Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Presentado por:
Presentado a:
2903111
2903131
ado a:
alez Becerra
ndo Corte
Inciso A
Inspector
I
De acuerdo a la Tabla ANOVA realizada con un nivel de significancia II
del 5% se rechaza la Ho, aceptando la Ha, es decir, existen III
diferencias significativas entres los distintos proveedores A, B y C
con relación a los pesos en gramos del material. Adicionalmente al
realizar la prueba LSD se verifica se evidencia como las diferencias
entre dos de estos son significativas.
Pro
Inciso B 16
Pro
De acuerdo a la Tabla ANOVA realizada con un nivel de significancia 15
del 5% se rechaza la Ho, aceptando la Ha, es decir, existe diferencia
significativa entre las escalas, pero no hay evidencia suficiente para Pro
demostrar que existe diferente entre los inspectores, pues la Ho se
acepta, concluyendo que las escalas afectan al peso en gramos del 13
material, pero los inspectores no tienen afectación alguna.
Inciso C
𝐿𝑆𝐷=𝑡α2,(𝑘−1)(𝑏−1)𝑥∗√2𝐶𝑀𝐸/𝑏
LSD
Inspector
1
2
3
12.7
12.65
12.6
12.55
12.5
12.45
12.4
12.35
12.3
1 2
Escala
1 2 3
A 16 B 10 C 11
B 15 C 9 A 14
C 13 A 11 B 13
Sumatoria 44 Sumatoria 30 Sumatoria 38
Al cuadrado 1936 Al cuadrado 900 Al cuadrado 1444
3
112 SCtrat 10.88888889 FV
9 SCB1 0.222222222 Proveedores
12.4444444444444 SCB2 32.88888889 Inspectores
3 SCT 44.22222222 Escala
2 SCE 0.222222222 Error
5% Total
HIPOTESIS
1.01414497409877
15
14
13
12
11
10
9
2 3 1 2 3
Sumatoria Al cuadrado
37 1369
38 1444
37 1369
112 4182
4280
4214
ANOVA
ANÁLISIS
El ANOVA resultante se muestra en la tabla anterior, en donde se observa que con un 95% de confianza hay
evidencia suficiente para concluir que los proveedores y las escalas tienen un efecto importante sobre el peso en
gramos de un material. Adicionalmente no hay evidencia suficiente para concluir que los inspectores tienen un
efecto importante.
Decisión Análisis
NO SIGNIFICATIVA El peso en gramos de lo proveedores A y B son iguales.
SIGNIFICATIVA El peso en gramos de lo proveedores A y C son diferentes.
SIGNIFICATIVA El peso en gramos de lo proveedores B y C son diferentes.
14.000
13.500
13.000
12.500
12.000
11.500
11.000
3 1 2 3
Tratamiento A
13.667
Tratamiento B
12.667
Tratamiento C
11 PROVEEDORES
Fα=19 Fo=49
Acepta/Rechaza
Rechaza
Acepta INSPECTORES
Rechaza
Fα=19 Fo=148
Días
1° 2° 3°
1° Aα Bβ Cϒ
Método 2° Cβ Aϒ Bα
3° Bϒ Cα Aβ
Días
Suma
1° 2° 3°
1° 10 13 11 34
Método 2° 8 8 10 26
3° 9 11 10 30
Suma 27 32 31 90
Latinas Griegas k N b
A 28 α 31 3 9 3
B 32 β 31
C 30 ϒ 28
Latinas Latinas
A 9.333 A 10 8 10
B 10.67 B 13 10 9
C 10 C 11 8 11
Griegas
α 10 10 11
β 13 8 10
ϒ 11 8 9
Enunciado 2)
Fuente de Variabilidad Suma Cuadrados GL
Tratamientos 2.66666666666663 2
Factor Bloque I 10.6666666666666 2
Factor Bloque II 4.66666666666663 2
Factor Bloque III 2 2
Error 1.1368683772162E-13 9
Total 20 17
Análisis
Al realizar el contraste al 5% se concluye que se rechazan las hipótesis de igualdad de rendimiento de tres proces
distintos (1,2,3); por lo que los efectos de estas variables son significativos en el rendimiento de los tres métodos
Modelo Estadístico
tα/2 2.77644510519779 µ1
µ2
𝐿𝑆𝐷=𝑡α2,(𝑘−1)(𝑏−1)𝑥∗√2𝐶𝑀𝐸/𝑏
µ3
LSD 1.4710135487439E-07
a)
Desde los resultados del ANOVA se observo, con una confianza del 95% que existen diferencias significativas entr
que implica que existe al menos una diferencia significativa entre las medias de estos. Adicionalmente, a partir d
diferencia entre los tres métodos, ya que estan en segmentos diferentes gráficamente, contando con valores sup
lo tanto también lo son.
b)
Con los resultados del ANOVA es posible concluir con un nvel de significancia del 5% que hay diferencias significa
experimentales (α,β,ϒ).
c)
Con los resultados del ANOVA es posible concluir con un nivel de significancia del 5% que hay diferencias significa
experimentales (α,β,ϒ), es decir que estas dos variables afectan el rendimiento.
Con los resultados del ANOVA es posible concluir con un nivel de significancia del 5% que hay diferencias significa
experimentales (α,β,ϒ), es decir que estas dos variables afectan el rendimiento.
