Portafolio Estadistica Unidad 2

Portafolio 2022
Ingeniería Industrial
Estadística Inferencial ll
Fidel Rodríguez Ramírez
Saúl Martínez Cortes
IIND-2010-227
210120315
4°C
INSTITUTO TECNOLOGICO MARIO MOLINA PASQUEL Y ENRIQUEZ| 22 DE SEPTIEMBRE 2022

Contenido
Regresión lineal simple........................................................................................................................................1
Examen (Regresión lineal múltiple).....................................................................................................................4
Conclusión (unidad 1)..........................................................................................................................................8
Unidad 2...............................................................................................................................................................9
Promedio móvil (PM).........................................................................................................................................10
Ejercicio 2 (PM).................................................................................................................................................12
Suavización exponencial....................................................................................................................................13
Ejercicio 2 (Suavización exponencial)...............................................................................................................14
La Constructora de San Francisco......................................................................................................................15
Formulas.............................................................................................................................................................15
(Tendencia de regresión simple)........................................................................................................................15
Aislamiento del Componente Estacional...........................................................................................................17
Aislamiento del Componente Estacional (Ejercicio 2)......................................................................................19
Conclusión (Unidad 2).......................................................................................................................................21
Unidad 3.............................................................................................................................................................22
Diseño completamente aleatorizado...................................................................................................................23
Comparación de 4 métodos de ensamble...........................................................................................................25
Comparación de cuatro tipos de cuero...............................................................................................................28
Pesca, acampar y pesca en bote..........................................................................................................................31
Dms diseño no balanceado.................................................................................................................................33
Conclusión (unidad 3)........................................................................................................................................35
Unidad 4.............................................................................................................................................................36
Revista................................................................................................................................................................37
Atomizador.........................................................................................................................................................39
Circle Trucking...................................................................................................................................................41
Llantas................................................................................................................................................................43
Conclusión (Unidad 4).......................................................................................................................................45
Bibliografía.........................................................................................................................................................45
INSTITUTO TECNOLOGICO MARIO MOLINA PASQUEL Y ENRIQUEZ
Estadística Inferencial II
210120315
4-C
Regresión lineal simple

La gerencia de Hop scotch Airlines, la acroleína transportadora más pequeña del mundo,
considera que existe una relación directa entre los gastos publicitarios y el número de
pasajeros que escogen viajar por Hop scotch. Para determinar si esta relación existe, se es
así cual podría ser naturaleza exacta, los estadísticos empleados por Hop Scotch decidieron
utilizar los procedimientos MCO (mínimos cuadrados ordinarios) para determinar el
modelo de regresión. La última columna representa la nueva variable del ingreso nacional
en billones de dólares
X1 publicidad (en US $1000)
X2 Ingreso nacional en billones de dólares
Y pasajeros (en 1000)
OBSERVACIONES X1 X2 Y XY 2
X1 X1 X2 X2 Y
X2
2
1 10 2.40 15 150 100 24 36 5.76

2 12 2.72 17 204 244 32.64 46.24 7.39
3 8 2.08 13 104 64 16.64 31.2 4.32
4 17 3.68 23 391 289 62.56 84.64 13.54
5 10 2.56 16 160 100 25.6 40.96 6.55
6 15 3.36 21 315 225 50.4 70.56 11.28
7 10 2.24 14 140 100 22.4 31.36 5.01
8 14 3.20 20 280 196 44.8 64 10.24
9 19 3.84 24 456 361 72.96 92.16 14.74
10 10 2.72 17 170 100 27.2 46.24 7.39
11 11 2.07 16 176 121 22.77 33.12 4.28
12 13 2.33 18 234 169 30.29 41.94 5.42
13 16 2.98 23 365 256 47.68 68.54 8.88
14 10 1.94 15 150 100 19.4 29.1 3.76
15 12 2.17 16 192 144 26.04 34.72 4.70
∑ 187 40.29 268 3,490 2,56 525.38 750.78 113.26
9
PROMEDIO 12.4 2.68 17.8 - - - - -
6 6
1
B1=∑ XY −( n ) ( X 1 ) ( Y ) ∑ X 22−n ( X 2 )2−

∑ X 1 X 2−¿ n ( X 1) ( X 2 ) ∑ X 2 Y −(n)( X 2)(Y ) ¿
2
∑ X 21−(n)(X 1)2 ∑ X 22−n ( X 2 )2−[ ∑ X 1 X 2−n( X 1)( X 2)]
1. 3,490-(15) (12.46) (17.86) =151.96
2. 113.33- (15) (2.682) =5.59
3. 525.38- (15) (12.46) (2.68) =24.48
4. 746.62- (15) (2.68) (17.86) =28.64
5. 2,496-(15) (155.25) =140.25

