Estadística Aplicada II CE87

2019-2 – Laboratorio con Minitab, semana 6

Ejercicios y problemas sobre Diseño con dos Factores y Regresión Lineal
Simple

Logro: Al terminar la sesión el estudiante verifica con el análisis de varianza el diseño de dos
factores y pronostica valores a partir de modelos de regresión que brindan la adecuada validez
estadística utilizando el software estadístico Minitab.

Diseño de dos Factores:

1. Un ingeniero está diseñando una batería que se usará en un dispositivo el cuál se

someterá a variaciones de temperatura extrema. El único parámetro de diseño que
puede seleccionar en este punto es el material de la placa o ánodo de la batería y tiene
tres elecciones posibles. Cuando el dispositivo esté fabricado y se envíe al campo, el
ingeniero no tendrá control sobre las temperaturas extremas en las que operará el
dispositivo, pero sabe por experiencia que la temperatura probablemente afectará la
vida efectiva de la batería.

El ingeniero decide probar los tres materiales de la placa con tres niveles de temperatura,
15, 70 y 125°F, ya que estos niveles de temperatura son consistentes con el medio
ambiente donde se usará finalmente el producto. Se prueban cuatro baterías con cada
combinación del material de la placa y la temperatura, y las 36 pruebas se corren de
manera aleatoria. La tabla siguiente muestra los resultados obtenidos

Datos de la vida (en horas) de las baterías

Temperatura
Tipo de
15 °F 70 °F 125 °F
130 155 34 40 20 70
M1
74 180 80 75 82 58
150 188 136 122 25 70
M2
159 126 106 115 58 45
138 110 174 120 96 104
M3
168 160 150 139 82 60

Utilice nivel de significación 5%. ¿El tipo de material o la temperatura o el tipo de material
y la temperatura influyen en el tiempo de duración de las baterías? ¿Qué tipo de material
o temperatura o tipo de material y temperatura recomendaría utilizar?
La base de datos se encuentra en la hoja Temperatura
Pruebas
Métod Estadística
o de prueba Valor p

Bartlett 5,24 0,732

TABLA DE ANOVA : PARA VER SI AHAY O NO INTERACCION, LO DE RESALTADO ES LA INTERACCION
ENONCES SI HAY INTERACCION

Análisis de Varianza
SC
Fuente GL Ajust. MC Ajust. Valor F Valor p

  tipo de material 2 10684 5341,9 7,91 0,002

  temperatura 2 39119 19559,4 28,97 0,000
  tipo de 4 9614 2403,4 3,56 0,019
material*temperatura
Error 27 18231 675,2    
Total 35 77647      

COMO SI HAY INTERACCION SE VA A COMPARACION EN MINITAB

Comparaciones para tiempo

Comparaciones por parejas de Tukey: tipo de material*temperatura
Agrupar información utilizando el método de Tukey y una confianza de
95%
tipo de
material*temperatur
a N Media Agrupación

M2 15 °F 4 155,75 A    
M3 70 °F 4 145,75 A B  
M3 15 °F 4 144,00 A B  
M1 15 °F 4 134,75 A B  
M2 70 °F 4 119,75 A B  
M3 125 °F 4 85,50   B C
M1 125 °F 4 57,50     C
M1 70 °F 4 57,25     C
M2 125 °F 4 49,50     C
Las medias que no comparten una letra son significativamente diferentes.

2. Bag Bag, es una empresa dedicada a la fabricación y comercialización de maletas,

mochilas y maletines deportivos. El cambio en los estilos de vida y el crecimiento de la
 economía en Perú, han incremento la demanda de este tipo de artículos, actualmente,
Bag Bag cuenta con tiendas propias, ubicadas en 3 centros comerciales: “Jockey Plaza”,
“Mega Plaza” y “Open Plaza”. Con la finalidad de atender mejor en cada uno de sus
puntos de venta y así incrementar sus ventas totales se ha planteado el siguiente
objetivo:
- Determinar si el tipo de producto (Maleta de viaje, Mochila, Maletín deportivo) o la
ubicación de la tienda (Jockey, Mega, Open) o la interacción de los niveles de ambos
factores, influyen sobre la venta diaria.

Para responder al objetivo, se ha tomado aleatoriamente la venta diaria realizada en

tres días del último mes en cada una de las tres tiendas, y se registró el monto de la
venta por tipo de producto, tal como se muestra a continuación:

Factor B: Factor A: “Ubicación”

“Tipo de Producto” Jockey Plaza Mega Plaza Open Plaza

2100 770 800

Maleta de Viaje 1900 690 750
2015 727 688
Mochila 420 306 1200
405 290 1050
Escolar/Universitario 396 250 1130
550 960 450
Maletín Deportivo 538 952 380
488 933 410

El Gerente Comercial de Bag Bag, le solicita a usted su ayuda para determinar: si el tipo
de producto o la ubicación de la tienda o la interacción de los niveles de ambos factores,
influyen sobre las ventas diarias.
¿Qué decisiones debe tomar el Gerente Comercial, para que mejoren las ventas diarias de
las tiendas ubicadas en dichos centros comerciales? Utilice un nivel de significación del
5%. Realice un análisis completo para la toma de decisiones. La base de datos se
encuentra en la hoja Factores
Análisis de regresión:
3. Un ingeniero químico está calibrando un espectrómetro para medir la concentración de
CO en muestras de aire, esta calibración implica que debe comprobar que existe una
relación lineal en la concentración verdadera de CO (X) y la concentración medida por
el espectrómetro (Y). Para tal fin, selecciona 11 muestras de aire en las que conoce su
verdadera concentración de CO y las compara con la concentración medida por el
espectrómetro. Los datos son los siguientes (las unidades son ppm):

