Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sección: 03
Sustentantes:
Vianny Arlette Gómez Henríquez--------100293257
Nicole Suárez Paredes-----------------------100347491
Semestre 2018-1
Introducción
Todos los procesos se encuentran influenciados por el efecto de variables o factores,
sean controlados o no. Tanto el diseño como la mejora de un proceso de manufactura
o servicio suponen el análisis estadístico de estas variables.
Se han seleccionado tres factores; tipo de hamburguesa (A), los tiempos de ventas (B)
y tamaño de la carne (C). El análisis se efectuará de manera analítica, auxiliándonos de
los conocimientos aprendidos de los softwares informativos como: Minitab y Excel.
Por medio de estos métodos se busca determinar cuáles son los factores que afectan
significativamente a las variables de repuestas.
Historia
Wendy's Old Fashioned Hamburgers ofreció platos como hamburguesas, chili con
receta secreta, patatas fritas, refrescos y los postres "Frosty". La carta era muy
reducida para ahorrar costes y se centraba en promocionar la calidad de las carnes en
sus productos. Al año siguiente abrió un segundo local, y a partir de 1972 empezó a
franquiciarlo, siguiendo un modelo geográfico.
En abril de 2008, Wendy's fue adquirida por la firma inversora Triarc, dueña de Arby's y
controlada por el multimillonario Nelson Peltz. Ambas empresas funcionarían por
separado, aunque bajo la gestión de un único grupo llamado Wendy's Arby's Group.
Sin embargo, el rendimiento de esta nueva compañía fue desigual y en 2011 los
propietarios se deshicieron de Arby's, su marca menos rentable, vendiéndole la
participación mayoritaria a una firma de capital riesgo. De este modo Wendy's se
consolidó como la tercera cadena de hamburgueserías más grande de Norteamérica y
en 2012 llegó incluso a alcanzar temporalmente el segundo puesto.
Misión
“Garantizar una extraordinaria calidad y variedad en nuestros productos, con una
experiencia de servicio amable y cortés, dentro de un ambiente agradable, limpio y
seguro, superando las expectativas de nuestros colaboradores, invitados, comunidades
y accionistas, generando crecimiento sostenido que contribuya con el desarrollo social
y bienestar del país”.
Visión
“Ser reconocida como la cadena de restaurantes que proporcione a las comunidades
una alimentación de calidad, variada y donde cada invitado salga satisfecho y con una
sonrisa”.
Valores
Objetivos
Si cada uno de los factores poseen exactamente 2 niveles, el diseño factorial general se
denomina: diseño general 2𝑘 .
Factores seleccionados:
Variable de ¨respuesta¨:
Concepto:
En Wendys de Agora mall se busca indagar las causas que influyen en el volumen de
ventas de las hamburguesas. Por lo que se estudia tres factores (tipo de hamburguesa,
días de venta y libras de la hamburguesa) mediante un diseño factorial general. Se
utiliza α = 0.05. La siguiente tabla muestra los datos recogidos:
DIAS
Viernes sábado domingo
Libras libras libras
Tipo de
1/2 1/4 3/4 1/2 1/4 3/4 1/2 1/4 3/4
hamburguesa
35 25 30 29 31 28 20 29 33
Res 23 31 37 26 25 28 28 25 26
25 22 22 21 24 31 22 32 27
Pollo 30 24 27 25 29 22 32 29 28
15 11 12 9 10 8 12 12 14
Pescado 18 15 18 13 12 11 13 8 11
Formulación de hipótesis
1. Para el factor A:
𝐻0 : 𝛼1 = 𝛼2 = ⋯ = 0
𝐻1 : 𝛼1 ≠ 0
2. Para el factor B:
𝐻0 : 𝛽1 = 𝛽2 = ⋯ = 𝛽𝑏 = 0
𝐻1 : 𝛽1 ≠ 0
3. Para el factor C:
𝐻0 : 𝛾1 = 𝛾2 = ⋯ = 𝛾𝑏 = 0
𝐻1 : 𝛾1 ≠ 0
𝐻0 : (𝛼𝛽)𝑖𝑗 ≠ 0
𝐻0 : (𝛼𝛾)𝑖𝑘 ≠ 0
𝐻0 : (𝛽𝛾)𝑗𝑘 ≠ 0
7. Para la interacción ABC:
𝐻0 : (𝛼𝛽𝛾)𝑖𝑗𝑘 ≠ 0
días
Yi..
