Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SANCHEZ CARRIN
FACULTAD DE INGENIERA INDUSTRIAL, SISTEMAS E
INFORMTICA
ESCUELA ACADMICA DE INGENIERA INDUSTRIAL
APLICACIONES DE ANALISIS DE
VARIANZA (ANVA)
HUACHO - 2016
DEDICATORIA
Este trabajo
AGRADECIMIENTO
INDICE
CARATULA1
AGRADECIMIENTO.2
DEDICATORIA..3
INTRODUCCION...5
IMPORTANCIA..7
CONCEPTOS FUNDAMENTALES8
ANALISIS DE VARIANZA10
1.
2.
3.
4.
INTRODUCCIN
APLICACIONES DE ANALISIS DE VARIANZA
El escenario global actual es muy dinmico, esto quiere decir que a para
desarrollarnos profesionalmente debemos romper esquemas, que no permitan
estancarnos intelectualmente. En nuestros das los mercados globales nos
obligan a desarrollar nuestras ventajas competitivas tanto como organizacin,
industria y especficamente como profesionales en la ingeniera, ya que las
ventajas que antes se posicionaban en los mercados globales, ahora se
encuentran desfasadas. Se habla mucho en nuestros tiempos de las ventajas
competitivas (Porter) no solo de las empresas sino de los profesionales en s,
para un mejor posicionamiento que permitan defenderse antes las fuerzas
competitivas
CAPITULO
I:
ANTECEDEN
TES
1. OBJETIVOS:
Objetivo general:
-
Objetivo especfico:
-
2. IMPORTANCIA:
La estadstica constituye para el investigador un instrumento que le permitir o
le indicar probar datos numricos a travs del Anlisis de la Varianza (ANOVA)
la comparacin de los conjuntos de datos numricos diferentes, significativos,
distintos a otros valores o ms conjuntos de datos. Lo ms importante, es saber
la certeza de los datos que se estudian, qu tengan la condicin necesaria para
tomar la decisin ms idnea. Es por ello, que la importancia del Anlisis de la
Varianza aplicado a la Toma de Decisin radica en la informacin veraz y
precisa que le brinda al gerente, para la tomar las decisiones, sobre cualquier
proceso dentro de la organizacin.
3. LIMITACIONES:
Las limitaciones que se encontraron en el presente trabajo de investigacin
fueron bsicamente relacionadas al desconocimiento parcial de la realidad de
los ejercicios presentados. Estos ejercicios fueron extrados de libros, donde la
visin del autor no necesariamente es compartida en el trabajo.
CAPITULO
II:
BREVE
RESEA
HISTRICA
1. BREVE RESEA HISTORICA:
A estos intentos iniciales del siglo XIX, le siguieron los trabajos de gentica
cuantitativa desarrollados por Fisher en la Estacin Experimental de
Rothamsted (Fisher 1918; 1922). El propio Fisher (1925), inform lo que
signific una de las grandes contribuciones a los modelos de componentes de
varianza, que en sus inicios se conoci como mtodo de estimacin de anlisis
de varianza (ANOVA). Sus trabajos pueden expresarse (con la terminologa
moderna) como un modelo aleatorio de clasificacin simple para datos
balanceados.
A los trabajos de Fisher le siguieron los
de Tippet (1931) que esclareci y
extendi
el
mtodo
de
estimacin
fueron
motivados
por
problemas
prcticos.
Los
genetistas,
10
11
CAPITULO
III:
MARCO
TERICO
CONCEPTOS FUNDAMENTALES:
12
de
13
1. DEFINICIN:
14
DE UN SOLO
FACTOR
BALANCEAD
MODELO
LINEAL
GENERAL
15
Donde:
4.
OBSERVACIN:
En el clculo del estadstico
relacin:
16
es N-t y el de
EJERCICIO APLICATIVO
Se quiere medir el efecto que tiene tres programas de induccin (A,B,C) de la
empresa administradora CHUGAR s.a.c en la produccin de los empleados, se
ha tomado una muestra de 14 empleados, siendo distribuidos en el cuadro
adjunto. Pruebe la aseveracin que no existe diferencia significativa entre los
tres programas de capacitacin.
