Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadistica Industrail PDF
Estadistica Industrail PDF
INTEGRANTES:
1
Laboratorio de Estadística Industrial
INDICE:
PRUEBA DE HIPOTESIS DE LA MEDIA DE LA POBLACION: ............................................................................................3
PRUEBA DE HIPOTESIS DE DOS MEDIAS POBLACIONALES: ..........................................................................................5
PRUEBA DE HIPOTESIS PARA PROPORCIONES ............................................................................................................6
PRUEBA DE HIPOTESIS PARA PROPORCIONEDS CON OBSERVACIONES INDEPENDIENTES ..........................................7
PRUEBA DE HIPOTESIS T STUDENT ..............................................................................................................................9
PRUEBA DE HIPOTESIS PARA DIFERENCIA ENTRE DOS MEDIAS .................................................................................11
PRUEBA DE HIPOTESIS DE MUESTRA PAREADA .........................................................................................................14
COMPARACION DE DOS VARIANZAS POBLACIONALES ...............................................................................................17
ANOVA UNA DIRECCION: ............................................................................................................................................19
PROBLEMAS 1.-................................................................................................................................................................. 19
PROBLEMA 2.- .................................................................................................................................................................. 21
ANOVA DOS DIRECCIONES: ........................................................................................................................................24
PROBLEMA 1.- .................................................................................................................................................................. 24
PROBLEMA 2.- .................................................................................................................................................................. 27
REGRESION SIMPLE: ..................................................................................................................................................31
PROBLEMA 1.- .................................................................................................................................................................. 31
PROBLEMA 2.- .................................................................................................................................................................. 32
PROBLEMA 3.- .................................................................................................................................................................. 35
PROBLEMA 4.- .................................................................................................................................................................. 38
REGRESION MULTIPLE ...............................................................................................................................................39
METODOS NO PARAMETRICOS: ..................................................................................................................................53
SERIE DE TIEMPO: ………………………………………………………………………………………………………………………………75
2
Laboratorio de Estadística Industrial
Problema 1.-
En Western University, la media histórica en las puntuaciones de los solicitantes de una beca es 900. La desviación
estándar poblacional histórica que se considera conocida es s=180.
Cada año, el decano asistente utiliza una muestra de las solicitudes para determinar si la puntuación media ha
cambiado entre los solicitantes de becas.
a) Establezca la hipótesis.
b) ¿Cuál es el intervalo de 95% de confianza para la estimación de la media poblacional de las puntuaciones en
el examen si en una muestra de 200 de estudiantes la media muestral es 935?
c) Use el intervalo de confianza para realizar una prueba de hipótesis. Manejando α = 0.05, ¿a que conclusión
llega?
d) ¿Cuál es el valor p?
SOLUCION:
1) Ho: µ = 900
Ha: µ ≠ 900
2) α =0.05
3) Z, n≥30
4) El valor crítico es -1.96
Intervalos:
R.C = <-∞, -1.96> U <1.96, ∞>
R.A = [-1.96 , 1.96]
Zk ɛ R.C : Rechazo Ho , acepto Ha.
5)
900 − 935
𝑧= = −2.75
180
√200
Interpretación:
Calculando el valor de p
Para z = -2.75 → 0.003
P= 2 x 0.003 = 0.006
P < α → Rechazo Ho, acepto Ha.
3
Laboratorio de Estadística Industrial
Solución Minitab:
Problema 2.-
Una empresa de venta de bienes raíces a nivel estatal, Farm Associates, se especializa en ventas de propiedades
rurales en el estado de Nebraska. Sus registros indican que el tiempo medio de venta de una granja es de 90 días.
Debido a sus recientes condiciones de sequía, estima que el tiempo de venta será superior a 90 días. Un estudio a nivel
estatal de 100 granjas vendidas recientemente revelo que el tiempo medio de venta era 94 días, con una desviación
estándar de 22 días. Al nivel de significancia de 0.10, ¿se puede concluir que el tiempo de venta ha aumentado?
SOLUCION:
1) Ho: µ = 90
Ha: µ > 90
2) α = 0.10
3) Z , n≥30
4) Intervalos:
R.C : <1.282 , ∞>
R.A : < -∞ , 1.282]
Zk ɛ R.C. Rechazo Ho, acepto Ha.
5)
94 − 90
𝑧= = 1.82
22
√100
Interpretación:
El tiempo promedio de venta de bienes raíces a nivel estatal de la empresa Farm Associates especialista en
ventas de propiedades rurales en el estado de Nebraska aumento.
4
Laboratorio de Estadística Industrial
Solución Minitab.
Problema-
Se esperaba que el día de san Valentín el gasto promedio fuera de 100.89 (USA Today, 13 de febrero de 2006). Hay
diferencia en las cantidades que desembolsan los hombres y las mujeres? el gasto promedio en una muestra de 40
hombres fue de 135.67 y en una muestra de 30 mujeres fue de 68.64. Por estudios anteriores se sabe que la desviación
estándar poblacional en el consumo de los hombres es 35 y en el de las mujeres es 20.
a) ¿Cuál es la estimación puntual de la diferencia entre el gasto medio poblacional de los hombres y el gasto
medio poblacional de las mujeres?
b) Elabore un intervalo de confianza de 99% para la diferencia entre las dos medias poblacionales.
SOLUCION:
1) Ho: µ1 = µ2
Ha: µ1 ≠ µ2
2) α = 0.01
3) Z , n ≥ 30
4) Para α = 0.01 → Z = 2.575
5)
135.67 − 68.64
𝑍= = 10.1
2 2
√35 + 20
40 30
5
Laboratorio de Estadística Industrial
Intervalos:
R.C : ˂-∞,-2.575˃U<2.575,∞˃
RA:[-2.575,2.575]
Zk ɛ R.C, Acepto Ha, rechazo Ho.
Interpretación:
No hay diferencia en el gasto promedio en el día de San Valentín de hombres y mujeres.
Problema 1.-
Un artículo reciente, publicado en el diario USA Today, indica que solo a uno de cada tres egresados recientes de
una universidad les espera un puesto de trabajo. En una investigación a 100 egresados recientes de su
universidad, se encontró que 80 tenían un puesto de trabajo. ¿Puede concluirse, en el nivel de significancia 0.02,
que en su universidad la proporción de estudiantes que tienen trabajo es mayor?
SOLUCION:
1) Ho: P= 0.333
Ha: P > 0.333
2) α = 0.02
3) Z
4) Para α = 0.02 → Z = 2.05
5)
0.8 − 0.333
𝑍= = 9.91
√0.333 ∗ (1 − 0.333)
100
Intervalos:
R.C: < -∞ , 2.05>
R.A: [2.05 , ∞>
Zk ɛ RC → Rechazo Ho, acepto Ha.
Interpretación:
Utilizando Minitab:
6
Laboratorio de Estadística Industrial
Pasos en Minitab:
En la opción de la barra de menu selecciona las opciones estadísticas y luego estadísticas básicas.
