UNIVERSIDAD CENTROAMERICANA

FACULTAD DE CIENCIA, TECNOLOGIA Y AMBIENTE

INGENIERIA INDUSTRIAL










Anlisis Estadstico
Portafolio



Nombre del docente: Irina Prez
Grupo de trabajo: 0514
Carrera: Ingeniera Industrial
Estudiante: Hctor Sevilla




Managua, 18 de Noviembre de 2010
Ejercicios
1. Un ingeniero industrial realiza un experimente para estudiar el tiempo que
tarda el ojo en enfocar. Est interesado en la relacin que existe entre la
distancia del objeto y el tiempo que el ojo tarda en enfocar. Cuatro
diferentes distancias resultan de inters. Hay cinco sujetos disponibles para
el experimento. Como puede haber diferencia entre los sujetos, l decide
efectuar un diseo aleatorizado por bloques. Los datos recopilados se
muestran a continuacin:
Distancia
(pies) (Trat.)
Sujeto (Bloques)
T
i
y
ij

i

1 2 3 4 5
4 10 6 6 6 6 34 244 6.8
6 7 6 6 1 6 26 158 5.2
8 5 3 3 2 5 18 72 3.6
10 6 4 4 2 3 19 81 3.8
T
j
28 19 19 11 20 y
ij
= 97

j
7 4.75 4.75 2.75 5 y
ij
2
= 555

a) Describa el modelo aditivo lineal para el experimento.

Y
ij
= + T
i
+
j
+
ij

Y
ij
: El tiempo que tarda el ojo en enfocar un objeto a una i-sima distancia para
un j-simo sujeto.
: Tiempo promedio que tarda el ojo en enfocar.
T
i
: El efecto de la i-sima distancia sobre el tiempo que tarda el ojo en enfocar.

j
: El efecto del j-simo sujeto sobre el tiempo que tarda el ojo en enfocar.

ij
: Efecto aleatorio sobre el tiempo que tarda el ojo en enfocar.


b) Analice y obtenga las conclusiones adecuadas, usando un nivel de
significacin del 5%.

Hiptesis:

- Para distancia (Tratamientos):

H
0
:
1
=
2
=
3
=
4
(El tiempo promedio que tarda el ojo en enfocar es el
mismo para las 4 distancias).

H
1
: Para al menos dos distancias, el tiempo promedio que tarda el ojo en
enfocar es diferente.

- Para sujeto (Bloques):

H
0
:
1
=
2
=
3
=
4
=
5
(El tiempo promedio que tarda el ojo en enfocar es el
mismo para los 5 sujetos).

H
1
: El tiempo promedio que tarda el ojo en enfocar es diferente en al menos
dos sujetos.

Fuente
de
variacin
S.C. g.l. C.M. F
cal.
F
tab.
Decisin
Distancia
(Trat.)
32.95 3 10.98 8.58 3.49 Se rechaza H
0

Sujeto
(Bloques)
36.3 4 9.08 7.09 3.26 Se rechaza H
0

Error 15.3 12 1.28
Total 84.55 19

SC
trat.
=

SC
bloq.
=

SC
tot.
=

SC
error
= 84.55 32.95 36.3 = 15.3

Conclusiones:

Para distancia: Con un nivel de significacin de 0.05, podemos decir que
para al menos dos distancias, el tiempo promedio que tarda el ojo en
enfocar es diferente.

Para sujeto: Con un nivel de significacin de 0.05, podemos decir que el
tiempo promedio que tarda el ojo en enfocar es diferente en al menos
dos sujetos.











