Arregla Tarea Final

CASO 1
Los siguientes datos se denominan Datos de Cravens, y corresponden a una muestra de 25 observaciones
realizadas por una empresa que tiene varios territorios de ventas, cada uno de los cuales está asignado a un
representante de ventas.
A partir de estos datos se desea construír un modelo que prediga de la manera más eficiente, las ventas de
la empresa. Identifique estas variables y el modelo resultante.
Ventas Antigüedad Potencial Gastos en Publicidad Participación Cambio

3669.88 43.1 74065.1 4582.9 2.51 0.34
3473.95 108.13 58117.3 5539.8 5.51 0.15
2295.1 13.82 21118.5 2950.4 10.91 -0.72
4675.56 186.18 68521.3 2243.1 8.27 0.17
6125.96 161.79 57805.1 7747.1 9.15 0.5
2134.94 8.94 37806.9 402.4 5.51 0.15
5031.66 365.04 50935.3 3140.6 8.54 0.55
3367.45 220.32 35602.1 2086.2 7.07 -0.49
6519.45 127.64 46176.8 8846.2 12.54 1.24
4876.37 105.69 42053.2 5673.1 8.85 0.31
2468.27 57.72 36829.7 2761.8 5.38 0.37
2533.31 23.58 33612.7 1991.8 5.43 -0.65
2408.11 13.82 21412.8 1971.5 8.48 0.64
2337.38 13.82 20416.9 1737.4 7.8 1.01
4586.95 86.99 36272 10694.2 10.34 0.11
2729.24 165.85 23093.3 8618.6 5.15 0.04
3289.4 116.26 26878.6 7747.9 6.64 0.68
2800.78 42.28 39572 4565.8 5.45 0.66
3264.2 52.84 51866.1 6022.7 6.31 -0.1
3453.62 165.04 58749.8 3721.1 6.35 -0.03
1741.45 10.57 23990.8 861 7.37 -1.63
2035.75 13.82 25694.9 3571.5 8.39 -0.43
1578 8.13 23736.3 2845.5 5.15 0.04
4167.44 58.44 34314.3 5060.1 12.88 0.22
2799.97 21.14 22809.5 3552 9.14 -0.74
DEFINICIÓN DE LAS VARIABLES EN LOS DATOS DE CRAVENS
Variable Definición
Ventas Total de ventas acreditadas al representante de ventas
Antigüedad Antigüedad del empleado en meses
Potencial Potencial de mercado: ventas industriales totales en unidades en el ter
Gastos en publicidad Gastos del territorio en publicidad
Participación Participación en el mercado: promedio ponderado de los últimos años
Cambio Cambio, en los últimos cuatro años en participación en el mercado.
Cuentas Número de cuentas asignadas a los representantes de ventas
Trabajo Carga de trabajo: índice ponderado basado en compras anuales y conc
Evaluación Evaluación general del representante de ventas sobre ocho dimensione
evaluación agregada en una escala de 1 - 7.
Regression Analysis
R² 0.922
Adjusted R² 0.883 n 25
R 0.960 k 8
Std. Error 449.015 Dep. Var. Ventas
ANOVA table
Source SS df MS F p-value
Regression 38,153,712.1137 8 4,769,214.0142 23.66 1.81E-07
Residual 3,225,836.8131 16 201,614.8008
Total 41,379,548.9269 24
Regression output confidence interval
variables coefficients std. error t (df=16) p-value 95% lower
Intercept -1,507.8358 778.6084 -1.937 .0707 -3,158.4119
Antigüedad 2.0101 1.9305 1.041 .3132 -2.0824
Potencial 0.0372 0.0082 4.536 .0003 0.0198
s en Publicidad 0.1510 0.0471 3.205 .0055 0.0511
Participación 199.0402 67.0291 2.969 .0090 56.9447
Cambio 290.8666 186.7769 1.557 .1390 -105.0827
Cuentas 5.5497 4.7754 1.162 .2622 -4.5737
Trabajo 19.7939 33.6752 0.588 .5649 -51.5943
Evaluación 8.1890 128.4985 0.064 .9500 -264.2155
Observation Ventas Predicted Residual

