ACT 09 Estadistica

Carlos Martínez Alvarado y U1903058M0406
Universidad del SABES, Centro San José Iturbide

U1903058M0406@sabes.edu.mx
MATERIA: INGENIERÍA ESTADÍSTICA,
Actividad 9. Diseños de superficie de respuesta
02 de Agosto del 2021
Ejemplo 2:
En la tabla se muestran la proteína en % de cáscara de piña secada a

varios tiempos (minutos) y temperatura (°C) ¿Existe un modelo que
explique la relación entre las variables indicadas?
Realizar el siguiente ejercicio en el programa minitab analizando cada uno de los modelos propuestos.
Página 1
Primero rescribimos nuestros valores en la tabla de minitab
Una vez teniendo nuestros datos, se realiza la hipótesis de que, si existe un modelo que explique la relación entre
las variables, en otras palabras, un recuento que dependa de x1 y x2.
Van a hacer cuatro modelos que se van a analizar, con un análisis de varianza me va a decir cuál es mejor
Página 2
Después se va a analizar el diseño de superficie de respuesta con el modelo de cuadrático completo

HOJA DE TRABAJO 1
Regresión de superficie de respuesta: Y vs. X1, X2

No se pueden estimar los siguientes términos y se eliminaron:
X2*X2
Coeficientes codificados
EE del
Término Coef coef. Valor T Valor p FIV
Constante 0.8774 0.0807 10.87 0.000
X1 0.0322 0.0534 0.60 0.579 1.08
X2 -0.1600 0.0437 -3.66 0.022 1.07
X1*X1 0.136 0.100 1.36 0.246 1.09
X1*X2 0.1900 0.0519 3.66 0.022 1.06
Con los resultados de este diseño se obtuvo los siguientes valores de p, se deberán analizar los valores mediante el rango de 0.5, para saber si
ese valor puede ser significativo, las constantes significativas entrarían en el modelo
0.000 < 0.05, la constante es significativa

0.579 > 0.05, la constante no es significativa
0.246 > 0.05, la constante no es significativa
Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
0.125855 85.07% 70.14% 0.00%
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Modelo 4 0.361064 0.090266 5.70 0.060
Lineal 2 0.214301 0.107150 6.76 0.052
X1 1 0.005767 0.005767 0.36 0.579
X2 1 0.212569 0.212569 13.42 0.022
Cuadrado 1 0.029279 0.029279 1.85 0.246
X1*X1 1 0.029279 0.029279 1.85 0.246
Interacción de 2 factores 1 0.212191 0.212191 13.40 0.022
X1*X2 1 0.212191 0.212191 13.40 0.022
Error 4 0.063358 0.015839
Falta de ajuste 2 0.063108 0.031554 252.43 0.004
Error puro 2 0.000250 0.000125
Total 8 0.424422
En análisis de varianza se puede observar que los valores de p, en lo que es el modelo, lineal, x1, tienen valores mayores a 0.05 con la excepción de
x2 que tiene un valor menor, el cuadrado de x1 también es mayor al 0.05, aunque la interacción de los factores x1 y x2 es menor a 0.05. esto nos
quiere decir que es mejor la interacción de 2 factores puesto que sus valores están bajo el rango del valor de p-value.
En la siguiente ecuacion nos muestra el modelo propuesto para predecir algun valor
Página 3
Ecuación de regresión en unidades no codificadas

Y = 12.95 – 0.727 X1 – 0.1460 X2 + 0.00544 X1*X1 + 0.00760 X1*X2
Página 4
Después se va a analizar el diseño de superficie de respuesta con el modelo lineal más interacciones
HOJA DE TRABAJO 1

EE del
Constante 0.9699 0.0469 20.66 0.000
X1 0.0501 0.0560 0.89 0.412 1.01
X2 -0.1535 0.0469 -3.27 0.022 1.06
X1*X2 0.1845 0.0560 3.30 0.022 1.05
Conforme a este análisis los valores de p, Todos los términos son menores de 0.05 por lo que son significativos a excepción de x1 que sobrepasa
el 0.05 que no sería significativo.
Resumen del modelo

R-cuad. R-cuad.
0.136115 78.17% 65.08% 0.00%
Nuestro valor en R cuadrada es de 78.17% y es mayor al modelo anterior cuadrático.
Modelo 3 0.331785 0.110595 5.97 0.042
Lineal 2 0.203847 0.101923 5.50 0.055
X1 1 0.014840 0.014840 0.80 0.412
X2 1 0.198159 0.198159 10.70 0.022
Interacción de 2 factores 1 0.201294 0.201294 10.86 0.022
X1*X2 1 0.201294 0.201294 10.86 0.022
Error 5 0.092637 0.018527
Falta de ajuste 3 0.092387 0.030796 246.37 0.004
Error puro 2 0.000250 0.000125
Total 8 0.424422
Ahora en el análisis de varianza los valores p de los términos cambiaron con respecto al otro modelo, todos los términos de la tabla se encuentran
por debajo del rango de 0.05 a excepción del lineal y el x1 que tienen un valor p mayor al 0.05, en comparación con el modelo anterior este
análisis de varianza mejoro en los valores de sus términos.

