∑▒{(𝑥_𝑖−𝑥 ̅) 〖 �= 〗 _ )^(1⁄2) (^ _ (�_𝑖−� ̅)} )/({[∑▒( 𝑥_𝑖− 〖 �= 〗 122611.111111111 〖 𝑥 ̅) 〗 ^2 ][∑▒ 〖 (�_𝑖− 6918888.89 * 2542.889 〖 �= 〗 _ 〖 �= 〗 _ 〖 � ̅) 〗 ^2 〗 ]} ^(1⁄2) ) 122611.111 132642.247
�=�+bx 〖 �= 〗 _
0.54046893 0.55819014 0.57591135 0.59363257 0.61135378
〖 �= 〗 _
+ 0.54046893 + 0.54046893 + 0.54046893 + 0.54046893 + 0.54046893 + 0.54046893
0.9243745
0.01772121 X 0
0
0.01772121
1
0.03544243
2
0.05316364
3
0.07088486
4
0.629075
0.54046893
+
0.08860607
5 6 7
ndica el grado de inclinación de la linea.
ndica el lugar en el que la linea se cruza con el eje y
〖 �= 〗 (^ _
)^(1⁄2)
122611.111111 17593965679
〖 �= 〗 _ 194.4
〖 �= 〗 _ 194.4
〖 �= 〗 _ 127.4
EJERCICIO 8. En una industria se desea investigar cómo influye la temperatura (ºC) en la presión d muestran a continuación:
EJERCICIO 1. X
Y
Temperatura
Presión
1
13.0
2
2.9
x- -34.073
(x- )^2 1160.95
y- -53.34
(y- )^2 2844.768
19.5
5.1
-27.573
760.26
-51.14
2614.928
3
45.7
30.5
-1.373
1.88
-25.74
662.360
4
56.1
51.4
9.027
81.49
-4.84
23.390
64.4
74.5
17.327
300.23
18.26
333.560
71.4
100.2
24.327
591.82
43.96
1932.801
7
80.5
143.7
33.427
1117.38
87.46
7649.888
8
85.7
176.9
38.627
1492.07
120.66
14559.713
9
22.5
8.5
-24.573
603.82
-47.74
2278.760
10
27.2
10.3
-19.873
394.93
-45.94
2110.150
11
31.8
14.6
-15.273
233.26
-41.64
1733.587
517.8 47.073
618.6 56.236
0.00
6738.08
0.00
36743.905
5 6
Suma total Promedios
Calcular:
a) Hallar la ecuación de la regresión de Y sobre X. b) Calcular el coeficiente de correlación lineal e intérprete el significado de esta medida en este ejemplo. c) ¿Cuál sería la presión, si la temperatura fuese de 12.5 y 12.8? d) Realice el gráfico correspondiente.
d)
GRÁFICA
200 180 160 140
f(x) = 2.2129889947x - 47.9350637692 R² = 0.8980685205
120 100 80 60 40 20 0 0.0
10.0
20.0
30.0
40.0
https://www.youtube.com/watch?v=SsFBnvkoZa4 Sxy 1355.57281 Sx 24.7498059 �_𝑥� Coeficiente de correlación Sy 57.7958047 rxy 0.94766477 R2 0.89806852
50.0
60.0
〖 �= 〗 _
70.0
Sxy SxSy
80.0
90.0
peratura (ºC) en la presión del vapor de B-trimetilboro. Los datos obtenidos con tal propósito se
(x-)(y-) 1817.32
PREDICCIONES X Y 2.21298899
1409.97 35.33 -43.66 316.46
-47.935
1069.52 2923.67 4660.91 1173.01 912.88 635.90 14911.301
n este ejemplo.
0.94766477
a)
INTERPRETACIÓN
En este ejercicio el valor de b=2.213, siendo el coeficiente de x Si "x" cambia o varia en una unidad entonces esto va a provocar un efecto en "y" en 2.213. Si "x" aumenta en una unidad, "y" va aumentar en 2.213 unidades.
70.0
80.0
90.0
1355.57281
〖 �= 〗 1430.43495 _ 〖 �= 〗0.94766477 _
Fuerte relación directa por estar cerca 1
propósito se
b=
b=2.21298899
14911.301 6738.08
�=� − ̅ b𝑥 ̅ �=56.2363636 - 2.21298899 * b=(∑▒{(𝑥_𝑖−𝑥 ̅) (�_𝑖−� ̅)} )/ �=56.2363636 - 104.171427 = (∑▒ 〖 (𝑥_𝑖− 〖 𝑥 ̅) 〗 ^2 〗 )
47.0727273 -47.935064
r=(∑▒{(𝑥_𝑖−𝑥 ̅) 14911.301 〖 �= 〗 _ (^ 6738.08 * 36743.905)^(1⁄2) (�_𝑖−� ̅)} )/({[∑▒( 𝑥_𝑖− 〖 𝑥 ̅) 〗 ^2 ][∑▒ 〖 (�_𝑖− 14911.301 〖 �= 〗 _ 〖 �= 〗 _ 15734.7844 〖 � ̅) 〗 ^2 〗 ]} ^(1⁄2) ) �=𝑏𝑥 −�
〖 �= 〗-20.272701 _ c)
〖 �= 〗2.213 _ X 〖 �= 〗2.213 _ 12.5
�=𝑏𝑥 −� 〖 �= 〗 _
〖 �= 〗2.213 _ 〖 �= 〗 _
27.6623624
X
-47.935
-47.935064 -47.935064
-47.935
〖 �= 〗-19.608805 _
〖 �= 〗 _ 〖 �= 〗2.213 _ 12.8 28.3262591
-47.935064 -47.935064
〖 �= 〗 )^(1⁄2) (^
14911.301
_
)^(1⁄2)
247583441.272
b) 〖 �= 〗0.94766477 _
〖 �= 〗 _ 194.4
〖 �= 〗 _ 127.4
15 10 20 25 30 30 20 30 15 20 25 30 30 15 25 30 10 25 25 25 10 25 15 21.3043478261
30 15 20 25 25 20 25 15 25 10 20 25 15 25 15 25 10 25 30 15 20 20 20