Luego la opción 1proporcion de una muestra.
Opción datos resumidos (número de eventos y numero de ensayos).
Escogemos también una proporción hipotética.
Luego escogemos si es una prueba de una cola o dos colas.
PRUEBA BILATERAL:
Problema 1.-
En una prueba de calidad de dos comerciales de televisión, cada anuncio se transmitió, en áreas separadas de prueba,
seis veces en una semana. A la semana siguiente se realizó una encuesta telefónica para identificar individuos que
vieron los comerciales. A estas personas se les pidió su opinión sobre cuál era el principal mensaje de los anuncios. Se
obtuvieron los siguientes resultados.
Comercial A Comercial B
Número de personas que vio el comercial 150 200
Número de personas que recordaba el mensaje 63 60
a) Use α=0.05 y pruebe la hipótesis de que entre los dos comerciales no hay diferencia en las proporciones
poblacionales de personas que recordaron el mensaje.
b) Calcule un intervalo de 95% de confianza para la diferencia entre las proporciones de personas que recordaron
el mensaje en las dos poblaciones.
SOLUCION:
1) Ho: p1=p2
Ha: p1≠p2
2) α
3) Z, n>30
4) Para α=0.05: Z=1.64
0.412−0.3
5) 𝑍 = 1 1
= 2.174
√0.35(1−0.35)( + )
150 200
Intervalos:
RC: <-∞;-1.64>U<1.64; ∞>
RA: [-1.64;1.64]
Zk ɛ RC → Rechazo Ho, acepto Ha.
Interpretación:
Se concluye que hay diferencia en la proporción de personas que recordaron el mensaje del comercial A y la
proporción de personas que recordaron el mensaje del comercial B.
Muestra X N Muestra p
1 63 150 0.420000
2 60 200 0.300000
7
Laboratorio de Estadística Industrial
Como el valor de p=0.02<0.05 rechazamos la hipótesis nula y concluimos que hay diferencia en la proporción
de personas que recordaron el mensaje del comercial A y la proporción de personas que recordaron el
mensaje del comercial B.
En la opción de la barra de menu selecciona las opciones estadísticas y luego estadísticas básicas.
Luego la opción 1proporcion de una muestra.
Opción datos resumidos (número de eventos y numero de ensayos).
Escogemos también una proporción hipotética.
Luego escogemos si es una prueba de una cola o dos colas.
PRUEBA BILATERAL:
Problema 2.-
Una muestra aleatoria de 1000 ciudadanos nacidos en EUA, revelo que 198 estuvieron a favor de la reanudación de las
relaciones diplomáticas con cuba. Análogamente 117 ciudadanos de una muestra de 500 estadounidenses no nacidos
en EUA, estuvieron a favor. Al nivel de significancia de 0.05, ¿hay diferencia en la proporción de ciudadanos de EUA
nacidos ahí que estén a favor de la reanudación de las relaciones diplomáticas con Cuba, y la proporción de los
estadounidenses no nacidos en el país que están a favor de tales relaciones?
SOLUCION:
198+177
Pc= =0.25
1000+500
1) Ho: P1=P2
Ha:P1 ≠P2
2) α = 0.05
3) Z , n ≥ 30
4) Para α=0.05 (dos colas) →Z=1.96
5)
0.198 − 𝑂. 354
𝑍= = −6.28
√0.25 × (1 − 0.25) × ( 1 + 1 )
1000 500
Zk ɛ R.C, Rechazo Ho, Acepto Ha.
8
Laboratorio de Estadística Industrial
Interpretación:
Hay diferencia en la proporción de ciudadanos de EUA nacidos ahí que estén a favor de la reanudación de las
relaciones diplomáticas con Cuba, y la proporción de los estadounidenses no nacidos en el país que están a
favor de tales relaciones.
Problema 1.-
El fabricante de las motocicletas Ososki asegura q éstas dan un rendimiento promedio de 87 millas por galón de
gasolina. En una muestra de ocho motocicletas los rendimientos fueron:
88 82 81 87 80 78 79 89
En el nivel de significancia 0.05, ¿el rendimiento es inferior a 87 millas por galón?
SOLUCION:
1) Ho: µ1=µ2
Ha: µ1 < µ2
2) α= 0.05
3) t
4) Para α=0.05 → t=-1.89 GL=7
Intervalos:
R.C: < - ∞, -1.89>
R.A: [ -1.89 , ∞>
Tk ɛ R.C → Rechazo Ho , acepto Ha.
5)
9
Laboratorio de Estadística Industrial
87 − 83
𝑡= = −2.61
4.34
√7
Interpretación:
El rendimiento promedio de las motocicletas Ososki es menor de 87 millas por galón de gasolina.
Problema 2.-
El consumo anual per cápita de leche en Estados Unidos es de 21.6 galones. Usted cree que en el oeste medio el
consumo de leche es mayor y desea fundamentar su opinión. En una muestra de 16 persona en Webster City, pueblo
del oeste medio, la media muestral del consumo anual es de 21.4 galones y la desviación estándar es s=4.8
a) Elabore una prueba de hipótesis que se pueda usar para determinar si el consumo medio anual en webster city
es mayor que la media nacional.
b) t ¿Cuál sería una estimación puntual de la diferencia entre el consumo medio anual en webster city y la media
nacional?
10
Laboratorio de Estadística Industrial
SOLUCION:
1) Ho:µ=21.6
Ha: µ˂21.6
2) α= 0.05
3) t
4) G.L=16-1=15
R.A:[-1.75,∞>
R.C:˂∞,-1.75>
Tk ɛ R.A → Rechazo Ha, acepto Ho.
21.4−21.6
5) t= 4.8 =-0.17
√16
Interpretacion:
El promedio de consumo de leche en el oeste medio es igual al consumo de leche anual per capita de leche en
Estados Unidos.
Problema 1.-
Con cierta periodicidad, Merrill Lynch solicita a sus clientes evaluaciones sobre los consultores y los servicios
financieros que les proporciona. Las puntuaciones más altas en la encuesta de satisfacción del cliente indican mejor
servicio con 7 como la puntuación más alta. A continuación se presentan en forma resumida las puntuaciones otorgadas
a dos consultores financieros por los miembros de dos muestras aleatorias independientes. El consultor A tiene10 años
de experiencia, mientras que el consultor B tiene solo 1 año. Use α=0.05 y realice una prueba para determinar si el
consultor con más experiencia tiene la media poblacional más alta en la evaluación del servicio.
Consultor A Consultor B
N1=16 n2=10
11
Laboratorio de Estadística Industrial
SOLUCION:
1) Ho: µA = µB
Ha: µA > µB
2) α= 0.05
3) t
4) Para α=0.05 → t=1.711 GL=16 +10 – 2= 24
5)
6.82 − 6.75
𝑡= = 2.07
15 ∗ 0.64 2 + 9 ∗ 0.752 1 1
√ ∗ (16 + 10)
16 + 10 − 2
Intervalos:
R.A: <-∞, 1.711]
R.C:<1.711 , ∞>
Tk ɛ R.C → Rechazo Ho, acepto Ha.