6. 525.38- (12) (12.46) (2.682) =599.27
151.96 (5.59 )−24.48(28.64)

B1= =0.80
140.25 ( 5.59 )−599.27
( 5 x 4 )−(3 x 1) ( 140.25 ×28.64 )−(24.48 ×151.96)

B2= B 2= =1.60
( 5 x 2 )−6 ( 140.25 ×5.59 ) −599.27
B0=17.86−( 0.80 ) ( 12.46 )−(1.60)(2.68)=3.60
Y^ =B0 + B1 (X ¿ ¿1)+ B2 ( X 2 )¿Y^ SCT ∑ (Yi−Y 2 ) SCT SCR ∑ ¿ ¿ SCR
3.60+.80(10)+1.60(2.40) 15.44 (15-17.86)2 8.17 (15.44-17.86)2 5.85
3.60+.80(12)+1.60(2.72) 17.55 (17-17.86)2 0.73 (17.55-17.86)2 0.096
3.60+.80(8)+1.60(2.08) 13.33 (13-17.86)2 23.61 (13.33-17.86)2 20.52
3.60+.80(17)+1.60(3.68) 23.09 (23-17.86)2 26.41 (23.09-17.86)2 27.35
3.60+.80(10)+1.60(2.56) 15.7 (16-17.86)2 3.45 (15.07-17.86)2 4.66
3.60+.80(15)+1.60(3.36) 20.98 (21-17.86)2 9.85 (20.09-17.86)2 9.73
3.60+.80(10)+1.60(2.24) 15.18 (14-17.86)2 14.89 (15.18-17.86)2 7.18

3.60+.80(14)+1.60(3.20) 19.92 (20-17.86)2 4.57 (19.92-17.86)2 4.24
3.60+.80(19)+1.60(3.84) 24.94 (24-17.86)2 37.69 (24.94-17.86)2 50.12
3.60+.80(10)+1.60(2.72) 15.95 (17-17.86)2 0.73 (15.95-17.86)2 3.64
3.60+.80(11)+1.60(2.07) 15.71 (16-17.86)2 3.45 (15.71-17.86)2 4.62
3.60+.80(13)+1.60(2.33) 17.73 (18-17.86)2 0.019 (17.73-17.86)2 0.016

3.60+.80(16)+1.60(2.98) 21.17 (23-17.86)2 26.41 (21.17-17.86)2 10.95
3.60+.80(10)+1.60(1.94) 14.70 (15-17.86)2 8.17 (14.7-17.86)2 9.98
2
3.60+.80(12)+1.60(2.17) 16.67 (16-17.86)2 3.45 (16.67-17.86)2 1.41
∑ 171.59 160.35
SCE ¿ SCE
(15-15.44) 2
0.19
Coeficiente de Determinación múltiple
(17-17.55)2 0.30
(13-13.33)2 0.108 2 SCR 160.35
R= = =0.934
(23-23.09)2 0.0081 SCT 171.59
(16-15.07)2 0.09
(21-20.09) 2
0.01
(14-15.18) 2
1.39
Coeficiente de Determinación múltiple
(20-19.92)2 0.0064 Corregido
(24-24.94) 2
0.88 SCE 8.08
(17-15.95)2 1.102 n−k −1 15−2−1
R2=1− = =0.94
(16-15.71)2 0.084 SCT 171.59
(18-17.73) 2
0.072 n−1 15−1
(23-21.17) 2
3.34
(15-14.7) 2
0.09 Error Estándar
√
(16-16.67) 2
0.44
∑ 8.08 Se=
SCE
n−k−1
=¿
8.08
12 √
=0.82 ¿
Tabla Nova
FUENTES DE SUMA DE GRADOS CUADRO VALOR
VARIACIÓN CUADRADO DE MEDIO DE F
S LIBERTAD
TRATAMIENTOS SCR K SCR CMR
=80.17
160.35 2 k CME
ERROR SCE n-k-1 SCE F=119.12
=0. 673
8.08 12 n−k−1
VARIACIÓN SCT n-1
TOTAL 171.59 14
H o =B 1=B 2=0 F 0.05,2,12=3.84
H a =B1 =B 2 ≠ 0
∝=5 %=0.05
3.84
3
210120315
4-C
Examen (Regresión lineal múltiple)

