Proyecto Final Grupo H

UNIVERSIDAD TECNOLÓGICA DE PANAMÁ
FACULTAD DE INGENIERÍA INDUSTRIAL

LICENCIATURA EN INGENIERÍA INDUSTRIAL
DISEÑO DE EXPERIMENTOS
PROYECTO FINAL
“EXPERIMENTOS DE LAS TEMPERATURAS DEL

AIRE ACONDICIONADO EN LA FACULTAD DE
INGENIERÍA INDUSTRIAL”
ESTUDIANTES:
NICOLE ESCUDERO
DARLENE ATIN
DIVINA DOMÍNGUEZ
BRANDON CASTELLANOS
GRUPO:
1II-143/GRUPO H
2018
INDICE
INTRODUCCIÓN..................................................................................................3
METODOLOGÍA...................................................................................................5
FUNDAMIENTOS TEÓRICOS...........................................................................14
RESULTADOS....................................................................................................15
RECOMENDACIONES.......................................................................................47
BIBLIOGRAFÍA...................................................................................................48
ANEXOS.............................................................................................................48
2
INTRODUCCIÓN
La Temperatura es una magnitud que mide el nivel térmico o el calor que un
cuerpo posee. Toda sustancia en determinado estado de agregación (sólido,
líquido o gas), está constituida por moléculas que se encuentran en continuo
movimiento. La suma de las energías de todas las moléculas del cuerpo se
conoce como energía térmica; y la temperatura es la medida de esa energía
promedio.
Actualmente se utilizan tres escalas de temperatura; grados Fahrenheit (ºF),
Celsius (ºC) y Kelvin (ºK). En la escala Fahrenheit, que es la más utilizada en
Estados Unidos, se definen los puntos de congelación y de ebullición normales
del agua en 32 y 212 ºF, respectivamente. La escala Celsius divide en 100
grados el intervalo comprendido entre el punto de congelación (0 ºC) y el punto
de ebullición del agua (100 ºC).
Una investigación realizada por expertos de las universidades de Washington y
California Berkeley nos explican que los estudiantes pasan muchas horas al
año en todos los niveles de educación formándose entre cuatro paredes, se
estudió la influencia que tienen estos espacios físicos en la incorporación de
conocimientos, Según sostienen muchos renombrados pedagogos y expertos
en educación, el entorno físico de un aula puede tener importantes efectos en
el rendimiento académico de los estudiantes, influyendo tanto en su autoestima
como en su sentido de pertenencia al grupo y la institución educativa. Según
este estudio se estima que la temperatura ambiente debe oscilar entre los 20 y
los 23 grados centígrados, que no se sienta calor, pero tampoco este muy baja
la temperatura [Uni15].
Con este proyecto tenemos como objetivo estudiar las temperaturas del aire
acondicionado de los diferentes salones de la Facultad de Ingeniería Industrial
a través de diferentes experimentos. Estos experimentos son 4 en total de los
cuales cada uno tenían distintas variables a considerar para así obtener
información completa y poder realizar un mejor análisis. Cada experimento
contaba con objetivos específicos tales como: la planeación completa del
experimento, la realización de este, el análisis e interpretación de los datos
tomados en cada uno de los experimentos y recomendaciones a considerar
para cada uno.
Para obtener un poco más de conocimiento de este proyecto, los 4
experimentos consistían en lo siguiente:
Experimento 1, tiene el fin de estudiar las mediciones de temperaturas de los
salones de la Facultad de Ingeniería Industrial en diferentes horas del día (9:00
a.m., 12m., 3:00 p.m., 6:00 p.m., 9:00 p.m.)
Experimento 2, con el propósito de estudiar la temperatura de los salones: 411,
415, 428, 416, 418, 420, 421, 423, 424, 425 (elegidos aleatoriamente en la
Facultad de Ingeniería Industrial), durante los días hábiles (lunes a viernes),
realizando las mediciones a las 3:00 p.m.
Experimento 3, consiste en el estudio de las mediciones de temperaturas
realizadas con 5 higrómetros diferentes en los salones: 411, 415, 416, 418,
3
420 (elegidos aleatoriamente en la Facultad de Ingeniería Industrial) por 5
técnicos diferentes.
Experimento 4, se quiso estudiar las mediciones de temperaturas realizadas
con 5 higrómetros diferentes, en periodos de tiempo diferentes (8 a.m. 10 a.m.
12m 2 p.m. 4 p.m.) en los salones: 411, 415, 418, 420, 421 (elegidos
aleatoriamente en la Facultad de Ingeniería Industrial) por 5 técnicos diferentes.
Estos experimentos tienen gran importancia ya que las condiciones
ambientales afectan el rendimiento de los estudiantes, ya sean las
temperaturas muy elevadas o muy bajas estas siempre causarán un impacto
en el rendimiento. Se ha estudiado que el empleo excesivo del aire
acondicionado puede causar faringitis y bronquitis ya que los aires
acondicionados producen sequedad y a esto se le debe sumar los cambios
bruscos de temperatura que presentamos en el país donde se pasa de un
ambiente caluroso a otro frío y viceversa.
Por otro lado también es importante realizar este experimento porque se
podrán obtener pruebas de los comentarios por parte de los usuarios, de esta
forma no solo se basarán en lo que alguien dice para hacer cambios en el
sistema de refrigeración, sino que estará basado en una base de datos
verídica, al momento de los encargados hacer los ajustes se podrán obtener
espacio con temperaturas agradables que permitan el pleno desarrollo de las
capacidades, que es la función principal de la Universidad.
4
METODOLOGÍA
Para este proyecto cada experimento tuvo una forma de recolectar los datos,
de aleatorizarlos y se utilizaron diversos diseños para su análisis, esto según el
tipo de variables que se nos presentaban.
Experimento 1
La recolección de datos de este experimento se realizó en la Facultad de
Ingeniería Industrial de la Universidad Tecnológica de Panamá el 3 de mayo del
2018 y finalizó el mismo día.
Se separaron 5 niveles para medir la temperatura, que eran el factor de interés,
empezando a las 9:00 a.m., seguido por las 12:00 p.m., 3:00 p.m., 6:00 p.m. y
9:00 p.m., se obtuvieron un total de 6 observaciones por nivel, 30 en total. Se
procedió a medir la variable de respuesta que serían las temperaturas dentro
de los salones utilizando la ayuda de un higrómetro EXTECH 445715 que tiene
las siguientes características:
 Con sonda remota, pantalla simultanea de temperatura y humedad.
 Indica lecturas de humedad y tempe-ratura puede ser calibrado usando
la calibración opcional.
 La sonda remota monta convenien-temente en el medidor o se extiende
para mediciones en conductos y otros lugares remotos.
Para este experimento se utilizó el Diseño completamente al azar balanceado,
para el análisis de los datos, representado por el siguiente modelo estadístico:
Donde:
j= 1,2,3,4,5 (Horas de medición)
i= 1,2,3,4,5,6 (Salones)
Yij = es la temperatura medida en el i-esimo salón en la j-ésima hora de
medición
µ = es la temperatura promedio total de los salones
τj = es el efecto de la j-ésima hora de medición sobre la temperatura de los
salones
εij = es el error experimental
Utilizado un nivel de significancia de 0.05 se procedió a realizar los siguientes
contrastes de hipótesis:
 Hipótesis Principal
5
H0 = µ1 = µ2 = …µ5
H1 = al menos una de las medias de las horas de medición de las temperaturas
es diferente.
Con regla de decisión
Fc ≥ F α , gln, gld se descarta H0
Con gln=4 , gld=25
 Normalidad
H0 = los datos de las temperaturas de los salones provienen de una distribución

normal.
H1 = los datos de las temperaturas de los salones no provienen de una
distribución normal.
Con la regla de decisión:
Si Pvalue de prueba> α no se rechaza H0
 Homocedasticidad
H0 = σ21 = σ22 = …σ2k

