INSTITUTO TECNOLOGICO SUPERIOR DE IRAPUATO INGENIERÍA INDUSTRIAL

CARRERA:
INGENIERÍA INDUSTRIAL

“ESTÁDISTICA INFERENCIAL II”

NOMBRE DE LOS ALUMNOS

✓ Barrón Sánchez Sandra Cecilia

✓ Hernández Ramírez María José
✓ Negrete Tovar Alan Alejandro
✓ Rojas Martínez Juan Andrés
INTRODUCCIÓN

1.1 DEFINICIONES

Experimento: prueba o serie de pruebas en los que se hacen cambios deliberados

en las variables de entrada en un proceso o sistema para observar e identificar las
razones de cambio que pudieran observarse en las respuestas de salida.

Interacción: existe interacción cuando uno de los factores no produce el mismo

efecto en la respuesta con niveles diferentes de otro factor.

Factor: variable controlable por el experimentador.

Factorial: se trata de una estrategia experimental en la que los factores se hacen

variar en conjunto, en ligar de uno a la vez.

Corrida: se refiere a cada una de las observaciones del experimento

Error estadístico: Variación que no estaba bajo control y que generalmente es

inevitable.

Variables: representa un valor que puede ser reemplazado o que es susceptible a

adoptar diferentes valores

Variable discreta: si el conjunto de todos los valores posibles de la variable

aleatoria es finito o contablemente infinito, entonces la variable es discreta

Variable Continua: si el conjunto de todos los valores posibles de la variable

aleatoria es un intervalo, entonces la variable es continua.1

1
Mendenhall, W. (2010). Introducción a la Probabilidad y Estadística. (13ª. ed.) México: Cengage

28 de febrero de 2018 1
Inferencia estadística: se define como cualquier cantidad calculada a partir de las
observaciones de la muestra.2

Estadístico: se define como cualquier función de las observaciones de una muestra

que no contienen parámetros desconocidos.3

Estimador: valor que puede calcularse a partir de los datos muéstrales y que
proporcionan información sobre el valor del parámetro.4

Estimación: estimar o predecir el valor del parámetro

Parámetro: valor, medida o indicador representativo de la población que se

selecciona para ser estudiado.

Varianza: identifica la media de las observaciones cuadráticas de una variable de

carácter aleatoria, considerando el valor medio de esta.

Covarianza: grado de variación conjunta de dos variables aleatorias. Determina si

existe dependencia entre ambas variables.

Desviación estándar: mide cuanto se separan los datos

Error estándar: la desviación estándar de una estadística empleada como

Learning.

Montgomery, D. C. (2011). Probabilidad y estadística aplicadas a la ingeniería. (2ª. ed.) México: Limusa:
Wiley.

2
http://sauce.pntic.mec.es/~jpeo0002/Archivos/PDF/T04.pdf
3
http://www.simbolosmatematicos.com/tag/simbolos-estadisticos/
4
https://es.wikipedia.org/wiki/Estimador

28 de febrero de 2018 2
estimador de un parámetro poblacional también se denomina error estándar del
estimador (SE)

Significancia: se define como la probabilidad, de tomar la decisión de rechazar la

hipótesis nula cuando esta es verdadera (decisión conocida como error del tipo I, o
“Falso positivo”)5

Región critica: conjunto de valores del estadístico de prueba que lleva al rechazo
de H0.

Prueba de Hipótesis: tomar una decisión acerca del valor de un parámetro, con
base en alguna idea preconcebida acerca de cuál podría ser su valor.6

1.2 OBJETIVO

1.2.1 Objetivo General

Identifica fuentes de variación aplicando el modelo estadístico más adecuado para

planear, ejecutar y desarrollar experimentación orientado a la mejora de procesos
industriales.7