1 3,669.880 3,378.342 291.538
2 3,473.950 3,881.215 -407.265
3 2,295.100 2,617.149 -322.049
4 4,675.560 4,825.914 -150.354
5 6,125.960 5,492.622 633.338
6 2,134.940 2,057.824 77.116
7 5,031.660 5,286.065 -254.405
8 3,367.450 2,955.121 412.329
9 6,519.450 6,171.964 347.486
10 4,876.370 4,087.415 788.955
11 2,468.270 2,567.539 -99.269
12 2,533.310 2,093.818 439.492
13 2,408.110 2,402.838 5.272
14 2,337.380 2,288.073 49.307
15 4,586.950 4,731.611 -144.661
16 2,729.240 2,813.013 -83.773
17 3,289.400 3,355.536 -66.136
18 2,800.780 2,804.303 -3.523
19 3,264.200 3,796.944 -532.744
20 3,453.620 3,975.052 -521.432
21 1,741.450 1,377.006 364.444
22 2,035.750 2,585.145 -549.395
23 1,578.000 1,728.944 -150.944
24 4,167.440 4,549.347 -381.907
25 2,799.970 2,541.390 258.580
Durbin-Watson = 1.87
Cuentas Trabajo Evaluación
74.86 15.05 4.9
107.32 19.97 5.1
96.75 17.34 2.9
195.12 13.4 3.4
180.44 17.64 4.6
104.88 16.22 4.5
256.1 18.8 4.6
126.83 19.86 2.3
203.25 17.42 4.9
119.51 21.41 2.8
116.26 16.32 3.1
142.28 14.51 4.2
89.43 19.35 4.3
84.55 20.02 4.2
119.51 15.26 5.5
80.49 15.87 3.6
136.58 7.81 3.4
78.86 16 4.2
136.58 17.44 3.6
138.21 17.98 3.1
75.61 20.99 1.6
102.44 21.66 3.4
76.42 21.46 2.7
136.58 24.78 2.8
88.62 24.96 3.9
VENS
efinición
tales en unidades en el territorio de ventas.
erado de los últimos años.

ipación en el mercado.
ntantes de ventas
en compras anuales y concentración de cuentas
tas sobre ocho dimensiones de desempeño: una
idence interval
CASO 2
Un grupo de digitadores de datos de una empresa multinacional se someten a una capacitación para reducir el
número de errores cometidos por turno de trabajo. El número observado de errores en una muestra aleatoria
de estos empleados se observa a continuación. ¿Podría decirse que la capacitación fue efectiva al 3% de significancia?
No. Antes Después Variaci Signo

1 12 8 4+
2 7 7 00
3 3 3 00
4 6 5 1+
5 8 7 1+
6 9 6 3+
7 10 8 2+
8 11 9 2+
9 15 12 3+
Signos + 7
Signos - 0
Total de Signos Efectivos 7
Tipo de Hipotesis 1
H0: Antes <= Después R// Con un nivel alfa del 3% se rechaza la HO,
H1: Antes > Después podemos concluir que despues de la capacitacion
a: 0.03 redujeron el numero de errores cometidos por los digitad
P-Value: 0.00781
A un nivel alfa del 3%
Sign Test
0 hypothesized value
2 median Variacion
0 below
2 equal
7 above
7n
binomial
.0078 p-value (one-tailed, upper)
normal approximation
2.27 z
.0117 p-value (one-tailed, upper)
2
tación para reducir el
na muestra aleatoria 1 Mayor que
ectiva al 3% de significancia? 2 Menor que
3 Igual que
se rechaza la HO,
ues de la capacitacion
res cometidos por los digitadores.
CASO 3
Los siguientes datos se obtuvieron del proceso de producción de Master Blend Coffee y son los pesos
de llenado de latas de café de 3 libras. ¿Qué se puede concluir acerca de la calidad de este proceso de
producción?
Observaciones
Muestra 1 2 3 4 5 R
1 3.05 3.08 3.07 3.11 3.11 0.06
2 3.13 3.07 3.05 3.1 3.1 0.08
3 3.06 3.04 3.12 3.11 3.1 0.08
4 3.09 3.08 3.09 3.09 3.07 0.02
5 3.1 3.06 3.06 3.07 3.08 0.04
6 3.08 3.1 3.13 3.03 3.06 0.1
7 3.06 3.06 3.08 3.1 3.08 0.04
8 3.11 3.08 3.07 3.07 3.07 0.04
9 3.09 3.09 3.08 3.07 3.09 0.02
10 3.06 3.11 3.07 3.09 3.07 0.05
5 Rango Medio 0.053
Desviacion Estándar 0.577
3DE 1.731
𝐿𝑆𝐶�^−=𝑋^−+3𝜎𝑋^−
LSCx= 3.1735
Buenas 10 Malas 0
𝐿𝐼𝐶�^−=𝑋^−−3𝜎𝑋^−
R/.
El proceso se encuentra en control ya qu
LICx= 2.990
encuentra dentro de los parametro
µ= 3.0818
Carta de la Media
3.2000
3.1500
3.084 3.09 3.086 3.084 3.08 3.08 3.084 3.08
3.1000 3.074 3.076
3.0500
3.0000
2.9500
2.9000
2.8500
1 2 3 4 5 6 7 8 9 10
LSCx LICx µ X
X No. LSCx
3.084 1 3.1735
3.09 2 3.1735
3.086 3 3.1735
3.084 4 3.1735
3.074 5 3.1735
3.08 6 3.1735
3.076 7 3.1735
3.08 8 3.1735
3.084 9 3.1735
3.08 10 3.1735
3.0818 Media de Medias
ntra en control ya que los procesos se