2. Se encuentra en estudio el rendimiento de un proceso qumico. Se cree que
lados variables importantes son la presin y la temperatura. Se seleccionan
3 niveles de cada factor y se realiza un experimento factorial con 2 rplicas.
Se recopilan los siguientes datos:

Temperatura
Presin
T
i
y
2

200 215 230
Baja
=90.3 90.2 =90.65 90.6 =90.3 90.4 542.5 49,051.25
T=180.6 90.4 T=181.3 90.7 T=180.6 90.2
Intermedia
=90.2 90.1 =90.55 90.5 =90 89.9 541.5 48,870.73
T=180.4 90.3 T=181.1 90.6 T=180 90.1
Alta
=90.6 90.5 =90.85 90.8 =90.25 90.4 543.4 49,214.36
T=181.2 90.7 T=181.7 90.9 T=180.5 90.1
T
j
542.2 544.1 541.1 y
ijk
y
ijk
2

-------------------------------------------------------------------------------------- 1,627.4 147,136.34

a) Describa el modelo aditivo lineal:

Y
ijk
= +
i
+
j
+ ()
ij
+
ijk

Y
ijk
: Es el rendimiento del proceso qumico sometido a un i-simo nivel de
temperatura, a un j-simo nivel de presin en k-sima observacin.
: Rendimiento promedio del proceso qumico.

i
: El efecto del i-simo nivel de temperatura sobre el rendimiento del proceso
qumico.

j
: El efecto del j-simo nivel de presin sobre el rendimiento del proceso
qumico.
()
ij
: El efecto de interaccin del i-simo nivel de temperatura y j-simo nivel
de presin sobre el rendimiento del proceso qumico.

ijk
: Efecto aleatorio sobre el rendimiento del proceso qumico.

b) Formule las hiptesis, construya la tabla ANOVA y obtenga sus
conclusiones a un nivel del 5% y 1%.

Hiptesis:
- Para temperatura (Factor A):

H
0
:
1
=
2
=
3
(El rendimiento promedio del proceso qumico es igual en los
tres niveles de temperatura).

H
1
: En al menos dos niveles de temperatura el rendimiento promedio del
proceso qumico es distinto.

- Para presin (Factor B):

H
0
:
1
=
2
=
3
(El rendimiento promedio del proceso qumico es igual en los
tres niveles de presin).

H
1
: En al menos dos niveles de presin el rendimiento promedio del proceso
qumico es distinto.
- Para interaccin:

H
0
: ()
ij
= 0 (No hay efecto de interaccin entre nivel de temperatura y nivel de
presin sobre el rendimiento promedio del proceso qumico).

H
1
: ()
ij
0(Hay efecto de interaccin entre nivel de temperatura y nivel de
presin sobre el rendimiento promedio del proceso qumico).

Fuente S.C. g.l. C.M. Fcal. Ftab.
5%
Decisin
al 5%
Ftab.
1%
Decisin
al 1%
Temperatura
(A)
0.3011 2 0.1506 8.46 4.26 H
0
se
rechaza
8.02 H
0
se
rechaza
Presin (B) 0.7678 2 0.3839 21.57 4.26 H
0
se
rechaza
8.02 H
0
se
rechaza
Temp. x
Pres. (AB)
0.0689 4 0.0172 0.97 3.63 H
0
se
acepta
6.42 H
0
se
acepta
Error 0.16 9 0.0178
Total 1.2978 17

SC
A
=

SC
B
=

SC
AB
=

SC
Tot.
= 147,136.34

Conclusiones:

Para temperatura:

- Con una significacin del 5%, podemos decir que en al menos dos
niveles de temperatura el rendimiento del proceso qumico es diferente.
- Con una significacin del 1%, podemos decir que en al menos dos
niveles de temperatura el rendimiento promedio del proceso qumico es
distinto.

Para presin:

- Con una significacin del 5%, podemos decir que en al menos dos
niveles de presin el rendimiento del proceso qumico es diferente.
- Con una significacin del 1%, podemos decir que en al menos 2 niveles
de presin el rendimiento promedio del proceso qumico es distinto.