H1 = al menos una de las varianzas de los niveles de las horas de mediciones
de las temperaturas es diferente.
 Independencia
Este supuesto se verifica a través de las pruebas gráficas de residuos vs

orden en el software estadístico Minitab.
La planificación de la recolección de los datos se realizó a través del
procedimiento de aleatorización presentado en Tabla 1.
CODIFIC
ALEATORIO SALONES HORAS
.
1 8 424 9:00 AM
2 23 426 9:00 AM
3 20 429 9:00 AM
4 24 419 9:00 AM
5 17 423 9:00 AM
6 26 409 9:00 AM
7 13 403 12:00 PM
8 4 427 12:00 PM
9 1 422 12:00 PM
6
10 19 Salón de Prof. 12:00 PM
11 18 415 12:00 PM
12 22 411 12:00 PM
CODIFIC
ALEATORIO SALONES HORAS
.
13 11 417 3:00 PM
14 9 421 3:00 PM
15 5 410 3:00 PM
16 3 404 3:00 PM
17 15 416 3:00 PM
18 2 428 3:00 PM
19 25 408 6:00 PM
20 14 405 6:00 PM
21 21 401 6:00 PM
22 27 425 6:00 PM
23 28 412 6:00 PM
24 10 406 6:00 PM
25 7 420 9:00 PM
26 12 402 9:00 PM
27 6 418 9:00 PM
28 16 407 9:00 PM
29 29 Salón Estud. 9:00 PM
30 30 Laboratorio 9:00 PM
Tabla 1. Aleatorización de salones y horas
Experimento 2
La recolección de datos se realizó en las aulas de la Facultad de Ingeniería
Industrial de la Universidad Tecnológica, iniciando el lunes 18 de junio del 2018
y finalizando el viernes 22 de junio del 2018, tomando todas las mediciones de
cada salón seleccionado (411, 415, 428, 416, 418, 420, 421, 423, 424, 425) a
las 3:00 p.m.
Para analizar la variable de respuesta, la cual vendría siendo la temperatura, se
prepararon 10 niveles (salones) los cuales se le asignaron a cada uno de los
bloques (días de la semana) de manera aleatoria. La temperatura se midió con
la ayuda del instrumento utilizado en el experimento uno.
En el primer experimento se utilizó un diseño de bloques al azar de un solo
factor y aleatorio representado por el modelo:
Y ij =μ+ β i+ τ j+ ε ij
i=1 … n y j=1 … k ε ij → NID ( 0, σ 2 )
Donde
7
Y ij =es la medición de la temperatura en eli−esimo bloque para el j−esimo nivel del factor de interés .
μ=es la media total .
τ j=es el j−esimo nivel del factor de interés .
β i=es el efecto de i−esimo bloque .
ε ij =es el error experimental .

Para los días de la semana (BLOQUES)

H0 = µ1 = µ2 = …µ5
H1 = al menos una de las medias de los días de la semana en que se realizaron
la medición de las temperaturas es diferente.
Para los salones (FACTOR DE INTERÉS – FACTOR ALEATORIO)
Ho: 21 = 22 =......... 210
H1: al menos una de las varianzas de los salones es diferente
Con regla de decisión para ambos
Fc ≥ F α , gln, gld se descarta H0
Con gln=4 , gld=36
 Normalidad
H0 = los datos de las temperaturas de los salones provienen de una distribución

normal.
H1 = los datos de las temperaturas de los salones no provienen de una
distribución normal.
Para los días de semana (BLOQUES)

H0 = σ21 = σ22 = …σ25
8
H1 = al menos una de las varianzas de los días de la semana donde se
tomaron las mediciones de las temperaturas es diferente.
Para los salones (FACTOR DE INTERÉS)
H0 = σ21 = σ22 = …σ210
H1 = al menos una de las varianzas de los salones en donde se tomaron las
mediciones de las temperaturas es diferente.
Con la regla de decisión para ambos:
 Independencia
Este supuesto se verifica a través de las pruebas gráficas de residuos vs

orden en el software estadístico Minitab.
La planificación de la recolección de los datos se realizó a través del
procedimiento de aleatorización presentado en Tabla 2.
LUN MART MIERCOL JUEV VIERN
ES ES ES ES ES
421 411 411 425 423
425 423 415 424 428
415 418 424 421 411
428 421 425 411 425
416 424 420 420 416
418 416 418 418 415
411 420 416 416 418
420 425 421 423 424
424 428 423 415 421
423 415 428 428 420
Tabla 2. Aleatorización del experimento 2.
Experimento 3
La recolección de datos de este experimento se realizó en los salones de la
Facultad de Ingeniería Industrial de la Universidad Tecnológica de Panamá,
dando inicio el día 27 de junio de 2018 y finalizando el 29 de junio de 2018. Las
mediciones fueron tomadas a las 3:00 p.m. en los salones 411, 415, 416, 418 y
420, los cuales se encuentran en el ala derecha de la facultad. Estas
mediciones fueron realizadas por 5 higrómetros diferentes.
Para este caso, la variable de respuesta es la temperatura de los salones (ºC),
los bloques se han representado como los salones y los operarios, mientras
que el factor de interés de este experimento serán los 5 diferentes higrómetros
que se utilizaron para tomar las temperaturas.
Las especificaciones de estos higrómetros van a ser las mismas que las del
experimento 1, ya que son la misma marca de higrómetros.
9
Para este experimento se seleccionó el Diseño Cuadra Latino, ya que, la
temperatura está siendo influida por los salones y los operarios a parte de los
higrómetros. Este diseño se usa para eliminar dos fuentes de variabilidad
problemáticas, o sea, que permite analizar sistemáticamente por bloques en
dos direcciones. En este diseño, los renglones y las columnas representan, en
realidad, dos restricciones de aleatorización.
El Modelo Estadístico Lineal utilizado en este experimento fue el siguiente:
Yijk    i   j  k   ijk
i 1....t
j 1....t
k 1....t
Donde:
Yijk =es la observación correspondiente al k-ésimo higrómetro, representado por
las letras latinas, para el i-ésimo salón yelj-ésimo operario.
=es la media general
 i=es el efecto deel i-ésimo salón sobre las temperaturas
 j =es el efecto de el j-ésimo operario sobre las temperaturas
 k =es el efecto del k-ésimo higrómetro sobre las temperaturas

εijk=error experimental
 Hipótesis principal
Filas (Salones)
H0 = 1 = 2=3 =4=5
H1 = al menos una de las medias de los salones es diferente para cada una de
las temperaturas.
Columnas (Operarios)
H0 = 1 = 2=3 =4=5
H1 = al menos una de las medias de los operarios es diferente para cada una
de las temperaturas.
Letras Latinas (Higrómetros)
H0 = 1 = 2=3 =4=5
H1 = al menos una de las medias de los higrómetros es diferente para cada una
10
Regla de decisión (se aplica a todas las hipótesis)
Descartar H0 si P-value ≤ α
 Normalidad
H0 = las mediciones de la temperatura tienen una distribución normal

H1 = las mediciones de la temperatura no tienen una distribución normal
Para las Filas (Salones)

Ho: 21 = 22 = 23 = 24 = 25
H1 = las varianzas de la temperatura de los salones son diferentes.
Para las columnas (Operarios)
Ho: 21 = 22 = 23 = 24 = 25
H1 = las varianzas de la temperatura de los operarios son diferentes.
Para las Letras Latinas (Higrómetros)
Ho: 21 = 22 = 23 = 24 = 25
H1 = las varianzas de la temperatura de los higrómetros son diferentes.
Con la regla de decisión para todas:
 Independencia
Este supuesto se verifica a través de las pruebas gráficas de residuos vs orden

en el software estadístico Minitab.
Para aleatorizar los instrumentos de medición, higrómetros, se seleccionó la
configuración 5x5 de los cuadrados estándar, de tal forma que a cada salón y a
cada operario se le asignan aleatoriamente cada uno de los higrómetros,
representados por las letras latinas. En la Tabla 3 se muestra la aleatorización.
OPERARIOS
SALONES
1 2 3 4 5
411 A D B E C
415 D A C B E
416 C B E D A
418 B E A C D
420 E C D A B
11
Experimento 4
La recolección de datos de este experimento se realizó en la Facultad de
Ingeniería Industrial de la Universidad Tecnológica de Panamá el 27 de junio
del 2018 y finalizó el mismo día.
Para este caso, la variable de respuesta es la temperatura de los salones (ºC),
las filas se han representado como los salones (411, 415, 418, 420, 421) y las
columnas son los 5 operarios, mientras que el factor de interés de este
experimento serán los 5 diferentes higrómetros (Letras latinas) y las horas
seleccionadas, 8 a.m. 10 a.m. 12m 2 p.m. 4 p.m. (Letras griegas), que se
utilizaron para tomar las temperaturas.
Las especificaciones de estos higrómetros van a ser las mismas que las del
experimento 1, ya que son la misma marca de higrómetros.
Para este experimento se seleccionó el Diseño cuadrado grecolatino,
representado por el siguiente modelo estadístico:
Yijkl =  + i + j +  k + l + ijkl
i=1….5
j=1….5
k=1....5
l=1….5
Yijkl = es la observación del i-ésimo salón y el j-ésimo operario con el k-ésimo
higrómetro y la l-ésima hora de medición de la temperatura.
 = media total
i = es el efecto del i-ésimo salón
j = es el efecto del j-ésimo operario
k = es el efecto del k-ésimo higrómetro
l = es el efecto de la l-ésima hora de medición
ijkl = error experimental

 Hipótesis principal
Filas (Salones)
H0 = 1 = 2=3 =4=5
12
las temperaturas.
H0 = 1 = 2=3 =4=5
H0 = 1 = 2=3 =4=5
Letras Griegas (Horas de medición)
H0 = 1 = 2=3 =4=5
H1 = al menos una de las medias de las horas de medición es diferente para
cada una de las temperaturas.
Regla de decisión (se aplica a todas las hipótesis)
Descartar H0 si P-value ≤ α
 Normalidad
H0 = las mediciones de la temperatura tienen una distribución normal

H1 = las mediciones de la temperatura no tienen una distribución normal
Para las Filas (Salones)