tro de los parametros de calidad
n A2
2 1.880
3 1.023
LICx µ X Ref. 4 0.729
2.990 3.0818 3.084 1 5 0.577
2.990 3.0818 3.09 1 6 0.483
2.990 3.0818 3.086 1 7 0.419
2.990 3.0818 3.084 1 8 0.373
2.990 3.0818 3.074 1 9 0.337
2.990 3.0818 3.08 1 10 0.308
2.990 3.0818 3.076 1 11 0.285
2.990 3.0818 3.08 1 12 0.266
2.990 3.0818 3.084 1 13 0.249
2.990 3.0818 3.08 1 14 0.235
15 0.223
16 0.212
17 0.203
18 0.194
19 0.187
20 0.180
21 0.173
22 0.167
23 0.162
24 0.153
CASO 4
"Estructuras metálicas de Guatemala", se dedica a construir piezas para distintas maquinarias agrícolas.
Una pieza solicitada por una fábrica de molinos de maiz, es un disco de hierro el cual debe mantenerse
dentro de un diámetro promedio.
Considere los siguientes datos, muestras tomadas cada media hora, en un día de proceso de fabricación
de los discos metálicos.
A Realice un análisis al proceso de la fabricación de los discos.
B Repita el análisis si el diámetro medio deseado no debe ser mayor a 3.505 pulgadas, ni menor a 3.495.
Observaciones
Muestra 1 2 3 4 5 R
1 3.5056 3.5086 3.5144 3.5009 3.5030 0.0135
2 3.4882 3.5085 3.4884 3.5250 3.5031 0.0368
3 3.4897 3.4898 3.4995 3.5130 3.4969 0.0233
4 3.5153 3.5120 3.4989 3.4900 3.4837 0.0316
5 3.5059 3.5113 3.5011 3.4773 3.4801 0.034
6 3.4977 3.4961 3.5050 3.5014 3.5060 0.0099
7 3.4910 3.4913 3.4976 3.4831 3.5044 0.0213
8 3.4991 3.4853 3.4830 3.5083 3.5094 0.0264
9 3.5099 3.5162 3.5228 3.4958 3.5004 0.027
10 3.4880 3.5015 3.5094 3.5102 3.5146 0.0266
11 3.4881 3.4887 3.5141 3.5175 3.4863 0.0312
12 3.5043 3.4867 3.4946 3.5018 3.4784 0.0259
13 3.5043 3.4769 3.4944 3.5014 3.4904 0.0274
14 3.5004 3.5030 3.5082 3.5045 3.5234 0.023
15 3.4846 3.4938 3.5065 3.5089 3.5011 0.0243
16 3.5145 3.4832 3.5188 3.4935 3.4989 0.0356
17 3.5004 3.5042 3.4954 3.5020 3.4889 0.0153
18 3.4959 3.4823 3.4964 3.5082 3.4871 0.0259
19 3.4878 3.4864 3.4960 3.5070 3.4984 0.0206
20 3.4969 3.5144 3.5053 3.4985 3.4885 0.0259
5 Rango Medio 0.025275
𝐿𝑆𝐶�^−=𝑋^−+3𝜎𝑋^− 3DE 1.731
LSCx= 3.5432
20 Malas 0
𝐿𝐼𝐶�^−=𝑋^−−3𝜎𝑋^− R/.
LICx= 3.456 El proceso se encuentra en control ya qu
µ= 3.499489 encuentra dentro de los parametro
Carta de la Media
3.5600
3.50902
3.50474
3.50264
3.5400
3.5079
3.50124
3.5065
3.49998
3.49894
3.49778
3.49702
3.49514
3.49348
3.49348
3.49316
3.5200
3.5000
3.4800
3.4600
3.4400
3.4200
3.4000
1 2 3 4 5 6 7 8 9 10 11 12 13 14
LSCx LICx µ X
menor a 3.495.
X No. LSCx LICx µ

