EXAMEN DE ESTADÍSTICA 2 – SEGUNDO HEMISEMESTRE

PERÍODO 19-20 – PARALELOS 1 Y 2

− Falso: la varianza de la diferencia de dos variables normales, es igual a la diferencia de sus varianzas.
− Verdadero: La distribución de Snedecor puede emplearse para identificar diferencias entre medias de dos muestras.
− Falso: un modelo 3(10-4) permite analizar el efecto de 6C3 interacciones de tercer orden.
− Verdadero: el cuadrado medio del factor (MSF) es una estimación de sigma-cuadrado, cuando el factor en análisis
no tiene efecto sobre la variable de respuesta.
− Falso: la verificación de la homocedasticidad se puede realizar con la prueba de Barlett.
− Verdadero: la prueba de normalidad de Ryan – Joyner es una prueba de hipótesis sobre el coeficiente de correlación
del gráfico de normalidad.

El producto de mayor salida de la cementera Jolsim Inc. es el cemento denominado Jolsim Juerte. En el proceso, se utilizan dos
máquinas para llenar sacos cuyo peso nominal es de 50 kg. Un estudio realizado por la Responsable de Calidad de hace dos años,
indica que ambas máquinas muestran un comportamiento normal de la masa de llenado, con una masa neta de 50,0 oz y con
desviaciones estándar iguales a 87,00 g (llenadora 1) y 75,00 g (llenadora 2). Sin embargo, el nuevo y crítico analista de calidad,
sospecha respecto a la vigencia de dicho estudio. Decide analizar las conclusiones de dicho análisis, para lo que toma una muestra
aleatoria de 10 sacos de la salida de cada máquina.

Empacadora A 50,09 50,13 50,16 50,16 50,06 50,03 49,88 49,94 50,06 49,97
Empacadora B 50,06 49,91 49,88 50,03 49,97 50,09 50,13 50,06 50,03 50,00

1. ¿Qué suposiciones son necesarias para probar las afirmaciones de que la masa media de llenado en cada máquina es igual a 50
kg? De ser el caso, verifique las suposiciones para las cuales tiene la información (1 punto)

• Aleatoriedad e independencia, viene del muestreo.

• Normalidad de los datos:

Empacadora A:

Probability Plot of A
Normal
99
Mean 50,05
StDev 0,09438
95 N 10
AD 0,248
90
P-Value 0,672
80
70
Percent

60
50
40
30
20

10

1
49,8 49,9 50,0 50,1 50,2 50,3
A

Prueba Estadístico Valor-p

AD 0,248 0,672
KS 0,151 >0,150
RJ 0,990 >0,100
SW 0,9412 0,5835

Empacadora B

Probability Plot of B
Normal
99
Mean 50,02
StDev 0,07806
95 N 10
AD 0,242
90
P-Value 0,693
80
70
Percent

60
50
40
30
20

10

1
49,8 49,9 50,0 50,1 50,2
B

Prueba Estadístico Valor-p

AD 0,242 0,693
KS 0,171 >0,150
RJ 0,986 >0,100
SW 0,9588 0,7710
 2. Sobre la base del numeral 1), aplicar un procedimiento estadístico apropiado para probar las afirmaciones de que la media de
llenado de la máquina B es igual a 50 kg. (2 puntos)

Media empacadora B

Sample mean = 50,016

Sample standard deviation = 0,0780598
Sample size = 10

Null Hypothesis: mean = 50,0

Alternative: not equal
Computed t statistic = 0,648175
P-Value = 0,533057
Do not reject the null hypothesis for alpha = 0,05.

3. ¿Qué suposiciones son necesarias para probar que ambas empacadoras llenan la misma masa? De ser el caso, verifique las
suposiciones para las cuales tiene la información. (1 punto)

Mismas del numeral 1

4. Sobre la base del numeral 3), aplicar un procedimiento estadístico apropiado para probar la afirmación del numeral anterior (2 puntos)

t test to compare means

Null hypothesis: mean1 = mean2
Alt. hypothesis: mean1 NE mean2
not assuming equal variances: t = 0,826236 P-value = 0,419863
Do not reject the null hypothesis for alpha = 0,05.

5. Si se desea que la probabilidad de Error Tipo I sea del 3 % y el control de calidad debe detectar diferencias de 0,05 kg, ¿cuál fue la potencia
de la prueba anterior? (2 puntos)

Sigma hipotética: 87 g (llenadora 1)

Parameter to be estimated: difference between two normal means
Desired power: 15,0% for difference = 0,0 versus difference = 0,05
Type of alternative: not equal
Alpha risk: 3,0%
Sigma: 0,087 (to be estimated)
The required sample size is 10 observations from sample 1 and 10 observations from sample 2.