Interpretación:
El consultor con más experiencia tiene la media poblacional más alta en la evaluación del servicio.
Problema 2.-
El gerente de una empresa de servicios de mensajería considera que los paquetes enviados al final del mes son más
pesados que los enviados al principio del mes. Como un experimento, pesó una muestra aleatoria de 20 paquetes
remitidos a principio de un mes. Encontró que el peso medio era de 20.25 libras, y la desviación estándar, 5.84 libras. Al
final del mes se seleccionaron al azar diez paquetes y se encontró que su peso medio era 24.80 libras, y la desviación
estándar, 5.67 lb. Al nivel de significancia de 0.05 lb, ¿puede concluirse que los paquetes enviados al final del mes son
más pesados?
SOLUCION:
12
Laboratorio de Estadística Industrial
4) GL=20+10-2=28
T(0.05,28)=-1.701
Gráfica de distribución
T, df=28
0.4
0.3
Densidad
0.2
0.1
0.05
0.0
-1.701 0
X
19×5.842 +9×5.672
5) Sp2= =33.48
28
20.25−24.80
t= 1 1
=-2.03
√33.48×( +
20 10)
Interpretación:
El peso medio de los paquetes enviados al final del mes es más pesado que los enviados al principio del
mes.
13
Laboratorio de Estadística Industrial
Minitab:
PROBLEMA 1.-
Scott Seggity, propietario de Seggity Software, Inc., adquirió recientemente un circuito integrado especial, un
coprocesador matemático que reduciría de modo significativo el tiempo de procesamiento para probar el circuito,
seleccionó una muestra de 12 programas, los cuales fueron utilizados en 2 computadoras idénticas, una con el circuito y
la otra sin él. A continuación se reportan los tiempos de procesamiento, en segundos. Al nivel de significancia de 0.05,
¿puede concluir el señor Seggity que el nuevo coprocesador matemático reducirá el tiempo de procesamiento?
Determine el valor p.
SOLUCION:
1) Ho: µd = 0
Ha: µd < 0
2) Para α= 0.05
3) T
14
Laboratorio de Estadística Industrial
Pasos en minitab:
Problema 2.-
Una firma de investigación de mercados usa una muestra de individuos para calificar el potencial de compra de un
determinado producto antes y después de que los individuos vean un comercial de televisión que lo promociona. La
calificación del potencial de compra se efectúa con una escala del al 10, con los valores más altos indicando un mayor
potencial. En la hipótesis nula se establece que la media de las calificaciones de “después” será menor o igual a la
media de las calificaciones de “antes”. El rechazo de esta hipótesis indica que el comercial mejora la media de la
calificación del potencial de compra. Use α=0.05 y los datos de la siguiente tabla para probar esta hipótesis y exprese
un comentario sobre la utilidad del comercial.
15
Laboratorio de Estadística Industrial
CALIFICACION DE COMPRA d
INDIVIDUOS DESPUES ANTES
1 6 5 1
2 6 4 2
3 7 7 0
4 4 3 1
5 3 5 -2
6 9 8 1
7 7 5 2
8 6 6 0
SOLUCION:
Después (µ2)
Antes (µ1)
1) Ho: µd=0
Ha: µd>0
2) α = 0.05
3) t, n ˂ 30
4) GL=8-1=7
T(0.05,7)=1.895
5) ∑ 𝑑 = 5
∑ 𝑑2 =15
2
(∑ 𝑑) 52
∑ 𝑑2 − 15−
8 8
Sd= = =1.30
7 7
0.625
T= 1.30 =1.36
√8
Interpretación:
La media de las calificaciones de potencial de compra de un determinado producto después de ver el comercial
en la televisión será igual a la media de las calificaciones antes de ver el comercial.
16
Laboratorio de Estadística Industrial
Pasos en minitab:
Problema 1.-
La mayoría de los conductores sabe que el gasto anual medio en reparaciones de un automóvil depende de la
antigüedad del vehículo. Un investigador desea saber si la varianza de los gastos anuales que se aplican en reparación
también aumenta con la antigüedad del vehículo. En una muestra de 26 automóviles de 4 años de antigüedad, la
desviación estándar muestral para los gastos anuales en reparación fue de $170, y en una muestra de 25 automóviles
de 2 años de antigüedad fue de $100.
a) Establezca las versiones nula y alternativa de la hipótesis de investigación de que la varianza en los
gastos anuales por reparación es mayor entre más viejos son los automóviles.
b) Empleando 0.01 como nivel de significancia
SOLUCION:
1) Ho: σ1 =σ2
Ha: σ1 >σ2
2) α= 0.01
3) F
4) F = 2.59
1702
5) 𝐹 = 1002 = 2.89
Intervalos:
R.C: ˂2.59 , ∞>
R.A: ˂-∞, 2.59]
Fk Ɛ R.C → Rechazo Ho, acepto Ha.
Solución en minitab:
17
Laboratorio de Estadística Industrial
Interpretación:
La varianza en los gastos anuales por reparación es mayor entre más viejos son los automóviles.
Pasos en minitab:
En la barra de menú opción estadísticas.
Opción estadísticas básicas.
Luego la opción de dos varianzas.
Como tenemos de dato la desviación estándar y el tamaño de la muestra en datos seleccionamos esa
opción.
Luego en el cuadro de dialogo opciones escogemos el n.s. luego aceptar, aceptar.
PRUEBA BILATERAL:
Problema 2.-
La compañía Stargell Research Associates realizó un estudio acerca de los hábitos de los radioescuchas, tanto de
hombres como de mujeres. Un aspecto del estudio comprendió el tiempo promedio de audición. Se descubrió que el
tiempo promedio para los varones es de 35 minutos al día. La desviación estándar en la muestra de los 10 hombres que
se estudiaron fue 10 minutos por día. El tiempo promedio de audición para las 12 mujeres estudiadas fue también 35
minutos, pero la desviación estándar fue 12 minutos. Al nivel de significancia 0.10, ¿es posible concluir que existe
diferencia éntre la variación de los tiempos de audición de hombres y mujeres?
SOLUCION:
VARONES MUJERES
X1=35 X2=35
N1=10 N2=12
S1=10 S2=12
1) Ho: Ϭ12=Ϭ22
Ha :Ϭ12 ≠Ϭ22
2) α = 0.10
3) Para:
F(0.05,11,9)=3.11
F(0.05,9,11)=2.90
1
2.90
=0.48
RA:[0.48,3.11]
18
Laboratorio de Estadística Industrial
144
Fk=100 =1.44
Minitab:
Pasos en minitab:
En la barra de menú opción estadísticas.
