Introducción

La resistencia a compresión es una de las propiedades más importantes del concreto en ingeniería civil, porque de ella depende el diseño estructural de elementos como vigas, columnas y losas. Esta resistencia no se alcanza de inmediato. El concreto gana capacidad a medida que el cemento se hidrata, por lo que la edad de curado es una de las variables que más influye. El objetivo de este trabajo es analizar la relación entre la resistencia a compresión del concreto (variable respuesta, \(Y\), en MPa) y la edad de curado (variable explicativa, \(X\), en días) mediante un modelo de regresión lineal simple.

Los datos provienen del repositorio UCI Machine Learning Repository (Yeh, 1998, licencia CC BY 4.0, DOI 10.24432/C5PK67), y están en formato de tabla (CSV). La base original contiene 1030 mezclas de concreto con 8 variables de entrada (cemento, escoria de alto horno, ceniza volante, agua, superplastificante, agregado grueso, agregado fino y edad) y la resistencia a compresión. Para este trabajo se tomó una muestra aleatoria simple de 50 mezclas (semilla 2026, archivo Concreto_muestra_50.csv), elegida al azar antes de ver ningún resultado, y se usa solo la edad como predictor.

Primero se explora la relación entre las dos variables con estadísticas descriptivas, gráficos y el coeficiente de correlación. Luego se busca el mejor modelo posible comparando varias formas funcionales (lineal, raíz, logaritmo y cuadrático) con el \(R^2\) ajustado, el AIC, el BIC y el RMSE. Con el modelo elegido se evalúa su validez (prueba t, análisis de varianza, coeficientes de determinación y de correlación) y se verifican los supuestos del modelo clásico, que son la linealidad, la independencia, la normalidad y la homocedasticidad de los errores. Finalmente se construyen los intervalos de confianza para los coeficientes de regresión, para la respuesta media y para una respuesta individual.

Datos y análisis exploratorio

# El archivo Concreto_muestra_50.csv debe estar en la misma carpeta que este .Rmd
# (muestra aleatoria de 50 filas de Concrete_Data.xls, semilla 2026)
bruto <- read.csv("Concreto_muestra_50.csv")

# x = edad (días); y = resistencia a compresión (MPa)
# Para usar otra X cambie "edad" por "cemento" o "agua" (kg/m3)
datos <- data.frame(x = bruto$edad, y = bruto$resistencia)

nombre_x <- "Edad";  unidad_x <- "día"
nombre_y <- "Resistencia a compresión"; unidad_y <- "MPa"

head(datos)
##     x        y
## 1 270 41.15138
## 2  28 27.92378
## 3  28 44.13336
## 4   3 24.09719
## 5  28 39.37597
## 6   7 38.61066

Estadísticas descriptivas

summary(datos)
##        x                y         
##  Min.   :  3.00   Min.   : 2.332  
##  1st Qu.: 17.50   1st Qu.:24.194  
##  Median : 28.00   Median :37.036  
##  Mean   : 59.28   Mean   :35.013  
##  3rd Qu.: 28.00   3rd Qu.:41.922  
##  Max.   :365.00   Max.   :69.299
tabla_edades <- table(datos$x)
tabla_edades
## 
##   3   7  14  28  56  90 100 270 365 
##   6   5   2  25   3   2   2   2   3

A partir del resumen estadístico de las variables, se pueden observar los siguientes aspectos clave:

  • Edad: La edad de curado varía entre 3 y 365 días, con una media de aproximadamente 59.3 días y una mediana de 28 días. El coeficiente de asimetría (2.43) indica una distribución asimétrica a la derecha, con algunos valores altos que alargan la cola. El 50 % central de los datos (entre el primer y el tercer cuartil) está comprendido entre 17.5 y 28 días, es decir, un rango intercuartílico de 10.5 días. La edad toma solo 9 valores distintos y el más frecuente es 28 días (50 % de la muestra), algo relevante para los supuestos más adelante.
  • Resistencia a compresión: La resistencia va desde 2.3 hasta 69.3 MPa, con una media de 35.01 MPa y una mediana de 37.04 MPa. El coeficiente de asimetría (0.18) indica una distribución aproximadamente simétrica. El 50 % central de los datos está entre 24.2 y 41.9 MPa, con un coeficiente de variación de 43.1 %, lo que refleja una dispersión moderada.