3.5065 1 3.5432 3.456 3.499489
3.50264 2 3.5432 3.456 3.499489
3.49778 3 3.5432 3.456 3.499489
3.49998 4 3.5432 3.456 3.499489
3.49514 5 3.5432 3.456 3.499489
3.50124 6 3.5432 3.456 3.499489
3.49348 7 3.5432 3.456 3.499489
3.49702 8 3.5432 3.456 3.499489
3.50902 9 3.5432 3.456 3.499489
3.50474 10 3.5432 3.456 3.499489
3.49894 11 3.5432 3.456 3.499489
3.49316 12 3.5432 3.456 3.499489
3.49348 13 3.5432 3.456 3.499489
3.5079 14 3.5432 3.456 3.499489
3.49898 15 3.5432 3.456 3.499489
3.50178 16 3.5432 3.456 3.499489
3.49818 17 3.5432 3.456 3.499489
3.49398 18 3.5432 3.456 3.499489
3.49512 19 3.5432 3.456 3.499489
3.50072 20 3.5432 3.456 3.499489
ntra en control ya que los procesos se

tro de los parametros de calidad
ia
12
3.49316
X
13
3.49348
14
3.5079
15
3.49898
16
3.50178
17
3.49818
18
19 3.49398
3.49512
20
3.50072
n A2
2 1.880
3 1.023
X Ref. 4 0.729
3.5065 1 5 0.577
3.50264 1 6 0.483
3.49778 1 7 0.419
3.49998 1 8 0.373
3.49514 1 9 0.337
3.50124 1 10 0.308
3.49348 1 11 0.285
3.49702 1 12 0.266
3.50902 1 13 0.249
3.50474 1 14 0.235
3.49894 1 15 0.223
3.49316 1 16 0.212
3.49348 1 17 0.203
3.5079 1 18 0.194
3.49898 1 19 0.187
3.50178 1 20 0.180
3.49818 1 21 0.173
3.49398 1 22 0.167
3.49512 1 23 0.162
3.50072 1 24 0.153
CASO 4.B
"Estructuras metálicas de Guatemala", se dedica a construir piezas para distintas maquinarias agrícolas.
Una pieza solicitada por una fábrica de molinos de maiz, es un disco de hierro el cual debe mantenerse
dentro de un diámetro promedio.
Considere los siguientes datos, muestras tomadas cada media hora, en un día de proceso de fabricación
de los discos metálicos.
A Realice un análisis al proceso de la fabricación de los discos.
B Repita el análisis si el diámetro medio deseado no debe ser mayor a 3.505 pulgadas, ni menor a 3.495.
Observaciones
Mustra 1 2 3 4 5 R
1 3.5056 3.5086 3.5144 3.5009 3.5030 0.0135
2 3.4882 3.5085 3.4884 3.5250 3.5031 0.0368
3 3.4897 3.4898 3.4995 3.5130 3.4969 0.0233
4 3.5153 3.5120 3.4989 3.4900 3.4837 0.0316
5 3.5059 3.5113 3.5011 3.4773 3.4801 0.034
6 3.4977 3.4961 3.5050 3.5014 3.5060 0.0099
7 3.4910 3.4913 3.4976 3.4831 3.5044 0.0213
8 3.4991 3.4853 3.4830 3.5083 3.5094 0.0264
9 3.5099 3.5162 3.5228 3.4958 3.5004 0.027
10 3.4880 3.5015 3.5094 3.5102 3.5146 0.0266
11 3.4881 3.4887 3.5141 3.5175 3.4863 0.0312
12 3.5043 3.4867 3.4946 3.5018 3.4784 0.0259
13 3.5043 3.4769 3.4944 3.5014 3.4904 0.0274
14 3.5004 3.5030 3.5082 3.5045 3.5234 0.023
15 3.4846 3.4938 3.5065 3.5089 3.5011 0.0243
16 3.5145 3.4832 3.5188 3.4935 3.4989 0.0356
17 3.5004 3.5042 3.4954 3.5020 3.4889 0.0153
18 3.4959 3.4823 3.4964 3.5082 3.4871 0.0259
19 3.4878 3.4864 3.4960 3.5070 3.4984 0.0206
20 3.4969 3.5144 3.5053 3.4985 3.4885 0.0259
5 Rango Medio 0.025275
𝐿𝑆𝐶�^−=𝑋^−+3𝜎𝑋^− 3DE 1.731
LSCx= 3.5050
Buenas 13 Malas 7
𝐿𝐼𝐶�^−=𝑋^−−3𝜎𝑋^− R/.
LICx= 3.495 Revisar el proceso ya que dentro del mimo
de los limites de c
µ= 3.499489
3.4850
3.4900
3.4950
3.5000
3.5050
3.5100
3.5150
1
3.5065
2
3.50264
3
3.49778
4
3.49998
5
3.49514
6
3.50124
7
3.49348
8
3.49702
LSCx
9
3.50902
10
3.50474
LICx
11
3.49894
µ
Carta de la Media
12
3.49316
X
13
3.49348
1
menor a 3.495.
X No. LSCx LICx µ