Opción estadísticas básicas.
Luego la opción de dos varianzas.
Como tenemos de dato la desviación estándar y el tamaño de la muestra en datos seleccionamos esa
opción.
Luego en el cuadro de dialogo opciones escogemos el n.s. luego aceptar, aceptar.
Problemas 1.-
El director de personal de Cander Machine Products está investigando el “perfeccionismo” en el trabajo .Se aplicó una
prueba diseñada para medir tal acción a una muestra aleatoria de 18 empleados .Las puntuaciones fueron de 20 a
casi 40 .Una de las facetas del estudio incluyo los antecedentes de cada empleado ¿Proviene el laborante de una
región rural, de una ciudad pequeña o de una metrópoli? Las puntuaciones son:
a) Al nivel de significancia de 0.05 ¿Se puede concluir que hay diferencia en las tres puntuaciones medias?
b) Si se rechaza la hipótesis nula .¿Se puede decir que la puntuación media de los empleados que provienen de zonas
rurales es diferente de la puntuación de los que vienen de una ciudad grande?
19
Laboratorio de Estadística Industrial
(∑ 𝑋)2 5422
a) SSTOTAL=∑ 𝑋 2 - 𝑁
=16608- 18
=287.8
SST=116.3
SSE=171.5
1) Ho:µ1=µ2=µ3
Ha: Al menos una de las tres puntuaciones medias es diferente
2) α= 0.05
3) F
4) F(0.05,3-1,18-3) =F(0.05,2,15)=3.68ç
Al menos una puntuación media de una de las tres regiones es diferente de los empleados para investigar su
perfeccionismo.
20
Laboratorio de Estadística Industrial
b)
1 1
(X1-X3)±√𝑀𝑆𝐸 × (𝑁1 + 𝑁3
1 1
(33.56-26.66)±√11.4 ∗ ( + ) =8.87 ˄4.92
7 5
El intervalo son signos iguales por lo tanto las medias son diferentes: X1≠X3
Pasos en minitab:
Problema 2.-
En un estudio publicado en el Journal of Small Business Management se concluyó que los individuos que se auto
emplean no experimentan tanta satisfacción en el trabajo como los que no se auto emplean. En este estudio, la
satisfacción en el trabajo se midió empleando 18 puntos, cada uno de los cuales se evaluaban con una escala de Liker
con 1-5 opciones de respuesta que iban de totalmente de acuerdo a totalmente en desacuerdo. En esta escala con una
puntuación mayor corresponde a mayor satisfacción con el trabajo. La suma de las puntuaciones de los 18 puntos, que
iba de 18-90, se empleó para medir la satisfacción con el trabajo. Suponga que se emplea este método para medir la
satisfacción con el trabajo. Suponga que se emplea este método para medir la satisfacción en el trabajo de abogados,
terapeutas físicos, carpinteros y analistas de sistemas. A continuación se encuentra los resultados obtenidos en una
muestra de 10 individuos de cada profesión. Para α=0.05
21
Laboratorio de Estadística Industrial
Abogados Terapeutas físicos Carpinteros Analistas de sistemas
(1) (2) (3) (4)
44 55 54 44
42 78 65 73
74 80 79 71
42 86 69 60
53 60 79 64
50 59 64 66
45 62 59 41
48 52 78 55
64 55 84 76
38 50 60 62
SOLUCION:
TRATAMIENTO:
1) Ho: m1= m2 =m3= m4.
Ha: Al menos es diferente.
2) α=0.05
3) F
4)
22
Laboratorio de Estadística Industrial
F= 2.866
5)
Intervalos:
R.C: <2.866, ∞>
R.A: <-∞, 2.866]
Fk ԑ R.C → Rechazamos Ho, aceptamos Ha.
Interpretación:
El nivel de satisfacción en el trabajo de abogados, terapeutas físicos, carpinteros y analistas de sistemas, al
menos uno es diferente.
Pasos en minitab:
23
Laboratorio de Estadística Industrial
Problema 1.-
En un estudio publicado en el Journal of the American Medical Association se investigaba la demanda cardiaca al
apalear grandes cantidades de nieve. Diez hombres saludables se sometieron a pruebas de ejercicio empleando una
corredora y una bicicleta ergonómica para brazos. Después estos mismos hombres limpiaron dos tramos de nieve
mojada y pesada con una pala ligera para nieve y una máquina eléctrica para despejar nieve. Se midió el ritmo
cardiaco, la presión sanguínea y el consumo de oxigeno de cada uno de los participantes en las pruebas, durante la
remoción de nieve, y estos valores se compararon con los valores durante la prueba de ejercicio. En la tabla siguiente
se presentan los valores de ritmo cardiaco, dados en pulsaciones por minuto, de cada uno de los 10 individuos.
Con α=0.05, como nivel de significancia, realice una prueba para determinar si existe diferencia significativa entre los
diversos tratamientos.
SOLUCION:
TRATAMIENTO:
1) Ho: m1 =m2 =m3 =m4
Ha: AL menos uno es diferente
2) Para α = 0.05
3) F
4)
24
Laboratorio de Estadística Industrial
25
Laboratorio de Estadística Industrial
F= 2.96
5)
Intervalos:
R.C: <2.96, ∞>
R.A: < -∞, 2.96]
Fk ɛ R.C → Rechazo Ho, acepto Ha.
Interpretación: Existe diferencias en los valores de ritmo cardiaco, dados en pulsaciones por minuto, según las
maquinas.
BLOQUE:
1) Ho: m1= m2=m3=m4=…m10.
Ha: Al menos una es diferente.
2) Para α=0.05
3) F
4)
26
Laboratorio de Estadística Industrial
F= 2.25
5) Intervalos:
R.C: <2.25, ∞>
R.A: <-∞, 2.25]
Fk= 1.06 ɛ R.A →Acepto Ho, rechazo Ha.
Interpretación: No existen diferencias en los valores de ritmo cardiaco, dados en pulsaciones por minuto,
según los sujetos.
Problema 2.-
Wegman’s Food Markets y Top Friendly Markets son cadenas grandes de tiendas de abarrotes en una zona de Nueva
York. Cuando Wal-Mart abrió un supermercado en esta zona, los expertos predijeron que Wal-Mart vendería más barato
que estas dos tiendas locales. Un periódico publicó los precios de 15 artículos que se presentan en la siguiente tabla.
Con α=0.05 como nivel de significancia, pruebe si hay una diferencia significativa entre las tiendas en las medias del
precio de estos 15 artículos.
SOLUCION:
TRATAMIENTO.
1) Ho: m1 = m2 =m3.
Ha: Al menos uno es diferente.
2) Para α=0.05
27
Laboratorio de Estadística Industrial
3) F
4)
F= 3.34
5)
28
Laboratorio de Estadística Industrial
Intervalos:
R.C: <3.34, ∞>
R.A: <-∞, 3.34]
Fk= 5.64 ԑ R.C →Rechazo Ho, acepto Ha.