Ho: 21 = 22 = 23 = 24 = 25
H1 = las varianzas de la temperatura de los salones son diferentes.
Para las columnas (Operarios)
Ho: 21 = 22 = 23 = 24 = 25
H1 = las varianzas de la temperatura de los operarios son diferentes.
Para las Letras Latinas (Higrómetros)
Ho: 21 = 22 = 23 = 24 = 25
H1 = las varianzas de la temperatura de los higrómetros son diferentes.
13
Para las Letras Griegas (Horas de medición)
Ho: 21 = 22 = 23 = 24 = 25
H1 = las varianzas de la temperatura de las horas de medición son
diferentes.
Con la regla de decisión para todas:
 Independencia
Este supuesto se verifica a través de las pruebas gráficas de residuos vs orden

en el software estadístico Minitab.
Para el proceso de aleatorización se le asigno cada higrómetro y hora de
medición a cada uno de los operarios y salones, así como se puede mostrar en
la Tabla 4.
OPERARIOS
SALONES
1 2 3 4 5
411 A B C D E
415 B C D E A
418 C D E A B
420 D E A B C
421 E A B C D
Para tener una visualización de la ubicación de los salones de la facultad se

diseñó un mapa (ver anexo A)
Una vez recolectados los datos de cada experimento se procedió a verificar los
supuestos del modelo. En cada uno de los experimentos se probaron los
supuestos de normalidad, homocedasticidad e independencia a través de
herramientas gráficas y analíticas.
Luego se utilizó EL ANALISIS DE VARIANZA para determinar el rechazo o no
de las hipótesis nulas de los diferentes contrastes que fueron planteados para
cada experimento.
También se calcularon en cada experimento los parámetros del modelo, el
coeficiente de determinación, así como también los intervalos de confianza
respectivos.
Se realizó la prueba de comparaciones múltiples de Duncan. Para el análisis de
datos se utilizaron herramientas informáticas, tales como Excel y Minitab.
14
FUNDAMIENTOS TEÓRICOS
La temperatura es una propiedad física que se puede medir y su utilidad es

enorme para comprender muchas cosas en este planeta.
En el mundo es muy conocido que la temperatura es una de las magnitudes

que más se utilizan de cara a poder describir y explicar el estado de la
atmósfera. La temperatura va cambiando a lo largo del día, varía en días
nublados, o con viento, en la noche, de una estación a otra, en distintos
lugares, etc. Nunca vamos a tener una temperatura igual y estable durante
muchas horas.
Los espacios escolares influyen sobre los resultados académicos de los

alumnos. Así lo confirman distintas investigaciones realizadas en torno al
impacto que las condiciones ambientales y ergonómicas de los centros
educativos tienen en el rendimiento de los estudiantes y en la labor de los
docentes. El profesor de la Universidad de Durham (Reino Unido) Steve
Higgins, en su revisión literaria 'El impacto de los ambientes educativos',
subraya una evidencia clara de que "ambientes de aprendizaje
extremadamente pobres tienen un efecto negativo en los estudiantes y el
personal docente", así como que, al mejorarlo, "se obtienen beneficios
significativos". En otros países existen leyes dónde se establecen ciertos
parámetros de temperatura en áreas de trabajos sedentarios (como las
universidades) y es un derecho del estudiante recibir dentro de su aula la
temperatura adecuada y optima que no interfiera con su aprendizaje.
El grado de temperatura ambiente en un recinto cerrado es determinado en su

mayoría por los sistemas de refrigeración, estos consisten en ciclos
termodinámicos, mediante los cuales es posible tomar un flujo de calor de una
fuente de baja temperatura y trabajo u otra fuente de energía para transmitir
calor a un sumidero de mayor temperatura. El ciclo termodinámico se realiza
utilizando una sustancia de trabajo que se denomina refrigerante, la cual
cambia de estado durante el ciclo, permitiendo la transferencia de calor
mencionada. El acondicionamiento del aire es el proceso de tratamiento
necesario para mantener las condiciones ambientales de temperatura,
humedad relativa, movimiento y limpieza del aire de un lugar en los valores
deseados para garantizar el confort o el grado de higiene requerido.
Para poder analizar, estudiar y conocer condiciones ambientales en variables
cuantitativas se han inventado muchos instrumentos para su medición de forma
precisa. Primero se estableció una escala de temperaturas. Esta escala permite
asignar un número a cada medida de la temperatura. A principios del siglo
XVIII, Gabriel Fahrenheit (1686-1736) creó la escala Fahrenheit. Fahrenheit
asignó al punto de congelación del agua una temperatura de 32 grados y al
punto de ebullición una de 212 grados. Su escala está anclada en estos dos
puntos. Unos años más tarde, en 1743, Anders Celsius (1701-1744) inventó la
escala Celsius. Usando los mismos puntos de anclaje Celsius asignó al punto
15
de congelación del agua una temperatura de 0 grados y al de ebullición una de
100 grados. La escala Celsius se conoce como el Sistema Universal.
RESULTADOS
Experimento 1
La Tabla 5 muestra los datos obtenidos en las mediciones de las temperaturas
en cada salón.
UNIVERSIDAD TECNOLOGICA DE PANAMA
FACULTAD DE INGENIERIA INDUSTRIAL
DISEÑO DE EXPERIMENTOS
Responsable de las mediciones Grupos C, D, E, F, G
HORAS DE MEDICION
SALONES
9:00 a.m. 12 m 3:00 p.m. 6:00 p.m. 9:00 p.m.
1 26.3 26.2 23.6 24.6 21.1
2 25.8 26.4 23.4 24.8 22.8
3 22.3 23.9 24.4 23.6 19.8
4 24.4 24.3 26.6 22.4 21.3
5 24.5 23.2 24.1 21.9 21.4
6 25.2 23.5 22.4 23.1 20.2
TOTALES/NIVEL 148.2 147.5 144.5 140.4 126.6
TEMPERATURAS
24.7 24.6 24.1 23.4 21.1
PROMEDIOS/NIVEL
GRAN TOTAL 707.2
TEMPERATURA MEDIA TOTAL 23.6
1 Las mediciones pueden que hayan sido afectadas
por la cantidad de personas en el salón, algunos
estaban vacíos, llenos o con cierta cantidad de
personas.
OBSERVACIONES 2 Al momento de tomar las mediciones de las
12:00md estaba lloviendo.
3 La 2da medición de las 9:00am no se pudo tomar en
el momento correspondiente y se tomó a las
10:15am.
Tabla 5. Datos del experimento 1.
Verificación de los supuestos del modelo

 Supuesto de Normalidad
H0 = todos los datos de la temperatura tienen una distribución normal.
H1 = todos los datos de la temperatura no tienen una distribución normal.
16
Prueba Anderson – Darling (muestra menor a 50)
Gráfica 1. Probabilidad de temperatura
El resultado de la prueba AD dice que el valor p es de 0-894, el cual es mayor a

0.05, por lo tanto, no se descarta la hipótesis nula. Se concluye que las
temperaturas medidas tienen una distribución normal.
 Supuesto de Independencia
Residuo vs Orden
Gráfica 2. Residuo vs Orden
Con el gráfico podemos notar que los datos no siguen un patrón, es decir no
siguen una secuencia, por lo tanto, podemos concluir que los datos no están
correlacionados.
 Supuesto de Homocedasticidad
H0 = las varianzas de cada una de las horas en que se tomaron las
temperaturas son iguales.
H1 = las varianzas de cada una de las horas en que se tomaros las
temperaturas no son iguales.
Si Pvalue de prueba> α no se rechaza H 0
17
Prueba de Levene
Gráfica 3. Prueba de Varianzas Iguales
El resultado de la prueba de Levene muestra que el Pvalue, 0,961, es mayor a

el valor de significancia. Por lo tanto, H 0 no se descarta, esto significa que las
varianzas de cada una de las horas en que se tomaron las temperaturas son
iguales.
Hipótesis Principal
H0 = todas las medias serán iguales.
H1 = al menos una media sea diferente
RESUMEN
Grupos Cuenta Suma Promedio Varianza
9:00 a.m. 6 148,5 24,75
1,979
1,909666
12 m 6 147,5 24,5833333 67
1,993666
3:00 p.m. 6 144,5 24,0833333 67
6:00 p.m. 6 140,4 23,4 1,356
9:00 p.m. 6 126,6 21,1 1,104
ANÁLISIS DE VARIANZA
FV SC GL CM Fc Pvalue F
7,921944 0,000287 2,7587104
Temperatura 52,87 4 13,2175 3 1 7
Error 41,711666
experimental 7 25 1,66846667
94,581666
Total 7 29
Tabla 6. Análisis de Varianza.
18
La H0 se descarta, esto quiere decir que las medias no son iguales. Concluimos
esto ya que al hacer la prueba ANOVA nuestra Fc fue mayor que nuestra F
teórica y lo podemos reforzar viendo que nuestro Pvalue nos dio menor que el
valor de significancia y estos son factores para decir que nuestra hipótesis no
se cumple.
Cálculo de Parámetros
2
σ =CMEE
2
σ =1.668
μ=¿
707.9
μ=
30
μ=23.5 9
Coeficiente de determinación
SCN
R2=
SCTo
52.87
R2=
94.58
2
R =0.5589
Se concluye que el 55.58% de la variabilidad que se da en las mediciones de

