Enunciado

Foram medidas a pressão atmosférica (psi) e a temperatura   ∘ F de um processo de compressāo em um determinado dispositivo de cilindro com êmbolo, gerando os dados a seguir (de Introduction to Engineering Experimentation, Prentice-Hall, Inc., 1996, p. 153):

a. Você ajustaria o modelo de regressão linear simples aos dados e o usaria como base para prever a temperatura de acordo com a pressão? Por quê ou por quê não?

b. Encontre um modelo probabilístico adequado e use o para prever o valor da temperatura resultante de uma pressão de 200 da maneira mais informativa possível.

Passo 1

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

Você ajustaria o modelo de regressão linear simples aos dados e o usaria como base para prever a temperatura de acordo com a pressão? Por quê ou por quê não?

a. Com base em um gráfico de dispersão (abaixo), um modelo de regressão linear simples não seria apropriado. Por causa da leve, mas óbvia curvatura, um modelo quadrático provavelmente seria mais apropriado.

Passo 2

b. Usando um modelo quadrático, uma equação de regressão gerada pelo Minitab é y ˆ = 35.423 + 1.7191 x - . 0024753 x 2 , e uma estimativa pontual de temperatura quando a pressão é 200 é y ˆ = 280,23. O Minitab também gerará um intervalo de previsão de 95% de (256,25.304,22 ). Ou seja, estamos confiantes de que quando a pressão é de 200psi, um único valor de temperatura estará entre 256,25 e 304.22 ∘ F ..

Resposta

a . Por causa da leve, mas óbvia curvatura, um modelo quadrático provavelmente seria mais apropriado.

b. Ou seja, estamos confiantes de que quando a pressão é de 200psi, um único valor de temperatura estará entre 256,25 e 304.22 ∘ F ..

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

Exercícios de Livros Relacionados

A viscosidade (y) de um óleo foi medida por um viscômetro de cone e chapa em seis diferentes velocidades de cone (x). Supôs-se que um modelo de regressão quadrática era apropriado, e a função de regre
Em cada um dos casos a seguir, determine se a função dada é intrinsecamente linear. Se sim, identifique x’ e y’ e, em seguida, explique como um termo de erro aleatório pode ser introduzido para gerar
Um gráfico apresentado no artigo “Thermal Conductivity of Polyethylene: The Effects of Crystal Size. Density, and Orientation on the Thermal Conductivity” (Polymer Eng. and Science, 1972, p. 204–208)
Além da regressão linear da densidade real na quantidade de umidade, o artigo citado no Exercício 6 avaliou a regressão quadrática da densidade de massa versus quantidade de umidade. Os dados de um gr
O Exercício 7 apresentou os dados a seguir sobre o tempo de exposição à radiação x e o peso seco das raízes y: A função de regressão quadrática estimada é y = 111,89 + 8,06x - 1,84x²