5
Montgomery, D. C. (2011). Probabilidad y estadística aplicadas a la ingeniería. (2ª. ed.) México: Limusa:
Wiley.

7
Documentos TNM

28 de febrero de 2018 3
1.3 METODOLOGIA
• Identificación y enunciación del problema: identificación clara de que es
exactamente lo que va a estudiarse.
• Elección de los factores, los niveles y los rangos: se deben identificar y
definir los factores que puedan clasificarse como factores potenciales del
diseño o bien como factores perturbadores. Una vez que el experimentador
haya definido los factores del diseño, debe elegir los rangos en los que hará
variar estos factores, así como los niveles específicos con los que se
realizaran las corridas.
• Selección de la variable de respuesta: para seleccionar la variable de
respuesta, el experimentador deberá tener la certeza de que esta variable
proporciona en realidad información útil acerca del proceso bajo estudio.
• Elección del diseño experimental: la elección del diseño implica
consideración del tamaño de la muestra, el número de réplicas y la
determinación de si se entran en juego o no la formación de bloques u otras
restricciones sobre la aleatorización.
• Realización del experimento: los errores en el procedimiento experimental
en esta etapa destruirán por lo general la validación del experimento.
• Análisis estadístico de los datos: deberán usarse métodos estadísticos
para analizar los datos a fin de que los resultados y las conclusiones sean
objetivos y no de carácter apreciativo. La prueba de hipótesis, la estimación
de intervalos de confianza y los datos residuales son técnicas de análisis muy
importantes.
• Conclusiones y recomendaciones: una vez que se han analizado los
datos, el experimentador deberá sacar conclusiones practicas acerca de los
resultados y recomendar un curso de acción. Los métodos gráficos suelen

28 de febrero de 2018 4
 ser útiles en esta etapa, en particular para representar los resultados.
También deberán realizarse corridas de seguimiento o pruebas de
confirmación para validar las conclusiones del experimento.8

1.4 RECOMENDACIONES DE USO DE TECNICAS ESTADISTICAS EN LA

EXPERIMENTACION

Uso de conocimientos no estadísticos del problema: en este punto nos

referimos a que todos los experimentadores conocen ampliamente sus campos de
trabajo, este tipo de conocimiento no estadístico es invaluable para elegir los
factores, determinar los niveles de los factores, decidir cuantas replicas correr,
interpretar los resultados del análisis, etc. El uso de la estadística no es un sustituto
de la reflexión sobre el problema.

Mantener el diseño y el análisis tan simple como sea posible: es necesario no

exagerar en el uso de técnicas complejas o sofisticadas. Los métodos de diseño y
análisis relativamente simples son siempre los mejores. Si un diseño se hace de
manera cuidadosa y correcta, el análisis casi siempre será relativamente directo.
Sin embargo, si el diseño se estropea grandemente por la inaptitud, no es posible
que incluso la estadística más compleja y elegante salve la situación.

Tener presente la diferencia entre significación practica y significancia

estadística: estas dos condiciones experimentales producen respuestas medias
que son estadísticamente diferentes, no existe ninguna seguridad de que esta
diferencia sea de la magnitud suficiente como para tener algún valor práctico.

Los experimentos son generalmente interactivos: un diseño exitoso requiere

conocer los factores importantes, los rangos en que estos factores se harán variar,

8
Montgomery, D. C. (2011). Probabilidad y estadística aplicadas a la ingeniería. (2ª. ed.) México: Limusa:
Wiley.

28 de febrero de 2018 5
el numero apropiado de niveles para cada factor y los métodos y las unidades de
medición adecuados para cada factor. En general, ningún experimentador está en
posición de responder estas cuestiones al inicio del experimento, si no que las
respuestas aparecen sobre la marcha.9

9
Montgomery, D. C. (2011). Probabilidad y estadística aplicadas a la ingeniería. (2ª. ed.) México: Limusa:
Wiley.

28 de febrero de 2018 6
1.5 POLITICAS DE CLASE

ACADEMIA DE INGENIERÍA INDUSTRIAL

1. Disposiciones de orden y disciplina:

a. Respetar horario designado para su clase habiendo una tolerancia de
15 min. una vez iniciada la sesión se permite el ingreso al mismo sin
derecho a asistencia.
b. Utilizar lenguaje respetuoso para dirigirse a profesores, compañeros y
demás personal.
c. Evitar utilizar celular, reproductor de música o cualquier dispositivo
electrónico durante clases.
d. Evitar consumir alimentos y bebidas durante el curso.
e. Evitar gritar, dormir, jugar, hacer ruidos en áreas de clase que
interrumpan el trabajo de los demás.
f. Omitir conductas que atenten contra la moral y la buena conducta.
g. Entregar puntualmente sus reportes de las prácticas
h. Si por algún motivo el profesor pide al alumno abandonar el salón de
clase, se tendrá que retirar sin pretexto alguno.
i. El alumno que no haya asistido a la práctica no podrá entregar reporte.
j. Para atender llamadas deberá abandonar y reingresar al aula de
manera discreta.