las temperaturas en los respectivos salones se debe a las horas en que fue
realizada la medición.
Intervalos de confianza
El resultado de los Intervalos de confianza (95%) se muestra en la Tabla 7.
Calculados utilizando el software estadístico Minitab.
HORAS N Media Desv.Est. IC de 95%
9:00AM 6 24.750 1.407 (23.664; 25.836)
2:00 PM 6 24.583 1.382 (23.497; 25.669)
3:00 PM 6 24.083 1.412 (22.997; 25.169)
6:00 PM 6 23.400 1.164 (22.314; 24.486)
9:00 PM 6 21.100 1.051 (20.014; 22.186)
Tabla 7. Intervalos de Confianza del experimento 1.
Prueba de Duncan
19
1. En el análisis de varianza presentada en la Tabla 6 se concluyó que la H 0 se
descarta esto quiere decir que las medias no son iguales por lo tanto
nuestro resultado es significativo
2. En la Tabla 5, donde se encuentran los datos del experimento, se visualiza
el cálculo de las medias por cada hora en que se tomaron las temperaturas.
3. Se ordenaron las medias de cada nivel de manera ascendente como se
muestra en la Tabla 8.
.
Medias
ordenadas
Ӯ5 21,1
Ӯ4 23,4
Ӯ3 24,1
Ӯ2 24,6
Ӯ1 24,7
Tabla 8. Orden de Medias.
4. Cuadro de Rangos Múltiples

Ascendente
Tabla 9. Cuadro
5 de Rangos
4 Múltiples
3 2 1
Descendente 21,1 23,4 24,1 24,6 24,7
1 24,7 3,6 1,3 0,6 0,1 -
2 24,6 3,5 1,2 0,5 -
3 24,1 3 0,7 -
4 23,4 2,3 -
5 21,1 -
5. Contrastes de Hipótesis (Contraste 1.)

H0: µ1 = µ5 H1: µ1 ≠ µ5
H0: µ1 = µ4 H1: µ1 ≠ µ4
H0: µ1 = µ3 H1: µ1 ≠ µ3
H0: µ1 = µ2 H1: µ1 ≠ µ2
H0: µ2 = µ5 H1: µ2 ≠ µ5
Regla de Decisión: Si │ӯi – ӯj │≥ C.D., se descarta H0
6. Cálculo del Comparador Duncan para un DCA
CD = (D0.05, Nodemedias, 29)Sӯ
S ӯ=
√ 1,66846667
5
Sӯ = 0.58
20
No de
2 3 4 5
Medias
D al 5% 2.89 3.04 3.14 3.20
Sy 0.58 0.58 0.58 0.58
CD 1.68 1.76 1.82 1.86
Tabla 10. Cálculo de CD.
7. Comparación de las diferencias de las medias de las horas con su

respectivo CD.
│ӯ1- ӯ5 ≥ 1.86│ 3.6 ≥ 1.86
│ӯ1- ӯ4≤ 1.86│ 1.3 ≤ 1.86
│ӯ1- ӯ3 ≤ 1.76│ 0.06≤ 1.76
│ӯ1- ӯ2 ≤ 1.68│ 0.1≤ 1.68
│ӯ2- ӯ5 ≥ 1.82│ 3.5≥ 1.82
│ӯ2- ӯ4 ≤ 1.76│ 1.2≤ 1.76
│ӯ2- ӯ3 ≤ 1.68│ 0.5≤ 1.68
│ӯ3- ӯ5 ≥ 1.76│ 3≥ 1.76
│ӯ3- ӯ4 ≤ 1.68│ 0.7≤ 1.68
│ӯ4- ӯ5 ≥ 1.68│ 2.3≥ 1.68
Se concluye que existe una diferencia significativa en el promedio de las
temperaturas tomadas en los siguientes pares de media de las horas:
µ1 y µ5 (9:00 a.m. y 9:00 p.m.)
µ2 y µ5 (12:00 m.d. y 9:00 p.m.)
µ3 y µ5 (3:00 p.m. y 9:00 p.m.)
µ4 y µ5 (6:00 p.m. y 9:00 p.m.)
Sin embargo, las temperaturas no varían significativamente para los pares de

media: µ1 y µ4, µ1 y µ3, µ1 y µ2, µ2 y µ4, µ2 y µ3, µ3 y µ4.
Experimento 2
de este experimento.
SALONES
BLOQUES SUMA MEDIA
411 415 416 418 420 421 423 424 425 428 S S
LUNES 23,2 24,1 22,7 23,5 25,5 25,8 25 25,3 25,4 23,8 244,3 48.86
MARTES 23,7 21,4 23,1 23,3 23,5 23,1 23,8 23,6 23,4 23,5 232,4 46.48
MIERCOLE 47.64
S 24,4 23,6 22,9 23,4 23,6 25,1 24,5 24,3 22,3 24,1 238,2
JUEVES 23,3 24 23,1 22 24,1 23,9 23,1 24,1 23 23 233,6 46.72
21
VIERNES 21,1 24,2 21,8 21,1 23,3 23,4 23,8 23,9 23,3 21,5 227,4 45.48
TOTALES
POR 115,7 117,3 113,6 113,3 120 121,3 120,2 121,2 117,4 115,9 1175,9
NIVELES
Tabla 11. Datos del experimento 2.
Verificación de los supuestos del modelo

 Supuesto de Normalidad
H0 = Los datos de la temperatura de los salones presentan una distribución
aproximadamente normal.
H1 = Los datos de la temperatura de los salones no presentan una distribución
En la siguiente gráfica se presenta el resultado de la prueba de Normalidad
realizada con la prueba de Kolmogorov – Smirnov.
Gráfica 4. Prueba de Normalidad - Kolmogorov Smirnov
En este caso si redondeamos el P-value nos da igual a nuestro valor de

significancia (0.045 = 0.05) por lo tanto se descarta la hipótesis nula. Se
concluye que las temperaturas de los salones no presentan una distribución
 Supuesto de Homocedasticidad
Para los días (BLOQUES)
H 0=Las varianzas de los días son iguales
H 1= Al menos una de las varianzas de los días es diferente
22
En la siguiente gráfica se encuentra prueba de igualdad de varianzas para los
bloques.
Gráfica 5. Prueba de Homocedasticidad para los días.
Se puede observar que hay diferencias pero que no son significativas, ya que
al ratificar con el valor de P- Value este es mayor que 0.05, por lo tanto, no se
descarta la hipótesis nula, las varianzas son iguales para cada bloque.
Para los salones (FACTOR DE INTERÉS)
H 0=Las varianzas de los salones son iguales
H 1= Al menos una de las varianzas de los salones es diferente
En la siguiente gráfica se encuentra prueba de igualdad de varianzas para el

factor de interés.
Gráfica 6. Prueba de Homocedasticidad para los salones.
23
Se puede observar que al ratificar con el valor de P- Value este es mayor que
0.05, por lo tanto, no se descarta la hipótesis nula, las varianzas son iguales
para cada salón.
 Supuesto de Independencia
En la siguiente gráfica se presenta el resultado de la prueba de residuo
vs. Orden donde los factores son los días y los salones de clases. Se
realizo el supuesto por el método gráfico.
Gráfica 7. Prueba de Independencia de los datos obtenidos.
Con el grafico se puede concluir que los datos obtenidos de temperatura con
respecto a los salones y días no presentan una secuencia establecida, por lo
tanto, se puede decir que no hay correlación entre sí, se cumple el supuesto de
independencia.
Para los días de la semana (BLOQUES)
H0 = µ1 = µ2 = …µ5
H1 = al menos una de las medias de los días de la semana en que se
realizaron la medición de las temperaturas es diferente.
Para los salones (FACTOR DE INTERÉS – FACTOR ALEATORIO)
Ho: 21 = 22 =......... 210
H1: al menos una de las varianzas de los salones es diferente
24
Tabla 12. Análisis de varianza
Para los días de semana la Fc > a la F teórica, por lo tanto, la hipótesis nula se
descarta concluyendo que al menos una de las medias de los días de semana
es diferente. Sin embargo, para los salones la Fc > a la F teórica, por lo tanto,
la hipótesis nula se descarta concluyendo que al menos una de las varianzas
de los salones es diferente.
σ 2=CMEE
σ 2=0.633
μ=¿
1175.9
μ=
50
μ=23.52
Cálculo del coeficiente de determinación