.
libras libras libras
Tipo de 1/2 1/4 3/4 Yij. 1/ 1/4 3/4 Yij. 1/ 1/4 3/4 Yij..
hamburg. . 2 . 2
Res 58 56 67 18 55 56 56 16 48 54 56 158 50
1 7 6
Pollo 55 46 49 15 46 53 53 15 54 61 55 170 47
0 2 2
Pescado 33 26 30 89 22 22 19 63 25 20 25 70 22
2
Y.jk. 14 12 14 12 13 12 12 13 13 Y…
6 8 6 3 1 8 7 5 6 .
Sumas de Cuadrados
𝑎 𝑏 𝑐 𝑛
(𝑦…. )2
𝑆𝑆𝑇 = ∑ ∑ ∑ ∑(𝑦𝑖𝑗𝑘𝑙 )2 −
𝑁
𝑖 𝑗 𝑘 𝑙
(1200)2
𝑺𝑺𝑻 = 582 + 562 + ⋯ + 252 − =3386.83
27
𝑎
1 (𝑦…. )2
𝑆𝑆𝐴 = ∑(𝑦𝑖… )2 −
𝑏𝑐𝑛 𝑁
𝑖
1 (1200)2
𝑺𝑺𝑨 = (3)(3)(2) (506)2 + 4722 + 2222 ) − =2708.11
27
𝑎
1 2
(𝑦…. )2
𝑆𝑆𝐵 = ∑(𝑦.𝑗.. ) −
𝑎𝑐𝑛 𝑁
𝑖
1 (1200)2
𝑺𝑺𝑩 = (3)(3)(2) (4202 + 3822 + 3982 ) − =40.11
27
𝑎
1 2
(𝑦…. )2
𝑆𝑆𝐶 = ∑(𝑦..𝑘. ) −
𝑎𝑏𝑛 𝑁
𝑖=1
1
𝑆𝑆𝐶 = [(146 + 123 + 127)2 + (128 + 131 + 135)2
(3)(3)(2)
(1200)2
+ (146 + 128 + 136)2 ] − = 𝟏𝟐. 𝟏𝟏
27
𝑎 𝑏
1 2
𝑦 …2
𝑆𝑆𝐴𝐵 = ∑ ∑ 𝑦𝑖𝑗. − − 𝑆𝑆𝐴 − 𝑆𝑆𝐵
𝑐𝑛 𝑁
𝑖=1 𝑗=1
1 (1200)2
𝑺𝑺𝑨𝑩 = (3)(2) (1812 + 1672 + ⋯ + 702 ) − −2708.11− 40.11= 95.78
27
𝑎 𝑐
1 2
(𝑦…. )2
𝑆𝑆𝐴𝐶 = ∑ ∑(𝑦𝐼.𝐾. ) − − 𝑆𝑆𝐴 − 𝑆𝑆𝐶
𝑏𝑛 𝑁
𝑖=1 𝑘=1
1 2 2]
(1200)2
𝑆𝑆𝐴𝐶 = [(58 + 55 + 48) + ⋯ + (30 + 19 + 25) − − 2708.11
(3)(2) 27
− 12.11 = 𝟒𝟐. 𝟏𝟏
𝑎 𝑐
1 (𝑦…. )2
𝑆𝑆𝐵𝐶 = ∑ ∑(𝑦.𝑗𝐾.. )2 − − 𝑆𝑆𝐵 − 𝑆𝑆𝐶
𝑎𝑛 𝑁
𝑖=1 𝑘=1
1 (1200)2
𝑺𝑺𝑩𝑪 = (1462 + 1282 + ⋯ + 1362 ) − − 40.11 − 12.11 = 𝟒𝟏. 𝟕𝟖
(3)(2) 27
a b c
1 (y…. )2
SSABC = ∑ ∑ ∑(yijk. )2 − − SSA − SSB − SSC − SSAB − SSAC − SSBC
n N
i=1 j=1 k=1
1 (1200)2
𝑺𝑺𝑨𝑩𝑪 = (582 + 562 + ⋯ + 252 ) − − 2708.11 − 40.11 − 12.11
(3) 27
= 𝟒𝟎𝟐. 𝟓𝟎
= 𝑓0.95 , 2 , 27
= 𝟐. 𝟗𝟎𝟓
2. Para el factor B:
= 𝑓0.95 , 2 , 27
= 𝟐. 𝟗𝟎𝟓
3. Para el factor C:
= 𝑓0.95 , 2 , 27
= 𝟐. 𝟗𝟎𝟓
= 𝑓0.95 , 4 , 27
= 𝟑. 𝟖𝟕
= 𝑓0.95 , 4 , 27
= 𝟑. 𝟖𝟕
= 𝑓0.95 , 4 , 27
= 𝟑. 𝟖𝟕
7. Para la interacción ABC:
= 𝑓0.95 , 8 , 27
= 𝟒. 𝟔𝟒
Conclusiones:
1. Para el factor A:
Se rechaza la hipótesis nula porque 𝑓𝐴 > 𝑓1−𝛼 , 𝑎 − 1, 𝑎𝑏𝑐(𝑛 − 1) y por tanto el tipo de
carne afecta significativamente al volumen de ventas de las hamburguesas.