Para interaccin:
- Para ambos niveles de significacin, del 5% y 1%, podemos decir que
no hay efecto de interaccin entre nivel de temperatura y nivel de
presin sobre el rendimiento promedio del proceso qumico.
c) Construya y comente una grafica de la respuesta promedio de cada
combinacin de tratamiento.

Comentario: Al observar la grafica, se puede notar que el proceso qumico tiene
un mejor rendimiento cuando se somete a un nivel de presin de 215, ya que
su rendimiento promedio es mayor que en los otros dos niveles de presin, le
siguen en orden de mayor a menor rendimiento el nivel 200 de presin y por
ltimo el nivel de 230.

d) Si la interaccin es significativa, realice una prueba de rangos mltiples de
Duncan al 1% para la temperatura al nivel de presin de 230.

- No se puede realizar la prueba de rangos mltiples de Duncan ya que la
interaccin no es significativa.

e) Si la interaccin es significativa, realice una prueba de rangos mltiples de
Duncan al 1% para la presin a un nivel de temperatura alta.

- No se puede realizar la prueba de rangos mltiples de Duncan ya que la
interaccin no es significativa.













3. El administrador de un nuevo programa paraoficial en el Seagate
Technical College quiere estimarla calificacin promedio en el nuevo
programa. Pens que el GPA del high school la puntuacin en la
Scholastic Aptitude Test (SAT) verbal y la puntuacin en matemticas en
la SAT seran buenos predictores del GPA del programa paraoficial. Los
datos de nueve estudiantes son:
Estudiante GPA en High
school
SAT verbal SAT
matemticas
GPA prog.
Paraoficial
1 3.25 480 410 3.21
2 1.80 290 270 1.68
3 2.89 420 410 3.58
4 3.81 500 600 3.92
5 3.13 500 490 3.00
6 2.81 430 460 2.82
7 2.20 320 490 1.65
8 2.14 530 480 2.30
9 2.63 469 440 2.33

Se us MINITAB para generar la siguiente pantalla de resultados:
a. Se obtuvo la matriz de correlacin dada a continuacin. Cul de las
variables tiene la correlacin ms fuerte con la variable dependiente?
Algunas de las correlaciones entre las variables independientes son
fuertes. Parece ser esto un problema?
Legal(y) Gpa(x
1
) Verbal(x
2
)
Gpa(x
1
) 0.911
Verbal(x
2
) 0.616 0.609
Matemticas(x
3
) 0.487 0.636 0.599
La variable que tiene correlacin ms fuerte con la variable dependiente es x
1.
En cuanto a las correlaciones entre las variables independientes no existe
problema alguno ya que estn dentro del rango de -0.7 a 0.7 y no se presenta
ningn problema de multicolinealidad.
b. Dada la siguiente pantalla de resultados. Calcule el coeficiente de
determinacin mltiple.
La ecuacin de regresin es:
Legal= -0.411+1.20gpa+0.00163verbal-0.00194mat.
Predictor Coef. St.Dev t-ratio
Constante -0.4111 0.7823 -0.53
Gpa 1.2014 0.2955 4.07
Verbal 0.001629 0.002147 0.76
Mat. -0.001939 0.002074 -0.94

Anlisis de Varianza
Fuente de
Variacin
SC Gl CM F
cal
F
tab

Regresin 4.3595 3 1.4532 10.3284

5.41
Error 0.7036 5 0.1407
Total 5.0631 8

R
2
=

=0.86
El 86% de la variacin de la calificacin promedio de los estudiantes segn
el GPA del programa paraoficial se debe a la variacin del GPA en high
school, la puntuacin en la Scholastic Aptitude Test (SAT) verbal y la
puntuacin en matemticas en la SAT.
c. Con los datos de la pantalla de resultados anterior, realice una prueba
de hiptesis global, parece ser que alguno de los coeficientes de
regresin es distinto de cero?
Hiptesis:
H
0
:
1
=
2
=
3
H
1
: al menos una de las etas es diferente de cero.
F
cal
=

