1.

5 ejemplos en la industria alimentaria de tipos de variables cualitativas y

cuantitativas.
Cuadro 1. Ejemplos de variables cualitativas y cuantitativas.
CUALITATIVAS CUANTITATIVAS
 Presencia o Ausencia de  Humedad en (%) después del
Salmonella en muestra de secado de manzana.
mayonesa.  Tiempo (en minutos) del uso del
 Color de las colonias apreciadas en molino.
la placa Petri.  Contenido de sólidos solubles
(°Brix) en la mermelada.


2. Escoger 4 histogramas y poner 5 ejemplos de cada uno.

Cuadro 2. Ejemplos aplicativos de los histogramas escogidos.

HISTOGRAMAS
 Centrado con poca variabilidad
EJEMPLOS
 Se tiene una nueva máquina
empacadora de arroz. Se observa
que la mayoría de las bolsas pesan
11 g y los demás pesos están
uniformemente repartidos
alrededor de esa medida.

2)Centrado con mucha variabilidad  Al tomar el control de

temperaturas de un cuarto de
refrigeración se observa que hay
mucha variabilidad en las
temperaturas por lo que
posiblemente el equipo de
refrigeración esté dañado.
3) Binomial  Se está trabajando con dos
máquinas dosificadoras en una
planta de gaseosas, de las cuales
una estaba calibrada mientras que
la otra faltaba ajustar los
parámetros exactos que se tenían
que dosificar.
 Se tuvo 2 lotes de materia prima
diferentes para la elaboración de
almíbar de durazno.
 Se está trabajando con dos
máquinas de diferente marca para
evaluar cual permite tener un
mayor rendimiento en el secado de
aguaymanto.

 En la producción de yogurt se
estuvieron trabajando con dos
máquinas de sellado diferentes, la
cual una de ellas no estaba
calibrada.

4)Acantilado Derecho  En un lote de guanábanas

previamente inspeccionados al
100% se excluyeron los que no
cumplían con el tamaño requerido.
 Cuando el inspector está
predispuesto a no rechazar un
producto y observa que este casi
cumplía con los requisitos.
 Cuando los técnicos controlan la
producción y por no que querer
 recibir una sanción por aquellos
productos que no cumplen con la
calidad requerida, sacan a todos
aquellos que están por encima del
promedio.

3. Defina las distribuciones hipergeométrica y Normal además de presentar para

cada una de ellas un ejemplo aplicativo de la especialidad.
DISTRIBUCION NORMAL
Esta distribución es un modelo matemático que permite determinar probabilidades
de ocurrencia para distintos valores de la variable. Así, para determinar la
probabilidad de encontrar un valor de la variable que sea igual o inferior a un
cierto valor xi, conociendo el promedio y la varianza de un conjunto de datos, se
debe reemplazar estos valores (media, varianza y xi) en la fórmula matemática del
modelo (Quevedo 2011).
Se dice que una variable X se distribuye como normal con parámetros µ y
σ si

 En este caso, se escribe X ∼ N (µ, σ).

 La media de la distribución normal es µ y la desviación típica es σ

La gráfica de la distribución normal tiene la forma de una campana, por este

motivo también es conocida como la campana de Gauss. Sus características son
las siguientes:
o Es una distribución simétrica.
o Es asintótica, es decir sus extremos nunca tocan el eje horizontal, cuyos
valores tienden a infinito.
o En el centro de la curva se encuentran la media, la mediana y la moda.
o El área total bajo la curva representa el 100% de los casos.
o Los elementos centrales del modelo son la media y la varianza.
Esta distribución es un modelo matemático que permite determinar probabilidades
de ocurrencia para distintos valores de la variable. Así, para determinar la
probabilidad de encontrar un valor de la variable que sea igual o inferior a un
cierto valor xi, conociendo el promedio y la varianza de un conjunto de datos, se
debe reemplazar estos valores (media, varianza y xi) en la fórmula matemática del
modelo. El cálculo resulta bastante complejo pero, afortunadamente, existen
tablas estandarizadas que permiten eludir este procedimiento (Quevedo 2011).