3.5065 1 3.5050 3.495 3.499489
3.50264 2 3.5050 3.495 3.499489
3.49778 3 3.5050 3.495 3.499489
3.49998 4 3.5050 3.495 3.499489
3.49514 5 3.5050 3.495 3.499489
3.50124 6 3.5050 3.495 3.499489
3.49348 7 3.5050 3.495 3.499489
3.49702 8 3.5050 3.495 3.499489
3.50902 9 3.5050 3.495 3.499489
3.50474 10 3.5050 3.495 3.499489
3.49894 11 3.5050 3.495 3.499489
3.49316 12 3.5050 3.495 3.499489
3.49348 13 3.5050 3.495 3.499489
3.5079 14 3.5050 3.495 3.499489
3.49898 15 3.5050 3.495 3.499489
3.50178 16 3.5050 3.495 3.499489
3.49818 17 3.5050 3.495 3.499489
3.49398 18 3.5050 3.495 3.499489
3.49512 19 3.5050 3.495 3.499489
3.50072 20 3.5050 3.495 3.499489
que dentro del mimos hay 7 procesos que se encuentran fuera

de los limites de control de calidad
11
3.49894
µ
Media
12
3.49316
X
13
3.49348
14
3.5079
15
3.49898
16
3.50178
17
3.49818
18
3.49398
19
3.49512
20
3.50072
n A2
2 1.880
3 1.023
X Ref. 4 0.729
3.5065 2 5 0.577
3.50264 1 6 0.483
3.49778 1 7 0.419
3.49998 1 8 0.373
3.49514 1 9 0.337
3.50124 1 10 0.308
3.49348 2 11 0.285
3.49702 1 12 0.266
3.50902 2 13 0.249
3.50474 1 14 0.235
3.49894 1 15 0.223
3.49316 2 16 0.212
3.49348 2 17 0.203
3.5079 2 18 0.194
3.49898 1 19 0.187
3.50178 1 20 0.180
3.49818 1 21 0.173
3.49398 2 22 0.167
3.49512 1 23 0.162
3.50072 1 24 0.153
CASO 5
Un fabricante de alfombras persas descubre en 25 alfombras tomadas al azar en una semana de trabajo, cierto
número de defectos por alfombra. ¿Qué opinión le merece la calidad del proceso de fabricación de estas
alfombras?
Número de defectos por alfombra

1 2 6 6 11 3 16 5
2 10 7 3 12 6 17 6
3 5 8 8 13 6 18 9
4 5 9 2 14 5 19 6
5 6 10 5 15 9 20 4
Quality Control Process Charts
Number of samples 25
Defects per sample

Upper Control Limit, UCL 12.568
Center 5.520
Lower Control Limit, LCL 0.000
Control Chart for the Number of Defects

14
12.568
12
6/13/2017 19:43.01.000
Sample Number of Defects
10
6
5.520
4
0 0.000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Sample Number
El proceso de fabricación de alfombras persas, se encuentra bajo

control de calidad, ya que los puntos se encuentra dentro de los limites.
emana de trabajo, cierto
e fabricación de estas
21 8
22 4
23 4
24 6
25 5
CASO 6
saber si las tiendas tienen en general el mismo nivel de ventas. Tiene a la mano las ventas
diarias de los últimos 8 días (miles de quetzales). ¿Qué puede concluir a un nivel alfa del 5%?
Mezcla 1 Mezcla 2 Mezcla 3 Mezcla 4 Tienda A RA

1 3 3 10 8 3 1.5
2 6 4 8 10 6 5.5
3 9 8 9 11 9 16
4 5 9 8 8 5 4
5 6 7 7 8 6 5.5
Kruskal Wallis Test Suma 32.5