SCN + SCB
R2=
SCTo
( 16,0578+16,3048 )
R2=
55,1538
R2=0,5867700 9
El modelo explica que la variabilidad de las mediciones de temperatura está en

un porcentaje de 58%.
Intervalos de Confianza
Se muestra con un 95% de confianza los valores en donde se encuentra la
temperatura promedio para los salones.
Los valores en los que se encuentra la temperatura promedio para el salón 411
está entre el límite inferior 22.246 y límite superior 24.034.
25
Prueba de Duncan – Para los días (BLOQUES)
1. En el análisis de varianza presentada en la Tabla 12 se concluyó que la H 0
de los días de semana, o sea los bloques, se descarta esto quiere decir que
las medias no son iguales por lo tanto nuestro resultado es significativo
el cálculo de las medias por cada día de la semana en que se tomaron las
temperaturas.
Medias
ordenadas
Ӯ5 45,48
Ӯ2 46,48
Ӯ4 46,72
Ӯ3 47,64
Ӯ1 48,86
Tabla 13. Medias Ordenadas

Ascendente
Tabla 14. Cuadrado
5 de
2 Rangos4Múltiples3
1
Descendente 45,48 46,48 46,72 47,64 48,86
1 48,86 3,38 2,38 2,14 1,22 -
3 47,64 2,16 1,16 0,92 -
4 46,72 1,24 0,24 -
2 46,48 1 -
26
5 45,48 -
5. Contrastes de Hipótesis (Contraste 1.)
H0: µ1 = µ5 H1: µ1 ≠ µ5
H0: µ1 = µ4 H1: µ1 ≠ µ4
H0: µ1 = µ3 H1: µ1 ≠ µ3
H0: µ1 = µ2 H1: µ1 ≠ µ2
H0: µ2 = µ5 H1: µ2 ≠ µ5

S ӯ=
√ 0,633
5
Sӯ = 0.36
No de Medias 2 3 4 5
D al 5% 2,868 3,015 3,111 3,180
Sy 0.36 0.36 0.36 0.36
CD 1,03 1,09 1,12 1,14
Tabla 15. Cálculo de CD

respectivo CD.
│ӯ1- ӯ5 ≥ 1.14│ 3.38 ≥ 1.14
│ӯ1- ӯ2 ≥ 1.12│ 2,38 ≥ 1.12
│ӯ1- ӯ4 ≥ 1.09│ 2.14 ≥ 1.09
│ӯ1- ӯ3 ≥ 1.03│ 1.22 ≥ 1.03
│ӯ3- ӯ5 ≥ 1.12│ 2.16 ≥ 1.12
│ӯ3- ӯ2 ≥ 1.09│ 1.16 ≥ 1.09
│ӯ3- ӯ4 ≤ 1.03│ 0.92 ≤ 1.03
27
│ӯ4- ӯ5 ≥ 1.09│ 1.24 ≥ 1.09
│ӯ4- ӯ2 ≤ 1.03│ 0.24 ≤ 1.03
│ӯ2- ӯ5 ≤ 1.03│ 1.00 ≤ 1.03
temperaturas tomadas en los siguientes pares de media de los días de
medición:
µ1 y µ5 (lunes y viernes)
µ1 y µ2 (lunes y martes)
µ1 y µ4 (lunes y jueves)
µ1 y µ3 (lunes y miércoles)
µ3 y µ5 (miércoles y viernes)
µ3 y µ2 (miércoles y martes)
µ4 y µ5 (jueves y viernes)
media: µ3 y µ4, µ4 y µ2, µ2 y µ5.
Prueba de Duncan – Para los salones (FACTOR DE INTERÉS)
de los salones, o sea el factor de interés, se descarta esto quiere decir que
las medias no son iguales por lo tanto nuestro resultado es significativo
temperaturas.
Medias
ordenadas
Ӯ4 22,66
Ӯ3 22,72
Ӯ1 23,14
Ӯ10 23,18
Ӯ2 23,46
Ӯ9 23,48
Ӯ5 24
Ӯ7 24,04
Ӯ8 24,24
Ӯ6 24,26
28
4 3 1 10 2 9 5 7 8 6
22.66 22.72 23.14 23.18 23.46 23.48 24 24.04 24.24 24.26
6 24.26 1.6 1.54 1.12 1.08 0.8 0.78 0.26 0.22 0.02 -
8 24.24 1.58 1.52 1.1 1.06 0.78 0.76 0.24 0.2 -
7 24.04 1.38 1.32 0.9 0.86 0.58 0.56 0.04 -
5 24 1.34 1.28 0.86 0.82 0.54 0.52 -

9 23.48 0.82 0.76 0.34 0.3 0.02 -
2 23.46 0.8 0.74 0.32 0.28 -
10 23.18 0.52 0.46 0.04 -
1 23.14 0.48 0.42 -
3 22.72 0.06 -
4 22.66 -
Tabla 17. Cuadro de Rangos Múltiples
5. Contraste de Hipótesis
H0: 1= 2 H1: 1  2 H0: 1 = 7 H1: 1  7
H0: 1 = 3 H1: 1 3 H0: 1 = 8 H1: 1  8
H0: 1 = 4 H1: 1  4 H0: 1 = 9 H1: 1  9
H0: 1 = 5 H1: 1  5 H0: 1 = 10 H1: 1  10
H0: 1 = 6 H1: 1  6 H0: 2 = 3 H1: 2  3
H0: 2= 4 H1: 2  4 H0: 2 = 9 H1: 2  9
H0: 2 = 5 H1: 2  5 H0: 2 = 10 H1: 2  10
H0: 2 = 6 H1: 2  6 H0: 3 = 4 H1: 3  4
H0: 2 = 7 H1: 2  7 H0: 3 = 5 H1: 3  5
H0: 2 = 8 H1: 2  8 H0: 3 = 6 H1: 3  6
H0: 3= 7 H1: 3  7 H0: 4 = 6 H1: 4  6
H0: 3 = 8 H1: 3  8 H0: 4 = 7 H1: 4  7
H0: 3 = 9 H1: 3  9 H0: 4 = 8 H1: 4  8
29
H0: 3 = 10 H1: 3  10 H0: 4 = 9 H1: 4  9
H0: 4 = 5 H1: 4  5 H0: 4 = 10 H1: 4  10
H0: 5 = 6 H1: 5  6
H0: 5 = 7 H1: 5  7
H0: 5 = 8 H1: 5  8
H0: 5 = 9 H1: 5  9
H0: 5 = 10 H1: 5  10

S ӯ=
√ 0,633
10
Sӯ = 0.2516
Numer
o de 2 3 4 5 6 7 8 9 10
Medias
D al 5% 2.87 3.02 3.11 3.18 3.234 3.28 3.31 3.34 3.36

0.251 0.251 0.251 0.251 0.251 0.251 0.251 0.251 0.251
Sӯ
6 6 6 6 6 6 6 6 6
CD 0.72 0.76 0.78 0.80 0.81 0.82 0.83 0.84 0.84

