Regresión Lineal Robusta
Enviado por gio0905 • 29 de Noviembre de 2015 • Práctica o problema • 2.320 Palabras (10 Páginas) • 295 Visitas
INSTITUTO TECNOLOGICO DE SALTILLO
[pic 1]
TALLER DE REGRESION
DR. FEDERICO ZERTUCHE LUIS.
CHRISTIAN GIOVANI JUAREZ MONTES.
23 DE NOVIEMBRE 2015
TALLER DE
ESTADISTICA APLICADA
(2015)
Tema: Regresión Lineal Robusta
Un investigador esta realizando la calibración de una máquina de fotocopiado como la mostrada en la figura 1, para el diseño es considerada la siguiente respuesta:
Respuesta | Meta |
Ink Value | 500 ± 100 |
En el análisis se consideran 3 variables listadas en la tabla 1, el objetivo principal de esta aplicación es que se utilice la regresión lineal múltiple, partiendo de la base que no se cuenta con valores de función inicial, solo se tienen los intervalos en los cuales se pueden mover los factores y los valores de cambio:
Factor | Valor Mínimo | Valor Máximo | Intervalo de Cambio |
Speed | -1 | 1 | 0.02 |
Pressure | -1 | 1 | 0.02 |
Distance | -1 | 1 | 0.05 |
[pic 2]
Figura 1. Centro de Fotocopiado
En este caso, en el taller se les da 90 piezas como máximo, lo anterior para que realice los cambios que crea necesarios. En este caso deberá aplicar el concepto de regresión lineal múltiple, buscando analizar replicas para de esta manera obtener una regresión donde se contemple el estudio de las respuestas.
En base a la información recolectada y apoyado en el concepto de regresión lineal determine lo siguiente:
1.- Cual sería su combinación óptima en base al pronóstico inferencial del estudio, buscando cumplir el requerimiento de 500 ± 100.
2.- Cuales son los factores que mas afectan.
3.- Realice una gráfica sumaria de una implementación de 75 corridas de su combinación óptima.
4.- ¿El resultado de la implementación de su pronóstico, es el esperado para estar dentro de las especificaciones del cliente?
Se realizaron un total de 90 experimentos en el simulador en el cual se pudieron cambiar 3 variables ( velocidad, presión, distancia ) para realizar los cambios se modificaron las variables cada 3 experimentos, posteriormente la tabla que nos dio al experimentar se llevó a MINITAB el cual nos permitió hacer un estudio de regresión lineal múltiple que nos pudiera dar una ecuación confiable para realizar los cambios adecuados en la ecuación para poder llegar a la meta que en este caso es de 500. Se tuvo que utilizar varias combinaciones en las cuales se obtuvieron 500 hasta llegar a la que estuviera en el rango de 400 – 600.
90 experimentos:
Speed | Pressure | Distance | Ink_Value |
1 | 1 | 1 | 682 |
1 | 1 | 1 | 1138 |
1 | 1 | 1 | 722 |
0.9 | -0.7 | 1 | 570 |
0.9 | -0.7 | 1 | 507 |
0.9 | -0.7 | 1 | 527 |
-0.48 | -0.7 | 0.55 | 225 |
-0.48 | -0.7 | 0.55 | 173 |
-0.48 | -0.7 | 0.55 | 243 |
-0.48 | -0.2 | 0.55 | 304 |
-0.48 | -0.2 | 0.55 | 348 |
-0.48 | -0.2 | 0.55 | 237 |
-0.18 | -0.14 | 0.9 | 377 |
-0.18 | -0.14 | 0.9 | 297 |
-0.18 | -0.14 | 0.9 | 381 |
-0.04 | -0.14 | 0.6 | 368 |
-0.04 | -0.14 | 0.6 | 354 |
-0.04 | -0.14 | 0.6 | 327 |
-0.04 | 0.04 | 0.6 | 356 |
-0.04 | 0.04 | 0.6 | 390 |
-0.04 | 0.04 | 0.6 | 337 |
-0.04 | 0.12 | 0.35 | 401 |
-0.04 | 0.12 | 0.35 | 405 |
-0.04 | 0.12 | 0.35 | 363 |
0.04 | 0.12 | -0.25 | 285 |
0.04 | 0.12 | -0.25 | 311 |
0.04 | 0.12 | -0.25 | 318 |
0.04 | 0.12 | 0.05 | 390 |
0.04 | 0.12 | 0.05 | 298 |
0.04 | 0.12 | 0.05 | 340 |
0.24 | 0.12 | 0.05 | 400 |
0.24 | 0.12 | 0.05 | 420 |
0.24 | 0.12 | 0.05 | 411 |
0.24 | 0.32 | 0.05 | 443 |
0.24 | 0.32 | 0.05 | 419 |
0.24 | 0.32 | 0.05 | 410 |
0.24 | 0.32 | 0.15 | 386 |
0.24 | 0.32 | 0.15 | 506 |
0.24 | 0.32 | 0.15 | 550 |
0.24 | 0.3 | 0.15 | 540 |
0.24 | 0.3 | 0.15 | 432 |
0.24 | 0.3 | 0.15 | 417 |
0.28 | 0.3 | 0.15 | 441 |
0.28 | 0.3 | 0.15 | 474 |
0.28 | 0.3 | 0.15 | 458 |
0.28 | 0.3 | 0.25 | 487 |
0.28 | 0.3 | 0.25 | 525 |
0.28 | 0.3 | 0.25 | 579 |
1 | 0.3 | 0.25 | 636 |
1 | 0.3 | 0.25 | 656 |
1 | 0.3 | 0.25 | 606 |
1 | 0.2 | 0.25 | 698 |
1 | 0.2 | 0.25 | 716 |
1 | 0.2 | 0.25 | 652 |
1 | 0.2 | -1 | 365 |
1 | 0.2 | -1 | 331 |
1 | 0.2 | -1 | 330 |
0.88 | 1 | -1 | 378 |
0.88 | 1 | -1 | 276 |
0.88 | 1 | -1 | 340 |
0.76 | 1 | -0.65 | 361 |
0.76 | 1 | -0.65 | 393 |
0.76 | 1 | -0.65 | 426 |
0.76 | 1 | -0.45 | 563 |
0.76 | 1 | -0.45 | 465 |
0.76 | 1 | -0.45 | 469 |
0.76 | 0.94 | -0.45 | 560 |
0.76 | 0.94 | -0.45 | 525 |
0.76 | 0.94 | -0.45 | 448 |
0.76 | 0.94 | -0.7 | 419 |
0.76 | 0.94 | -0.7 | 461 |
0.76 | 0.94 | -0.7 | 420 |
0.8 | 0.94 | -0.7 | 492 |
0.8 | 0.94 | -0.7 | 473 |
0.8 | 0.94 | -0.7 | 448 |
0.78 | 0.94 | -0.7 | 481 |
0.78 | 0.94 | -0.7 | 400 |
0.78 | 0.94 | -0.7 | 433 |
0.78 | 0.96 | -0.55 | 475 |
0.78 | 0.96 | -0.55 | 347 |
0.78 | 0.96 | -0.55 | 413 |
-1 | 0.96 | -0.55 | 152 |
-1 | 0.96 | 1 | 253 |
0.58 | 0.96 | 1 | 720 |
0.58 | 0.96 | 1 | 658 |
0.58 | 0.96 | 1 | 909 |
0.58 | 0.96 | 0.55 | 665 |
0.58 | 0.96 | 0.55 | 684 |
0.58 | 0.96 | 0.55 | 512 |
0.58 | 0.96 | 0.5 | 519 |
...