Enunciado

Em um experimento para estudar os fatores que influenciam a gravidade específica da madeira ("Anatomical Factors Influencing Wood Specific Gravity of Slash Pines and the Implications for the Development of a High-Quality Pulpwood", TAPPI, 1964, p. 401-404), foi obtida uma amostra de 20 espécies de madeira madura. Além disso, foi medido o número de fibras/ m m 2 na madeira primaveril x 1 , o número de fibras / m m 2 na madeira de verão x 2 , % madeira primaveril x 3 , absorçāo de luz pela madeira primaveril x 4 e absorçāo de luz pela madeira de verāo x S .

a. O ajuste da funçāo de regressāo μ Y ' , x 1 , x i , x 1 , x 3 , x 1 = β 0 + β 1 x 1 + ⋯ + β 5 x 5 produziu um R 2 = 0,769 . Os dados indicam que existe uma relação linear entre a gravidade específica e pelo menos um dos previsores? Realize um teste, usando α = 0,01 .

b. Quando x 2 é extraído do modelo, o valor de R 2 permanece em 0,769 . Calcule o R 2 ajustado para o modelo completo e o modelo em que x 2 foi excluído.

c. Quando x 1 , x 2 e x 4 são todos excluídos, o valor resultante de R 2 é 0,654 . A soma total dos quadrados é SQT = 0,0196610 . Os dados sugerem que todos os x 1 , x 2 e x 4 têm coeficientes zero no modelo de regressāo real?Teste as hipóteses apropriadas no nível 0,05 .

d. A média e o desvio padrão de x 3 foram 52,540 e 5,4447 , respectivamente, ao passo que os de x 5 eram 89,195 e 3,6660, respectivamente. Quando o modelo que compreendia essas duas variáveis padronizadas foi ajustado, a equaçaao da regressão estimada foi y = 0,5255 - 0,0236 x 3 ' + 0,0097 x 5 ' . Que valor da gravidade específica você presumiria em relaçāo a uma amostra com % madeira primaveril = 50 e % absorçāo de luz na madeira de verão = 90 ?

e. O desvio padrão estimado do coeficiente estimado β ˆ 3 de x 3 ' (isto é, para β ˆ 3 do modelo padronizado) era 0,0046 . Obtenha um IC de 95 % para β 3 .

f. Usando as informações das partes (d) e (e), qual é o coeficiente estimado de x 3 no modelo nāo padronizado (usando apenas os previsores x 3 e x 5 ) e qual é o desvio padrāo estimado do estimador de coeficientes (isto é, s β ˆ β para β ˆ 3 no modelo nāo padronizado)?

g. A estimativa de σ para o modelo de dois previsores é s = 0,02001 , ao passo que o desvio padrão estimado de β ˆ 0 + β ˆ 3 x 3 ' + β ˆ 5 x 5 ' quando x 3 ' = - 0,3747 e x 5 ' = - 0,2769 (isto é, quando x 3 = 50,5 e x 5 = 88,9 ) é 0,00482 . Calcule um IP de 95 % para a gravidade especíica em relaçāo a % madeira primaveril = 50,5 e % absorçāo de luz na madeira de verāo = 88,9 .

Passo 1

E aí pessoal partiu para mais uma questão de (probabilidade)? Abaixo começaremos trazendo algumas informações do enunciado:

a. O ajuste da funçāo de regressāo μ Y ' , x 1 , x i , x 1 , x 3 , x 1 = β 0 + β 1 x 1 + ⋯ + β 5 x 5 produziu um R 2 = 0,769 . Os dados indicam que existe uma relação linear entre a gravidade específica e pelo menos um dos previsores? Realize um teste, usando α = 0,01 .

a. n = 20 , k = 5 , n - ( k + 1 ) = 14 , so H 0 : β 1 = … = β 5 = 0 será rejeitado em favor de H a : pelo menos um entre β 1 , … , β 5 ≠ 0 , if f ≥ F 01,5 , 14 = 4.69 . Com f = ( . 769 ) / 5 ( . 231 ) / 14 = 9.32 ≥ 4.69 , então H o é rejeitado. A gravidade específica da madeira parece estar linearmente relacionada a pelo menos um dos cinco transportadores.