La muestra tiene 50 observaciones y 0 datos faltantes.

Gráficos exploratorios

ggplot(datos, aes(x, y)) +
  geom_point(alpha = .4) +
  labs(x = paste0(nombre_x, " (", unidad_x, "s)"), y = paste0(nombre_y, " (", unidad_y, ")"),
       title = "Resistencia vs. edad") +
  theme_bw()

ggplot(datos, aes(log(x), y)) +
  geom_point(alpha = .4) +
  geom_smooth(method = "lm", se = FALSE, color = "blue") +
  labs(x = "ln(edad) (ln(días))", y = "Resistencia a compresión (MPa)",
       title = "Resistencia vs. logaritmo de la edad") +
  theme_bw()

En el gráfico de dispersión de resistencia vs. edad se observa una nube de puntos que no sigue una recta, sino una curva: la resistencia aumenta rápidamente en los primeros días y luego tiende a estabilizarse, por lo que la edad en escala original no describe bien la relación con una línea recta. En el gráfico de resistencia vs. ln(edad) los puntos se acomodan mucho mejor alrededor de la recta azul, aunque con dispersión, porque la composición de cada mezcla (cemento, agua y aditivos) también influye. Esto anticipa que el modelo lineal directo no será el más adecuado.

par(mfrow = c(1, 2))
hist(datos$y, breaks = 25, col = "skyblue", main = "Resistencia", xlab = "MPa")
hist(datos$x, breaks = 25, col = "skyblue", main = "Edad", xlab = "días")

par(mfrow = c(1, 1))

En los histogramas se puede observar lo siguiente:

  • Resistencia: abarca un rango amplio (de 2.3 a 69.3 MPa), y su distribución es aproximadamente simétrica.
  • Edad: se concentra en valores bajos, pues el 76 % de las mezclas tiene 28 días o menos, y unas pocas mezclas con edades largas alargan la cola hacia la derecha.

Correlación

r_p <- cor(datos$x, datos$y)
r_l <- cor(log(datos$x), datos$y)
c(r_edad = r_p, r_ln_edad = r_l)
##    r_edad r_ln_edad 
## 0.3337527 0.5853498
cor.test(datos$x, datos$y)
## 
##  Pearson's product-moment correlation
## 
## data:  datos$x and datos$y
## t = 2.453, df = 48, p-value = 0.01785
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.0610792 0.5600703
## sample estimates:
##       cor 
## 0.3337527
  • Existe una correlación positiva y moderada entre la edad en escala original y la resistencia (\(r =\) 0.334). La prueba de correlación rechaza la hipótesis de correlación nula (valor-p = 0.018).
  • Con el logaritmo de la edad, la correlación pasa a ser positiva y moderada (\(r =\) 0.585), mayor que la anterior, lo que confirma que la transformación logarítmica describe mejor el comportamiento de los datos.
  • En todo caso, la edad por sí sola no explica toda la variabilidad de la resistencia, porque la composición de la mezcla (cemento, agua y aditivos) también influye.

Búsqueda del mejor modelo

Se comparan cuatro formas funcionales con una sola variable explicativa, usando \(R^2\) ajustado, AIC, BIC y el error cuadrático medio (RMSE, en MPa). El mejor modelo es el de mayor \(R^2\) ajustado y menores AIC, BIC y RMSE.