𝑓1−𝛼 , 𝑎 − 1, 𝑎𝑏𝑐(𝑛 − 1)
2. Para el factor B:
No se rechaza la hipótesis nula porque 𝑓𝑏 < 𝑓1−𝛼 , 𝑏 − 1, 𝑎𝑏𝑐(𝑛 − 1) y por tanto los
días no afectan significativamente el volumen de ventas de las hamburguesas.
𝑓1−𝛼 , 𝑏 − 1, 𝑎𝑏𝑐(𝑛 − 1)
3. Para el factor C:
𝑓1−𝛼 , 𝑐 − 1, 𝑎𝑏𝑐(𝑛 − 1)
No se rechaza la hipótesis nula porque 𝑓𝐴𝐵 < 𝑓1−𝛼 , (𝑎 − 1)(𝑏 − 1) , 𝑎𝑏𝑐(𝑛 − 1) y por
tanto la interacción entre el tamaño de la carne y los días no afecta significativamente
al volumen de ventas de las hamburguesas.
fab
𝑓1−𝛼 , (𝑏 − 1)(𝑎 − 1), 𝑎𝑏𝑐(𝑛 − 1)
5. Para la interacción AC:
No se rechaza la hipótesis nula porque 𝑓𝐴𝐶 < 𝑓1−𝛼 , (𝑎 − 1)(𝑐 − 1) , 𝑎𝑏𝑐(𝑛 − 1) y por
tanto la interacción entre el tipo de carne y tamaño de la carne no afecta
significativamente el volumen de ventas de las hamburguesas.
fac
𝑓1−𝛼 , (𝑎 − 1)(𝑐 − 1), 𝑎𝑏𝑐(𝑛 − 1)
No se rechaza la hipótesis nula porque 𝑓𝐵𝐶 < 𝑓1−𝛼 , (𝑏 − 1)(𝑐 − 1) , 𝑎𝑏𝑐(𝑛 − 1) y por
tanto la interacción entre los días y el tamaño de la carne no afecta significativamente
al volumen de ventas de las hamburguesas.
fbc
𝑓1−𝛼 , (𝑏 − 1)(𝑐 − 1), 𝑎𝑏𝑐(𝑛 − 1)
7. Para la interacción ABC:
No se rechaza la hipótesis nula porque 𝑓𝐴𝐵𝐶 < 𝑓1−𝛼 , (𝑎 − 1)(𝑏 − 1)(𝑐 − 1) , 𝑎𝑏𝑐(𝑛 −
1) y por tanto la interacción entre el tipo de carne, los días y tamaño de la carne no
afecta significativamente el volumen de ventas de las hamburguesas.
