Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Actividad 2.. Diseño Experimental PDF
Actividad 2.. Diseño Experimental PDF
PRIMERA PARTE:
SEGUNDA PARTE:
1. En un estudio estadístico, ¿qué es una población y para qué se toma una muestra?
Una población hace referencia es una colección o totalidad de posibles individuos o coas que se les
realiza un estudio, estas están clasificadas entre infinitas o finitas, en el caso que la población sea finita
en esta se puede medir todos los individuos para tener un conocimiento “exacto, a su vez si la población
es infinita o grande es imposible e incosteable medir a todos los individuos, en este caso se tendrá que
sacar una muestra representativa; las muestras se toman con el objetivo de tener una parte de medida
cuando l población es infinita, a su vez se sabe que esta muestra se toma teniendo en cuenta que cumpla
con ciertos criterios de toda la población en el estudio realizado.
Principalmente, se debe saber que es una hipótesis estadística, de esta manera una hipótesis estadística
es una afirmación sobre los valores de los parámetros de una población o proceso, en este contexto el
probar una hipótesis es llegar a una veracidad sobre algo que se plantío desde el comienzo del análisis
experimental es decir si lo afirmado por la hipótesis nula es verdad o no, teniendo un orden de pasos a
seguir para probar esta hipótesis entre esto tenemos que suponer que la hipótesis nula es verdadera y que
en caso de ser rechazada por la evidencia que aportan los datos, se estará aceptando la hipótesis
alternativa, otro aspecto importante a tener en cuenta es seleccionar bien el valor a especificar, con el
objetivo de que se separe dos situaciones que llevan a tomar diferentes acciones.
3. ¿Qué es hacer una estimación puntual y en qué consiste hacer una estimación por intervalo para
la media, por ejemplo?
Hacer una estimación puntual, es generar un valor numérico simple a partir de un parámetro desconocido,
esta estimación puntual se utiliza para hacer una estimación del valor del parámetro desconocido, se
utilizan la media muestral, la varianza muestral, las propiedades defectuosas en una muestra de tamaño,
al hacer una estimación por intervalo nos da una aceptación de los datos más precisa en este caso se
realiza un intervalo de confianza donde indica el rango “donde puede estar el parámetro “con cierto nivel
de confianza .
4. ¿Por qué no es suficiente la estimación puntual y por qué se tiene que recurrir a la estimación por
intervalo?
No es suficiente porque nos da una veracidad baja, en cambio realizando la prueba de intervalo de
confianza, nos da una elevada confianza en los resultados.
estadística.
6. En el contexto de estimación por intervalo, señale en forma específica para estimar qué
parámetro utiliza cada una de las siguientes distribuciones: T de Student, Normal y jicuadrada.
Los parámetros utilizados en la estimación por intervalo en la distribución normal estándar y T de Student
son simétricas y centradas en cero por lo tanto sus estimaciones son la media y la desviacion estándar y
para jicuadrada se utiliza para hacer la inferencia sobre las varianzas.
Un estadístico de prueba es un numero calculado a partir de los datos y la hipótesis nula, cuya magnitud
permite discernir si se rechaza o no la hipótesis nula H0.su relación con los intervalos de aceptación y
rechazo hace referencia al conjunto de posibles valores del estadístico de prueba que llevan a rechazar
H0, se les llama región o intervalo de rechazo para la prueba, y a los posibles valores donde no se rechaza
H0 se les llama región o intervalo de aceptación.
Principalmente los errores se dan porque se realizan hipótesis estadísticas, de esta manera el error tipo I
es aquel que ocurre cuando se rechaza H0 cuando esta es verdadera, y a su vez el error tipo II es aquel
cuando se acepta H0 y esta es falsa, en toda prueba de hipótesis cada tipo de error tiene una probabilidad
de ocurrir.
9. Señale y describa de manera breve los tres criterios equivalentes de rechazo de una
hipótesis.
Para rechazar una hipótesis se debe tener en cuenta estos tres criterios el primero de ellos es estadístico
de prueba frente a valor critico en este caso, este método consiste en rechazar H0 si el estadístico de
prueba cae en la regio de rechazo que está delimitada por el valor crítico, este se utiliza comúnmente si
se hace cálculos de manera manual, el segundo se llama significancia observada frente a significancia
predefinida este hace referencia al riesgo máximo que el experimentador está dispuesto a correr con
respecto al error tipo I, y por último se encuentra el criterio de intervalo de confianza en el cual se
rechaza H0 si el valor del parámetro declarado en la hipótesis nula se encuentra fuera del intervalo de
confianza para el mismo parámetro, este criterio es bueno cuando el software proporciona el intervalo de
confianza para el parámetro de interés, pero no provee la prueba de hipótesis correspondiente.
Principalmente se dice que las muestras pareadas son aquellas que se obtienen habitualmente de distintas
observaciones realizadas sobre la misma población o individuo de esta manera se tiene el siguiente
ejemplo:
Los siguientes datos representan el número de horas que un compensador opera antes de requerir una
recarga: 1.5, 2.2, 0.9, 1.3, 2.0, 1.6, 1.8, 1.5, 2.0, 1.2 y 1.7. Utilice la prueba de rango con signo para
probar la hipótesis en el nivel de significancia de 0.05 que este compensador particular opera con una
media de 1.8 horas antes de requerir una recarga.
Solución:
H0: µ = 1.8
H1; µ 1.8
Se procederá a efectuar las diferencias y a poner rango con signo a los datos.