28 de febrero de 2018 7
PRÁCTICA - 1

28 de febrero de 2018 8
 2.1 PRACTICAS DE LA UNIDAD I: REGRESION LINEAL
MULTIPLE
2.1.1 Regresión Lineal Simple
En este modelo se estudia una variable dependiente o de respuesta representada
por (Υ) que depende de k variables independientes o regresores (x1, x2, … xK). La
relación que existe entre estas variables se caracteriza por un modelo matemático
llamado modelo de regresión. Dicho modelo se ajusta a un conjunto de datos
muéstrales.

PRACTICA N°1: Diseño de bloques cuadrados grecolatinos

CLAVE DE LA NOMBRE DE LA ASIGNATURA CARRERA PLAN DE ESTUDIOS
ASIGNATURA
AE025 ESTADISTICA INFERENCIAL II ING. INDUSTRIAL 2015
PRACTICA N° NOMBRE DE LA PRACTICA LUGAR DURACION
1 Cuadrados grecolatinos CENTRO DE COMPUTO 2 HRS

1 INTRODUCCIÓN

Suponga que un experimentador estudia los efectos que tienen 5 formulaciones

diferentes de la carga propulsora utilizada en los sistemas de expulsión de la
tripulación de un avión basada en la rapidez de combustión. Cada formulación se
hace con un lote de materia prima que solo alcanza para probar 5 formulaciones,
además, las formulaciones son preparadas por varios operadores, y puede haber
diferencias sustanciales en la habilidad y experiencia de los operadores. Por lo
tanto, al parecer hay 2 factores perturbadores que serán calculados en el diseño:
Los lotes de materia prima y los diseños.

Tc 1 2 3 4 5
A-1 B-5 C-6 D-1 E-1
1 α γ ε β δ
B-8 C-1 D5 E2 A 11
2 β δ α γ ε
C-7 D 13 E1 A2 B-4
3 γ ε β δ α
D1 E6 A1 B-2 C-3
4 δ α γ ε β
E-3 A5 B-5 C4 D6
5 ε β δ α γ

28 de febrero de 2018 9
2 OBJETIVOS

General: Realice el diseño de cuadrados grecolatinos

Específicos:
a) Plante sus hipótesis y concluya su ejercicio con un nivel de significancia del 95%

3 EQUIPO Y MATERIAL NECESARIO

EQUIPO DE COMPUTO
SOFTWARE (MINITAB)

4 PROCEDIMIENTO

Procedimiento en MINITAB:
Para realizar el análisis de experimentos de un solo factor, en MINITAB:
1. Primero se colocan los bloques, valores y los tratamientos de la siguiente
manera

28 de febrero de 2018 10
2. Una vez completa la tabla de datos se selecciona la pestaña de
ESTADISTICAS, ANOVA, MODELO LINEAL GENERAL, AJUSTAR
MODELO LINEAL GENERAL.

3. En el cuadro de respuestas se selecciona la columna de R (valores)

4. En el cuadro de factores se selecciona el número de lote, operadores, latino
y grecolatino

28 de febrero de 2018 11
5. En la parte de opciones ponemos un nivel de confianza de 95 y un tipo de
intervalo de confianza Bilateral

6. Seleccionamos en la pestaña de Graficas tener “cuatro en uno”

28 de febrero de 2018 12
7. Se obtienen los siguientes resultados
Método

Codificación de factores (-1, 0, +1)

Información del factor

Factor Tipo Niveles Valores

NO. LOTE Fijo 5 lote 1, lote 2, lote 3, lote 4, lote 5
NO. OPER. Fijo 5 oper. 1, oper. 3, oper. 4, oper. 5, oper.2
LATINO Fijo 5 A, B, C, D, E
GRECOLATINO Fijo 5 α, β, γ, δ, ε

Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

NO. LOTE 4 68.00 17.000 2.06 0.178
NO. OPER. 4 150.00 37.500 4.55 0.033
PROPULSION 4 330.00 82.500 10.00 0.003
MONTAJE 4 62.00 15.500 1.88 0.208
Error 8 66.00 8.250
Total 24 676.00

28 de febrero de 2018 13
Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
2.87228 90.24% 70.71% 4.66%