Sigma hipotética: 75 g (llenadora 2).

Parameter to be estimated: difference between two normal means
Desired power: 18,0% for difference = 0,0 versus difference = 0,05
Type of alternative: not equal
Alpha risk: 3,0%
Sigma: 0,075 (to be estimated)
The required sample size is 10 observations from sample 1 and 10 observations from sample 2.

6. ¿Qué suposiciones son necesarias para probar lo señalado en el estudio en relación con la variación en el llenado de los sacos?
De ser el caso, verifique las suposiciones para las cuales tiene la información. (1 punto)

Mismas del numeral 1

7. Sobre la base del numeral anterior, aplicar un procedimiento estadístico apropiado para probar la sospecha de que la variación
de la masa llenada por la máquina A ha aumentado en los últimos dos años. (2 puntos)

Sample standard deviation = 0,0943751

Sample size = 10

Null Hypothesis: standard deviation = 0,087

Alternative: greater than
Computed chi-square statistic = 10,5906
P-Value = 0,30482
Do not reject the null hypothesis for alpha = 0,05.
 8. ¿Qué suposiciones son necesarias para probar lo señalado en el estudio respecto a la relación de las variaciones de las dos
máquinas empacadoras? De ser el caso, verifique las suposiciones para las cuales tiene la información. (1 punto)

Mismas del numeral 1

9. Sobre la base del numeral anterior, aplicar un procedimiento estadístico apropiado para determinar si los datos apoyan la
afirmación de que la relación de las desviaciones estándar de ambas máquinas es la señalada por el estudio, si se desea que la
prueba acepte una hipótesis nula verdadera como tal, el 90 % de las veces. (2 puntos)

A B
Standard deviation 0,0943751 0,0780598
Variance 0,00890667 0,00609333
Df 9 9
Ratio of Variances = 1,46171

F-test to Compare Standard Deviations

Null hypothesis: sigma1 / sigma2 = 1,16
Alt. hypothesis: not equal
F = 1,08629 P-value = 0,9039
Do not reject the null hypothesis for alpha = 0,1.
 La presión de vapor de cierta sustancia pura, determinada experimentalmente a diferentes temperaturas, se muestra en la
siguiente tabla:

a. Determine el modelo de regresión lineal simple que permita calcular la presión de vapor (mmHg) como función de la
temperatura (celsius). Para ello, utilice la verificación de la significancia estadística del modelo y las constantes (2
puntos)

Con ordenada al origen:

Least Squares Standard T

Parameter Estimate Error Statistic P-Value
Intercept -127,003 65,6022 -1,93595 0,0849
Slope 6,58019 1,11126 5,92138 0,0002

Source Sum of Squares Df Mean Square F-Ratio P-Value

Model 476288, 1 476288, 35,06 0,0002
Residual 122255, 9 13583,9
Total (Corr.) 598543, 10
Correlation Coefficient = 0,892046

Sin ordenada al origen:

Least Squares Standard T

Parameter Estimate Error Statistic P-Value
Slope 4,76354 0,672097 7,08757 0,0000

Source Sum of Squares Df Mean Square F-Ratio P-Value

Model 869876, 1 869876, 50,23 0,0000
Residual 173166, 10 17316,6
Total 1,04304E6 11

b. Analice la fuerza del modelo. ¿Qué conclusiones puede obtener? (1 punto)

Correlation Coefficient = 0,913225

R-squared = 83,398 percent

Coeficiente de correlación de Pearson 0,9132. Correlación positiva muy alta.

c. Analice los supuestos de aplicación del modelo. ¿Qué conclusiones puede obtener? (2 puntos)

Normalidad
tC PV PV predicho Residuo
-0,15 5,08 -0,71 5,8
9,85 8,41 46,92 -38,5
19,85 19,15 94,56 -75,4
29,85 30,04 142,19 -112,2
39,85 57,56 189,83 -132,3
49,85 95,32 237,46 -142,1
59,85 140,98 285,10 -144,1
69,85 258,28 332,73 -74,5
79,85 331,01 380,37 -49,4
89,85 505,18 428,00 77,2
99,85 760,21 475,64 284,6

Probability Plot of e1
Normal
99
Mean -36,44
StDev 125,9
95 N 11
AD 0,804
90
P-Value 0,025
80
70
Percent

60
50
40
30
20

10

1
-400 -300 -200 -100 0 100 200 300
e1

Prueba Estadístico Valor-p

AD 0,804 0,025
KS 0,234 0,091
RJ 0,888 0,001

Independencia:
Durbin-Watson statistic = 0,402429 (<1)
 Hay autocorrelación: dependencia.