Regla de decisión:
Para una n = 10, después de descartar la medición que es igual a 1.8, la tabla A.16 muestra que la
región crítica es w 8.
Cálculos:
w+ = 7 + 3 + 3 = 13
w- = 5.5 + 10 + 8 + 3 + 5.5 + 9 + 1 = 42
por lo que w = 13 (menor entre w+ y w-).
Decisión y Conclusión:
Como 13 no es menor que 8, no se rechaza H0 y se concluye con un α = 0.05 que el tiempo promedio
de operación no es significativamente diferente de 1.8 horas.
14. En la elaboración de una bebida se desea garantizar que el porcentaje de CO (gas) por
envase esté entre 2.5 y 3.0. Los siguientes datos son obtenidos del monitoreo
del proceso:
2.61 2.62 2.65 2.56 2.68 2.51 2.56 2.62 2.63 2.57 2.60 2.53 2.69 2.53 2.67 2.66 2.63
2.52 2.61 2.60 2.52 2.62 2.67 2.58 2.61 2.64 2.49 2.58 2.61 2.53 2.53 2.57 2.66 2.51
2.57 2.55 2.57 2.56 2.52 2.58 2.64 2.59 2.57 2.58 2.52 2.61 2.55 2.55 2.73 2.51 2.61
2.71 2.64 2.59 2.60 2.64 2.56 2.60 2.57 2.48 2.60 2.61 2.55 2.66 2.69 2.56 2.64 2.67
Histograma de porcentaje de CO
20
15
INTERVALO
10
0
2.495 2.525 2.555 2.585 2.615 2.645 2.675
MARCA DE CLASE
De esta manera se interpreta que la mayor acumulación o tendencia se encuentra en la tercera clase; 17
datos, es decir el 34% de las bebidas, tardaron entre 2.525 y 2.585 tiempo del gas. Es decir, el histograma
muestra que la acumulación o tendencia del tiempo en que tarda la bebida a obtener el gas se encuentra
entre 2.525 y 2.585.
Solo 5 embaces, es decir únicamente el 4% de los embaces observados se tomó el gas en un tiempo
menor de 2.495.
XPromedio=∑datos/68= 2.59
c) Se supone que µ debe ser igual a 2.75. Dada la evidencia, ¿se puede rechazar tal
supuesto?
µ= promedio de CO
H0: µ= 2.75
Ha: µ> 2.75
Conclusión: se rechaza la hipótesis nula H0, porque según el promedio realizado es de 2.59 lo cual no
corresponde con el valor dado (2.75)
d) Con los datos anteriores estime, con una confianza de 95%, ¿cuál es la desviación
estándar del proceso?
Para la obtencion de la desviacion estándar se utilizó la calculadora Casio, en este caso la desviacion
estándar obtenida fue:
σ= 0.0559
e) El análisis de los datos muestrales establece que el mínimo es 2.48 y el máximo es 2.73, ¿por qué el
intervalo obtenido en el inciso a) tiene una menor amplitud?
Esto puede ocurrir porque varias veces los extremos como 2.48 y 2.73, tienden a ser menores, esto es
porque si se tiene pocos datos, lo cual ocurre que estos tienden a desaparecer, por lo cual influye en el
resultado tanto para valores de la media, desviacion estándar entre otras.
Temperatura Temperatura
baja alta
17.2 21.4
17.5 20.9
18.6 19.8
15.9 20.4
16.4 20.6
17.3 21.0
16.8 20.8
18.4 19.9
16.7 21.1
17.6 20.3
a) ¿La temperatura tiene algún efecto en el encogimiento? Plantee las hipótesis estadística
correspondientes a esta interrogante.
H0: µ1 = µ2
Ha: µ1 ≠ µ2
Promedio de la temperatura baja: 17.2 + 17.5+ 18.6+ 15.9+ 16.4+ 17.3+ 16.8+ 18.4+ 16.7+ 17.6/10=
17.24
σ= 0.842
Promedio de la temperatura alta:21.4+ 20.9+ 19.8+ 20.4+ 20.6+ 21.0+ 20.8+ 19.9+ 21.1+
20.3/10=20.62
σ = 0.520
La temperatura que provoca el menor encogimiento es la temperatura baja. Con una diferencia de 3.38
en las temperaturas.
σ2 = (0.520)2= 0.2704
21,5
21
20,5
20
19,5
19
TEMPERATURA ALTA
Estos diagramas nos brindan información interesante; en ambos diagramas la parte de debajo de la caja
es mayor que la de la derecha; esto quiere decir que las temperaturas comprendidas entre el 25% y el
50% de la población está más dispersa que entre el 50% y el 75%.
El bigote de abajo corresponde a (Xmin, Q1), es más corto que he de arriba; por ello el 25% de las
temperaturas bajas está más concentrada que el 25% de las temperaturas altas.
El rango intercuartilico=Q3 – Q1=0.65; Es decir, el 50%de la temperatura está comprendido en 0,65°C
Referencias:
Gutiérrez, H (n. d). Análisis y diseño de experimentos. Recuperado de:
http://gc.initelabs.com/recursos/files/r161r/w19537w/analisis_y_diseno_experimentos.pdf
ITA Upch. (n.d.). Diseño y análisis de experimentos Douglas C. Montgomery. Recuperado de:
https://www.academia.edu/9101936/Diseño_y_análisis_de_experimentos_Douglas_C._Montgo
mery.
Eriksson, E. Johansson, N. Kettaneh-Wold, C. Wilström, S. Wold Design of Experiments.
Principles and Applications. Umetrics AB. Umea. Suecia.