Passo 2

Quando x 2 é extraído do modelo, o valor de R 2 permanece em 0,769 . Calcule o R 2 ajustado para o modelo completo e o modelo em que x 2 foi excluído.

b. Para o modelo completo, ajustado, R 2 = ( 19 ) ( . 769 ) - 5 14 = . 687 , enquanto para o modelo reduzido, o ajuste R 2 = ( 19 ) ( . 769 ) - 4 15 = . 707

Passo 3

Quando x 1 , x 2 e x 4 são todos excluídos, o valor resultante de R 2 é 0,654 . A soma total dos quadrados é SQT = 0,0196610 . Os dados sugerem que todos os x 1 , x 2 e x 4 têm coeficientes zero no modelo de regressāo real?

c. De a, S S E k = ( . 231 ) ( . 0196610 ) = . 004542 , e S S E l = ( . 346 ) ( . 0196610 ) = . 006803 , então f = ( . 002261 ) / 3 ( . 004542 ) / 14 = 2.32 . Uma vez que F . 053,14 = 3.34 and 2.32 não é ≥ 3.34 , concluímos que β 1 = β 2 = β 4 = 0 .

Passo 4

d.   x 3 ' = x 3 - 52.540 5.4447 = - . 4665 e x 5 ' = x 5 - 89.195 3.6660 = . 2196 , então y ˆ = . 5255 - ( . 0236 ) ( - . 4665 ) + ( . 0097 ) ( . 2196 ) = . 5386

.

Passo 5

e. t . 025,17 = 2.110 (erro d f = n - ( k + 1 ) = 20 - ( 2 + 1 ) = 17 para o modelo de duas portadoras), então o C.I. é - . 0236 ± 2.110 ( . 0046 ) = ( - . 0333 , - . 0139 ) .

Passo 6

f. y = . 5255 - . 0236 x 3 - 52.540 5.4447 + . 0097 x 5 - 89.195 3.6660 , então β ˆ 3 para o modelo não padronizado =(-.0236)/5.447=-.004334. O sd estimado do não padronizado β ˆ 3 é = . 0046 5.447 = - . 000845 .

Passo 7

g. y ˆ = . 532 e s 2 + s β ˆ 0 + β ˆ 3 x 3 + β ˆ 5 x 5 ' = . 02058 , então o P.I. é . 532 ± ( 2.110 ) ( . 02058 ) = . 532 ± . 043 = ( . 489 , . 575 ) .

Resposta

a. A gravidade específica da madeira parece estar linearmente relacionada a pelo menos um dos cinco transportadores.

b. 707

c. β 1 = β 2 = β 4 = 0 .

d. 5386

e. ( - . 0333 , - . 0139 ) .

f. = - . 000845 .

g. ( . 489 , . 575 ) .

Espero que tenham aprendido com essa questão, até a próxima !

Exercícios de Livros Relacionados

Os dados a seguir resultaram de um estudo sobre a relação entre o brilho do papel manufaturado ( y ) e as variáveis % H 2 O 2 por peso x 1 , % N a O H por peso x 2 , % silicato por peso x 3 e temperat
O artigo "Creep and Fatigue Characteristics of Ferrocement Slabs" (J. Ferwcement, 1984, p. 309-322) relatou os dados sobre y = resistência à traçāo ( M P a ) , x 1 = espessura da laje ( c m ) , x 2 =
Um estudo realizado para investigar a relação entre a variável de resposta relativa a quedas de pressão em uma coluna de bolhas de uma chapa térmica e os previsores x 1 = velocidade do fluído superfic
Reveja os dados sobre a gravidade específica da madeira apresentados no Exercício 56 . Os valores de R 2 a seguir resultaram da regressāo de cada previsor sobre os outros quatro previsores (na primeir