La empresa Butler trucking Company, una empresa que se dedica al transporte de objetos y
mercancías en el sur de california. La actividad principal de esta empresa es hacer entregas
en su área local. Para mejorarle el horario de trabajo, los gerentes deseaban estimar el
tiempo total de recorrido diario necesario para hacer las entregas. Partiendo de una muestra
aleatoria de 10 entregas se obtuvieron los datos que se presentan en la tabla:
Datos de Butler Trucking con millas recorridas y cantidad de entregas como variables
independientes.
RECORRIDO MILLAS CANTIDAD DE TIEMPO
ASIGNADO RECORRIDAS ENTREGAS (X2) RECORRIDO EN
(X1) HORAS (Y)
1 100 4 9.30
2 50 3 4.80
3 100 4 8.90
4 100 2 6.50
5 50 2 4.20
6 80 2 6.20
7 75 3 7.40
8 65 4 6.00
9 90 3 7.60
10 90 2 6.10
R. A X1 X2 Y X1 Y X1
2
X1 X2 X2 Y X2
2
1 100 4 9.30 930 10000 400 37.2 16

2 50 3 4.80 240 2500 150 14.4 9
3 100 4 8.90 890 10000 400 35.6 12
4 100 2 6.50 650 10000 200 13 4
5 50 2 4.20 210 2500 100 8.40 4
6 80 2 6.20 496 6400 160 12.4 4
7 75 3 7.40 555 5625 225 22.2 9
8 65 4 6.00 390 4225 260 24 16
9 90 3 7.60 684 8100 270 22.8 9
10 90 2 6.10 549 8100 180 12.2 4
∑ 800 29 67 5594 67450 2345 202.2 91
4
PROMEDI 80 2.9 6.7

O
B1=∑ XY −( n ) ( X 1 ) ( Y ) ∑ X 22−n ( X 2 )2−

∑ X 1 X 2−¿ n ( X 1) ( X 2 ) ∑ X 2 Y −(n)( X 2)(Y ) ¿
2
∑ 1
X
2
−(n)(X 1 ∑
)
2
X
2
2 −n ( X 2 )
2
− [ ∑ 1 2
X X −n( X 1 )( X 2 ) ]
1. 5594−( 10 ) ( 80 ) ( 6.7 )=234
2. 91−10 ( 2.9 )2=6.9
3. 2345−( 10 )( 80 )( 2.9 ) =25
4. 202.2−( 10 )( 2.9 ) ( 6.7 ) =7.9
5. 67450−( 10 )( 80 )2=3450
6. 91−10 ( 2.9 )2=6.9
2
7. [ 2345− (10 )( 80 )( 2.9 ) ] =625
234 ( 6.9 )−25 ( 7.9 )
B1= =0.0611
3450 ( 6.9 )−625
( 5× 4 )−(3 ×1) 3450 ( 7.9 )−25(234)
B2= = =0.9234
( 5× 2 )−6 3450 ( 6.9 )−625
B0=6.7−( 0.0611 ) ( 80 )− ( 0.9234 ) ( 2.9 )=−0.8658
SCE SCT SCR

Y^ =−0.8658+0.0611 ( 100 )+ 0.9234 ( 5 )
V 0.13 6.76 4.97
0.02 3.61 3.06 =9.8612
0.0009 4.84 4.97
0.34 0.04 0.15
0.02 6.25 7.12
0.11 0.25 0.70
0.84 0.49 0.04 Coeficiente de Determinación múltiple
0.62 0.49 0.0081 Corregido
0.04 0.81 0.49 SCE 2.2609
0.14 0.36 0.04 n−k −1 10−2−1
R2=1− = =0.878
∑=2.2609 ∑=23.9 ∑=21.5481 SCT 23.9
n−1 10−1
Tabla
ANOVA Error Estándar
Se=
√ SCE
n−k−1
=¿
10√
2.2609
=0.5682 ¿
5
FUENTES DE SUMA DE GRADOS CUADRO VALOR