Interpretación: Si hay una diferencia significativa entre las medias del precio de estos 15 artículos, según los
supermercados.
29
Laboratorio de Estadística Industrial
BLOQUE:
1) Ho: m1 = m2= …m15
Ha: Al menos uno es diferente.
2) Para α = 0.05
3) F
4)
F= 2.06
5) Intervalos:
R.C: <2.06 , ∞>
R.A: <-∞, 2.06]
Fk= 64.18 ԑ R.C → Rechazo Ho, acepto Ha.
Interpretación: Si hay una diferencia significativa entre las medias del precio , según los 15 artículos.
30
Laboratorio de Estadística Industrial
REGRESION SIMPLE:
Problema 1.-
Un gerente de ventas recolectó los datos siguientes sobre ventas anuales y años de experiencia. (Problema 9 pág. 556
anderson)
a) Elabore un diagrama de dispersión con estos datos, en el que la variable independiente sean los años de
experiencia.
b) Dé la ecuación de regresión estimada que puede emplearse para predecir las ventas anuales cuando se
conocen los años de experiencia.
31
Laboratorio de Estadística Industrial
INTERPRETACION:
INTERPRETACION:
Para un vendedor de tiene 9 años de experiencia sus ventas anules serán de 116 miles de dólares anuales.
Problema 2.-
Una aplicación importante del análisis de regresión a la contaduría es la estimación de costos. Con datos sobre
volumen de producción y costos y empleando el método de mínimos cuadrados para obtener la ecuación de regresión
estimada que relacione volumen de producción y costos, los contadores pueden estimar los costos correspondientes a
32
Laboratorio de Estadística Industrial
un determinado volumen de producción. Considere la siguiente muestra de datos sobre volumen de producción y costos
totales de una operación de fabricación.
a) Con estos datos obtenga la ecuación de regresión estimada para pronosticar los costos totales dado un
volumen de producción.
𝑛 × ∑ 𝑥𝑦 − ∑ 𝑥 × ∑ 𝑦
𝑏=
𝑛 × ∑ 𝑥 2 − (∑ 𝑥)2
𝑏 = 7.6
∑𝑦 ∑𝑦
𝑎= −𝑏×
𝑛 𝑦
𝑎 = 1247
Donde la ecuación de regresión es:
𝑌 = 1247 + 7.6 × 𝑥
INTERPRETACION:
Por cada unidad de volumen de producción los costos totales aumentan en un 7.6.
33
Laboratorio de Estadística Industrial
c) Calcule el coeficiente de determinación. ¿Qué porcentaje de la variación en los costos totales puede ser
explicada por el volumen de producción?
Coeficiente de determinación:
INTERPRETACION:
El 95.9% de la variación de los costos totales se debe al número de unidades del volumen de producción
d) De acuerdo con el programa de producción de empresa, el mes próximo se deberán producir 500 unidades.
¿Cuál es el costo total estimado de esta operación?
34
Laboratorio de Estadística Industrial
Problema 3.-
Al gerente de comercialización de una cadena grande de supermercados le gustaría determinar el efecto del espacio en
estantes sobre las ventas de comida para mascotas. Se selecciona una muestra aleatoria de 12 supermercados de
igual tamaño y los resultados se presentan a continuación:
∑ 𝑥 2 = 2250
∑ 𝑦 = 28.5
∑ 𝑦 2 = 70.69
∑ 𝑥𝑦 = 384
a) Coeficiente de correlación
(10)(5220) − (200)(197)
𝑟= = 0.827
√(10(6000) − 1502 )(12(70.69) − 28,52 )
b) Coeficiente de determinación
r2 = 0.684
c) Coeficiente de no determinación
1-r2 =0.316
d) Y=a+bX
12𝑥384 − 150𝑥28.5
𝑏= = 0.074
12𝑥2250 − 1502
28.5 150
𝑎= − 0.074𝑥 = 1.45
12 12
Y=1.45+0.074X
e) Error estándar
70.69 − 1.45𝑥28.5 − 0.074𝑥384
𝑆𝑌𝑋 = √ = 0.308
12 − 2
35
Laboratorio de Estadística Industrial
1) Ho: β = 0
Ha: β ≠ 0
2) α=0.05
3) t
4) t(0.05,10)=2.228
0.308
5) 𝑆𝑏1 = 2
= 0.016
√2250−150
12
0.074 − 0
𝑡= = 4.625
0.016
Inferencia sobre el coeficiente de correlación
1) Ho: p = 0
Ha: p ≠ 0
2) α=0.05
3) t
4) t(0.05,10)=2.228
0.827√12−2
5) 𝑡 = = 4.65
√1−0.684
36
Laboratorio de Estadística Industrial
37
Laboratorio de Estadística Industrial
Problema 4.-
A un agrónomo le gustaría determinar el efecto de un fertilizante orgánico natural sobre la producción de tomates. Se
van a utilizar 5 cantidades diferentes de fertilizante sobre 10 parcelas equivalentes: 0, 10 , 20 , 30 y 40 libras por cada
100 pies cuadrados. Los niveles de fertilizante son designados aleatoriamente a las parcelas con los siguientes
resultados:
Parcela Cantidad de fertilizante Producción
X (lb/100 pies2) Y (lb)
1 0 6
2 0 8
3 10 11
4 10 14
5 20 18
6 20 23
7 30 25
8 30 28
9 40 30
10 40 34
∑ 𝑥 = 200
∑ 𝑥 2 = 6000
∑ 𝑦 = 197
∑ 𝑦 2 = 4735
∑ 𝑥𝑦 = 5220
a) Coeficiente de correlación
(10)(5220) − (200)(197)
𝑟= = 0.98
√(10(6000) − 2002 )(10(4735) − 1972 )
b) Coeficiente de determinación
r2 = 0.96
c) Coeficiente de no determinación
1-r2 =0.04
d) Y=a+bX
(10)(5220) − (200)(197)
𝑏= = 0.64
10(6000) − 2002
197 200
𝑎= − 0.64𝑥 = 6.9
10 10
Y=6.9+0.64X
e) Error estándar
4735 − 6.9𝑥197 − 0.64𝑥5220
𝑆𝑌𝑋 = √ = 2.0886
10 − 2
38
Laboratorio de Estadística Industrial
Ha: β ≠ 0
2) α=0.05
3) t
4) t(0.05,8)=2.306
2.0886
5) 𝑆𝑏1 = 2
= 0.0467
√6000−200
10
0.64 − 0
𝑡= = 13.7
0.0467
REGRESION MULTIPLE
PROBLEMA 1:
Montgomery y Peck (1982) describen el empleo de un modelo de regresión para relacionar la cantidad de tiempo
requerido por un vendedor de ruta (chofer) para abastecer una maquina vendedora de refrescos con el número de latas
que incluye la misma, y la distancia del vehículo de servicio a la ubicación de la máquina. Este modelo se empleo para
el diseño de la ruta, el programa y el despacho de vehículos. La tabla presenta 25 observaciones respecto al tiempo de
entrega tomadas del mismo estudio descrito por Montgomery y Peck.