m_lin  <- lm(y ~ x, data = datos)
m_sqrt <- lm(y ~ sqrt(x), data = datos)
m_logx <- lm(y ~ log(x), data = datos)
m_cuad <- lm(y ~ x + I(x^2), data = datos)

modelos <- list("Lineal" = m_lin, "Raíz de x" = m_sqrt,
                "Logaritmo de x" = m_logx, "Cuadrático" = m_cuad)

tabla <- data.frame(
  Modelo   = names(modelos),
  R2_aj    = sapply(modelos, function(m) summary(m)$adj.r.squared),
  AIC      = sapply(modelos, AIC),
  BIC      = sapply(modelos, BIC),
  RMSE_MPa = sapply(modelos, function(m) sqrt(mean(residuals(m)^2))),
  row.names = NULL
)
knitr::kable(tabla, digits = 3)
Modelo R2_aj AIC BIC RMSE_MPa
Lineal 0.093 412.324 418.060 14.074
Raíz de x 0.191 406.610 412.346 13.292
Logaritmo de x 0.329 397.253 402.989 12.105
Cuadrático 0.301 400.215 407.863 12.222
# Modelo elegido (cambie aquí si sus criterios apuntan a otro)
modelo <- m_logx
mejor <- tabla$Modelo[which.max(tabla$R2_aj)]
mejor
## [1] "Logaritmo de x"

El modelo con mayor \(R^2\) ajustado y menores AIC, BIC y RMSE es el de Logaritmo de x, por lo que se trabaja con él en el resto del informe. La mejora frente al modelo lineal es grande, pues el \(R^2\) ajustado pasa de 0.093 a 0.329. El modelo cuadrático queda cerca, pero tiene un parámetro más y un BIC mayor, por lo que resulta menos parsimonioso. Todos los \(R^2\) son bajos en términos absolutos porque una sola variable no puede capturar el efecto de los demás componentes de la mezcla, algo que se discute en las conclusiones.

Modelo de regresión lineal simple

Con la transformación logarítmica, el modelo es

\[Y_i = \beta_0 + \beta_1 \ln(X_i) + \varepsilon_i,\qquad \varepsilon_i \sim N(0,\sigma^2)\]

summary(modelo)
## 
## Call:
## lm(formula = y ~ log(x), data = datos)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -28.2682  -8.8555  -0.4658   7.6311  29.0776 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)   12.027      4.916   2.446   0.0181 *  
## log(x)         7.004      1.400   5.002 8.01e-06 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 12.35 on 48 degrees of freedom
## Multiple R-squared:  0.3426, Adjusted R-squared:  0.3289 
## F-statistic: 25.02 on 1 and 48 DF,  p-value: 8.01e-06

El modelo presenta un coeficiente de determinación ajustado (\(R^2_{ajustado}\)) de 0.3289, lo que indica que aproximadamente el 32.89 % de la variabilidad de la resistencia puede ser explicada por el logaritmo de la edad de curado.

Respecto a los coeficientes, se observa que el logaritmo de la edad tiene un efecto positivo y significativo sobre la resistencia, lo que implica que, a mayor edad de curado, mayor es la resistencia media del concreto. Como la relación es logarítmica, el efecto es decreciente: lograr el mismo aumento de resistencia exige cada vez más tiempo.

En conjunto, estos resultados son coherentes con lo observado en los gráficos exploratorios y con el comportamiento físico del concreto, cuya hidratación del cemento es rápida al inicio y luego se estabiliza. Sin embargo, queda sin explicar el 65.7 % de la variabilidad, por lo que la edad por sí sola no basta para predecir con precisión.

La ecuación de la recta de mínimos cuadrados es:

\[\hat{y} = 12.03 + 7.00\,\ln(x)\]

Interpretando los coeficientes con sus unidades:

Cálculo de una estimación con unidades

Estimación de la resistencia media para concreto de \(x_0 = 28\) días. Las unidades se mantienen en todo el cálculo y las que se cancelan se muestran tachadas (el argumento del logaritmo es adimensional):

x0 <- 28
y0 <- b[1] + b[2]*log(x0)
cat(sprintf(
  "<p style='text-align:center; font-size:17px'>ŷ(28 día) = %.2f MPa + %.2f MPa &middot; ln( 28 <s>día</s> / 1 <s>día</s> ) = %.2f MPa + %.2f MPa &middot; %.3f = <b>%.2f MPa</b></p>\n",
  b[1], b[2], b[1], b[2], log(x0), y0))

ŷ(28 día) = 12.03 MPa + 7.00 MPa · ln( 28 día / 1 día ) = 12.03 MPa + 7.00 MPa · 3.332 = 35.37 MPa