Si se tienen mas de 2 grupos en comparacion Media de R 3.25
5
H0: Los grupos son iguales
H1: Los grupos no iguales
a: 0.05
X²: 7.8147
n= 20 12
Buscar en tabla No. de Grupos - 1 420
0.028571429
�=12/(𝑛(𝑛+1)) [𝚺 〖��〗 ^2/𝑛�]−3(𝑛+1)
K= 6.55
A un nivel alfa del 5% ,no se rechaza la H0 podemos concluir que los gru
C�=√(𝑋^2 [𝑛(𝑛+1)/12][1/𝑛1+1/𝑛2 "] " )
CK1= 10.45972275 420 0.4

RA vrs RB (4.65) Los grupos son iguales 7.8147 12
CK2= 10.45972275 420 0.4

RA vrs RC (9.75) Los grupos son iguales 7.8147 12
CK3= 10.45972275 420 0.4

RA vrs RD (11.35) Los grupos son iguales 7.8147 12
CK4= 10.45972275 420 0.4

RB vrs RC (5.10) Los grupos son iguales 7.8147 12
CK5= 10.45972275 420 0.4
RB vrs RD (6.70) Los grupos son iguales 7.8147 12
CK5= 10.45972275 420 0.4

RC vrs RD (1.60) Los grupos son iguales 7.8147 12
ASO 6
Tienda B RB Tienda C RC Tienda D RC

3 1.5 10 18.5 8 11.5
4 3 8 11.5 10 18.5
8 11.5 9 16 11 20
9 16 8 11.5 8 11.5
7 7.5 7 7.5 8 11.5
39.5 65 73
7.90 13.00 14.60
5 5 5
1056.25 1560.25 4225 5329 63

5 5 5 5
211.25 312.05 845 1065.8
s concluir que los grupos son iguales.

CASO 7
Una empresa exportadora de café ha dividido en tres temporadas anuales sus ventas. La primera temporada abarca del 1 de enero al 15 de mayo,
la segunda temporada comprende del 16 de mayo al 31 de agosto y finalmente la tercera temporada del 1 de septiembre al 31 de diciembre. Los precios
promedio por quintal logrados en cada temporada desde 2011 se muestran a continuación. El gerente de la empresa le solicita ayuda para proyectar los
precios que alcanzarán sus ventas por quintal durante la segunda y tercera temporada del año 2013.
Centered Moving Average and Deseasonalization
R// Los precios minimos por quintal de café para la segunda y tercera
temporada del año 2013 estan entre 134.75 y 135.93, con base al año 2011
Deseasonalization
350
300
f(x) = 0.2563303357x + 122.5512470905

R² = 0.8858973782
Precio Mínimo/quintal
250
200
150
100
0 24 48 72 96 120 144 168 192 216 240 264 288 312 336 360 384 408 432 456 480 504 528 552 576 600
Quarter
Precio Mínimo/quintal Deseasonalized Linear (Deseasonalized)

100
0 24 48 72 96 120 144 168 192 216 240 264 288 312 336 360 384 408 432 456 480 504 528 552 576 600
Quarter
Precio Mínimo/quintal Deseasonalized Linear (Deseasonalized)

15 de mayo,
embre. Los precios
para proyectar los
CASO 8
Ferretería "La Campesina" compra a "Mr. Tornillo S. A." ciertos tornillos para lámina de 6 pulgadas de largo.
De acuerdo con las condiciones pactadas entre ambas empresas, el porcentaje de tornillos en mal estado
que se aceptarán en cada lote es como máximo un 7%; y a lo sumo solo 1 de cada 50 envíos podrá ser devuelto
de manera injustificada (por muestreo).
Los últimos diez lotes recibidos por "La Campesina" se muestrearon (datos adjuntos). A partir de esta información
¿cuáles de los lotes deberán aceptarse?
Lote 1 Lote 2 Lote 3 Lote 4 Lote 5 Lote 6