Concentración de CO 0 10 20 30 40 50 60 70 80 90 100

Concentración 1 12 20 29 38 48 61 68 79 91 97

Use un nivel de significación del 8%. Los datos se encuentran en la hoja Concentración.
a. Verifique los supuestos

Gráfica de probabilidad de RESID

Normal
99
Media 8,397323E-15
Desv.Est. 1,435
95 N 11
AD 0,396
90
Valor p 0,307
80
70
Porcentaje

60
50
40
30
20

10

1
-4 -3 -2 -1 0 1 2 3 4
RESID

Estadístico de Durbin-Watson
Estadístico de Durbin-Watson 2,17025
=

b. Valide el modelo de regresión lineal

Análisis de regresión: Concentración Y vs. Concentración de
CO X
Análisis de Varianza
SC
Fuente GL Ajust. MC Ajust. Valor F Valor p

Regresión 1 10486,1 10486,1 4585,37 0,000

  Concentración de CO 1 10486,1 10486,1 4585,37 0,000
X
Error 9 20,6 2,3    
Total 10 10506,7      

c. Presente la ecuación estimada e interprete ambos coeficientes

Ecuación de regresión
Concentración Y = 0,636
+ 0,9764 Concentración de CO X

Coeficientes
EE del
Término Coef coef. Valor T Valor p FIV

Constante 0,636 0,853 0,75 0,475  

Concentración de CO 0,9764 0,014 67,72 0,000 1,00
X 4

d. ¿Qué porcentaje de la concentración medida por el espectrómetro es explicada

por el modelo de regresión estimado?

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)

1,5122 99,80% 99,78% 99,70%

4

e. Interprete el coeficiente de correlación

R-cuad.
 99,80%
LA RAIZ DE 0,9980

f. ¿Cuál será la concentración medida por el espectrómetro cuando la concentración

de CO en el aire sea de 82 ppm?

Predicción
Ajuste EE de ajuste IC de 95% IP de 95%

80,698 0,648679 (79,2308; 82,1656) (76,9758; 84,4205)

2

g. Con un 92% de confianza, ¿cuál será la concentración medida por el espectrómetro

cuando la concentración de CO en el aire sea de 90 ppm?
Predicción
Ajuste EE de ajuste IC de 92% IP de 92%

88,509 0,735209 (87,0588; 89,9594) (85,1921; 91,8261)

1

Ecuación de regresión
Concentración Y = 0,636
+ 0,9764 Concentración de CO X

4. Una importante empresa que brinda servicios de mantenimiento mecánico desea

determinar si existe una relación directa entre el costo anual de mantenimiento de un
cierto tipo de motor y los años que lleva en operación. El gerente general de la
empresa le ha indicado al ingeniero de planta, que, si el tiempo de operación es de 6
años, el costo medio de mantenimiento de un motor debe ser menor de 800 dólares
sino debe comprarse un nuevo motor.
Para ello, el ingeniero de planta recoge los siguientes datos:
Motor 1 2 3 4 5 6 7 8 9
Costo de mantenimiento (dólares) 224 320 471 651 682 708 859 1049 1094
 Tiempo de operación (años) 3 2 4 7 5 9 8 10 11

Elabore un informe, respondiendo las siguientes situaciones:

Situación 1: El Gerente de la empresa implementara descuentos en el mantenimiento del

motor, si logra probar que cuando el tiempo de operación aumenta en un año, el costo de
mantenimiento aumenta en más de 86 dólares. Utilice un nivel de significación 5%.

Situación 2: ¿Se puede afirmar que la correlación entre el costo de mantenimiento y el

tiempo de operación es mayor de 0.85? Utilice un nivel de significación 5%.
Situación 3: Estime, con una confianza del 95%, el costo medio de mantenimiento de un
motor, cuando el tiempo de operación es de 6 años. ¿Se comprará un nuevo motor?
La base de datos se encuentra en la hoja Costo_mantenimiento

5. El vicepresidente de Motor Perú S.A es informado por el equipo de la compañía, que la

resistencia al corte de la unidad ensamblada está en función de la antigüedad de la
carga propulsora cuando se moldea el motor. Para ello se toman al azar 20
observaciones para probar esta relación. La información recogida se muestra en la
siguiente tabla:

Resistencia al corte Antigüedad

N° Observación
(PSI) (Semanas)
1 2158.7 15.5
2 1678.15 23.75
3 2316 8
4 2061.3 17
5 2207.5 5
6 1708.3 19
7 1784.7 24
8 2575 2.5
9 2357.9 7.5
10 2277.7 11
11 2165.2 13
12 2399.55 3.75
12 1779.8 25
14 2336.75 9.75
15 1765.3 22
16 2053.5 18
17 2414.4 6
18 2200.5 12.5
19 2654.2 2
20 1753.7 21.5

Use un nivel de significación del 2%. Los datos se encuentran en la hoja Resistencia.
a. Verifique los supuestos
b. Valide el modelo de regresión lineal.
c. Presente la ecuación estimada e interprete ambos coeficientes.
d. Estime la resistencia al corte de un motor fabricado por una carga propulsora de 20
semanas de antigüedad.
e. Estime con un intervalo de confianza del 98%, la resistencia media al corte de un motor
fabricado por una carga propulsora de 20 semanas de antigüedad.
f. Estime con un intervalo de confianza del 98%, la resistencia al corte de un motor fabricado
por una carga propulsora de 20 semanas de antigüedad.