Validez del modelo

Prueba t de los coeficientes

s$coefficients
##              Estimate Std. Error  t value     Pr(>|t|)
## (Intercept) 12.027210   4.916398 2.446346 1.814560e-02
## log(x)       7.004209   1.400318 5.001872 8.010431e-06

Para \(H_0:\beta_1 = 0\) frente a \(H_1:\beta_1 \neq 0\) se obtiene \(t =\) 5.00 con un valor-p < 0.001. Con \(\alpha = 0.05\), se rechaza H0, es decir, la edad (en escala logarítmica) tiene un efecto significativo sobre la resistencia.

Coeficientes de determinación y correlación

c(R2 = r2, R2_ajustado = r2a, r = sign(b[2])*sqrt(r2))
##          R2 R2_ajustado    r.log(x) 
##   0.3426343   0.3289392   0.5853498

El modelo explica el 34.3 % de la variabilidad de la resistencia (\(R^2 =\) 0.343; \(R^2_{aj} =\) 0.329). El 65.7 % restante se debe a otros factores, como la dosificación de la mezcla, y al error aleatorio. El coeficiente de correlación entre \(\ln(\text{edad})\) y la resistencia es \(r =\) 0.585, lo que indica una relación positiva de intensidad moderada.

Análisis de varianza (ANOVA)

av <- anova(modelo)
av
## Analysis of Variance Table
## 
## Response: y
##           Df Sum Sq Mean Sq F value   Pr(>F)    
## log(x)     1 3818.5  3818.5  25.019 8.01e-06 ***
## Residuals 48 7326.1   152.6                     
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Para contrastar \(H_0:\beta_1 = 0\) frente a \(H_1:\beta_1 \neq 0\), el estadístico es \(F = \dfrac{CM_{reg}}{CM_{error}} =\) 25 con 1 y 48 grados de libertad y un valor-p < 0.001, de modo que se rechaza H0 y el modelo es globalmente significativo, es decir, el logaritmo de la edad explica de manera significativa la variabilidad de la resistencia en la muestra. En regresión simple \(F = t^2\), y en este caso \(t^2 =\) 25, que coincide con la prueba t.

La variabilidad explicada por la regresión (\(CM_{reg} =\) 3818.5 MPa²) es 25 veces la variabilidad residual (\(CM_{error} =\) 152.6 MPa²). La suma de cuadrados de la regresión (3819) frente a la residual (7326) indica que el modelo captura el 34.3 % de la variabilidad total de la resistencia, lo que se alinea con el \(R^2\) obtenido anteriormente.

Descomposición de la variabilidad y cálculo de \(R^2\) con unidades (los \(\text{MPa}^2\) se cancelan):

R² = SCreg / SCtot = 3819 MPa² / 11145 MPa² = 0.343

\[\hat\sigma = \sqrt{CM_{error}} = \sqrt{152.6\ \text{MPa}^2} = 12.35\ \text{MPa}\]

El error estándar residual indica que, en promedio, las resistencias observadas se alejan unos 12.4 MPa de las que predice el modelo.

Verificación de supuestos

datos$res  <- res
datos$ajus <- fitted(modelo)
datos$est  <- rstandard(modelo)
datos$orden <- seq_len(n)

Linealidad

ggplot(datos, aes(ajus, res)) +
  geom_point(alpha = .4) +
  geom_hline(yintercept = 0, color = "red", linewidth = 1) +
  geom_smooth(se = FALSE, color = "blue", method = "loess", formula = y ~ x) +
  labs(x = "Valores ajustados (MPa)", y = "Residuos (MPa)",
       title = "Residuos vs. valores ajustados") +
  theme_bw()

Si los residuos se distribuyen al azar alrededor de 0, sin una forma curva, se cumple el supuesto de linealidad. En este gráfico, la curva suavizada azul se mantiene en general cerca de 0, con una leve desviación en el extremo derecho, donde hay pocas observaciones.