Figura ().Distribución Normal (Quevedo, 2011)

En el gráfico, el área sombreada corresponde a la probabilidad de encontrar un

valor de la variable que sea igual o inferior a un valor dado

EJEMPLO:
 Una conocida marca láctea afirma en sus spots publicitarios que el
contenido medio en calcio de la leche que comercializa es de 2
gramos/litro, es decir, por brik de leche. Un consumidor ha encargado a
un laboratorio que analice el contenido en calcio de un brik de leche y
afirma que denunciará a la compañía por publicidad engañosa si el
laboratorio le indica que dicho contenido es menor o igual a 1,3
gramos/litro. Por experiencias anteriores, este laboratorio sabe que el
contenido en calcio por litro de leche sigue una distribución normal y
que su desviación típica es de 0,5 gramos/litro.
a) ¿Qué contraste de hipótesis plantearías para decidir si la compañía está
engañando en su publicidad?
b) ¿En qué caso aceptará este consumidor la hipótesis de que la compañía
no engaña en su spot publicitario?
c) ¿Qué probabilidad de error de tipo I, o de primera especie, está
cometiendo el consumidor?
 d) Si el verdadero valor de la media de la distribución del contenido en
calcio de la leche es de 1,8 gramos/litro, ¿cuál sería la probabilidad de
error de tipo II de la regla de decisión de este consumidor?
e) La compañía, por su cuenta, ha decidido analizar el contenido en calcio
de 100 brik de leche. El contenido medio en calcio de esta muestra ha
resultado ser de 1,7 gramos/litro. Con estos datos, calcula un intervalo de
confianza al 95% para el contenido medio de calcio.
a) H0: m=2
H1: m<2
X=contenido en calcio del brik de leche analizado = N(m; 0,5)
Si X#1,3, rechazaremos H0
b) En caso de que el contenido en calcio del brik analizado sea mayor
que 1,3 gramos/litro.
c) a = P(X#1,3 | m=2) = P(Z#(1,3-2)/0,5) = f(-1,4) = 0,0808
d) b = P(X>1,3 | m=1,8) = P(Z>(1,3-1,8)/0,5) = 1- f(-1) = 1-0,1587 = 0,8413
e) n=100 x =1,7 s=0,5 a =0,05
Intervalo Confianza 95% = 1,76 1,96*0,5/!100 = (1,602; 1,798)

4. Defina cada una de las pruebas paramétricas y no paramétricas presentando en

cada una de ellas un ejemplo aplicativo de la especialidad, que incluya aluna de
las pruebas de comparación.
4.1.Pruebas Paramétricas
DISEÑOS EXPERIMENTALES
 DCA

 DISEÑO DE BLOQUES COMPLETOS AL AZAR (D.B.C.A)

Este diseño es aplicable cuando los tratamientos tengan más fuentes de variabilidad, estas
pueden ser controladas mediante la formación de grupos denominados bloques. Se
agrupan las unidades experimentales en bloques, de tal manera que las unidades
experimentales dentro de cada bloque sean lo más homogéneas posibles y las unidades
experimentales entre bloques distintos sean heterogéneas. Se debe asumir que no existe
interacción entre los bloques y los tratamientos de interés. No existe restricción en cuanto
al número de tratamientos o bloques (Vega et.al, 2015).

EJEMPLO: Determinación de la mejor mezcla de vino mediante el diseño de bloques

completamente al azar, siendo Tl =Temperatura de 50 ºC de concentración, T2
=Temperatura de 60 ºC de concentración, T3 =Temperatura de 70 ºC de concentración y
T4 = Temperatura de 80 ºC de concentración los bloques evaluados como se aprecia en
el Cuadro 3.

Cuadro 3.Resumen de los promedios del análisis sensorial por atributo, en la prueba de
concentrado de jugo de uva.

CARACTERÍSTICA TRATAMIENTOS
T1 T2 T3 T4
COLOR 3.93 3.53 3.40 3.00
OLOR 3.53 3.13 2.67 2.27
SABOR 3.53 2.53 2.13 2.07
APARIENCIA 3.27 3.20 3.07 2.87

Figura (). ANVA de la evaluación sensorial por atributos en la determinación de la

temperatura de concentraciones del jugo de uva.

FUENTE: Celis (2001)

En los resultados se observa que existe alta diferencia significativa entre los tratamientos
para las características de color, olor, sabor y apariencia el jugo de uva para la elaboración
de vino (Celis, 2001).

PRUEBAS DE COMPARACION DE PROMEDIOS

 PRUEBA ‘T’ DE STUDENT

Una prueba t es una prueba de hipótesis de la media de una o dos poblaciones
distribuidas normalmente. Aunque existen varios tipos de prueba t para
situaciones diferentes, en todas se utiliza un estadístico de prueba que sigue
una distribución t bajo la hipótesis nula (Minitab, 2019).
EJEMPLO
Prueba de hipótesis con t de Student: Prueba de entrada en grupo
experimental y grupo de control
Sea la hipótesis:
Existen diferencias significativas en el nivel de conocimiento en la prueba de
entrada antes de la influencia de la aplicación del sistema HACCPI en la
elaboración de la conserva de olluco en estudiantes de grupo experimental y
control del Noveno Ciclo de Ingeniería de Alimentos y de Ingeniería Industrial
de la Universidad Nacional del Callao.
a) Planteamos las siguientes hipótesis estadísticas:
Ho: No existen diferencias significativas en el nivel de conocimiento entre
prueba de entrada y prueba de salida, por la influencia de la aplicación del
sistema HACCP en la elaboración de la conserva de olluco, en estudiantes
del grupo experimental del noveno ciclo. de Ingeniería de Alimentos de la
Universidad Nacional del Callao.