Además, el gráfico de residuos revela un patrón:

Residual Plot
Pv = 4,76354*tC

4
Studentized residual

-2

-4
-10 90 190 290 390 490
predicted Pv

Varianza común:

Predicted Studentized
Row X Y Y Residual Residual
11 99,85 760,21 475,639 284,571 3,93
Residuo estudentizado atípico.

No se cumplen supuestos.

Dos autores muy conocidos proponen el siguiente modelo (T = temperatura absoluta, K):
b
pV = aeT

d. Establezca la linealización matemática más conveniente para este modelo y con ella, determine el modelo de regresión
lineal correspondiente. Para ello, utilice la verificación de la significancia estadística del modelo y las constantes (3
puntos)
ln pv = ln a + b.(1/T)

1/T ln pv
0,003663 1,62531126
0,00353357 2,12942147
0,00341297 2,95230272
0,00330033 3,40252983
0,00319489 4,05282788
0,00309598 4,55723965
0,003003 4,94861804
0,00291545 5,55404427
0,00283286 5,80214859
0,00275482 6,2249148
0,00268097 6,63359471

Least Squares Standard T

Parameter Estimate Error Statistic P-Value
Intercept 20,4457 0,231547 88,3002 0,0000
Slope -5147,74 73,707 -69,8406 0,0000

Source Sum of Squares Df Mean Square F-Ratio P-Value

Model 27,9327 1 27,9327 4877,71 0,0000
Residual 0,0515394 9 0,0057266
Total (Corr.) 27,9842 10

e. Analice la fuerza del modelo. ¿Qué conclusiones puede obtener? (1 punto)

Correlation Coefficient = -0,999079

R-squared = 99,8158 percent
Coeficiente de Pearson = -0,999079 correlación negativa muy alta
 f. Analice los supuestos de aplicación del modelo. ¿Qué conclusiones puede obtener? (3 puntos)

1/T ln pv Ln pv predicho e'

0,003663 1,62531126 1,58950952 0,03580174
0,00353357 2,12942147 2,25580601 -0,12638453
0,00341297 2,95230272 2,8766215 0,07568121
0,00330033 3,40252983 3,45645908 -0,05392925
0,00319489 4,05282788 3,99924633 0,05358156
0,00309598 4,55723965 4,50842446 0,04881519
0,003003 4,94861804 4,98702132 -0,03840328
0,00291545 5,55404427 5,43771166 0,11633261
0,00283286 5,80214859 5,86286714 -0,06071855
0,00275482 6,2249148 6,26459807 -0,03968327
0,00268097 6,63359471 6,64478847 -0,01119376

Probability Plot of e2
Normal
99
Mean -0,000009122
StDev 0,07179
95 N 11
AD 0,247
90
P-Value 0,684
80
70
Percent

60
50
40
30
20

10

1
-0,2 -0,1 0,0 0,1 0,2
e2

Prueba Estadístico Valor-p

AD 0,247 0,684
KS 0,984 >0,100
RJ 0,158 >0,150

Durbin-Watson statistic = 3,09794 (P=0,9567)

No hay autocorrelación, hay independencia.

No hay patrones:
Residual Plot
Ln Pv = 20,4457 - 5147,74*1/T

2,5

1,5
Studentized residual

0,5

-0,5

-1,5

-2,5
0 2 4 6 8
predicted Ln Pv

No hay residuos atípicos.

Predicted Studentized
Row X Y Y Residual Residual
2 0,00353357 2,12942 2,2558 -0,126374 -2,37

Se cumplen los supuestos.

g. Determine el valor de las constantes a y b para el modelo transformado (1 punto)

Ln a = 20,4457 -→ a = 757625683,2
B = -5147,74

h. Entre los dos modelos desarrollados, elija el que considere estadísticamente más adecuado y establezca un intervalo de
confianza al 97 % para una sola determinación de presión, a 55 ° C (2 puntos)

T = 328,15
1/T = 0,00304738686576261

Predicted Lower 97% Upper 97% Lower 97% Upper 97%

X Y Pred. Limit Pred. Limit Conf. Limit Conf. Limit
0,00304739 4,75854 4,55456 4,96252 4,69794 4,81913

4,55456 → 95,96 mmHg

4,96252 → 142,95 mmHg