Para decidir si la forma funcional es adecuada se compara el modelo elegido con el lineal directo en el mismo gráfico:

xs <- data.frame(x = seq(min(datos$x), max(datos$x), length.out = 200))
xs$lineal <- predict(m_lin, xs)
xs$elegido <- predict(modelo, xs)
ggplot(datos, aes(x, y)) +
  geom_point(alpha = .3) +
  geom_line(data = xs, aes(y = lineal, color = "Lineal"), linewidth = 1) +
  geom_line(data = xs, aes(y = elegido, color = "Modelo elegido"), linewidth = 1) +
  labs(x = "Edad (días)", y = "Resistencia a compresión (MPa)", color = NULL,
       title = "Ajuste lineal vs. modelo elegido") +
  theme_bw()

En este gráfico se observa lo siguiente:

  • Modelo lineal directo: la recta se aleja de los datos en los extremos. Sobrestima la resistencia a edades muy cortas y la subestima a edades intermedias, lo que deja un patrón curvo y viola la linealidad en la escala original.
  • Modelo logarítmico: la curva sigue la tendencia de los datos mucho más de cerca, con un crecimiento rápido al inicio que luego se estabiliza.

Como prueba formal de curvatura, se agrega un término cuadrático en \(\ln(x)\) al modelo y se evalúa si es significativo:

summary(m_curv)$coefficients
##              Estimate Std. Error   t value    Pr(>|t|)
## (Intercept) -1.173014  9.0435007 -0.129708 0.897351004
## log(x)      16.099029  5.4485403  2.954742 0.004877431
## I(log(x)^2) -1.350470  0.7829575 -1.724832 0.091129145

El término cuadrático en \(\ln(x)\) tiene un valor-p = 0.091, por lo que no hay evidencia de curvatura adicional. Por lo tanto, la transformación logarítmica corrige en gran parte la falta de linealidad, y el supuesto de linealidad se considera cumplido para el modelo elegido.

Independencia de los errores

dwt
## 
##  Durbin-Watson test
## 
## data:  modelo
## DW = 1.7898, p-value = 0.2265
## alternative hypothesis: true autocorrelation is greater than 0
ggplot(datos, aes(orden, res)) +
  geom_point(alpha = .4) + geom_hline(yintercept = 0, color = "red") +
  labs(x = "Orden de observación en la base", y = "Residuos (MPa)") + theme_bw()

En el gráfico de residuos según el orden de observación los puntos se distribuyen de forma aleatoria alrededor de 0, sin una tendencia o patrón visible. Además, la prueba de Durbin-Watson arroja \(d =\) 1.79 con un valor-p = 0.226. Un valor cercano a 2 indica independencia y, en este caso, no hay evidencia de autocorrelación, por lo que el supuesto de independencia se considera cumplido.

Cabe aclarar que estos datos no son una serie temporal. La base reúne mezclas provenientes de 17 estudios distintos, y el orden de las filas no corresponde a un orden de medición. Por eso el resultado de Durbin-Watson depende del orden en que vengan las filas y no prueba una dependencia en el tiempo. Debe discutirse como una limitación del diseño, ya que las mezclas de un mismo estudio tienden a parecerse entre sí.

Normalidad de los residuos

par(mfrow = c(1, 2))
hist(res, breaks = 30, col = "skyblue", main = "Histograma de los residuos",
     xlab = "Residuos (MPa)", freq = FALSE)
curve(dnorm(x, mean(res), sd(res)), add = TRUE, col = "red", lwd = 2)
qqnorm(res, main = "Gráfico Q-Q"); qqline(res, col = "red", lwd = 2)

par(mfrow = c(1, 1))
shapiro.test(res)
## 
##  Shapiro-Wilk normality test
## 
## data:  res
## W = 0.98285, p-value = 0.6768
lillie.test(res)
## 
##  Lilliefors (Kolmogorov-Smirnov) normality test
## 
## data:  res
## D = 0.064437, p-value = 0.87

Al analizar los gráficos y las pruebas de normalidad, se observa lo siguiente:

  • Histograma de residuos: El coeficiente de asimetría (0.31) indica una distribución aproximadamente simétrica. Con solo 50 observaciones el histograma es irregular, por eso se complementa con el gráfico Q-Q.
  • Gráfico Q-Q: Si los puntos siguen la línea roja, los residuos se comportan como una normal. Aquí los puntos siguen de cerca la línea, con pequeñas desviaciones en las colas, pero sin desviaciones fuertes.
  • Pruebas de Shapiro-Wilk y Lilliefors: con valores-p = 0.677 y = 0.870, respectivamente, no se rechaza la hipótesis nula de normalidad con \(\alpha = 0.05\).