Análisis
tesis de igualdad de rendimiento de tres procesos de fabricación (A,B,C), condiciones experimentales ( α,β,ϒ) y días
ficativos en el rendimiento de los tres métodos (1,2,3).
a)
el 95% que existen diferencias significativas entre los métodos (1,2,3) dado el rechazo de la Ho y la aceptación de la Ha, lo
las medias de estos. Adicionalmente, a partir del diagrama de cajas podemos concluir como es visiblemente clara la
erentes gráficamente, contando con valores superiores muy diferentes e inferiores igualmente, por lo que sus medias por
b)
ignificancia del 5% que hay diferencias significativas entre los procesos de fabricación (A,B,C) y las condiciones
c)
significancia del 5% que hay diferencias significativas entre los procesos de fabricación (A,B,C) y las condiciones
rendimiento.
Excel. Este gráfico no está disponible en su versión de Excel.
to de archivo diferente, Si edita esta forma o guarda el libro en un formato de archivo diferente, el
gráfico no se podrá utilizar.
Tratamientos Factor Bloque II
Análisis
El rendimiento promedio de los métodos 1 y 2 son diferentes.
El rendimiento promedio de los métodos 1 y 3 son diferentes.
El rendimiento promedio de los métodos 2 y 3 son diferentes.
Gráfica
Fo=7,92x10^1
3
Y X1 X2 X3
Mano de obra Exposiciones Días de cama Estancia promedio
Hospital requerida/mes mensuales de rayos X ocupada al mes del paciente(días)
1 566.52 2463 472.92 4.45
2 696.82 2048 1339.75 6.92
3 1033.15 3940 620.25 4.28
4 1603.62 6505 568.33 3.9
5 1611.37 5723 1497.6 5.5
6 1613.27 11520 1365.83 4.6
7 1854.17 5779 1687 5.62
8 2160.55 5969 1639.92 5.15
9 2305.58 8461 2872.33 6.18
10 3503.93 20106 3655.08 6.15
11 3571.89 13313 2912 5.88
12 3741.4 10771 3921 4.88
13 4026.52 15543 3865.67 5.5
14 10343.81 36194 7684.1 7
15 11732.17 34703 12446.33 10.78
16 15414.94 39204 14098.4 7.05
17 18854.45 86533 15524 6.35
A
Variable Dependiente Mano de obra requerida/mes
Variables Independientes Exposiciones mensuales de rayos X
Días de cama ocupada al mes
Estancia promedio del paciente(días)
X1: Exposiciones mensuales de X2: Días de cama ocupada X3: Estancia promedio del
rayos X al mes paciente(días)
GL SC PC F
Regresión 3 489799142 163266381 431.97452
Residuos 13 4913398.5027 377953.731
Total 16 494712540.49
1 1 1 1 1 1 1 1 1 1
5723 11520 5779 5969 8461 20106 13313 10771 15543 36194
1498 1366 1687 1640 2872 3655 2912 3921 3866 7684
6 5 6 5 6 6 6 5 6 7
SCe
= 614.7794165
n k 1
95𝑥_3+614,779
F crítico
2.8944E-13
1 1 1
34703 39204 86533
12446 14098 15524
11 7 6
Estadísticas de la regresión
El coeficiente tiene un valor de 0.995, como esta muy por encima de 0,7
Coeficiente de correlación múltiple 0.9950217 exposiciones de rayos x, los días de cama ocupadas al mes, y la estancía
correlación con la mano de obra requerida/mes
Coeficiente de determinación R^2 0.99006817 El modelo estadistico se ajusta a los datos obtenidos ya que esta por enc
La mayoría de variables independientes afectan la variable de respuesta
R^2 ajustado 0.98777622
ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los
F
libertad cuadrados cuadrados
Regresión 3 489799142 163266380.6621 431.97451772
Residuos 13 4913398.5 377953.7309793
Total 16 494712540
Ho: Bj=0 Estadístico t -2.16036866 La exposición mensual de rayos x y los días de cama
Ha: Bj≠0 t(0,05,13) 2.16036866 de obra requerida/mes
2.9411764706 566.52
8.8235294118 696.82
14.705882353 1033.15
20.588235294 1603.62
26.470588235 1611.37
32.352941176 1613.27
38.235294118 1854.17
44.117647059 2160.55
50 2305.58
55.882352941 3503.93
61.764705882 3571.89
67.647058824 3741.4
73.529411765 4026.52
79.411764706 10343.81
85.294117647 11732.17
91.176470588 15414.94
97.058823529 18854.45
Análisis de Gráficos
5000
0
0 20 40 60 80 100 120
500
0
-500 0 0 0 0 0 0 0 0 0 0 00
00 00 00 00 00 00 00 00 00 00
-1000 10 20 30 40 50 60 70 80 90 1 0
Exposiciones mensuales de rayos X
1000
500
0
-500 0 2000 4000 6000 8000 10000 12000 14000 16000 18000
-1000
Días de cama ocupada al mes
1000
500
0
-500 3 4 5 6 7 8 9 10 11 12
-1000
Estancia promedio del paciente(días)
Residuos
2000
1500
1000
500
0
0 2 4 6 8 10 12 14 16 18
-500
-1000
Predichos vs Residuos
2000
1500
1000
500
0
0 5000 10000 15000 20000 25000
-500
-1000
Gráficos