Y = 11.42 - 0.543 X1 - 0.1414 X2
+ 0.00738 X1*X2
Ajustes y diagnósticos para observaciones poco comunes

Resid
Obs Y Ajuste Resid est.
6 0.7100 0.5818 0.1282 2.21 R
9 0.5600 0.8164 -0.2564 -2.21 R
Residuo grande R
Página 5
Página 6
Después se va a analizar el diseño de superficie de respuesta con el modelo lineal más cuadrados
HOJA DE TRABAJO 1

No se pueden estimar los siguientes términos y se eliminaron:
X2*X2
EE del
Constante 0.913 0.149 6.11 0.002
X1 0.0217 0.0994 0.22 0.836 1.08
X2 -0.1245 0.0794 -1.57 0.178 1.02
X1*X1 0.107 0.186 0.58 0.589 1.08
En esta tabla los valores de p son mayores con respecto a los modelos anteriores
Resumen del modelo
R-cuad. R-cuad.
0.234755 35.08% 0.00% 0.00%
Este modelo tiene un R cuadrado de 35.08% en comparación, es menor con los anteriores modelos
Modelo 3 0.148873 0.049624 0.90 0.503
Lineal 2 0.136193 0.068097 1.24 0.366
X1 1 0.002622 0.002622 0.05 0.836
X2 1 0.135434 0.135434 2.46 0.178
Cuadrado 1 0.018382 0.018382 0.33 0.589
X1*X1 1 0.018382 0.018382 0.33 0.589
Error 5 0.275549 0.055110
Falta de ajuste 3 0.275299 0.091766 734.13 0.001
Error puro 2 0.000250 0.000125
Total 8 0.424422
De igual forma los valores p de todos los términos de la tabla son mayores a 0.05, por lo cual ninguno es significativo.

Y = 3.68 - 0.125 X1 - 0.0249 X2
+ 0.00430 X1*X1
Página 7
Después se va a analizar el diseño de superficie de respuesta con el modelo lineal

HOJA DE TRABAJO 1

EE del
Constante 0.9862 0.0759 12.99 0.000
X1 0.0361 0.0907 0.40 0.704 1.01
X2 -0.1202 0.0745 -1.61 0.158 1.01
En la tabla nos muestra que los valores de p de los términos sobrepasan el 0.05
Resumen del modelo

R-cuad. R-cuad.
0.221333 30.75% 7.66% 0.00%
El R cuadrado sigue siendo menor con un 30.75%
Modelo 2 0.130491 0.065246 1.33 0.332
Lineal 2 0.130491 0.065246 1.33 0.332
X1 1 0.007769 0.007769 0.16 0.704
X2 1 0.127378 0.127378 2.60 0.158
Error 6 0.293931 0.048989
Falta de ajuste 4 0.293681 0.073420 587.36 0.002
Error puro 2 0.000250 0.000125
Total 8 0.424422
Los valores p de los términos de la tabla del análisis son mayores a 0.05, ninguno tiene significancia.

Y = 2.68 + 0.0072 X1
- 0.0240 X2
Página 8
En conclusión, el mejor modelo a seguir es el modelo lineal mas interacciones con un R cuadrado de 78.17% y con
términos en su mayoría menores a 0.05 en el valor p. Por lo que la formula quedaría de la siguiente manera:
Y = 11.42 - 0.543 X1 - 0.1414 X2 + 0.00738 X1*X2
HOJA DE TRABAJO 1
Gráfica de superficie de Y vs. X2, X1
Para demostrar en la siguiente grafica de superficie:
Si tomamos el tiempo (10 min) y una temperatura (70°) mínimos nos da como resultado una proteína mayor
conforme a la gráfica de superficie (1.23)
Si tomamos un valor máximo en ambos términos, temperatura (80°) y tiempo (20 min), obtenemos un resultado
menor en la proteína (1.12).
Una vez realizada la gráfica se pasa a optimizar la respuesta, en esta ocasión se busaca el maximizar
Página 9
HOJA DE TRABAJO 1
Optimización de respuesta: Y
Parámetros
Respuesta Meta Inferior Objetivo Superior Ponderación Importancia
Y Máximo 0.56 1.23 1 1
Solución
Y Deseabilidad
Solución X1 X2 Ajuste compuesta
1 10 70 1.25781 1
Predicción de respuesta múltiple
Valor de
Variable configuración
X1 10
X2 70
EE de
Respuesta Ajuste ajuste IC de 95% IP de 95%
Y 1.258 0.103 (0.992, 1.524) (0.818, 1.697)
Página
10
En la gráfica de optimización se puede ver valor máximo en rojo, tiempo (x1) con un valor de 10 y temperatura (x2)
con un valor de 70, y tiene un valor de respuesta de y = 1.2578, y desviación estándar de 1.
Página
11

ACT 09 Estadistica

Cargado por

Copyright:

Formatos disponibles

ACT 09 Estadistica

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

ACT 09 Estadistica

Cargado por

Copyright:

Formatos disponibles

Carlos Martínez Alvarado y U1903058M0406

Universidad del SABES, Centro San José Iturbide

En la tabla se muestran la proteína en % de cáscara de piña secada a

Primero rescribimos nuestros valores en la tabla de minitab

Después se va a analizar el diseño de superficie de respuesta con el modelo de cuadrático completo

Regresión de superficie de respuesta: Y vs. X1, X2

0.000 < 0.05, la constante es significativa

Resumen del modelo

Ecuación de regresión en unidades no codificadas

Regresión de superficie de respuesta: Y vs. X1, X2

Resumen del modelo

Ecuación de regresión en unidades no codificadas

Ajustes y diagnósticos para observaciones poco comunes

Regresión de superficie de respuesta: Y vs. X1, X2

Ecuación de regresión en unidades no codificadas

Después se va a analizar el diseño de superficie de respuesta con el modelo lineal

Regresión de superficie de respuesta: Y vs. X1, X2

Resumen del modelo

Ecuación de regresión en unidades no codificadas

Y = 11.42 - 0.543 X1 - 0.1414 X2 + 0.00738 X1*X2

Gráfica de superficie de Y vs. X2, X1

Para demostrar en la siguiente grafica de superficie:

También podría gustarte