VARIACIÓN CUADRADO DE MEDIO DE F
S LIBERTAD
TRATAMIENTOS SCR K SCR CMR
=10.77
21.5481 2 k CME
ERROR SCE n-k-1 SCE F=33.65
=0.32
2.2609 7 n−k−1
VARIACIÓN SCT n-1
TOTAL 23.9 9
H o =B 1=B 2=0 F 0.05,2,12=4.72
H a =B1 =B 2 ≠ 0
∝=5 %=0.05
33.65
4.72
1. B1 0.0611
2. B2 0.9234
3. B0 -0.8658
4. Y^ =B0 + B1 X 1 +B 2 X 2 (X1=100)(X2=5) 9.8612
5. Se 0.5682
6. R2 (Coeficiente de Determinación múltiple Corregido) 0.8784
7. Tabla ANOVA 33.65
6
7
Conclusión (unidad 1)
La regresión lineal múltiple me quedo bastante clara esta unidad, entendiendo por completo
todos los aspectos realizando los ejercicios, aunque es un poco extenso todo el
procedimiento agarrando ritmo se vuelve poco tedioso y al hacerlo entre varios compañeros
todos corroborando datos, es más fácil comprender de donde sale todo. Me resulta
impresionante como con los números podemos saber la relación que tienen las variables y
hasta predecir con los mismos datos, al hacer todo esto de manera manual de dato en dato te
permite analizar y comprender todo para facilitar su desarrollo en Excel, así cuando
estemos haciéndolo en computadora pueda saber con exactitud cómo hacer el desarrollo y
tener el menor número de fallas posibles.
8
Unidad 2
Series de tiempo
Serie de tiempo; una recolección de datos área alguna variable o conjunto de variables
durante varios periodos.
9
210120315
4-C
Promedio móvil (PM)
Una serie de promedios aritméticos sobre un número dado de períodos; es la estimación del
promedio de la variable a largo plazo.
Las ventas para Arthur Momitor´s Snowmobiles, Inc, durante los últimos 12 meses. Se
calculan tanto un PM de tres meses, como uno de cinco meses.
MES VENTAS PM DE 3 PM DE 5
(US $100) MESES MESES
ENERO 52
FEBRERO 81 60
MARZO 47 64.3 59
ABRIL 65 54 63.2
MAYO 50 62.6 56
JUNIO 73 56 58.6
JULIO 45 59.3 55.6
AGOSTO 60 51.6 61.4
SEPTIEMBRE 50 63 55.8
OCTUBRE 79 58 59.2
NOVIEMBRE 45 62
DICIEMBRE 62
10
Grafica PM
Ventas PM 3 Meses
90
81 79
80
73
70 64.3 65
62.6 63 62 62
60 59.3 60 58
60 56
52 54
50 51.6 50
50 47 45 45
40
30
20
10
0
er
o ro zo ril ay
o
ni
o lio to br
e
br
e
br
e e
re ar Ab Ju Ju os br
En eb M M Ag m ctu m
em
F ptie O ovie ci
S e N Di
210120315
4-C
Ejercicio 2 (PM)
PERIODO VENTAS 4 MESES CENTRADO

1996 – 1 40
2 45 42.5
11
3 38 45.7 44.1
45
4 47 44.25
45.38
1997 – 1 53 46.50
44.63
2 39 42.75
42.50
3 47 42.25
43
4 32 43.75
42.5
1998 – 1 51 41.25
44
2 45 46.75
3 37
4 54
210120315
4-C
Suavización exponencial
F t −1=∝ At + ( 1−∝ ) Ft
F t −1= Es el pronóstico para el siguiente periodo.
At = Es el valor real observado para el periodo corriente.
12
Ft = Es la proyección hecha previamente para el periodo corriente.
a = 0.3 = ∝
MES REAL (AT) PRONOSTICO (FT) (FT - AT¿2

ENERO 105
FEBRERO 110 105 25
MARZO 107 106.5 .25
ABRIL 112 106.65 33.06
MAYO 117 108.25 76.56
JUNIO 109 110.87 3.49
JULIO 108 110.30 5.29
AGOSTO 109.61
Σ=143.65
143.65
=23.94
6
210120315
4-C
Ejercicio 2 (Suavización exponencial)

a = 0.8 = ∝
13
MES REAL (AT) PRONOSTICO (FT) (FT - AT¿2

ENERO 105
FEBRERO 110 105 25
MARZO 107 109 4
ABRIL 112 107.4 21.16
MAYO 117 111.08 35.04
JUNIO 109 115.81 46.37
JULIO 108 110.36 5.56
AGOSTO 108.47
Σ=137.13
137.13
=22.85
6
210120315
4-C
14
La Constructora de San Francisco

La constructora de San Francisco desea ajustar una serie de tiempo utilizando recta de
tendencia de regresión simple en el desarrollo del modelo para predecir futuros comienzos
de construcción de vivienda.
AÑO T (X) Y XY x2
1983 1 7 7 1
1984 2 7.1 14.2 4
1985 3 7,9 23.7 9
1986 4 7.3 29.2 16
1987 5 8.2 4.1 25
1988 6 8.3 49.8 36
1989 7 8.1 56.7 49
Formulas
1990 8 8.6 68.8 64
1991 9 8.8 79.2 81 (Tendencia de regresión simple)
 SCx=Σ x 2−¿ ¿
1992 10 8.9 89 100
(Σ x)(Σ y )
o SCxy=Σ xy−
1993 11 8.7 95.7 121 n
1994 12 9.1 109.2 144 SCxy
b 1=
SCx
1995 13 9.4 122.2 169  b 0= y−b1 x
1996 14 9.1 127.4 196
1997 15 9.5 142.5 225
1998 16 9.9 158.4 256
Σ 136 135.9 1214 1496
x=8.5 y=8.49
Solución
 SCx=Σ x 2−¿ ¿
(Σ x)(Σ y) ( 136)(135.9)
o SCxy=Σ xy− =1177.1− ¿ 1177.1−1155.15=58.88
n 16
15
SCxy 58.88
b 1= = =0.1731
SCx 340
 b 0= y−b1 x = 8.49−( 0.064 ) ( 8.5 )=8.49−0.544=7.02
# ^y # ^y
1 7.19 11 8.89
2 7.36 12 9.06
3 7.53 13 9.26
4 7.7 14 9.44
5 7.87 15 9.61
6 8.04 16 9.78
7 8.21 17 9.96
8 8.38 18 10.13
9 8.55 19 10.30
10 8.72
Tendencia de r egr esión s im ple

y <y
11
10
7
1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998
210120315
4-C
16
Aislamiento del Componente Estacional