Por lo tanto, el supuesto de normalidad se considera razonablemente cumplido. Con una muestra de 50 las pruebas tienen potencia limitada, por eso la decisión se apoya también en los gráficos.

Homocedasticidad (varianza constante)

bptest(modelo)
## 
##  studentized Breusch-Pagan test
## 
## data:  modelo
## BP = 1.4831, df = 1, p-value = 0.2233
ncvTest(modelo)
## Non-constant Variance Score Test 
## Variance formula: ~ fitted.values 
## Chisquare = 1.379388, Df = 1, p = 0.24021
ggplot(datos, aes(ajus, abs(est))) +
  geom_point(alpha = .4) +
  geom_smooth(se = FALSE, color = "blue", method = "loess", formula = y ~ x) +
  labs(x = "Valores ajustados (MPa)", y = "|Residuo estandarizado|",
       title = "Gráfico escala-ubicación") +
  theme_bw()

La prueba de Breusch-Pagan arroja un valor-p = 0.223, por lo que no se rechaza H0 y no hay evidencia de heterocedasticidad.

Conviene distinguir dos problemas distintos al leer los gráficos:

  • Una curva en el gráfico de residuos vs. ajustados indica falta de linealidad, no heterocedasticidad.
  • Un embudo (dispersión que crece o decrece con los valores ajustados) indica heterocedasticidad.
  • Resultado: En el gráfico escala-ubicación no se observa un embudo claro, y tanto la prueba de Breusch-Pagan (valor-p = 0.223) como la de varianza no constante (valor-p = 0.240) coinciden en no rechazar la varianza constante.

Gráfico del modelo

xs2 <- data.frame(x = seq(min(datos$x), max(datos$x), length.out = 200))
conf <- cbind(xs2, predict(modelo, xs2, interval = "confidence"))
pred <- cbind(xs2, predict(modelo, xs2, interval = "prediction"))
ggplot(datos, aes(x, y)) +
  geom_point(alpha = .3) +
  geom_ribbon(data = conf, aes(y = fit, ymin = lwr, ymax = upr), fill = "blue", alpha = .3) +
  geom_line(data = conf, aes(y = fit), color = "blue", linewidth = 1) +
  geom_line(data = pred, aes(y = lwr), color = "red", linetype = 2) +
  geom_line(data = pred, aes(y = upr), color = "red", linetype = 2) +
  labs(x = "Edad (días)", y = "Resistencia a compresión (MPa)",
       title = "Modelo ajustado, IC 95 % de la media (azul) e intervalo de predicción (rojo)") +
  theme_bw()

A partir del gráfico del modelo se puede observar lo siguiente:

Por lo tanto, el modelo describe bien el comportamiento medio de la resistencia con la edad, pero no permite predecir con precisión la resistencia de una mezcla individual, que depende también de su dosificación.

Intervalos de confianza

Para los coeficientes de regresión

confint(modelo, level = 0.95)
##                2.5 %    97.5 %
## (Intercept) 2.142129 21.912291
## log(x)      4.188682  9.819737

Con 95 % de confianza, \(\beta_1\) está entre 4.19 y 9.82 MPa por unidad de \(\ln(\text{edad})\). Como el intervalo no contiene el 0, se confirma el efecto significativo de la edad.