Hi: Existen diferencias significativas en el nivel de conocimiento entre

prueba de entrada y prueba de salida, por la influencia de la aplicación del
sistema HACCP en la elaboración de la conserva de olluco, en estudiantes
del grupo experimental del noveno ciclo de Ingeniería de Alimentos de la
Universidad Nacional del Callao.

b) Para el nivel de significancia alfa <0.05, Se rechaza la hipótesis nula

El estadístico de prueba de significancia estadística t de Student: es:

c) Aplicando la prueba t de Student para muestras relacionadas:

Cuadro xx .Prueba de hipótesis en grupo experimental entrada y salida

d) Regla de decisión: Si el valor Sig <0.05, se rechaza la Hipótesis nula.

En el resultado de la Prueba T de Student para muestra relacionadas se obtiene
un valor t de - 9.'544, con grados de libertad de 29 y se expresa como t (29) =
-9.544 para p< 0.05; como la probabilidad Sig. (Bilateral) es 0.000 y lo
comparamos con .el nivel de significancia de 0.05; luego 0.000 <0.05;
entonces, se comprueba que existe diferencia significativa entre las medias de
la prueba-de entrada y prueba de salida del grupo experimental.

Teniendo en cuenta el resultado obtenido de la prueba T de Student,

rechazamos la hipótesis nula de trabajo. Por tanto, Existen diferencias·
significativas en el nivel de conocimiento entre prueba de entrada y prueba de
salida, por la influencia de la aplicación del sistema HACCP en la elaboración
de la conserva de olluco, en estudiantes del grupo experimental del Noveno
Ciclo de Ingeniería de Alimentos de la Universidad Nacional del Callao, con
el 95% de confianza.
 PRUEBA DE DUNCAN
La Prueba de Duncan es otra prueba para determinar la diferencia entre pares
de medias después que se ha rechazado la hipótesis nula en el análisis de
varianza.
Este procedimiento emplea los valores de la tabla de Duncan y consiste en
calcular varios "rangos" (Duncan los llama rangos significativos mínimos)
dados por la fórmula:

Donde p toma valores entre 2 y K (K es el número de tratamientos), d se

obtiene de la tabla de Duncan y el CMError se obtiene de la tabla de ANDEVA
respectiva (Marqués, 2003).
EJEMPLO:
Se realizó un experimento para determinar la cantidad (en gramos) de grasa
absorbida por 48 donas usando ocho tipos diferentes de grasas (aceites y
mantecas). Las medias para los ocho tratamientos se muestran a continuación:

Se usaron seis "donas" en cada tipo de grasa y se obtuvo un cuadrado medio

del error de 141.6, los grados de libertad del error son 48 - 8 =40.
Seleccionando a = 0.05 para este ejemplo, los rangos de Duncan son:

Los valores 3.300, 3.266,..., 2.858 se obtuvieron de la tabla de Duncan

para a = 0.05, 2 < p <8 y 40 grados de libertad.
El siguiente paso es ordenar las medias en orden creciente para establecer los
"rangos".
El rango entre las medias máxima y mínima se compara con D8, esto es,

Entonces existe diferencia significativa entre las grasas 4

y 7.

El próximo paso es comparar subconjuntos de siete medias con el rango D7.

, entonces

, entonces
Como los dos exceden el rango D7 se subdividen estos dos subconjuntos en
conjuntos de seis medias.

, entonces

, entonces

, entonces
Nuevamente éstos exceden D6, entonces éstos se subdividen en subconjuntos
de cinco medias

, entonces

, entonces

, entonces

, entonces
Como las medias para las grasas 3, 2, 6 y 1 están incluidos en el conjunto
43261 que fue no significativo, los rangos de las medias en el subconjunto
3261 no se comparan con D4; solamente los rangos de las medias en el
subconjunto 2615 se comparan con D4; por lo tanto,

, entonces
 Los otros subconjuntos de cuatro medias (3, 2, 6,1) y (6, 1, 5,3) no se
comparan con D4 porque ya fueron declarados no significativos en los
conjuntos de cinco medias. Por lo tanto, el proceso termina.
Los resultados se muestran gráficamente en la siguiente figura, donde las
medias que están debajo de una línea no son significativamente diferentes.