PERIODO (Y)UTILIDADES PM PMC RAZÓN CON
(CIENTOS DE US) PM
1996-ENERO 10
FEBRERO 9
MARZO 11
ABRIL 12
MAYO 18
JUNIO 23 15.5833
JULIO 27 15.5 15.5416 1.7372
AGOSTO 26 15.6666 15.5833 1.6684
SEPTIEMBRE 18 15.5833 15.6249 1.1520
OCTUBRE 13 15.5833 15.5833 0.8342
NOVIEMBRE 10 15.6666 15.6249 0.6400
DICIEMBRE 10 15.8333 15.7499 0.6349
1997-ENERO 9 15.9166 15.8749 0.5669
FEBRERO 11 16.3333 16.1249 0.6822
MARZO 10 16.666 16.4999 0.6061
ABRIL 12 16.8333 16.7499 0.7164
MAYO 19 16.9166 16.8749 1.1259
JUNIO 25 17.0833 16.9999 1.4706
JULIO 28 17.1666 17.1249 1.6350
AGOSTO 31 16.9166 17.0416 1.8191
SEPTIEMBRE 22 16.9166 16.9166 1.3005
OCTUBRE 15 16.9166 16.9166 0.8867
NOVIEMBRE 11 16.9166 16.9166 0.6502
DICIEMBRE 12 16.9166 16.9166 0.7094
1998-ENERO 10 17 16.9583 0.5897
FEBRERO 8 17 17 0.4706
MARZO 10 16.9166 16.9583 0.5897
ABRIL 12 17 16.9583 0.4706
MAYO 19 17.5833 17.2916 0.5897
JUNIO 25 18.1666 17.8749 0.7076
JULIO 29 1.0988
AGOSTO 31 1.3986
SEPTIEMBRE 21
OCTUBRE 16
NOVIEMBRE 18
DICIEMBRE 19
MES 1996 1997 1998 RAZÓN ÍNDICE
17
PROMEDIO ESTACIONAL
ENERO 0.5669 0.5897 0.5782 0.5859
FEBRERO 0.6822 0.4706 0.5763 0.5839
MARZO 0.6061 0.5897 0.5979 0.6057
ABRIL 0.7164 0.7076 0.7120 0.7213
MAYO 1.1259 1.0988 1.1124 1.1269
JUNIO 1.4706 1.3986 1.4346 1.4534
JULIO 1.7373 1.6350 1.6862 1.7082
AGOSTO 1.6684 1.8191 1.7438 1.7666
SEPTIEMBRE 1.1520 1.3005 1.2262 1.2423
OCTUBRE 0.8342 0.8867 0.8605 0.8717
NOVIEMBRE 0.6400 0.6502 0.6451 0.6536
DICIEMBRE 0.6349 0.7094 0.6721 0.6809
∑ ¿11.844 ∑ ¿11.999
12
=1.0131
11.844
18
Aislamiento del Componente Estacional (Ejercicio 2)
T AÑO TRIMESTRE VENTAS PM PMC RAZÓN CON PM

