Um engenheiro de uma indústria de semicondutores deseja modelar a relação entre o ganho de um equipamento ou hFE (y) e três parâmetros: emissor-RS C^),

base-RS ( x ,) e emissor para a base-RS (a\ ). O s dados são

fornecidos a seguir: (a) Ajuste uma regressão linear múltipla aos dados.

(b) Dê uma previsão para hFE quando x] = 14, x, = 220

e = 5. [dados de Myers e Montgomery (2002)]

O modelo estimado para o modelo acima é o seguinte:, enquanto , e são estimativas de mínimos quadrados de , e respectivamente. A solução para os coeficientes de regressão é dada da seguinte forma: , que também é conhecida como estimativas OLS ou estimativas de mínimos quadrados ordinários.

a) Aqui nós MINITAB para analisar o conjunto de dados dado fitting o modelo de resgressão múltipla , a saída é a seguinte:A equação de regressão é

Preditor Coef SE Coef T PConstante x2

Ao observar a saída acima, podemos dizer que o ajuste é muito ruim, uma vez que seu valor r-quadrado ajustado é muito menor. Aqui, apenas as variações totais na resposta são explicadas pelos preditores. O modelo ajustado acima não pode ser usado para previsões; ele pode nos dar valores falsos.

b) Agora vamos prever hFE quando e . Usando o mo del equipado acima, obtemos

Portanto, o valor previsto do hFE para os valores dados de outras variáveis preditoras é unidades.