respectivo CD.
│ӯ6- ӯ4≥ │=1.6 ≥ 0.84
│ӯ6- ӯ3 ≥ │= 1.54 ≥ 0.84
│ӯ6- ӯ1 ≥ │= 1.12 ≥ 0.83
│ӯ6- ӯ10 │= 1.08 ≥ 0.82
│ӯ6- ӯ2│= 0.8 ≥ 0.81
│ӯ6- ӯ9 │= 0.78 ≥ 0.80
│ӯ6- ӯ5 │= 0.26 ≥ 0.78
│ӯ6- ӯ7 │= 0.22 ≥ 0.76
30
│ӯ6- ӯ8 │= 0.02 ≥ 0.72
│ӯ8- ӯ4 │= 1.58 ≥ 0.84
│ӯ8- ӯ3│= 1.52 ≥ 0.83
│ӯ8- ӯ1 │= 1.1 ≥ 0.82
│ӯ8- ӯ10 │= 1.06 ≥ 0.81
│ӯ8- ӯ2 │= 0.78 ≥ 0.80
│ӯ8- ӯ9 │= 0.76 ≥ 0.78
│ӯ8- ӯ5 │= 0.24 ≥ 0.76
│ӯ8- ӯ7 │= 0.2 ≥ 0.72
│ӯ7- ӯ4│= 1.38 ≥ 0.83
│ӯ7- ӯ3 │= 1.32 ≥ 0.82
│ӯ7- ӯ1 │= 0.9 ≥ 0.81
│ӯ7- ӯ10 │= 0.86 ≥ 0.80
│ӯ7- ӯ2│= 0.58 ≥ 0.78
│ӯ7- ӯ9 │= 0.56 ≥ 0.76
│ӯ7- ӯ5 │= 0.04 ≥ 0.72
│ӯ5- ӯ4 │= 1.34 ≥ 0.82
│ӯ5- ӯ3 │= 1.28 ≥ 0.81
│ӯ5- ӯ1 │= 0.86 ≥ 0.80
│ӯ5- ӯ10 │= 0.82 ≥ 0.78
│ӯ5- ӯ2│= 0.54 ≥ 0.76
│ӯ5- ӯ9 │= 0.52 ≥ 0.72
│ӯ9- ӯ4 │= 0.82 ≥ 0.81
│ӯ9- ӯ3 │= 0.76 ≥ 0.80
│ӯ9- ӯ1 │= 0.34 ≥ 0.78
│ӯ9- ӯ10 │= 0.3 ≥ 0.76
│ӯ9- ӯ2│= 0.02 ≥ 0.72
│ӯ2- ӯ4 │= 0.8 ≥ 0.80
│ӯ2- ӯ3 │= 0.74 ≥ 0.78
│ӯ2- ӯ1 │= 0.32≥ 0.76
│ӯ2- ӯ10 │= 0.28 ≥ 0.72
│ӯ10- ӯ4 │= 0.52 ≥ 0.78
31
│ӯ10- ӯ3│= 0.46 ≥ 0.76
│ӯ10- ӯ1 │= 0.04 ≥0.72
│ӯ1- ӯ4 │= 0.48 ≥ 0.76
│ӯ1- ӯ3 │= 0.42 ≥ 0.72
│ӯ3- ӯ4 │= 0.06 ≥ 0.72
Se concluye que existe una diferencia significativa en los siguientes pares de
media:
µ6 y µ4 µ6 y µ3
µ6 y µ1 µ6 y µ10
µ8y µ4 µ8 y µ1
µ8 y µ10 µ 7 y µ4
µ7 y µ3 µ7 y µ1
µ7 y µ10 µ5 y µ4
µ5 y µ3 µ5 y µ1
µ5y µ10 µ9 y µ4
µ2y µ4
Los pares de media que no varían significativamente son:
µ6y µ2, µ6 y µ9, µ6 y µ5, µ6 y µ7, µ6 y µ8, µ8 y µ2, µ8 y µ9, µ8 y µ5, µ8 y µ7, µ7 y µ2, µ7 y
µ9, µ7 y µ5, µ5 y µ2, µ5 y µ9, µ9 y µ3, µ9 y µ1, µ9 y µ10, µ2 y µ3, µ2 y µ1, µ2 y µ10, µ10 y µ4,
µ10 y µ3, µ10 y µ1, µ1 y µ4, µ1 y µ3, µ3y µ4.
Experimento 3
en cada salón. La Tabla 20 muestra los totales de las mediciones por
higrómetro.
Total, de
SALONE Medias
OPERARIOS Salones
S
1 2 3 4 5
411 A = 22,7 D = 23,4 B = 21,4 E = 20,9 C = 20,9 109,3 21,86
415 D = 21,4 A = 21,9 C= 20,9 B = 20,8 E = 20,7 105,7 21,14
416 C = 21,8 B = 21,2 E = 19,3 D = 19,4 A = 19,1 100,8 20,16
418 B = 22,7 E = 21,5 A = 19,4 C = 19,3 D = 19,2 102,1 20,42
420 E =23,6 C = 22,8 D = 19,8 A = 21,4 B = 20,1 107,7 21,54
Total por
112,2 110,8 100,8 101,8 100 525,6
Operario
Medias 22,44 22,16 20,16 20,36 20 105,12
Tabla 19. Datos obtenidos.
TOTALES POR HIGRÓMETROS
32
A B C D E
104,5 106,2 105,7 103,2 106
Tabla 20. Totales por Letras Latinas (Higrómetros).
Supuesto de Normalidad
Método grafico
Gráfica 8. Prueba de normalidad
Las observaciones de las temperaturas de los salones presentan una

distribución aproximadamente normal, ya que los datos gráficamente tienen
una tendencial lineal.
Supuesto de Homocedasticidad
Para los Operarios (Columnas)
2 2 2 2 2
H 0=σ 1 =σ 2 =σ 3=σ 4=σ 5
H1 = al menos una de las varianzas de las temperaturas es diferente para cada
uno de los operarios.
Regla de decisión
En el siguiente gráfico se presenta el resultado de la de varianzas iguales para

la temperatura vs operarios, la cual verificaremos con la prueba de Levene.
33
Prueba de varianzas iguales: Temperaturas vs. Operarios
Múltiples intervalos de comparación para la desviación estándar, α = 0,05
Comparaciones múltiples
1 Valor p 0,995
Prueba de Levene
Valor p 0,998
2
Operarios
3
0,5 1,0 1,5 2,0 2,5
Si los intervalos no se sobreponen, las Desv.Est. correspondientes son significativamente diferentes.
Gráfica 9. Prueba de varianzas iguales con el factor de operarios

El P Value que nos da la prueba de Levene es mayor a el valor de significancia
(0,998 > 0.05) por lo tanto no se descarta la H 0. Se concluye que las varianzas
de las temperaturas para cada uno de los operarios son iguales.
Para los Salones (Filas)
H 0=σ 12 =σ 22=σ 23=σ 24=σ 25

uno de los salones.
Regla de decisión

la temperatura vs salones, la cual verificaremos con la prueba de Levene.
Prueba de varianzas iguales: Temperaturas vs. Salones

Múltiples intervalos de comparación para la desviación estándar, α = 0,05
Comparaciones múltiples
411 Valor p 0,108
Prueba de Levene
Valor p 0,630
415
Salones
416
418
420
0 1 2 3 4
Si los intervalos no se sobreponen, las Desv.Est. correspondientes son significativamente diferentes.
Gráfica 10. Prueba de varianzas iguales con el factor de salones

de las temperaturas para cada uno de los salones son iguales.
34
Para los Higrómetros (Letras Latinas)
2 2 2 2 2
H 0=σ 1 =σ 2 =σ 3=σ 4=σ 5
uno de los higrómetros.
Regla de decisión

la temperatura vs higrómetros, la cual verificaremos con la prueba de Levene
Gráfica 11. Prueba de varianzas iguales con el factor de higrómetros

de las temperaturas para cada uno de los higrómetros son iguales.
Supuesto de Independencia
En la siguiente gráfica se presenta el resultado de la prueba de residuo vs.
Orden donde los factores son los salones, operarios y los higrómetros. Se
realizo el supuesto por el método gráfico.
35
Gráfica 12. Prueba de independencia
Con el grafico se puede concluir que los datos obtenidos de temperatura con
respecto a los salones, operarios e higrómetros no presentan una secuencia
establecida, por lo tanto, se puede decir que las temperaturas son
independientes unas de otras, se cumple el supuesto de independencia.
Análisis de Varianza
Source DF Adj SS Adj MS F-value P-value
Salones 4 10.45 2.6124 6.92 0.004
Operarios 4 27.658 6.9144 18.31 0
Higrómetros 4 1.27 0.3174 0.84 0.525
Error 12 4.529 0.3774
Total 24 43.906
Utilizando los P-value se comparó con el nivel de significancia de 0.05, para

descartar o no nuestra hipótesis principal siguiendo la regla de decisión
especificada en metodología.
Filas (Salones)
H0 = 1 = 2=3 =4=5
las temperaturas.
P-value = 0.004
Comparando el valor de P-value con el nivel de significancia podemos concluir
que P-value (0.004) < nivel de significancia (0.05) por lo tanto siguiendo a regla
de decisión se establece que la hipótesis se descarta.
H0 = 1 = 2=3 =4=5
36
P-value = 0
que P-value (0) < nivel de significancia (0.05) por lo tanto siguiendo a regla de
decisión se establece que la hipótesis se descarta.
H0 = 1 = 2=3 =4=5
P-value = 0.525
que P-value (0.525) > nivel de significancia (0.05) por lo tanto siguiendo a regla
de decisión se establece que la hipótesis no se descarta.
525.6
  25  21 .024
² =0.3774
Coeficiente de determinación
R² = (SCF + SCC + SCLL) / SCTo
R² = (10.45 + 27.658 + 1.27) / 43.906
R² = 0.896870
Este modelo explica en 89.68% la variabilidad de los datos de temperatura con
respecto a los factores observados.
Intervalos de Confianza
IC k  y .. k t / 2,(t  1)( t  2 ) CMEE t
IC µ 1=20.9 ±2.1788 √ 0.3791/5
IC µ 1=20.9 ±0.60
IC µ 2=21.2 ±2.1788 √ 0.3791/5
37
IC µ 2=21.2 ±0.60
IC µ 3=21.1 ±2.1788 √ 0.3791/5
IC µ 3=21.1 ± 0.60
IC µ 4=20.7 ± 2.1788 √0.3791/5
IC µ 4=20.7 ± 0.60
IC µ 5=21.2 ±2.1788 √ 0.3791/5
IC µ 5=21.2 ±0.60
Para las medias de los operarios
IC j  y . j . t / 2,(t  1)( t  2 ) CMEE t
IC µ 1=22.4 ± 2.1788 √0.3791/5
IC µ 1=22.4 ± 0.60
IC µ 2=22.2 ±2.1788 √ 0.3791/5
IC µ 2=22.2 ±0.60
IC µ 3=20.2 ±2.1788 √ 0.3791/5
IC µ 3=20.2 ± 0.60
IC µ 4=20.4 ± 2.1788 √0.3791 /5
IC µ 4=20.4 ± 0.60
IC µ 5=20 ± 2.1788 √ 0.3791/ 5
IC µ 5=20 ± 0.60
Para las medias de los Salones
IC i  y i.. t / 2,( t  1)(t  2) CMEE t
38
IC µ 1=21.9 ±2.1788 √ 0.3791/5
IC µ 1=21.9 ±0.60
IC µ 2=21.1 ±2.1788 √ 0.3791/5
IC µ 2=21.1 ±0.60
IC µ 3=20.2 ±2.1788 √ 0.3791/5
IC µ 3=20.2 ± 0.60
IC µ 4=20.4 ± 2.1788 √0.3791 /5
IC µ 4=20.4 ± 0.60
IC µ 5=21.5 ± 2.1788 √0.3791/5
IC µ 5=21.5 ± 0.60
Prueba de Duncan – Para los Salones (FILAS)