1 2004 1 6.70
2 2004 2 4.60 8.5
3 2004 3 10.00 8.45 8.475 1.1799
4 2004 4 12.70 8.45 8.45 1.5029
5 2005 1 6.50 8.4 8.425 0.7715
6 2005 2 4.60 8.625 8.5125 0.5403
7 2005 3 9.80 8.725 8.675 1.1296
8 2005 4 13.60 8.825 8.775 1.5498
9 2006 1 6.90 8.975 8.9 0.7752
10 2006 2 5.00 9.1 9.0375 0.5532
11 2006 3 10.40 9.125 9.1125 1.1412
12 2006 4 14.10 9.25 9.1875 1.5346
13 2007 1 7.00 9.35 9.3 0.7526
14 2007 2 5.50 9.575 9.4625 0.5812
15 2007 3 10.80 9.6 9.5875 1.1264
16 2007 4 15.00 9.65 9.625 1.5584
17 2008 1 7.10 9.725 9.6875 1.7329
18 2008 2 5.70 9.6 9.6625 0.5899
19 2008 3 11.10 9.825 9.7125 1.1428
20 2008 4 14.50 9.95 9.8875 1.4664
21 2009 1 8.00 10.025 9.9875 0.8010
22 2009 2 6.20 10.125 10.075 0.6153
23 2009 3 11.40
24 2009 4 14.90
19
RAZÓN INDICE
2004 2005 2006 2007 2008 2009
PROMEDIO ESTACIONAL
1 0.7715 0.7752 0.7526 0.7329 0.8010 0.7666 0.7649
2 0.5403 0.5532 0.5812 0.5899 0.6153 0.5759 0.5746
3 1.1799 1.1296 1.1412 1.1264 1.1428 1.1439 1.1413
4 1.5029 1.5498 1.5346 1.5584 1.4664 1.5224 1.5119
∑ ¿ 4.0088 ∑ ¿3.9927
4
=0.9978
4.0088
20
Conclusión (Unidad 2)
Esta unidad quedó clara cada uno de los temas vistos desde el promedio móvil de varios
dígitos y el centrado para elaborar las gráficas y poder ver que tanto varea, al igual con los
demás temas al trabajar con tantos números y formulas resulta un poco agobiante pero el
tema me resulta interesante y me mantiene concentrado en todo momento, al poder hacer
predicciones. En los promedios móviles nos permite eliminar picos al usarse como un
método de suavización y permite hacer pronósticos cortos con gran precisión. Al igual que
en la unidad pasada el Excel nos hubiera sido de gran ayuda, pero al hacerlo nosotros
mismos quedan un poco más claras todas las formulas vistas que fueron algunas muy
parecidas a las de regresión lineal múltiple y lineal. Me quedo con lo aprendido y seguimos
conociendo las herramientas que nos brinda la estadística.
21
Unidad 3
Diseño de experimentos de un factor
Estadística inferencial II
22
210120315
4-C
Diseño completamente aleatorizado

Varios empleados pueden seleccionarse aleatoriamente para participar en diversos tipos
(niveles diferentes) de un programa de capacitación 1) autodidactas, 2) impartido por
computador, o 3) enseñado por un supervisor. Se seleccionan 14 empleados y se asignan a
uno de los tres programas. Cada uno de estos tres grupos se trata de manera independiente
como muestras separadas. Se asume que el CEO desea probar las siguientes hipótesis a
un nivel del 5%.
Los puntajes de la prueba aparecerán en la siguiente tabla:
Tratamientos
Programa 1 Programa 2 Programa 3
85 80 82
72 84 80
83 81 85
80 78 90
82 88
x 1=80 x 2=81 x 3=85
(85-82.14)2=8.17
Formulas
(80-82.14)2=102.81
SCT =∑ ¿ ¿
(82-82.14)2=0.73
SCTR=∑ rj ¿ ¿
(72-82.14)2=4.57
(84-82.14)2=4.57 SCE=∑ ¿ ¿
(80-82.14)2=3.45 X IJ
X́ =∑ =82.14
n
(83-82.14)2=1.29
(81-82.14)2=17.13
(85-82.14)2=0.01
(80-82.14)2=0.01
(78-82.14)2=4.57 4¿
(90-82.14)2=8.17
23
(82-82.14)2=61.77
(88-82.14)2=34.33
=251.58
Formulas
SCT
CMT = =19.35
n−1
SCTR
CMTR= =33.85
C−1
SCE
CME= =16.86
n−c
CMTR
F= =1.94 ∝=0.05 f =0.05 , 3,12=3.49
CME
f =0.05 , 3,12=3.49
La hipótesis no se rechaza 1.94
24
210120315
4-C
Comparación de 4 métodos de ensamble

Un equipo de mejora investiga el efecto de cuatro métodos de ensamble A, B, C y D, sobre
el tiempo de ensamble en minutos. En primera instancia, la estrategia experimental es
aplicar cuatro veces los cuatro métodos de ensamble en orden completamente aleatorio (las
16 pruebas en orden aleatorio). Los tiempos de ensamble obtenidos se muestran en la tabla.
Si se usa el diseño completamente al azar (DCA), se supone que, además del método de
ensamble, no existe ningún otro factor que influya de manera significativa sobre la variable
de respuesta (tiempo de ensamble). Se asume que se desea probar las siguientes hipótesis a
un nivel del 5%.
A B C D
6 7 11 10
8 9 16 12
7 10 11 11
8 8 13 9
x 1=7.25 x 2=8.5 x 3=12.75 x 4 =10.5
¿14.06
Formulas
¿3.06
¿7.56 SCT =∑ ¿ ¿
¿3.06 SCTR=∑ rj ¿ ¿
¿7.56 SCE=∑ ¿ ¿
¿0.56 X IJ
X́ =∑ =9.75
¿0.06 n
¿
¿1.56
¿39.06 SCTR = 4 ¿
¿
¿+ ¿+ ¿+ ¿
¿10.56
¿+ ¿+ ¿+ ¿ SCE
¿+ ¿+ ¿ + ¿ 25
¿+ ¿+ ¿ + ¿
¿0.06
¿5.06
¿
¿0.56 SCT=98.96
Formulas
SCT 98.96
CMT = = =6.59
n−1 15
SCTR 69.5
CMTR= = =23.16
C−1 3
SCE 29.5
CME= = =2.45
n−c 12
CMTR
F= =9.45 ∝=0.05 f =0.05 , 3,12=3.49
CME
3.49 9.45
La hipótesis se rechaza las muestras no coinciden con las pruebas de método de ensamble.
Diseño de balanceo (Tuckey)
T =q ∝ , c , n−c
√ CME
r
=4.20
√
2.45
4
=3.28 n=4
r=2
| X 1−X 2|=1.25<3.28 nCr =6
| X 1−X 3|=5.5>3.28
| X 1−X 4|=3.25<3.28
26
| X 2−X 3|=4.25>3.28
Igualdad de Promedio
| X 2−X 4|=2.00< 3.28 X 1 −X 2
| X 3−X 4|=2.25< 3.28 X 1 −X 4