39
Laboratorio de Estadística Industrial
2 24.45 8 110
3 31.75 11 120
4 35.00 10 550
5 25.02 8 295
6 16.8 4 200
7 14.38 2 375
8 9.60 2 52
9 24.35 9 100
10 27.50 8 300
11 17.08 4 412
12 37.00 11 400
13 41.95 12 500
14 11.66 2 360
15 21.65 4 205
16 17.89 4 400
17 69.00 20 600
18 10.30 1 585
19 34.93 10 540
20 46.59 15 250
21 44.88 15 290
22 54.12 16 510
23 56.63 17 590
24 22.13 6 100
40
Laboratorio de Estadística Industrial
25 21.15 5 400
Calcule R2.Interprete.
Estimar el tiempo de entrega si se sabe que el número de latas es 20 y la distancia del vehículo es 110.
Solucion:
𝑌̌ = 58.435
Coeficiente de determinación: es 0.981, entonces el 98.1% del tiempo de un vendedor para abastecer una maquina
vendedora puede ser explicado mediante el número de latas y la distancia del camión.
𝐻0 : 𝛽1 = 𝛽2 = 𝛽3 = 0
41
Laboratorio de Estadística Industrial
Si se selecciona un nivel de significancia de 0.05, podemos observar que, el valor de P=0.000 es menor a 0.05 por lo
tanto rechazamos la hipótesis nula y concluimos que al menos un coeficiente de regresión no es 0.
Interpretación:
Observamos un relación lineal entre la variable dependiente Nro. De latas con respecto al T.de entrega (Variable
independiente), y en menor grado de linealidad Distancia Vs Tiempo de entrega.
42
Laboratorio de Estadística Industrial
43
Laboratorio de Estadística Industrial
=5992.4-5887.3=105.1
105.1
𝐹= = 20.23
5.2
44
Laboratorio de Estadística Industrial
=5992.4-1483.9=4508.5
4508.5
𝐹= = 867.019
5.2
Entonces la variable X2(distancia), si contribuye significativamente a la ecuación de regresión, y podríamos concluir que
es más importante que la varia X1.
45
Laboratorio de Estadística Industrial
PROBLEMA 2
En la Facultad de Ingeniería de Sistemas y Computo de la Universidad "Inca Garcilaso de la Vega" se quiere entender
los factores de aprendizaje de los alumnos que cursan la asignatura de PHP, para lo cual se escoge al azar una
muestra de 15 alumnos y ellos registran notas promedios en las asignaturas de Algoritmos, Base de Datos y
Programación como se muestran en el siguiente cuadro.
46
Laboratorio de Estadística Industrial
Lo que buscamos es construir un modelo para determinar la dependencia que exista de aprendizaje reflejada
en las notas de la asignatura de PHP, conociendo las notas de las asignaturas Algoritmos, Programación.
Calcule R2.Interprete.
Estimar la nota del curso de PHP si se sabe que en Algoritmos tiene 15 , Base de Datos 16 y Programación 17.
Solucion:
47
Laboratorio de Estadística Industrial
𝑌̌ = 13.149
Coeficiente de determinación: es 0. 697 , entonces el 69.70% del aprendizaje del Curso de PHP puede ser explicado
mediante las notas obtenidas por las asignaturas de Algoritmos, Base de Datos y Programación.
𝐻0 : 𝛽1 = 𝛽2 = 𝛽3 = 0
𝐻1 : 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝑐𝑜𝑛𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑟𝑒𝑔𝑟𝑒𝑠𝑖𝑜𝑛 𝑛𝑜 𝑒𝑠 0
Si se selecciona un nivel de significancia de 0.05, podemos observar que, el valor de P=0.003 es menor a 0.05 por lo
tanto rechazamos la hipótesis nula y concluimos que al menos un coeficiente de regresión no es 0.
48
Laboratorio de Estadística Industrial
Interpretación:
Podemos observar que hay una buena relación de linealidad entre las variables dependientes con la dependiente.
49
Laboratorio de Estadística Industrial
50
Laboratorio de Estadística Industrial
51
Laboratorio de Estadística Industrial
52
Laboratorio de Estadística Industrial
METODOS NO PARAMETRICOS:
PRUEBA CHI_CUADRADO:
PROBLEMA 1:
Un estudio referente a la relación entre la edad y la presión que el personal de ventas sienten con respecto a su trabajo
presentó la información muestral que sigue. A nivel de significancia de 0.01, ¿Existe alguna relación entre la presión
laboral y la edad?
Solución:
H0: No existe relación entre la edad y la presión que el personal de ventas siente con respecto a su trabajo
H1: Existe relación entre la edad y la presión que el personal de ventas siente con respecto a su trabajo
53
Laboratorio de Estadística Industrial
2 50 46 44 140
45.36 47.60 47.04
0.475 0.054 0.196
3 58 63 59 180
58.32 61.20 60.48
0.002 0.053 0.036
4 34 43 43 120
38.88 40.80 40.32
0.613 0.119 0.178
CONCLUSIÓN: Puesto que el valor del estadístico calculado de ji cuadrada (2.191) se encuentra en la región a la
izquierda de 16.81, no se rechaza la hipótesis nula al nivel de 0.01. Se concluye que no hay una relación entre la edad y
la presión que sufre el personal de ventas
PRUEBA DE POISSON
El número de llamadas telefónicas que llegan por minuto al conmutador de una empresa tiene una distribución de
Poisson. Use α 0.10 y los datos siguientes para probar esta suposición.
54
Laboratorio de Estadística Industrial
Solución:
I) PLANTEAMINETO DE LA HIPOTESIS
Ho: la población del número llamadas telefónicas que llegan por minuto al
conmutador de la empresa sigue una distribución de poisson
Ha: la población del número llamadas telefónicas que llegan por minuto al
conmutador de la empresa sigue una distribución de poisson
𝛼 = 0.01
Gl= n-1=6
55
Laboratorio de Estadística Industrial
V) CALCULOS Y RESULTADOS
Haciendo los cálculos para calcular la media , que se realiza por media ponderada:
0 ∗ 15 + 31 + 2 ∗ 20 +∗ 15 + 4 ∗ 13 + 5 ∗ 4 + 6 ∗ 2
𝑢= =2
80
Para hallar las frecuencias esperadas realizaremos la tabla de poisson, para lo cual haremos ayuda de minitab.