A
85
72
83
80
PROGRAMAS
B
80
84
81
78
82
C
82
80
85
90
88
17
A
85
72
83
80
TOTAL
N
320
4
PROGRAMAS
B
80
84
81
78
82
405
5
C
82
80
85
90
88
425
5
T..=1150
N=14
TC=94464.29
18
SCTR= Ti2/nj TC
SCTR = (3202/4)+(4052+4252)/5 TC
SCTR = 9453094464.29
SCTR = 65.71
S.C
65.71
186
251.71
g.l
2
11
13
C.M
32.86
16.91
FC
FT
Decisin
F.V
Tratamiento
Error
Total
S.C
65.71
186
251.71
g.l
2
11
13
C.M
32.86
16.91
FC
1.94
FT
Decisin
F.V
Tratamiento
Error
Total
S.C
65.71
186
251.71
g.l
2
11
13
C.M
32.86
16.91
FC
1.94
FT
3.98
Decisin
Decisin
S.C
g.l
C.M
FC
FT
Tratamiento
65.71
32.86
1.94
3.98
Error
186
11
16.91
Total
251.71
13
ACEPTA
(HO)
19
Si
Se
FC
<
acepta
FT :
la
HO
Si FC > FT: Se rechaza la H0
Paso 6 : formular las conclusiones y recomendaciones
CONCLUSIONES
RECOMENDACIN
Se recomienda hacer un estudio para para saber si la produccin de los
trabajadores es ptima o no.
Estos son los estadsticos que realmente nos interesan a la hora de realizar el
contraste de igualdad de medias. Cuando la diferencia entre los efectos de los
diferentes niveles sea muy baja, es de esperar que la cuasivarianza total sea
prxima a la intravarianza, o lo que es lo mismo, que la intervarianza sea
pequea en relacin con la intravarianza. Obsrvese la figura
20
Observaciones
Tratamiento 1
Tratamiento 2
Tratamiento 3
Tratamiento 4
-1
-2
0
1
1
-4
-1
4
2
-5
-2
6
0
-4
-4
3
ni
-1
-7
-1
8
5
5
5
5
N=20
1
-22
-8
22
1/5
484/5
64/5
484/5
Fuente de
grados
Suma
Cuasivarianza
de
libertad
cuadrados
variacin
7
110
22
126
A=265
Estadstico
21
Entre
t-1=3
tratamientos
Dentro
de N-t=16
= B-C
Fexp
=204,15
= A-B
=68,167
=58,4
=3,65
Fteo
=18,676
= Ft-1,N-t
los
tratamientos
=3,24
Las
diferencias
ms
22
CAPITULO
IV:
DESARROL
LO
APLICACIONES DE ANALISIS DE VARIANZA
23
1. ANOVA EN LA INGENIERIA
El anlisis de la varianza (ANOVA) es una potente herramienta
estadstica, de gran utilidad tanto en la industria, para el control de
procesos, como en el laboratorio de anlisis, para el control de mtodos
analticos.
2. ANOVA APLICADOS EN LA INGENIERIA INDUSTRIAL:
PRODUCTIVIAD:
La ingeniera industrial abarca distintos puntos o reas dentro del mundo de
las empresas de servicios y de produccin, las empresas suelen recurrir a la
tercerizacin o subcontratacin para sus actividades con el objetivo de ser
ms dinmicos, competitivos y reducir costos, un caso es en la prestacin
de servicios como inducciones a personal de empresas.
Estas mediante sus servicios dan nociones previas sobre el trabajo (medidas
de seguridad, reglamento, etc.), para al momento de adentrarse a laborar
en ellas su rendimiento sea el ms ptimo posible.
Este proceso econmico es visto desde el punto de vista de los ingenieros
industriales, en lo los sectores de recursos financiero, humanos, produccin,
etc.
