Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CARRERA:
INGENIERÍA INDUSTRIAL
1.1 DEFINICIONES
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
Estimador: valor que puede calcularse a partir de los datos muéstrales y que
proporcionan información sobre el valor del parámetro.4
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)
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
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
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
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.
1 INTRODUCCIÓN
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
Específicos:
a) Plante sus hipótesis y concluya su ejercicio con un nivel de significancia del 95%
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.
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
28 de febrero de 2018 12
7. Se obtienen los siguientes resultados
Método
Análisis de Varianza
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
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
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
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
28 de febrero de 2018 18
6 RESULTADOS Y CONCLUSIONES
Aceptamos Ho sí;
Ho: µa=µb=µc=µd=µe=0
Rechazamos Ho sí;
Fc>Ft
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