X 2 −X 4
X 3 −X 4
27
210120315
4-C
Comparación de cuatro tipos de cuero.

Tipos de cuero
A B C D
264 208 220 217
260 220 263 226
258 216 219 215
241 200 225 227
262 213 230 220
255 206 228 222
x 1=256.66 x 2=210.50 x 3=230.83 x 4 =221.16
Un fabricante de calzado desea mejorar la calidad de las suelas, las cuales se pueden hacer
con uno de los cuatro tipos de cuero A, B, C y D disponibles en el mercado. Para ello,
prueba los cueros con una máquina que hace pasar los zapatos por una superficie abrasiva;
la suela de éstos se desgasta al pasarla por dicha superficie. Como criterio de desgaste se
usa la pérdida de peso después de un número fijo de ciclos. Se prueban en orden aleatorio
24 zapatos, seis de cada tipo de cuero. Al hacer las pruebas en orden completamente al azar
se evitan sesgos y las mediciones en un tipo de cuero resultan independientes de las demás.
Los datos (en miligramos) sobre el desgaste de cada tipo de cuero se muestran en la tabla.
Se asume que se desea probar las siguientes hipótesis a un nivel del 5%.
¿170.32 ¿22.94 ¿60.68

¿912.64 ¿0.044
¿795.80 ¿3.20
¿125.66 ¿163.58
¿1037.48 ¿14.36 SCT=98.96
¿635.54 ¿218.75
¿474.80 ¿7.78
¿ ¿95.84
¿190.16
¿887.44
28
¿+ ¿+ ¿+ ¿
¿+ ¿+ ¿+ ¿ SCE
SCTR = 4 ¿
¿
¿265.96
¿95.84
¿1102.90
¿
Formulas Formulas
SCT =∑ ¿ ¿ CMT =
SCT 9075.86
= =6.59
n−1 23
SCTR=∑ rj ¿ ¿
SCTR 7017.95
CMTR= = =23.16
SCE=∑ ¿ ¿ C−1 3
X IJ SCE 2065.38
X́ =∑ =229.79 CME= = =102.81
n n−c 20
CMTR
F= =22.75
CME
∝=0.05 f =0.05 , 3,20=3.10
3.10 22.7
La hipótesis se rechaza porque todas las suelas tienen distinto desgaste.
Diseño de balanceo (Tuckey)
n=4
29
r=2
nCr =6
T =q ∝ , c , n−c
√ CME
r
=3.96
√102.81
6
=16.392
| X 1−X 2|=46.16>16.392
| X 1−X 3|=25.83>16.392
| X 1−X 4|=35.5>16.392
| X 2−X 3|=20.33>16.392
| X 2−X 4|=10.60<16.392
| X 3−X 4|=9.97<16.392
Diferencia mínima significativa (DMS)
t ∝ , n−c
2 √ 2 CME
R
=t 0.025,20=20
√
2(102.81)
6
=12.21 n=24
c=4
| X 1−X 2|=46.16>12.21 r=6
nCr =6
| X 1−X 3|=25.83>12.21
| X 1−X 4|=35.5>12.21 EXISTE DMS
| X 2−X 3|=20.33>12.21
|X 2−X 4|=10.60<12.21
|X 3−X 4|=9.97<12.21 NO EXISTE DMS
30
210120315
4-C
Pesca, acampar y pesca en bote