56
Laboratorio de Estadística Industrial
Elegimos la variable a analizar que seria el numero de llamadas que llegan por minuto al conmutador de una
empresa
numero de
llamadas
telefonicas fo probabilidad fe (fo-fe) (fo-fe)^2 (fo-fe)^2/fe
0 15 0.13533528 13.5335283 1.46647168 2.15053918 0.1589045
1 31 0.27067057 27.0670566 3.93294335 15.4680434 0.5714712
2 20 0.27067057 27.0670566 -7.06705665 49.9432897 1.8451688
3 15 0.18044704 18.0447044 -3.04470443 9.27022508 0.5137366
4 13 0.09022352 9.02235222 3.97764778 15.8216819 1.7536094
5 4 0.03608941 3.60894089 0.39105911 0.15292723 0.0423745
6 2 0.0120298 1.2029803 0.7970197 0.63524041 0.5280555
5.4133207
se muestra la tabla del almacenamiento de los datos y la tabla de distribución de probabilidad poisson.
Calculo de X2 (k)=5.413
57
Laboratorio de Estadística Industrial
Conclusiones:
Como x2 (k) pertenece a la región de aceptación, entonces podemos
afirmar que la población del número de llamadas entrantes sigue una
distribución binomial
Muchos corredores de valores con poca experiencia se resisten a hacer presentaciones ante banqueros y otros grupos.
Al percibir esta falta de confianza en ellos mismos, la dirección hizo arreglos para que un grupo muestra de nuevos
corredores asistiera a un seminario para lograr la autoconfianza; contrato así a una organización capacitadora para que
impartiera un curso de tres semanas. Antes de la primera sesión, los instructores midieron el nivel de confianza de cada
participante y volvieron a medirlo después de concretado el seminario. Los niveles de confianza antes y después para
los 14 asistentes al curso, se indican a continuación. La autoconfianza se clasifico como negativa, baja, alta o muy alta.
Establecer la hipótesis nula y alternativa.
a) Usando nivel de significancia 0.05, exprese la regla de solución con palabras o en diagramas.
Solución:
1. Ho: p≤0.5 No hay cambio con respecto a la autoconfianza de los corredores, como resultado del seminario
proporcionado por la organización capacitadora.
Ha: p≥0.5 Si hay cambio con respecto a la autoconfianza de los corredores, como resultado del seminario
proporcionado por la organización capacitadora.
2. α=0.05
3. Distribución Binomial
4.
58
Laboratorio de Estadística Industrial
Pasos en minitab:
Utilizamos de la barra de menú la opción estadística.
Luego a métodos no paramétricos.
La opción prueba de signo.
Luego escogemos nuestra variable y aceptar.
PRUEBA DE WILCONSON:
1.Un estudio busca evaluar la ganancia potencial de peso con cierto alimento aviar .Una muestra de 12 aves se usó
durante un periodo de seis meses .Cada una de las aves se pesó antes y después de un periodo de prueba .Las
diferencias entre los pesos antes y después observados en las 12 aves son: 1.5,1.2,-0.2,0,0.5,0.7,0.8,1,0,0.6,0.2,-
0.01.Valores negativos indican pérdida de peso durante el periodo de prueba y los ceros indican que no hubo ninguna
variación durante el periodo de prueba .Use 0.05 como nivel de significancia y determine si este nuevo alimento parece
ocasionar un aumento de peso en las aves.
SOLUCION:
1. Ho: Los pesos de las aves con cierto alimento aviar son iguales
Ha:Los pesos de las aves con cierto alimento aviar son diferentes
2. α=0.05
3. Z ,T
59
Laboratorio de Estadística Industrial
T=48
u =0
10×11×21
Ϭ=√ 6
=19.62
48 − 0
𝑧= = 2.45
19.62
Zk Є RC: Rechazo Ho ,Acepto Ha
INTERPRETACION:
El nuevo alimento aviar provoca un aumento en el peso de las aves ,es decir con un nivel de significancia de
0.05 los pesos difieren luego del cambio.
En minitab:
Pasos en minitab:
60
Laboratorio de Estadística Industrial
PRUEBA DE MWW:
MUESTRA PEQUEÑA:
1.Se enseña un procedimiento de ensamble a un grupo de obreros empleando una secuencia de pasos ya conocida ,se
enseña a otro grupo usando una técnica experimental .Los tiempos ,en segundos, necesarios para el ensamblaje , para
una muestra de empleados se presentan a continuación :
Método Actual: 41, 36, 42, 39, 36, 48, 49,38.
Método Experimental: 21, 27, 36, 20, 19, 21, 39, 24,22.
Al nivel de significancia de 0.05 ¿Se puede concluir que el método experimental es mas rápido? Supóngase que la
distribución de líneas de ensamblaje no es normal.
SOLUCION:
1. Ho: Las dos poblaciones son idénticas en términos del tiempo en segundos necesarios por el ensamblaje
Ha: Las dos poblaciones no son idénticas en términos del tiempo en segundos necesarios por el ensamblaje
2. α=0.05
3. Definir el estadístico MWW.
4. Definir la RA y RC:
TL(0.05,8,9)=55
TU=8×(8+9+1)-55=89
5.
METODO METODO
ACTUAL EXPERIMENTAL
41 14 21 3.5
36 9 27 7
42 15 36 9
39 12.5 20 2
36 9 19 1
48 16 21 3.5
49 17 39 12.5
38 11 24 6
22 5
∑ 𝑅1 = 103.5
R1 Є RC : Rechazo Ho ,Acepto Ha
INTERPRETACION:
Las dos poblaciones no son idénticas en base al tiempo utilizado por un grupo de obreros para realizar un ensamblaje,
los obreros capacitados por el método experimental son más rápidos que los que realizan un procedimiento ya
conocido.
MINITAB:
61
Laboratorio de Estadística Industrial
Pasos en minitab:
Un cliente desea saber si hay una diferencia significativa entre los tiempos que se requieren para realizar un programa
de evaluación por tres métodos diferentes. A continuación se presentan los tiempos (en horas) requeridos por cada uno
de los 18 evaluadores para llevar a cabo el programa de evaluación.
Use α=0.05 y realice una prueba para ver si existe una diferencia significativa entre los tiempos requeridos por los tres
métodos.
Solución:
1. Ho: Son iguales las distribuciones de los tiempos que se requieren para realizar un programa de evaluación
por tres métodos diferentes.
Ha: No son iguales las distribuciones de los tiempos que se requieren para realizar un programa de evaluación
por tres métodos diferentes.
2. α= 0.05
3. X2
4.
62
Laboratorio de Estadística Industrial
5.
12 772 + 66.52 + 27.52
𝐻= ( ) − 3 ∗ 19 = 7.956
18 ∗ 19 6
H ԑ R.C., Rechazamos Ho, aceptamos Ha.
Interpretación: No son iguales las distribuciones de los tiempos (horas) que se requieren para realizar un
programa de evaluación por tres métodos diferentes.