24
Ejercicio 1
Un fabricante de cereales tiene que elegir entre tres colores para las
cajas de cereales: rojo, amarillo y azul. Para averiguar si el color
influye en las ventas, se eligen 16 tiendas de tamao parecido. Se
envan cajas rojas a 6 de estas tiendas, cajas amarillas a 5 y cajas
azules a las 5 restantes. Despus de unos das, se comprueba el
nmero de cajas vendidas en cada tienda. La tabla adjunta muestra
los resultados (en decenas de cajas) obtenidos:
ROJO
43
52
59
76
61
81
CAJAS DE CEREALES
AMARILLO
52
37
38
64
74
AZUL
61
29
38
53
79
TOTAL
n
ROJO
43
52
59
76
61
81
372
6
CAJAS DE CEREALES
AMARILLO
52
37
38
64
74
AZUL
61
29
38
53
79
265
5
260
5
T..=897
N=16
TC=50288.0
6
25
Formulacin matemtica:
H0: A= B = C
H1: a B C
Formulacin literal:
H0: los niveles de ventas de las cajas de los tres colores son iguales.
H1: los niveles de ventas de las cajas de los tres colores son diferentes.
S.C
340.94
g.l
2
C.M
170.47
3608
3948.94
14
16
257.71
FC
FT
Decisin
26
F.V
Tratamien
to
Error
Total
F.V
Tratamien
to
Error
Total
S.C
340.94
g.l
2
C.M
170.47
3608
3948.94
14
16
257.71
S.C
340.94
g.l
2
C.M
170.47
3608
3948.94
14
16
257.71
S.C
340.94
g.l
2
C.M
170.47
3608
3948.94
14
16
257.71
FC
0.66
FT
Decisin
FC
0.66
FT
3.98
Decisin
FC
0.66
FT
3.98
F.V
Tratamien
to
Error
Total
Decisin
ACEPTA
(HO)
Recomendacin
Se recomienda seguir con la venta en estos 3 tipos de cajas de cereales, e
inclusive poder aumentar un color ms, esto implicara realizar un nuevo
estudio, todo con el objetivo de abarcar ms mercado.
27
Suponga que se desea saber si los ejes que surten cuatro proveedores tienen
diferente resistencia a la traccin. Para ello se decide llevar a cabo un
experimento de un solo factor donde la variable dependiente es la resistencia a
la traccin del eje medida en Kgs/cm 2 y el factor es el proveedor. El factor tiene
cuatro niveles o tratamientos diferentes. Uno para cada proveedor (llmelos I,
II, III, IV) se decide probar 5 ejes de cada proveedor haciendo un total de 20
pruebas ejecutadas en la misma maquina de prueba y con l mismo operario
(recuerde que el resto de los factores se deben de mantener a un nivel fijo).
Proveedor
II
III
IV
56
64
45
42
55
61
46
39
62
50
45
45
59
55
39
43
60
56
43
41
El proveedor = factor
Tratamiento = I, II, III, IV
Con cinco replicaciones en cada tratamiento.
28
Para esto suponga un caso general como sigue: Si define Yij como el valor
correspondiente de la variable dependiente o caracterstica de calidad de la
i-sima observacin o replicacin bajo el tratamiento j, los resultados de un
experimento de un solo factor con k tratamientos y n replicas u
observaciones por tratamiento seria:
Tratamiento
Observaciones
Totales
Promedios
(nivel)
1
Y11
Y12
...
Y1n
Y1.
Y..
Y21
Y22
...
Y2n
Y2.
Y 2.
Y31
Y32
...
Y3n
Y3.
Y 3.
...
...
...
...
...
...
...
Yk1
Yk2
...
Ykn
Yk.
Yk.
Yij j ij
Donde representa la media general, j representa el efecto del tratamiento j, y
ij es el error aleatorio al hacer la observacin ij.