Coeficientes

EE del
Término Coef coef. Valor T Valor p VIF
Constante 0.400 0.574 0.70 0.506
NO. LOTE
lote 1 -3.20 1.15 -2.79 0.024 1.60
lote 2 1.40 1.15 1.22 0.258 1.60
lote 3 0.60 1.15 0.52 0.616 1.60
lote 4 0.20 1.15 0.17 0.866 1.60
NO. OPER.
oper. 1 -4.00 1.15 -3.48 0.008 1.60
oper. 3 -1.20 1.15 -1.04 0.327 1.60
oper. 4 0.60 1.15 0.52 0.616 1.60
oper. 5 1.40 1.15 1.22 0.258 1.60
LATINO
A 3.20 1.15 2.79 0.024 1.60
B -5.20 1.15 -4.53 0.002 1.60
C -3.00 1.15 -2.61 0.031 1.60
D 4.40 1.15 3.83 0.005 1.60
GRECOLATINO
α 1.60 1.15 1.39 0.201 1.60
β -1.60 1.15 -1.39 0.201 1.60

28 de febrero de 2018 14
 γ -1.00 1.15 -0.87 0.409 1.60
δ -1.20 1.15 -1.04 0.327 1.60

Ecuación de regresión

RESULTADO = 0.400 - 3.20 NO. LOTE_lote 1 + 1.40 NO. LOTE_lote 2

+ 0.60 NO. LOTE_lote 3
+ 0.20 NO. LOTE_lote 4 + 1.00 NO. LOTE_lote 5
- 4.00 NO. OPER._oper. 1
- 1.20 NO. OPER._oper. 3 + 0.60 NO. OPER._oper. 4
+ 1.40 NO. OPER._oper. 5
+ 3.20 NO. OPER._oper.2 + 3.20 LATINO_A - 5.20 LATINO_B
- 3.00 LATINO_C
+ 4.40 LATINO_D + 0.60 LATINO_E + 1.60 GRECOLATINO_α
- 1.60 GRECOLATINO_β
- 1.00 GRECOLATINO_γ - 1.20 GRECOLATINO_δ
+ 2.20 GRECOLATINO_ε

Ajustes y diagnósticos para observaciones poco comunes

Resid
Obs RESULTADO Ajuste Resid est.
24 4.00 0.60 3.40 2.09 R

Residuo grande R

28 de febrero de 2018 15
 Gráfica de caja de RESULTADO
lote 1 lote 2 lote 3

10

0
RESULTADO

-5

-10
lote 4 lote 5

10

-5

-10

Variable de panel: NO. LOTE

28 de febrero de 2018 16
 Gráfica de caja de RESULTADO
oper. 1 oper. 3 oper. 4

10

0
RESULTADO

-5

-10
oper. 5 oper.2

10

-5

-10

Variable de panel: NO. OPER.

Figura 1 Los operadores afectan, pues tienen diferencias en las medias

Gráfica de intervalos de RESULTADO

95% IC para la media
lote 1 lote 2 lote 3
10

0
RESULTADO

-5

-10
lote 4 lote 5
10

-5

-10

Variable de panel: NO. LOTE; Las desviaciones estándar individuales se utilizaron para calcular los intervalos.

28 de febrero de 2018 17
 Gráfica de intervalos de RESULTADO
95% IC para la media
oper. 1 oper. 3 oper. 4

10

0
RESULTADO

-5

-10
oper. 5 oper.2

10

-5

-10

Variable de panel: NO. OPER.; Las desviaciones estándar individuales se utilizaron para calcular los intervalos.

5 REPORTE

Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

NO. LOTE 4 68.00 17.000 2.06 0.178
NO. OPER. 4 150.00 37.500 4.55 0.033
PROPULSION 4 330.00 82.500 10.00 0.003
MONTAJE 4 62.00 15.500 1.88 0.208
Error 8 66.00 8.250
Total 24 676.00

28 de febrero de 2018 18
6 RESULTADOS Y CONCLUSIONES

Aceptamos Ho sí;

Ho: µa=µb=µc=µd=µe=0

Rechazamos Ho sí;

Hi: Al menos una de las medias (µn) es diferente

Fc>Ft

Por lo tanto, decimos que;

Fc>Ft 2.06 > 3.84 ×

Fc>Ft 4.55 > 3.84

Fc>Ft 10.00 >3.84

Fc>Ft 1.88 > 3.84 ×

Concluimos con un nivel de significancia del 95% que por lo menos una de las
medias de los tratamientos A,B,C,D,y E es diferente a las demás y afecta
significativamente al resultado. Es decir, los operadores y el montaje afectan en la
rapidez del propulsor, ya que, estos muestran diferencias significativas en las
medias.

7 REFERENCIAS

Mendenhall, W. (2010). Introducción a la Probabilidad y Estadística. (13ª. ed.) México: Cengage Learn

28 de febrero de 2018 19