fabc
𝑓1−𝛼 , (𝑎 − 1)(𝑏 − 1)(𝑐 − 1), 𝑎𝑏𝑐(𝑛 − 1)
Análisis de Residuales:
J
35 29 1 6
23 29 2 -6
25 27.5 3 -2.5
30 27.5 4 2.5
15 16.5 5 -1.5
18 16.5 6 1.5
25 28 7 -3
31 28 8 3
22 23 9 -1
24 23 10 1
11 13 11 -2
15 13 12 2
30 33.5 13 -3.5
37 33.5 14 3.5
22 24.5 15 -2.5
27 24.5 16 2.5
12 15 17 -3
18 15 18 3
29 27.5 19 1.5
26 27.5 20 -1.5
21 23 21 -2
25 23 22 2
9 11 23 -2
13 11 24 2
31 28 25 3
25 28 26 -3
24 26.5 27 -2.5
29 26.5 28 2.5
10 11 29 -1
12 11 30 1
28 28 31 0
28 28 32 0
31 26.5 33 4.5
22 26.5 34 -4.5
8 9.5 35 -1.5
11 9.5 36 1.5
20 24 37 -4
28 24 38 4
22 27 39 -5
32 27 40 5
12 12.5 41 -0.5
13 12.5 42 0.5
29 27 43 2
25 27 44 -2
32 30.5 45 1.5
29 30.5 46 -1.5
12 10 47 2
8 10 48 -2
33 29.5 49 3.5
26 29.5 50 -3.5
27 27.5 51 -0.5
28 27.5 52 0.5
14 12.5 53 1.5
11 12.5 54 -1.5
Gráfica de Residuales (EXCEL):
Gráfica de Residuales
8
0
0 10 20 30 40 50 60
-2
-4
-6
-8
Prueba de Tukey
1) Formulación de hipótesis
𝐻0 : 𝜇𝑖 = 𝜇𝑗
𝐻1 : 𝜇𝑖 ≠ 𝜇𝑗
2) Estadístico de prueba
𝑞∝ (𝑎 , 𝑓) 1 1
𝑇𝛼 = √𝑀𝑆𝐸 ( + )
√2 𝑛𝑖 𝑛𝑗
𝑞0.05 (3, 27 ) 1 1
𝑇𝛼 = √(14.91) ( + )
√2 2 2
3.53 1 1
𝑇𝛼 = √(14.91) ( + )
√2 2 2
𝑻𝜶 = 9.64
𝑦11.. = 181 ; 𝑦21.. = 150; 𝑦31.. = 89 ; 𝑦12.. = 167 ; 𝑦22.. = 152;
𝑦32.. = 63 𝑦13.. = 158 𝑦23..=170 𝑦33..=70
Factores: 3 Réplicas: 2
Corridas base: 27 Total de corridas: 54
Bloques base: 1 Total de bloques: 1
Número de niveles: 3; 3; 3
Análisis de Varianza
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
3.86101 88.12% 76.67% 52.46%
Coeficientes
EE del
Término Coef coef. Valor T Valor p VIF
Constante 22.278 0.525 42.40 0.000
A
1 6.000 0.743 8.07 0.000 1.33
2 3.944 0.743 5.31 0.000 1.33
B
1 1.056 0.743 1.42 0.167 1.33
2 -1.056 0.743 -1.42 0.167 1.33
C
1 -0.278 0.743 -0.37 0.711 1.33
2 -0.389 0.743 -0.52 0.605 1.33
A*B
1 1 0.83 1.05 0.79 0.435 1.78
1 2 0.61 1.05 0.58 0.566 1.78
2 1 -2.28 1.05 -2.17 0.039 1.78
2 2 0.17 1.05 0.16 0.875 1.78
A*C
1 1 -1.17 1.05 -1.11 0.277 1.78
1 2 -0.22 1.05 -0.21 0.834 1.78
2 1 -0.11 1.05 -0.11 0.917 1.78
2 2 0.83 1.05 0.79 0.435 1.78
B*C
1 1 1.28 1.05 1.22 0.235 1.78
1 2 -1.61 1.05 -1.53 0.137 1.78
2 1 -0.44 1.05 -0.42 0.676 1.78
2 2 1.00 1.05 0.95 0.350 1.78
A*B*C
1 1 1 -1.00 1.49 -0.67 0.507 2.37
1 1 2 0.06 1.49 0.04 0.970 2.37
1 2 1 1.56 1.49 1.05 0.305 2.37
1 2 2 -0.22 1.49 -0.15 0.882 2.37
2 1 1 1.61 1.49 1.08 0.288 2.37
2 1 2 -0.83 1.49 -0.56 0.580 2.37
2 2 1 -1.50 1.49 -1.01 0.322 2.37
2 2 2 -0.28 1.49 -0.19 0.853 2.37
Ecuación de regresión
Y = 22.278 + 6.000 A_1 + 3.944 A_2 - 9.944 A_3 + 1.056 B_1 - 1.056 B_2
+ 0.000 B_3
