EXAMEN FINAL DE ESTADÍSTICA A 2017

1. Moonbeam Inc desea establecer una gráfica de control que muestre el número de unidades
defectuosas que salen de su línea de producción de tostadoras. Para eso fueron inspeccionadas 25
muestras de 400 unidades cada una, tomadas al azar, y se anotó el número de unidades defectuosas
contenidas en cada muestra, en la siguiente forma:
Muestra 1 2 3 4 5 6 7 8 9 10 11 12
Defectuosas 17 26 22 24 30 35 15 19 23 18 15 21

Muestra 13 14 15 16 17 18 19 20 21 22 23 24 25
Defectuosas 16 19 19 8 8 23 20 18 18 13 20 14 17

a) Usando estos datos elabore un gráfico de control adecuado usando límites de control 3.
Muestra Defectuosos p
1 17 0,0425
2 26 0,0650
3 22 0,0550
4 24 0,0600
5 30 0,0750
6 35 0,0875
7 15 0,0375
8 19 0,0475
9 23 0,0575
10 18 0,0450
11 15 0,0375
12 21 0,0525
13 16 0,0400
14 19 0,0475
15 19 0,0475
16 8 0,0200
17 8 0,0200
18 23 0,0575
19 20 0,0500
20 18 0,0450
21 18 0,0450
22 13 0,0325
23 20 0,0500
24 14 0,0350
25 17 0,0425

25 25

 pˆ i d i
478
Valor promedio: p  i 1
 i 1
  0,0478
25 25  400 10000
Límites de control
𝑝̅ (1 − 𝑝̅ ) 0,0478(1 − 0,0478)
LCS 𝑝̅ + 3×√ = 0,0478 + 3×√ = 0,0798
𝑛 400
VC 𝑝̅ = 0,0478
𝑝̅ (1 − 𝑝̅ ) 0,0478(1 − 0,0478)
LCI 𝑝̅ − 3×√ = 0,0478 − 3×√ = 0,0158
𝑛 400

b) ¿Podría usarse esta gráfica para propósitos de control? Si no es así, ¿qué debería hacerse?
 0,1

0,09
0,08 0,0798
0,07

0,06

0,05 0,0478
0,04

0,03

0,02
0,0158
0,01

0
0 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
No, pues el proceso no se encuentra bajo control. Debería eliminarse el punto fuera de control
y rehacerse los límites de control; si los puntos se encuentran dentro de los límites respectivos,
entonces se podrán usar estos gráficos de control, sino continuar con el procedimiento descrito
previamente.

2. Un experimento fue diseñado para probar los efectos de la ejecución de 2 diferentes tipos de
gasolina con 2 posibles tipos de aditivos. El experimento recurre a 4 motores idénticos que se
ejecutan con 5 galones, para cada uno de los pares de gasolina y aditivos. Los siguientes datos
resultan.
Aditivo
Gasolina
1 2
126,2 130,4
124,8 131,6
1
125,3 132,5
127,0 128,6
127,2 142,1
126,6 132,6
2
125,8 128,5
128,4 131,2
Haga un análisis completo de estos datos y establezca las inferencias correspondientes.

Ajuste factorial: Rendimiento vs. Gasolina, Aditivo

Efectos y coeficientes estimados para Rendimiento (unidades codificadas)
Coef.
Término Efecto Coef de EE T P
Constante 129.300 0.7906 163.56 0.000
Gasolina 2.000 1.000 0.7906 1.26 0.230
Aditivo 5.775 2.887 0.7906 3.65 0.003
Gasolina*Aditivo 0.825 0.412 0.7906 0.52 0.611

S = 3.16221 PRESS = 213.324

R-cuad. = 55.90% R-cuad.(pred.) = 21.61% R-cuad.(ajustado) = 44.88%

Análisis de varianza para Rendimiento (unidades codificadas)