El investigador puede concluir que las cantidades absorbidas usando las grasas
4 y 3 son significativamente mayores que las 5, 8 y 7, y que la 2 es
significativamente mayor que las 8 y 7 y las demás grasas no son
significativamente diferentes en relación con la cantidad absorbida.

4.2.Pruebas No Paramétricas

PRUEBAS PARA K MUESTRAS DEPENDIENTES

Cuando las k muestras están relacionadas de forma que las características de los i-ésimos
elementos de cada muestra son idénticas o lo más parecidas posible, las diferencias
observadas entre las muestras serán atribuidas únicamente al efecto del factor
diferenciador de los grupos. El contraste de la hipótesis de que las k muestras proceden
de una misma población o de poblaciones con la misma tendencia central no puede
realizarse mediante el análisis de la varianza, al incumplirse el supuesto, por lo menos, de
independencia de las muestras. En este caso puede utilizarse alguna de las alternativas no
paramétricas que se presentan a continuación.

EJEMPLO: Prueba de Friedman

Se está realizando un experimento para analizar el sabor de una nueva marca de gaseosas
sabor cola antes de que se lance al mercado. Las marcas de gaseosas colas en comparación
fueron dadas a 5 jueces especializadas y se estableció una escala de valores de (1-5) donde
1 es el de peor sabor y 5 el de mejor sabor, los resultados se presentan en el Cuadro 4.
Cuadro 4. Resultados de los jueces frente a las gaseosas probadas.

Jueces Marcas de gaseosas de cola

Cola 1 Cola 2 Cola 3 Cola 4
1 5 2 3 2
2 4 1 3 4
3 5 2 2 3
4 5 1 3 2
5 5 2 3 3
TOTAL R1=19.5 R2=6 R3=12 R4=12.5
Ho: Las gaseosas de sabor cola en estudio tienen igual preferencia.

H1: Las gaseosas de sabor cola en estudio no tienen igual preferencia.

𝑏 2 𝑘(𝑘 + 1)2
(𝑘 − 1) [𝑏𝐵 − ]
4
𝑆=
𝑏𝑘(𝑘 + 1)2
𝐴− 4

S= 11.93

2
Como 𝑋(𝑜.95,3) = 7.81 < 11.93 , se rechaza Ho

A un nivel de significación de 0.05 se puede afirmar que las gaseosas de sabor cola en
estudio no tienen igual de preferencia. Por lo tanto se debe proceder a realizar las pruebas
de comparación.

ALS(Fr)=8.538

Cuadro 5.Comparaciones entre las diferentes marcas de gaseosas.

Comparaciones |𝑅𝑖 − 𝑅𝑗 | ALS(Fr) Si.

1vs.2 |19.5 − 6| = 13.5 8.538 *

1vs.3 |19.5 − 12| = 7.5 8.538 n.s.
1vs.4 |19.5 − 12.5| = 7 8.538 n.s
2vs.3 |6 − 12| = 6 8.538 n.s
2vs.4 |6 − 12.5| = 5.5 8.538 n.s
 3vs.4 |12 − 12.5| = 0.5 8.538 n.s

Luego de las pruebas de comparación se puede afirmar a un nivel de significación de 0.05

que las colas de mayor preferencia en cuanto al sabor son las colas 1.3 y 4 (Vega et.al,
2015).
BIBLIOGRAFIA

 Celis, F. 2001. Elaboración dc vino con mosto concentrado de uva borgoña

negra (Vitus labrusca). Tesis para optar el Titulo e Ingeniero Agroindustrial.
Tarapoto (Perú).
 Marqués, María .2003. Pruebas de diferencia de medias o de comparaciones
múltiples. Consultado ell sábado 13 de Abril del 2019.URL:
http://colposfesz.galeon.com/disenos/teoria/cap13bmj/cap13bmj.htm
 Minitab, 2019. Tipos de pruebas.Consultado el sábado 13 de Abril del
2019.URL: https://support.minitab.com/es-mx/minitab/18/
 Quevedo, 2011. Distribución Normal. Facultad de Medicina, Universidad de
Chile. Medwave, Año XI, No. 5.
 Vega, E; Vargas, A; Valencia, R; Rosas, F. 2015. Métodos estadísticos para
la investigación I. Dpto. de Estadística e Informática. p 121.
 Wong, E.2010. Análisis de variancia, ejemplos en ciencia de alimentos.
Agronomía Mesoamericana 351.