Ejercicio RLM Cacahuates

EJERCICIO REGRESIÓN LINEAL MÚLTIPLE

Un ingeniero hizo un experimento para determinar la presión, temperatura y flujo de CO2, la humedad y el tamaño de partículas de los cacahuates sobre el rendimiento total de aceite por lote de cacahuates.

1. Ajustar el modelo de regresión lineal múltiple que relacione el rendimiento con esos regresores

[pic 1]

1. Probar la significancia de la regresión ¿A que conclusiones se puede llegar?

Siendo el valor de significancia F de tabla: 3.326 y la F calculada es 29.86, se considera que el modelo de regresión tiene un valor de predicción aceptable.

1. Hacer pruebas t para evaluar la contribución de cada regresor al modelo. Comentar resultados

Al realizar las pruebas de significancia, se encontró que las variables que corresponden a la Presión, la humedad y el Flujo, caen en la zona de rechazo, por lo que se puede concluir que estas variables no presentan correlación con el rendimiento.

1. Calcular R2 y R2Adj para este modelo. Comparar esos valores con los de R2 y R2Adj para este modelo de RLM, que relacione el rendimiento con la temperatura y el tamaño de partícula

La comparación de los estadísticos R2 nos revelaron una similitud bastante relevante entre el modelo de RLM de cinco variables y el de dos (Temperatura y el tamaño de partícula).

Si prestamos atención a las pruebas de t, vemos que esas dos variables son las únicas que tienen una relevancia significativa en la predicción del modelo de RLM del rendimiento.

1. Establecer un intervalo de confianza de 95% para el coeficiente de regresión de la temperatura en ambos modelos del inciso d. Comentar diferencias encontradas.

Al realizar la comparación se logra observar una diferencia en la que se pierde precisión en el cálculo del intervalo que se obtiene por el modelo de RLM de 5 variables, pues el rango del intervalo es mayor, por lo cual el modelo de dos variables es más confiable y preciso.

[pic 2][pic 3]

[pic 4]     [pic 5]        

...