- 0.278 C_1 - 0.389 C_2 + 0.667 C_3 + 0.83 A*B_1 1 + 0.61 A*B_1 2 -
1.44 A*B_1 3
- 2.28 A*B_2 1 + 0.17 A*B_2 2 + 2.11 A*B_2 3 + 1.44 A*B_3 1 - 0.78 A*B_3 2
- 0.67 A*B_3 3
- 1.17 A*C_1 1 - 0.22 A*C_1 2 + 1.39 A*C_1 3 - 0.11 A*C_2 1 + 0.83 A*C_2 2
- 0.72 A*C_2 3
+ 1.28 A*C_3 1 - 0.61 A*C_3 2 - 0.67 A*C_3 3 + 1.28 B*C_1 1 - 1.61 B*C_1 2
+ 0.33 B*C_1 3
- 0.44 B*C_2 1 + 1.00 B*C_2 2 - 0.56 B*C_2 3 - 0.83 B*C_3 1 + 0.61 B*C_3 2
+ 0.22 B*C_3 3
- 1.00 A*B*C_1 1 1 + 0.06 A*B*C_1 1 2 + 0.94 A*B*C_1 1 3 + 1.56 A*B*C_1 2
1
- 0.22 A*B*C_1 2 2 - 1.33 A*B*C_1 2 3 - 0.56 A*B*C_1 3 1 + 0.17 A*B*C_1 3
2
+ 0.39 A*B*C_1 3 3 + 1.61 A*B*C_2 1 1 - 0.83 A*B*C_2 1 2 - 0.78 A*B*C_2 1
3
- 1.50 A*B*C_2 2 1 - 0.28 A*B*C_2 2 2 + 1.78 A*B*C_2 2 3 - 0.11 A*B*C_2 3
1
+ 1.11 A*B*C_2 3 2 - 1.00 A*B*C_2 3 3 - 0.61 A*B*C_3 1 1 + 0.78 A*B*C_3 1
2
- 0.17 A*B*C_3 1 3 - 0.06 A*B*C_3 2 1 + 0.50 A*B*C_3 2 2 - 0.44 A*B*C_3 2
3
+ 0.67 A*B*C_3 3 1 - 1.28 A*B*C_3 3 2 + 0.61 A*B*C_3 3 3
Resid
Obs Y Ajuste Resid est.
1 35.00 29.00 6.00 2.20 R
2 23.00 29.00 -6.00 -2.20 R
Residuo grande R
Análisis de Regresión (Diseño Simple):
Para el análisis de regresión, hemos decidido, tomar como objeto de estudio algo
distinto. Los detalles se presentan a continuación:
Formulación de Hipótesis
𝐻𝑜 = 𝛽1 = 𝛽2 = ⋯ = 𝛽𝑘 = 0
𝐻1 = 𝛽𝑗 ≠ 0
Análisis Matricial
𝛽 = (𝑥 𝑡 𝑥)−1 (𝑥 𝑡 𝑦)
X
1 0.71 204 2
1 0.6 200 3
X= 1 0.5 210 2
1 0.83 230 4
1 0.77 180 5
1 0.79 150 6
1 0.68 225 3
1 0.73 290 2
1 0.77 205 1
1 0.71 207 2
Y
8
6
7
8
Y= 10
9
8
7
10
5
Xt
1 1 1 1 1 1 1 1 1 1
𝑡
𝑋 = 0.71 0.6 0.5 0.83 0.77 0.79 0.68 0.73 0.77 0.71
204 200 210 230 180 150 225 290 205 207
2 3 2 4 5 6 3 2 1 2
Xt*X
𝑋𝑡 𝑋 = 10 7.09 2101 30
7.09 5.1123 1487.36 21.82
2101 1487.36 453115 6022
30 21.82 6022 112
Xt*X-1
(𝑋 𝑡 𝑋)−1 =
11.5722147 -7.07468759 -0.02647862 -0.2977007
-7.07468759 14.5083277 -0.00854846 -0.47189531
-0.02647862 -0.00854846 0.00012841 0.0018538
-0.2977007 -0.47189531 0.0018538 0.08093006
Xt*Y
𝑡 78
𝑋 𝑌=
56.03
16207
242
Beta
𝛽= 5.0553572
8.3324612
-0.01460862
-0.03126708
Ecuación de regresión:
(78)2
𝑆𝑆𝑇 = (8)2 + (6)2 + ⋯ + (5)2 −
10
𝑺𝑺𝑻 = 23.6
𝑦.2
𝑆𝑆𝑅 = 𝛽 𝑡 (𝑥 𝑡 𝑦) −
𝑛
Xt*Y
𝑡( 𝑡 Betat
𝛽 𝑥 𝑦) = 78
- - 56.03
= 5.0553572 8.3324612 0.01460862 0.03126708 16207
𝛽 𝑡 (𝑥 𝑡 𝑦) = 616.8571 242
(78)2
𝑆𝑆𝑅 = 616.8571 −
10
𝑺𝑺𝑹 = 8.457
Conclusión:
No se rechaza la hipótesis nula, ya que 𝑓𝑅 < 𝑓1−𝛼,𝑘,𝑛−𝑘−1 , y por tanto, no hay
correlación entre el sabor de la tocineta y las variables predictoras: Porcentaje de
grasa(X1), Temperatura de cocción(X2) y Cantidad de sal(X3).