Para la respuesta media y para una respuesta individual

x0 <- data.frame(x = c(7, 28, 90, 365))
tabla_ic <- cbind(
  `Edad (días)` = x0$x,
  `Media estimada (MPa)` = predict(modelo, x0),
  `IC media inf` = predict(modelo, x0, interval = "confidence")[, "lwr"],
  `IC media sup` = predict(modelo, x0, interval = "confidence")[, "upr"],
  `IC individual inf` = predict(modelo, x0, interval = "prediction")[, "lwr"],
  `IC individual sup` = predict(modelo, x0, interval = "prediction")[, "upr"]
)
knitr::kable(tabla_ic, digits = 2)
Edad (días) Media estimada (MPa) IC media inf IC media sup IC individual inf IC individual sup
7 25.66 20.51 30.80 0.29 51.02
28 35.37 31.85 38.88 10.28 60.45
90 43.54 38.64 48.45 18.22 68.87
365 53.35 45.19 61.52 27.20 79.50

El intervalo para una respuesta individual es siempre más ancho que el de la respuesta media, porque además de la incertidumbre de estimar la curva incluye la variabilidad propia de cada mezcla (\(\hat\sigma =\) 12.35 MPa). Por ejemplo, para concreto de 28 días la resistencia media estimada es 35.4 MPa, con un intervalo de confianza del 95 % de 31.9 a 38.9 MPa. En cambio, la resistencia de una mezcla individual de 28 días se espera entre 10.3 y 60.5 MPa con 95 % de confianza. Ambos intervalos se ensanchan en las edades más alejadas del centro de los datos, como 365 días.

Conclusiones

El presente análisis tuvo como objetivo estudiar la relación entre la edad de curado y la resistencia a compresión del concreto mediante un modelo de regresión lineal simple, usando una muestra aleatoria de 50 mezclas. Tras comparar cuatro formas funcionales, se encontró que el modelo con el logaritmo de la edad fue el que mejor describió los datos, con el mayor \(R^2\) ajustado (0.329) y los menores AIC, BIC y RMSE. La ecuación estimada es \(\hat y =\) 12.03 + 7.00 ln(edad), con \(y\) en MPa y la edad en días.

La edad tuvo un efecto positivo y significativo sobre la resistencia (valor-p < 0.001). Un aumento del 1 % en la edad incrementa la resistencia media en unos 0.07 MPa, y al duplicar la edad aumenta unos 4.9 MPa. El crecimiento es rápido al principio y se estabiliza con el tiempo, lo que coincide con el proceso de hidratación del cemento. El modelo explicó el 34.3 % de la variabilidad de la resistencia (\(R^2 =\) 0.343), con un coeficiente de correlación \(r =\) 0.585 y un error estándar residual de 12.35 MPa.

Respecto a la verificación de los supuestos del modelo:

Asimismo, el análisis de varianza (ANOVA) confirmó la significancia global del modelo (\(F =\) 25, valor-p < 0.001). Con una confianza del 95 %, el coeficiente \(\beta_1\) se encuentra entre 4.19 y 9.82 MPa por unidad de ln(edad). Para concreto de 28 días, la resistencia media estimada es 35.4 MPa (intervalo de confianza de 31.9 a 38.9 MPa), y la resistencia de una mezcla individual se espera entre 10.3 y 60.5 MPa.

Cabe destacar que la edad toma solo 9 valores distintos en la muestra y que la resistencia también depende de la dosificación de la mezcla (cemento, agua y aditivos), por lo que una sola variable no basta para predecir con precisión. Además, con solo 50 observaciones los resultados dependen de la muestra elegida, y con otra muestra o con toda la base (1030 mezclas) los valores-p de las pruebas de supuestos pueden cambiar.

En conclusión, el modelo con el logaritmo de la edad es válido y describe adecuadamente la tendencia de la resistencia a compresión con el tiempo de curado, pero su poder predictivo es limitado (\(R^2 =\) 0.343) porque no incluye las demás variables de la mezcla. Para mejorar la capacidad predictiva se recomienda ajustar un modelo de regresión lineal múltiple que incorpore, además de la edad, el contenido de cemento y de agua, y validarlo con toda la base de datos.

Referencias

Yeh, I.-C. (1998). Concrete Compressive Strength [Dataset]. UCI Machine Learning Repository. https://doi.org/10.24432/C5PK67

Yeh, I.-C. (1998). Modeling of strength of high-performance concrete using artificial neural networks. Cement and Concrete Research, 28(12), 1797-1808.