No defectuoso No defectuoso No defectuoso No defectuoso No defectuoso No defectuoso
No defectuoso No defectuoso No defectuoso No defectuoso Defectuoso Defectuoso
Defectuoso Defectuoso Defectuoso Defectuoso Defectuoso Defectuoso
No defectuoso No defectuoso No defectuoso No defectuoso Defectuoso No defectuoso
Defectuoso Defectuoso Defectuoso Defectuoso Defectuoso No defectuoso
Defectuoso Defectuoso Defectuoso Defectuoso Defectuoso No defectuoso
No defectuoso Defectuoso No defectuoso No defectuoso No defectuoso No defectuoso
Binomial distribution
50 n
0.07 p
cumulative
X P(X) probability
0 0.02656 0.02656
1 0.09994 0.12649
2 0.18430 0.31079 Nivel de calidad Aceptable = 7%
3 0.22195 0.53274 n=50
4 0.19629 0.72903 Max. Rechazo = 2%
5 0.13593 0.86495 Numero aceptacion = 8
6 0.07673 0.94169
7 0.03630 0.97799
8 0.01469 0.99268
9 0.00516 0.99784
10 0.00159 0.99943
11 0.00044 0.99986
12 0.00011 0.99997
13 0.00002 0.99999
14 0.00000 1.00000
R// Deben aceptarse todos los l
15 0.00000 1.00000
más de 8 tornil
16 0.00000 1.00000
17 0.00000 1.00000
18 0.00000 1.00000
19 0.00000 1.00000
20 0.00000 1.00000
21 0.00000 1.00000
22 0.00000 1.00000
23 0.00000 1.00000
24 0.00000 1.00000
25 0.00000 1.00000
26 0.00000 1.00000
27 0.00000 1.00000
28 0.00000 1.00000
29 0.00000 1.00000
30 0.00000 1.00000
31 0.00000 1.00000
32 0.00000 1.00000
33 0.00000 1.00000
34 0.00000 1.00000
35 0.00000 1.00000
36 0.00000 1.00000
37 0.00000 1.00000
38 0.00000 1.00000
39 0.00000 1.00000
40 0.00000 1.00000
41 0.00000 1.00000
42 0.00000 1.00000
43 0.00000 1.00000
44 0.00000 1.00000
45 0.00000 1.00000
46 0.00000 1.00000
47 0.00000 1.00000
48 0.00000 1.00000
49 0.00000 1.00000
50 0.00000 1.00000
1.00000
3.500 expected value

3.255 variance
1.804 standard deviation
SO 8
ulgadas de largo.
en mal estado
os podrá ser devuelto
rtir de esta información
Lote 7 Lote 8 Lote 9 Lote 10

No defectuoso No defectuoso No Defectuoso No defectuoso
No defectuoso Defectuoso No Defectuoso No defectuoso
Defectuoso Defectuoso No Defectuoso Defectuoso
Defectuoso Defectuoso No Defectuoso No defectuoso
Defectuoso Defectuoso Defectuoso Defectuoso
Defectuoso Defectuoso Defectuoso Defectuoso
Defectuoso Defectuoso No Defectuoso No defectuoso
de calidad Aceptable = 7%
Rechazo = 2%
ero aceptacion = 8
Deben aceptarse todos los lotes, excepto el lote 8, pues tiene

más de 8 tornillos defectuosos.
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 9
Un investigador de mercados considera que existe una relación ente el estátus
socioeconómico de las personas y el tiempo que las personas miran televisión.
A partir de la siguiente muestra de un grupo de entrevistados ¿Cuál es su conclusión
a un nivel alfa del 5?
Entrevistado Estátus Tiempo TV d d^2

1 1 1.5 -0.5 0.25
2 2 1.5 0.5 0.25
3 3 4 -1 1
4 4 3 1 1
5 5 6 -1 1
6 6 6 0 0
7 7 9 -2 4
8 8 8 0 0
9 9 10 -1 1
10 10 6 4 16
0 24.5
r= 1 - 6∑d² r = 0.85151515
n(n²-1)
r= 1 - 147
990
H₀ : El estatus socioeconómico esta relacionado con el tiempo que las personas ven TV
H₁ : El estatus socioeconómico no esta relacionado con el tiempo que las personas ven TV
NOTA: Las calificaciones de estas variables se encuentran rankeadas donde el estátus

1 es el más alto y el tiempo 7 es el mayor en tiempo TV.
Spearman Coefficient of Rank Correlation
Estátus Tiempo TV
Estátus 1.000
Tiempo TV .849 1.000
10 sample size
± .632 critical value .05 (two-tail)

± .765 critical value .01 (two-tail)
A un nivel alfa del 5%, se rechaza la Hipotesis nula,

por lo tanto, existe relación entre el Estátus
socioeconómico y el tiempo que ven TV.
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 7
CASO 10
Panadería "Las Hortencias" tiene tres tiendas en la ciudad de Guatemala. El gerente desea
saber si las tiendas tienen en general el mismo nivel de ventas. Tiene a la mano las ventas
diarias de los últimos 8 días (miles de quetzales). ¿Qué puede concluir a un nivel alfa del 5%?
Tienda A Tienda B Tienda C Tienda A RA