f
𝑓𝑅
Coeficiente de correlación:
𝑆𝑆𝑅
𝑅 2 × 100% = × 100%
𝑆𝑆𝑇
8.457
𝑅 2 × 100% = × 100
23.6
Conclusión
El 35.83% de los puntos muestrales satisfacen la ecuación de regresión.
Estadístico de prueba:
𝛽1
𝑡0 =
√𝑀𝑆𝐸 (𝐶11 )
8.33
𝑡0 = = 𝟏. 𝟑𝟕𝟔𝟖
√2.523(14.51)
𝑡1−𝛼, 𝑛−𝑘−1
2
𝑡o
Estadístico de prueba:
𝛽2
𝑡0 =
√𝑀𝑆𝐸 (𝐶22 )
−0.014
𝑡0 = = −𝟒𝟑. 𝟐𝟏
√2.523(0.00012841)
𝑡o 𝑡1−𝛼, 𝑛−𝑘−1
2
Estadístico de prueba
𝛽3
𝑡0 =
√𝑀𝑆𝐸 (𝐶33 )
−0.031
𝑡0 = = −𝟎. 𝟎𝟔𝟖𝟔
√2.523(0.08093)
𝑡o 𝑡1−𝛼, 𝑛−𝑘−1
2
Análisis de residuales:
εi = yi − (βo + β1 X1i + β2 X2i + β3 X3i )
ε1 = −5.34
ε2 = −15.67
ε3 = −6.33
ε4 = −5.28
ε5 = −19.97
ε7 = −13.61
ε8 = −22.99
ε9 = −19.96
ε10 = −16.66
Análisis de Varianza
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
1.58865 35.84% 3.75% 0.00%
Coeficientes
EE del
Término Coef coef. Valor T Valor p VIF
Constante 5.06 5.40 0.94 0.386
X1 8.33 6.05 1.38 0.218 1.24
X2 -0.0146 0.0180 -0.81 0.448 1.50
X3 -0.031 0.452 -0.07 0.947 1.78
Ecuación de regresión
Resid
Obs Y Ajuste Resid est.
10 5.000 7.885 -2.885 -2.02 R
Análisis de Regresión (Diseño Completo Cuadrático):
Y X1 X2 X3 X4 X5 X6 X7 X8 X9
Análisis de regresión: Y vs. X1; X2; X3; X4; X5; X6; X7; X8; X9
Análisis de Varianza
Coeficientes
EE del
Término Coef coef. Valor T Valor p VIF
Constante -805.8 * * *
X1 388.8 * * * 21853.78
X2 3.362 * * * 415968.94
X3 204.6 * * * 2044114.62
X4 2415 * * * 926898.71
X5 0.01361 * * * 96783.89
X6 -17.09 * * * 410292.67
X7 -14.25 * * * 1123467.44
X8 -170.3 * * * 469779.36
X9 0.08226 * * * 80157.51
Ecuación de regresión
Por Minitab, podemos ver que se nos anula la suma de cuadrados del error, por lo
que podemos concluir directamente que en este caso no hay aditividad entre las
variables, y que, por tanto, no vale la pena realizar este diseño.
Conclusión
Luego de haber realizado un análisis minucioso de los datos muestrales, hemos llegado
a la conclusión de que sólo el Factor A (Tipo de Carne) afecta significativamente el
volumen de ventas de las hamburguesas. Por lo que éste es el factor al que más
importancia debería de darle la empresa.
Luego se procedió a aplicar el Análisis de Regresión para datos distintos; en éste caso,
la respuesta era: el sabor de la tocineta en las hamburguesas y los factores o variables
predictoras eran: el porcentaje de grasa, la temperatura de cocción y la cantidad de sal
agregada a la tocineta. El objetivo de esto es estudiar la correlación que existe entre
las variables predictoras y la respuesta, obteniendo como resultado que no hay
correlación entre el sabor de la tocineta y las variables predictoras: porcentaje de
grasa (X1), temperatura de cocción X2) y la cantidad de sal agregada a la tocineta (X3).
Bibliografía