Prueba de Duncan – Para los Operarios (COLUMNAS)
Experimento 4
En la Tabla 22 se presentan los datos recolectados en las mediciones de la
temperatura.
TOTALES
OPERARIOS POR MEDIAS
SALONES OPERARIOS
1 2 3 4 5
411 A =21,3 B =25,5 C =20,1 D =23,7 E =22 112,6 22,52
415 B =23 C =20,9 D =19,9 E =21,1 A =18,4 103,3 20,66
418 C = 22,4 D =19,1 E =24,3 A =19,1 B =22,8 107,7 21,54
420 D =18,9 E =23,7 A =26,1 B =20,8 C =21,5 111 22,2
421 E =20,9 A =23,7 B =23,1 C = 24,2 D =23,6 115,5 23,1
TOTALES POR
106,5 112,9 113,5 108,9 108,3 550,1
SALONES
MEDIAS 21,3 22,58 22,7 21,78 21,66 110,02
Tabla 22. Tabla de datos recolectados.
TOTALES POR HIGRÓMETRO

A B C D E
Totales 108,6 115,2 109,1 105,2 112
39
Media 21,72 23,04 21,82 21,04 22,4
Tabla 23. Totales por Letra Latina (Higrómetro)
TOTALES POR HORAS

α β γ δ ε
Totales 111,9 116,2 118,7 104 99,3
Media 22,38 23,24 23,74 20,8 19,86
Tabla 24. Totales por Letra Griega (Horas)
Supuestos de normalidad
En la siguiente ilustración se presenta el gráfico de normalidad para los
factores de salones, higrómetros, operarios, y horas del día.
Gráfica 13.Prueba de Normalidad
Si observamos los puntos siguen el sentido de la línea de normalidad por lo

tanto se puede concluir que los datos presentan una distribución normal.
Supuesto de Homocedasticidad
HORAS
H o :  12  22 ......... 52
H1 :Almenos una de las varianzas de las horas es diferente
Regla de decisión
Se descarta H0 si: P-value < α
40
Gráfica 14. Prueba de Homocedasticidad para las Horas
Como el valor de P-value es mayor que el nivel de significancia, no se descarta

la H0, por lo tanto las varianzas de las horas en las que se tomaron las
HIGROMETROS
H o :  12  22 ......... 52
H1 :Almenos una de las varianzas de los higrometros es diferente

Regla de decisión
Gráfica 15. Prueba de Homocedasticidad para los Higrómetros

la H0, por lo tanto las varianzas de los higrómetros utilizados para la toma de
las temperaturas son iguales.
SALONES
41
H o :  12  22 ......... 52
H1 :Almenos una de las varianzas de los salones es diferente
Regla de decisión
Gráfica 16. Prueba de Homocedasticidad para los salones

la H0, por lo tanto las varianzas de los salones donde se tomaron las
OPERARIOS
H o :  12  22 ......... 52
H1 :Almenos una de las varianzas de los operarios es diferente
Regla de decisión
42
Gráfica 17. Prueba de Homocedasticidad para los operarios

la H0, por lo tanto, las varianzas de los operarios que tomaron las temperaturas
son iguales.
Supuesto de Independencia
En la siguiente gráfica se presenta el resultado de la prueba de residuo vs
orden. Se realizó el supuesto por el método gráfico.
vs. orden
(la respuesta es Temperaturas)
2,0
1,5
1,0
0,5
Residuo
0,0
-0,5
-1,0
-1,5
2 4 6 8 10 12 14 16 18 20 22 24
Orden de observación
Gráfica 18. Prueba de Independencia
En el gráfico se puede observar que los datos obtenidos de las temperaturas

con respecto a los operarios, salones, higrómetros y horas no presentan una
secuencia establecida. Se concluye que los datos no tienen una correlación
entre sí, por lo tanto, se cumple en supuesto de independencia.
FILAS
43
Ho:1 =2 =...... ... t
HI: al menos una  de los salones es diferente

COLUMNAS
Ho:1 =2 =...... ... t
HI : al menos una  de los operarios es diferente

LETRAS LATINAS
Ho :1 = 2 =...... ... t
HI : al menos una  de los higrómetros diferente

LETRAS GRIEGAS
Ho :1 = 2 =...... ... t
HI : al menos una  de las horas es diferente
Se descarta Ho si 0,05Valor P
ANALISIS DE VARIANZA
SUMA DE CUADRADOS VALOR
FUENTE GL F
CUADRADOS MEDIOS P
SALONES (FILAS) 4 17,638 4,409 2,18 0,162
OPERARIO
(COLUMNAS) 4 7,402 1,85 0,91 0,5
HIGROMETRO (LL) 4 11,37 2,842 1,4 0,316
HORAS (LG) 4 53,646 13,411 6,62 0,012
Error 8 16,195 2,024
Total 24 106,25
Como se observa los valores P para los salones, operarios e higrómetros son
mayores que 0,05 por lo tanto se no se descarta la hipótesis nula, las medias
son iguales para cada salón. Sin embargo, para las horas si se descarta, lo que
quiere decir que al menos una de las medias es diferente.
Cálculo de Parámetros del modelo
2 = CMEE
 2 = 8.127
Coeficiente de Determinación
SCF+ SCC + SCLL+ SCLG
R2=
SCT 0
44
2 17.638+7.402+11.370+53.646
R=
106.250
R2 = 0.8476 ≈ 84.76%
Como 0 ≤ 0.8476≤ 1
Se concluye que el 84.76% de la variabilidad que se da en las mediciones de

las temperaturas en los respectivos salones se debe a las horas en que fue
realizada la medición y a los higrómetros con que se midieron estas
temperaturas.
Intervalos de confianza
PARA LAS MEDIAS DE LAS FILAS (SALONES)
IC µ 1=21,3 ±2.1788 √ 2,024 /5
IC µ 1=21,3 ±1,39
IC µ 2=22,58 ±2.1788 √ 2,024 /5
IC µ 2=22,58 ±1,39
IC µ 3=22,7 ± 2.1788 √2,024 /5
IC µ 3=22,7 ± 1,39
IC µ 4=21,78 ±2.1788 √ 2,024 /5
IC µ 4=21,78 ±1,39
IC µ 5=21.66 ± 2.1788 √2,024 /5
IC µ 5=21.66 ± 1,39
PARA LAS MEDIAS DE LAS COLUMNAS (OPERARIOS)

IC µ 1=22,52± 2.1788 √ 2,024/5
IC µ 1=22,52± 1,39
IC µ 2=20,66 ± 2.1788 √ 2,024 /5
IC µ 2=20,66 ±1,39
IC µ 3=21,54 ± 2.1788 √2,024 /5
45
IC µ 3=21,54 ± 1,39
IC µ 4=22,2 ±2.1788 √ 2,024/5
IC µ 4=22,2 ±1,39
IC µ 5=23,1 ±2.1788 √ 2,024 /5
IC µ 5=23,1 ±1,39
PARA LAS MEDIAS DE LAS LETRAS LATINAS (HIGRÓMETROS)

IC µ 1=21,72± 2.1788 √ 2,024/5
IC µ 1=21,72± 1,39
IC µ 2=23,04 ± 2.1788 √ 2,024 /5
IC µ 2=23,04 ± 1,39
IC µ 3=21,82 ±2.1788 √ 2,024 /5
IC µ 3=21,82 ±1,39
IC µ 4=21,04 ± 2.1788 √2,024 /5
IC µ 4=21,04 ± 1,39
IC µ 5=22,4 ± 2.1788 √2,024 /5
IC µ 5=22,4 ± 1,39
PARA LAS MEDIAS DE LAS LETRAS GRIEGAS (HORAS)

IC µ 1=22,38 ±2.1788 √ 2,024 /5
IC µ 1=22,38 ±1,39
IC µ 2=23,24 ± 2.1788 √ 2,024 /5
IC µ 2=23,24 ± 1,39
IC µ 3=23,74 ± 2.1788 √2,024 /5
IC µ 3=23,74 ± 1,39
46
IC µ 4=20,8 ±2.1788 √ 2,024 /5
IC µ 4=20,8 ±1,39
IC µ 5=19,86 ± 2.1788 √ 2,024 /5
IC µ 5=19,86 ± 1,39
Prueba de Duncan para las Horas (LETRAS GRIEGAS)

de las horas, o sea las letras griegas, se descarta esto quiere decir que las
medias no son iguales por lo tanto nuestro resultado es significativo
temperaturas.
MEDIAS
ORDENADAS
Ӯ5 19,86
Ӯ4 20,8
Ӯ1 22,38
Ӯ2 23,24
Ӯ3 23,74