Pasos en minitab:
CORRELACION DE RANGO:
1. La Far West University ofrece clases matutinas y vespertinas en administración empresarial .Se realizara una
extensa encuesta .Una pregunta implica a estudiantes de segundo grado y la forma en la que perciben el
prestigio asociado con ciertas profesiones. A cada estudiante se le pidió que calificara las carreras de 1 a 8
,con 1 a la mayor renombre ,y con 8 la de menor prestigio .Los resultados compuestos son:
63
Laboratorio de Estadística Industrial
SOLUCION:
6 × 156
𝑟𝑠 = 1 − = −0.85
8 × (82 − 1)
El coeficiente de correlación es -0.85
PRUEBA DE SIGNIFICANCIA PARA LA CORRELACION DE RANGO:
𝑢𝑟𝑠 = 0
1
Ϭrs=√8−1 =0.38
1. Ho: ps=0
Ha: ps≠0
2. α=0.05
3. Z
4. Calculo de estadístico:
−0.85 + 0
𝑧= = −2.24
0.38
INTERPRETACION:
El coeficiente de correlación es diferente de cero es decir hay diferencia de correlación en la forma en la que perciben
el prestigio asociado con ciertas profesiones.
64
Laboratorio de Estadística Industrial
SERIE DE TIEMPO:
SUAVIZAMIENTO EXPONENCIAL:
En la serie de tiempo siguiente se dan las ventas de un determinado producto en los últimos 12 meses.
MES VENTAS
1 105
2 135
3 120
4 105
5 90
6 120
7 145
8 140
9 100
10 80
11 100
12 110
a) Emplee α =0.3 y calcule los valores que se obtienen para esta serie con el método de suavizamiento
exponencial.
F1=Y1=105
F2=Y2=0.3 × 105 + (1 − 0.3) × 105 = 105
F3=Y3=0.3 × 135 + (1 − 0.3) × 105 = 114
F4=Y4=0.3 × 120 + (1 − 0.3) × 114 = 115.8
F5=Y5=0.3 × 105 + (1 − 0.3) × 115.8 = 112.56
F6=Y6=0.3 × 90 + (1 − 0.3) × 112.56 = 105.792
F7=Y7=0.3 × 120 + (1 − 0.3) × 105.792 = 110.054
F8=Y8=0.3 × 145 + (1 − 0.3) × 110.054 = 120.538
F9=Y9=0.3 × 140 + (1 − 0.3) × 120.538 = 126.377
F10=Y10=0.3 × 100 + (1 − 0.3) × 126.377 = 118.464
F11=Y11=0.3 × 80 + (1 − 0.3) × 118.464 = 106.925
F12=Y12=0.3 × 100 + (1 − 0.3) × 106.925 = 104.847
65
Laboratorio de Estadística Industrial
MINITAB:
b)
c) Use la constante de suavizamiento α =0.5 .calcular los valores de suavizamiento exponencial ¿Con cuál valor
0.3 o 0.5 .de las constante α se obtiene un mejor pronóstico?
66
Laboratorio de Estadística Industrial
F1=Y1=105
F2=Y2=0.5 × 105 + (1 − 0.3) × 105 = 105
F3=Y3=0.5 × 135 + (1 − 0.3) × 105 = 120
F4=Y4=0.5 × 120 + (1 − 0.3) × 114 = 120
F5=Y5=0.5 × 105 + (1 − 0.3) × 115.8 = 112.5
F6=Y6=0.5 × 90 + (1 − 0.3) × 112.56 = 101.25
F7=Y7=0.5 × 120 + (1 − 0.3) × 105.792 = 110.625
F8=Y8=0.5 × 145 + (1 − 0.3) × 110.054 = 127.813
F9=Y9=0.5 × 140 + (1 − 0.3) × 120.538 = 133.906
F10=Y10=0.5 × 100 + (1 − 0.3) × 126.377 = 116.953
F11=Y11=0.5 × 80 + (1 − 0.3) × 118.464 = 98.477
F12=Y12=0.5 × 100 + (1 − 0.3) × 106.925 = 99.238
MINITAB:
67
Laboratorio de Estadística Industrial
CONCLUSION:
El mejor pronóstico de ventas se observa para la constante de suavizamiento de 0.3 aunque para 0.5 se observa
ventas altas los primeros meses se escoge 0.3 porque se mantiene altas el pronóstico de suaviza miento de ventas.
MODELO MULTIPLICATIVO:
A continuación se presenta los datos, correspondientes a los últimos tres años de ventas trimestrales (número de
ejemplares vendidos) de un libro de texto universitario.
a) Para esta serie de tiempo de los promedios móviles de cuatro trimestres y los promedios móviles centrados.
2 940
68
Laboratorio de Estadística Industrial
1938,75
3 2625 1952,50
1966,25
4 2500 1961,25
1956,25
1 1800 1990,63
2025,00
2 900 2007,50
1990,00
3 2900 1996,25
2002,50
4 2360 2027,50
2052,50
1 1850 2056,25
2060,00
2 1100 2091,88
2123,75
3 2930
4 2615
69
Laboratorio de Estadística Industrial
2 940
1938,75
3 2625 1952,50 1.344
1966,25
4 2500 1961,25 1.274
1956,25
1 1800 1990,63 0.904
2025,00
2 900 2007,50 0.448
1990,00
3 2900 1996,25 1.453
2002,50
4 2360 2027,50 1.164
2052,50
1 1850 2056,25 0.900
2060,00
2 1100 2091,88 0.526
2123,75
3 2930
4 2615
70
Laboratorio de Estadística Industrial
TRIMESTRE INDICES
ESTACIONAL
1 0.904 0.900 0.902
4.0065
INDICES REALES
1 0.902
2 0.487
3 1.3985
4 1.219
71
Laboratorio de Estadística Industrial
LA ECUACION:
y = 1593 + 103 x
GRAFICA:
c) ¿Cuándo obtiene la editorial el mayor índice estacional? ¿Parece ser razonable este resultado? Explique.
o La editorial obtiene mayor índice estacional en el tercer trimestre es decir es 139.85% se encuentra 39.85
% se encuentra por arriba del promedio anual.
TENDENCIA LINEAL:
Durante los últimos siete años, la empresa Hudson Marine ha sido distribuidor autorizado de los radios
náuticos de C&D.En la tabla siguiente se da el número de radios vendidos por año por esa empresa.
AÑO 1 2 3 4 5 6 7
NUMERO 35 50 75 90 105 110 130
VENDIDO
a)
72
Laboratorio de Estadística Industrial
b)
Yt = 22.86 + 15.5*t
De la ecuación: El valor 15.5 indica que los radios vendidos por año de cada empresa aumenta en 15.5 ventas
por año y 22.86 es el valor de ventas estimadas para el año cero.
73
Laboratorio de Estadística Industrial
e)
f) A partir de la ecuación de tendencia lineal obtenida en el inciso b pronostique las ventas anuales del año
8.
Pronostico: En base a las ventas anteriores, la estimación del año 8 es de 147.143.
MINITAB:
74