=10.3284
F
tab
(3, 5, 0.05)= 5.41
Decisin: H
0
se rechaza.
Conclusin: Con un nivel de significancia del 5% se puede afirmar que al
menos una de las etas es distinta de cero.
d. Realice una prueba de hiptesis para cada una de las variables
independientes. Eliminara usted las variables verbal y matemticas?
Tome =0.05
Hiptesis:
H
0
:
1
=0 H
0
:
2
=0 H
0
:
3
=0
H
1
:
1
0 H
1
:
2
0 H
1
:
3
0

t
1
=

=4.0657 t
2
=

=0.7587 t
3
=

= -0.9349
t
tabulada
= /2[n-(k+1)]
t
tabulada
= 0.05/2[9-(3+1)] = 2.571
Decisin:
H
0
se rechaza
H
0
se acepta
H
0
se acepta
Conclusin:
Podemos afirmar que
1
es distinta de cero.
No podemos afirmar que
2
es diferente de cero.
No podemos afirmar que
3
es diferente de cero.
Al final se eliminara la variable x
2
(puntuacin en la Scholastic Aptitude Test) y
x
3
(puntuacin en matemticas) del modelo.
e. Se ha vuelto a hacer el anlisis sin la variable verbal y matemtica.
Vea la siguiente pantalla de resultados. Calcule el coeficiente de
determinacin. En cuanto cambio R
2
.

La ecuacin de regresin es:
Legal= -0.411+1.16gpa

Predictor Coef. St.Dev t-ratio
Constante -0.4542 0.5542 -0.82
Gpa 1.1589 0.1977 5.86

Anlisis de Varianza
Fuente de
Variacin
SC Gl CM
Regresin 4.2061 1 4.2061
Error 0.8570 7 0.1224
total 5.0631 8
R
2
=

=0.83
El 83% de la variacin de la calificacin promedio de los estudiantes segn
el GPA del programa paraoficial se debe a la variacin del GPA en high
school.
f. A continuacin estn un histograma y un diagrama de tallo y hojas de los
residuales. Parece razonable el supuesto de normalidad para los
residuales?
Segn la grfica presentada aparentemente es razonable el supuesto de
normalidad para los residuales.
Hiotoo o| coiouo N=9

Miotoivt Xouvt
0.4 1-
0.2 3---
0.0 3---
0.2 1-
0.4 0
0.6 1-

Etc ovo co| o| coiouo N=9
Aco| uvit = 0.10
1 0 4
2 0 2
(3) 0 110
4 0 00
2 0
1 0
1 0 6


g. A continuacin se da una representacin grfica de los residuos y de los
valores de y`. Ve usted alguna violacin del supuesto?
No existe violacin del supuesto segn la grfica porque no posee forma de
funcin ni forma de embudo, es decir que conforme aumenta el valor ajustado
de Y aumenta la variacin de los residuales.









PROFESORA
AQU DEBERIA
DE IR LA
SEGUNDA
PRUEBA PERO
YO NO LA HE
HECHO. SI ES
POSIBLE VEA
CUANDO ME LA
PUEDE
REPROGRAMAR
PORFA :)
Autoevaluacin

1. Me gusta bastante esta clase y hasta el momento
siento que no se me ha hecho muy difcil, le entiendo
bastante bien.
2. Aunque a veces estoy hablando, casi siempre
pongo atencin.
3. Con respecto a las calificaciones, he salido muy
bien y estoy conforme con mis notas.



1. ltimamente he estado hablando un poco en clase.

2. Hago a ltima hora las cosas.



Evaluacin del docente

1. Muy bien preparada y maneja perfectamente los
temas que nos ensea.
2. Explica sper bien la clase, y si uno tiene duda, est
dispuesta a volverle a explicar por aparte o a todos por
igual.
3. Buen criterio al calificar los exmenes.




No tengo nada negativo que poner.