Esto es, se supone que todos los datos en general pertenecen a una misma
poblacin con media excepto que existan desviaciones para diferentes
tratamientos del mismo factor. Por su parte ij representa el error aleatorio o
medida de la variabilidad natural dentro de cada tratamiento.
Generalmente se supone que:
29
0;
j
j 1
Y que el error aleatorio sigue una distribucin normal con media cero y varianza
2, esto denota:
ij N(0, 2 )
Yi.
el
Y..
observaciones.
Yi. Yij
i 1
Y.. Yij
i 1 j 1
Y.. Y../n
30
Ho significa que el factor (los niveles bajo estudio) no tiene efecto sobre la
variable dependiente y H 1 que si lo tiene, esto es que existe diferencia,
estadstica. Recuerde tambin que la hiptesis nula se asume como cierta a
menos que los datos indiquen lo contrario.
Yij Y..
k
j 1 i 1
n
j 1
j 1 i 1
Donde:
La ecuacin anterior muestra la variabilidad total de los datos, medida por la
suma total corregida de los cuadrados. SS tr se denomina suma de cuadrados
debida a los tratamientos (es decir, entre tratamientos), SS E es la suma de
cuadrados debido al error (es decir, dentro de los tratamientos)
31
Yi. 2 Y.. 2
n
N
j 1
SSE SST SStr
k
SStr
SS
G.L.
MS
SStr
k1
MStr
SSE
Nk
MSE
SST
N1
F0
MStr/MSE
32
Y
i.
Totales Promedios
I
II
III
IV
56
64
45
42
55
61
46
39
62
50
45
45
59
55
39
43
60
56
43
41
Y..=
Yij
Yi
292
286
218
210
58.4
57.2
43.6
42
1006
40.24
Y.
j1 i1
33
Fuente
De error
SS
G.L.
MS
Factor o tratamientos
SStr=1135
k1=3
MStr =378.3
F0
MStr/MSE
= 29.79
Error
SSE=203.2
N k = 16
Total
SST=1338.2
N 1 = 19
MSE=12.7
F,3,16 = 3.24
34
GESTION
CONTROL DE CALIDAD
MARKETING
PRODUCCION
ALMACEN
LOGISTICA
35
CONCLUSIONES
En la vida es necesario tomar decisiones que lleven a solucionar los problemas
que estn presente en la actividad empresarial, por lo tanto, se buscan
determinar un estudio detallado y minucioso para tener claro la mejor
alternativa que le permita a la gerencia tomar la decisin ms adecuada, veraz
y precisa.
El producto de esta investigacin, referida a las aplicaciones del anlisis de la
varianza a la toma de decisiones, nos permiti elaborar las siguientes
conclusiones.
36
RECOMENDACIONES
De acuerdo a las conclusiones obtenidas en la elaboracin de este trabajo, se
presentan a continuacin una serie de recomendaciones:
37
BIBLIOGRAFIA
FUENTES BIBLIOGRFICAS
HAROLD KOONTZ / HEINZ WEIHRICH. (1998), Administracin
una Perspectiva Global.
LEVIN RICHARD Y RUBIN DAVID S. (1996), Estadstica para
Administradores Sexta edicin. Prentice Hall.
MASON / LIND / MARCHAL. (2001). Estadsticas para
Administracin y Economa. Mxico. Editorial Alfaomega.
FUENTES ELECTRNICAS
www. Anlisis de la Varianza. Com
http://riull.ull.es/xmlui/bitstream/handle/915/312/La%20actividad
%20agroalimentaria%20en%20Santa%20Cruz%20de%20Tenerife%20y%20su
%20cadena%20de%20suministro..pdf?sequence=1
http://intellectum.unisabana.edu.co/bitstream/handle/10818/7467/Helga
%20Johana%20Hern%C3%A1ndez%20Hern%C3%A1ndez_Trabajo.pdf?
sequence=1&isAllowed=y
file:///C:/Users/PIPA/Downloads/An%C3%A1lisis%20de%20varianza%20%20Ejercicio%20_PRUFAI_.pdf
38