5 4 1 2 3
19,86 20,8 22,38 23,24 23,74
3 23,74 3,88 2,94 1,36 0,5 *
2 23,24 3,38 2,44 0,86 *
1 22,38 2,52 1,58 *
4 20,8 0,94 *
5 19,86 *
Tabla 27. Cuadro de Rangos Múltiples
5. Contraste de Hipótesis
H0: µ3 = µ5 H1: µ3 ≠ µ5
H0: µ3 = µ4 H1: µ3 ≠ µ4
H0: µ3 = µ1 H1: µ3 ≠ µ1
H0: µ3 = µ2 H1: µ3 ≠ µ2
H0: µ2 = µ5 H1: µ2 ≠ µ5
H0: µ2 = µ4 H1: µ2 ≠ µ4
H0: µ2 = µ1 H1: µ2 ≠ µ1
H0: µ1 = µ5 H1: µ1 ≠ µ5
H0: µ1 = µ4 H1: µ1 ≠ µ4
47
H0: µ4 = µ5 H1: µ4 ≠ µ5

6. Cálculo de Comparador Duncan
CD = (D0.05, No de medias, 24) Sӯ
S ӯ=
√ 2,024
5
Sӯ = 0.64
No de
2 3 4 5
Medias
D al 5% 2.95 3.09 3.19 3.26
Sy 0.64 0.64 0.64 0.64
CD 1.88 1.98 2.04 2.09
7. Comparación de las diferencias de medias de las horas con su respectivo

CD
│ӯ3- ӯ5 ≥ 2.09│ 3.88 ≥ 2.09
│ӯ3 - ӯ4 ≥ 2.04│ 2.94 ≥ 2.04
│ӯ3- ӯ1 ≤ 1.98│ 1.36 ≤ 1.98
│ӯ3- ӯ2 ≤ 1.88│ 0.5 ≤ 1.88
│ӯ2- ӯ5 ≥ 2.04│ 3.38≥ 2.04
│ӯ2- ӯ4 ≥ 1.98│ 2.44≥ 1.98
│ӯ2- ӯ3 ≤ 1.88│ 0.86≤ 1.88
│ӯ1- ӯ5 ≥1.98│ 2.52≥ 1.98
│ӯ1- ӯ4 ≤ 1.88│ 1.58≤ 1.88
│ӯ4- ӯ5 ≤ 1.88│ 0.94≤ 1.88
temperaturas tomadas en los siguientes pares de media de las horas:
µ3 y µ5
µ3 y µ4
µ2 y µ5
µ2 y µ4
µ1 y µ5
media: µ3 y µ1, µ3 y µ2, µ2 y µ3, µ1 y µ4, µ4 y µ5.
48
RECOMENDACIONES
 Para evitar diferencia de rendimiento entre sistemas de aire
acondicionado, sería bueno establecer una misma temperatura para
toda la jornada estudiantil, de esta forma se evitan los aumentos de
costos y el deterioro entre sistemas de acondicionamiento.
 Para reducir la variación de temperaturas se puede hacer una inversión

mayor que actualice el sistema de aire acondicionado para la facultad de
ingeniería industrial.
 Con respecto al experimento realizado es muy importante realizarlo con

el tiempo y la organización adecuados para evitar malentendidos, de
esta forma se llevará a cabo todo normalmente.
 Como medida ideal se recomienda hacer un completo uso del sistema

de enfriamiento por conducto, lo cual ayuda a la integración de un
sistema de refrigeración general, facilitando así el mantenimiento,
cuidado y reparación del sistema, evitando también desmejoramiento de
calidad ambiental por daños de sistemas independientes lo cual produce
un costo mayor para la universidad tanto en manutención como en
remplazo de piezas o equipo completo.
 Se recomienda al departamento de mantenimiento técnico realizar

inspecciones periódicas para evaluar el desempeño del sistema, y
procurar que se desempeñen adecuadamente.
BIBLIOGRAFÍA
[1] Universidad de Chile, «Cómo sería el salón de clases ideal según la ciencia,» Universidad Chile, 7
abril 2015.
[2] Vera y D. A. Trujillo, «si3ea,» [En línea]. Available: http://www.si3ea.gov.co/Eure/6/inicio.html.
[3] legacy.spitzer.caltech, «legacy.spitzer.caltech,» 2001. [En línea]. Available:

http://legacy.spitzer.caltech.edu/espanol/edu/thermal/measure_sp_06sep01.html.
[4] R. ARQHYS, «Para qué sirve un higrómetro,» ARQHYS, p. 12, 2012.
[5] «Lowcostclima,» 10 agosto 2013. [En línea]. Available: https://lowcostclima.es/blog/multi-split-o-

aire-acondicionado-por-conductos/.
ANEXOS
ANEXO A. Mapa de la facultad 429 428
415 416
417
49
LABORATORIO
418
SALON DE
40 40 40 40 41 LOBBY 41 41
ESTUDIAN
6 7 8 9 0 ESTUDIAN 1 2
ELEVAD
TES
OR
TES
40 40 40 40 40 42 OFICIN
427
5 4 3 2 1 6 AS PROHIBI
SALON DE
DA LA
PROFESO
ENTRAD
RES
A
LOBBY 425 420
DECANATO
424 421
423 422
50

Proyecto Final Grupo H

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Proyecto Final Grupo H

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD TECNOLÓGICA DE PANAMÁ

FACULTAD DE INGENIERÍA INDUSTRIAL

“EXPERIMENTOS DE LAS TEMPERATURAS DEL

Con gln=4 , gld=25

H0 = los datos de las temperaturas de los salones provienen de una distribución

Si Pvalue de prueba> α no se rechaza H0

H0 = σ21 = σ22 = …σ2k

Si Pvalue de prueba> α no se rechaza H0

Este supuesto se verifica a través de las pruebas gráficas de residuos vs

i=1 … n y j=1 … k ε ij → NID ( 0, σ 2 )

μ=es la media total .

τ j=es el j−esimo nivel del factor de interés .

β i=es el efecto de i−esimo bloque .

ε ij =es el error experimental .

Utilizado un nivel de significancia de 0.05 se procedió a realizar los siguientes

Para los días de la semana (BLOQUES)

Con gln=4 , gld=36

H0 = los datos de las temperaturas de los salones provienen de una distribución

Si Pvalue de prueba> α no se rechaza H0

Para los días de semana (BLOQUES)

Si Pvalue de prueba> α no se rechaza H0

Este supuesto se verifica a través de las pruebas gráficas de residuos vs

 i=es el efecto deel i-ésimo salón sobre las temperaturas

 j =es el efecto de el j-ésimo operario sobre las temperaturas

 k =es el efecto del k-ésimo higrómetro sobre las temperaturas

H0 = las mediciones de la temperatura tienen una distribución normal

Si Pvalue de prueba> α no se rechaza H0

Para las Filas (Salones)

Si Pvalue de prueba> α no se rechaza H0

Este supuesto se verifica a través de las pruebas gráficas de residuos vs orden

i = es el efecto del i-ésimo salón

j = es el efecto del j-ésimo operario

k = es el efecto del k-ésimo higrómetro

l = es el efecto de la l-ésima hora de medición

ijkl = error experimental

H0 = las mediciones de la temperatura tienen una distribución normal

Si Pvalue de prueba> α no se rechaza H0

Para las Filas (Salones)

Si Pvalue de prueba> α no se rechaza H0

Este supuesto se verifica a través de las pruebas gráficas de residuos vs orden

Para tener una visualización de la ubicación de los salones de la facultad se

La temperatura es una propiedad física que se puede medir y su utilidad es

En el mundo es muy conocido que la temperatura es una de las magnitudes

Los espacios escolares influyen sobre los resultados académicos de los

El grado de temperatura ambiente en un recinto cerrado es determinado en su

Verificación de los supuestos del modelo

Prueba Anderson – Darling (muestra menor a 50)

Gráfica 1. Probabilidad de temperatura

El resultado de la prueba AD dice que el valor p es de 0-894, el cual es mayor a

Gráfica 2. Residuo vs Orden

Gráfica 3. Prueba de Varianzas Iguales

El resultado de la prueba de Levene muestra que el Pvalue, 0,961, es mayor a

Se concluye que el 55.58% de la variabilidad que se da en las mediciones de

4. Cuadro de Rangos Múltiples

5. Contrastes de Hipótesis (Contraste 1.)

7. Comparación de las diferencias de las medias de las horas con su

Sin embargo, las temperaturas no varían significativamente para los pares de

Verificación de los supuestos del modelo

Gráfica 4. Prueba de Normalidad - Kolmogorov Smirnov

En este caso si redondeamos el P-value nos da igual a nuestro valor de

H 1= Al menos una de las varianzas de los días es diferente

Gráfica 5. Prueba de Homocedasticidad para los días.

H 1= Al menos una de las varianzas de los salones es diferente