1 8.5 8.4 9.2 8.5 18
2 8 8.7 10.1 8 11
3 9.5 6.9 11.2 9.5 22
4 6.25 8.5 8.5 6.25 2
5 6.5 7.9 7.9 6.5 3.5
6 4.3 8.1 6.5 4.3 1
7 7.5 8 8.2 7.5 6
8 8.2 8 7.6 8.2 14.5
Kruskal Wallis Test Suma 78

Si se tienen mas de 2 grupos en comparacion Media de R 7.80
8
H0: Los grupos son iguales
H1: Los grupos no iguales
a: 0.05
X²: 5.9915
n= 24 12
Buscar en tabla No. de Grupos - 1 600
0.02
�=12/(𝑛(𝑛+1)) [𝚺 〖��〗 ^2/𝑛�]−3(𝑛+1)
K= 2.18
A un nivel alfa del 5% ,no se rechaza la H0 podemos concluir que los gru
C�=√(�^2 [�(𝑛+1)/12][1/�1+1/�2 "] " )
600 0.25
5.9915 12
CK1= 8.654117517
RA vrs RB (5.01) Los grupos son iguales
600 0.25
CK2= 8.654117517 5.9915 12
RA vrs RC (7.14) Los grupos son iguales
600 0.25
CK3= 8.654117517 5.9915 12
RB vrs RC (2.13) Los grupos son iguales
Tienda B RB Tienda C RC
8.4 16 9.2 21
8.7 20 10.1 23
6.9 5 11.2 24
8.5 18 8.5 18
7.9 8.5 7.9 8.5
8.1 13 6.5 3.5
8 11 8.2 14.5
8 11 7.6 7
102.5 119.5
12.81 14.94
8 8
6084 10506.25 14280.25 75

8 8 8
760.5 1313.28125 1785.03125
s concluir que los grupos son iguales.

CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7
CAS
CASO 7

Arregla Tarea Final

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Arregla Tarea Final

Cargado por

Copyright:

Formatos disponibles

CASO 1

Ventas Antigüedad Potencial Gastos en Publicidad Participación Cambio

DEFINICIÓN DE LAS VARIABLES EN LOS DATOS DE CRAVENS

Observation Ventas Predicted Residual

erado de los últimos años.

No. Antes Después Variaci Signo

A un nivel alfa del 3%

ntra en control ya que los procesos se

X No. LSCx LICx µ

ntra en control ya que los procesos se

X No. LSCx LICx µ

que dentro del mimos hay 7 procesos que se encuentran fuera

Número de defectos por alfombra

Quality Control Process Charts

Defects per sample

Control Chart for the Number of Defects

El proceso de fabricación de alfombras persas, se encuentra bajo

Mezcla 1 Mezcla 2 Mezcla 3 Mezcla 4 Tienda A RA

Kruskal Wallis Test Suma 32.5

C�=√(𝑋^2 [𝑛(𝑛+1)/12][1/𝑛1+1/𝑛2 "] " )

CK1= 10.45972275 420 0.4

CK2= 10.45972275 420 0.4

CK3= 10.45972275 420 0.4

CK4= 10.45972275 420 0.4

CK5= 10.45972275 420 0.4

Tienda B RB Tienda C RC Tienda D RC

1056.25 1560.25 4225 5329 63

s concluir que los grupos son iguales.

Centered Moving Average and Deseasonalization

f(x) = 0.2563303357x + 122.5512470905

Precio Mínimo/quintal Deseasonalized Linear (Deseasonalized)

Precio Mínimo/quintal Deseasonalized Linear (Deseasonalized)

Lote 1 Lote 2 Lote 3 Lote 4 Lote 5 Lote 6

3.500 expected value

rtir de esta información

Lote 7 Lote 8 Lote 9 Lote 10

Deben aceptarse todos los lotes, excepto el lote 8, pues tiene

Entrevistado Estátus Tiempo TV d d^2

NOTA: Las calificaciones de estas variables se encuentran rankeadas donde el estátus

Spearman Coefficient of Rank Correlation

± .632 critical value .05 (two-tail)

A un nivel alfa del 5%, se rechaza la Hipotesis nula,

Tienda A Tienda B Tienda C Tienda A RA

Kruskal Wallis Test Suma 78

C�=√(�^2 [�(𝑛+1)/12][1/�1+1/�2 "] " )

6084 10506.25 14280.25 75

s concluir que los grupos son iguales.

También podría gustarte