Fuente GL SC sec. SC ajust. MC ajust. F P

Efectos principales 2 149.402 149.402 74.701 7.47 0.008
2-Interacciones de (No.) factores 1 2.722 2.722 2.722 0.27 0.611
Error residual 12 119.995 119.995 10.000
Error puro 12 119.995 119.995 10.000
Total 15 272.120
➢ El análisis de ANOVA y de t de student establecen que solo el factor Aditivo es
significativo.
➢ Los residuos no parecen seguir el comportamiento de una distribución normal,
específicamente el gráfico de probabilidad normal.
➢ Aunque los efectos de los dos factores se diferencian de la media, solo el Aditivo es
lo suficientemente significativo para ser considerando que tiene efecto en el
rendimiento.
 ➢ No hay interacción entre los factores Gasolina-Aditivo.
➢ El aditivo tipo 2 tiene más efecto en el rendimiento que el tipo 1.

3. En pruebas diseñadas para medir el efecto de cierto aditivo en el tiempo de secado de pintura se
obtuvieron los siguientes datos.

Concentración Tiempo de (i) Construya un diagrama de dispersión del tiempo de

de aditivo (%) secado (h) secado (y) contra la concentración de aditivo (x).
4,0 8,7 (ii) Mediante la técnica de los mínimos cuadrados
4,2 8,8 determine los parámetros del modelo adecuado.
4,4 8,3 (iii) Haga un análisis de residuales.
4,6 8,7 (iv) Si la concentración del aditivo aumenta en un 1%,
4,8 8,1 ¿en cuánto predeciría que aumente o disminuya el
5,0 8,0 tiempo de secado?
5,2 8,1 (v) Pronostique el tiempo de secado para una
5,4 7,7 concentración de 4,4%.
5,6 7,5 (vi) El objetivo de este proyecto es reducir el tiempo de
5,8 7,2 secado a seis horas. Usando el modelo obtenido
¿puede especificar una concentración que ocasione
este resultado? Si es así, especifique la
concentración. Si no, explique por qué.
(i)
9
8,8
8,6
Tiempo de secado, h

8,4
8,2
8
7,8
7,6
7,4
7,2
7
3,5 4 4,5 5 5,5 6
cc de aditivo, %

(ii)
 9
8,8
8,6
Tiempo de secado, h
8,4
8,2
8
7,8 y = -0,8333x + 12,193
7,6 R² = 0,8852
7,4
7,2
7
3,5 4 4,5 5 5,5 6
cc de aditivo, %

𝛽̂0 = 12,193
𝛽̂1 = −0,8333

(iii)
Concentración de aditivo (%) Tiempo de secado (h) TSmodelo residuo
4 8,7 8,8598 -0,1598
4,2 8,8 8,69314 0,10686
4,4 8,3 8,52648 -0,22648
4,6 8,7 8,35982 0,34018
4,8 8,1 8,19316 -0,09316
5 8 8,0265 -0,0265
5,2 8,1 7,85984 0,24016
5,4 7,7 7,69318 0,00682
5,6 7,5 7,52652 -0,02652
5,8 7,2 7,35986 -0,15986

0,4

0,3

0,2

0,1

0
0 1 2 3 4 5 6 7 8 9 10
-0,1

-0,2

-0,3
El gráfico de residuales indica un comportamiento aleatorio para los residuos; por lo tanto, es
indicativo de que los datos se ajustan bien al modelo lineal.
 (iv)
y
La pendiente de la ecuación es -0,8333 que nos relaciona ; si x = 1% entonces el tiempo de
x
secado disminuirá en 0,8333 horas.

v)
y = 12,193 – 0,83334,4 = 8,5 horas
vi)
Para alcanzar el tiempo de secado de seis horas podemos usar la curva de regresión, pero con
sumo cuidado dado que estamos en zona de extrapolación. Así
6 = 12,193 – 0,8333x; de aquí x = 7,4 %.

Puntaje. 1) 6 puntos (4 y 2); 2) 7 puntos 3) 7 puntos (1, 1, 1, 1, 1 y 2)