Cada vez norteamericanos buscan escapar de las presiones urbanas, el pago de impuesto en
los parques nacionales ha demostrado un incremento marcado de quienes acampan los fines
de semana. Outdoor World informó recientemente que el parque Yosemite National Park
ubicado en las sierras altas de California Contrató un consultor en economía para estudiar la
situación financiera del parque.
Parte del esfuerzo realizado por el consultor requería una comparación de los ingresos del
parque proveniente de varias fuentes, incluyendo los pagos por acampar, licencias para
pescar y para pasear en bote. Aquí aparecen los datos para visitantes, seleccionados
aleatoriamente. Se determina si existe diferencia en los ingresos promedio que recibe el
parque proveniente de estas tres actividades.
Acampar Pescar Pescar en bote

38 30 19
32 25 35
35 31 20
36 35 22
38 25
32
x 1=¿35.16 x 2=30.25 x 3=24.2
¿
SCTR¿327.61
¿
¿ 6 ¿) x 2 +4 ¿) x 2 +5 ¿) x 2
¿
SCE¿254.38
¿
¿ ¿+¿+¿+¿+ ¿+¿ +¿+¿+ ¿+¿+¿+¿+ ¿+¿+¿
¿
¿
¿
¿
¿
¿
31
Formulas
¿ SCT =∑ ¿ ¿
¿
SCTR=∑ rj ¿ ¿
¿
SCT = Σ ¿) x 2 = 582.4 SCE=∑ ¿ ¿
X IJ
Formulas X́ =∑ =30.2
n
SCT
CMT = = 41.6
n−1
SCTR
CMTR = =163.5
n−1
SCE
CME = = 21.19
n−c
CMTR
= 7.71
CME f =0.05 , 3,12=3.89 7.71
Se rechaza la HO porque existe diferencia en los ingresos promedio que recibe el parque.
DMS NO balanceado
DMS j, k =
√ 1 1 (
+ CME ) f ∝ ,(−1 , n−c) = 0.05, 2, 12
rj rk
3C 2 = 3
DMS AP = 5.86 [ 35 .16−30 . 25 ] = 4.91 < 5.86 NO EXISTE DMS
DMS AB = 5.49 [ 35.16−24.12 ] = 11.04 > 5.49 EXISTE DMS

DMS PB = 6.09 [ 30.25−24.12 ] = 6.13 > 6.09 EXISTE DMS
32
210120315
4-C
Dms diseño no balanceado
1 2 3 4
78 80 88 49
76 78 90 89
80 57 85 97
85 90 88
89 84 75
80
x 1=81.6 x 1=71.66 x 1=86.16 x 1=79.6
¿
¿
SCTR
¿ 5(81.6-80.94)2+3(71.66-80.94)2+(86.16-80.94)2+(79.6-80.94)2=432.98
¿
SCE
¿
¿ ¿ +¿ +¿ +¿ +¿ +¿ +¿ +¿ +¿ +¿ +¿ +¿ +¿ +¿ +¿ +¿ +¿ +¿ +¿ = 1933.9
¿
¿
¿
¿
Formulas
¿
¿ SCT =∑ ¿ ¿
¿ SCTR=∑ rj ¿ ¿
¿ SCE=∑ ¿ ¿
¿ X IJ
¿ X́ =∑ =80.94
n
¿
¿
¿
SCT =2366 . 88
33
Formulas
SCT
CMT = =131.49
n−1
SCTR
CMTR= =144.32
C−1
SCE
CME= =128.92
n−c
CMTR
F= =1.11
CME
∝=0.05 f =0.05 , 3,15=3.29
1.11
La hipótesis no se rechaza 3.29
DMS no balanceado
DMS j, k =
√ 1 1 (
+ CME ) f ∝ ,(−1 , n−c) = 0.05, 4, 15
rj rk
4C 2 = 6
√ 1 1 |81.6−71.66|=9.94< 15.04
DMS j, k = + ( 128.92 ) (3.29)
5 3
|81.6−86.16|=4.56<12.47
DMS 1,2 = 15.04 |81.6−79.6|=2<13.02
DMS 1,3 = 12.47 |71.66−86.16|=14.5<14.56
DMS 1,4 = 13.02 |71.66−79.6|=7.94<15.04
DMS 2,3= 14.56 |86.16−79.61|=6.55<12.47
DMS 2,4= 15.04
DMS 3,4= 12.47
No existe DMS en ninguno
34
Conclusión (unidad 3)
Es interesante como con este método podemos comparar varios tratamientos, calificaciones,
ingresos y otras cosas mediante medias y sus varianzas pudiendo llegar a saber si en
realidad hay diferencias mediante la prueba de hipótesis. Mientras que el Tukey y DMS nos
van a decir en cuales de las medias hay diferencias significativas y en cuales hay igualdad
de promedio, cuando una hipótesis se aprueba no hay DMS según mis observaciones de
esta unidad, y al ser rechazada el DMS nos dirá cuales presentan la diferencia significativa,
con los métodos no balanceados no hay tukey y es diferente el procedimiento, pero se llega
a los mismos resultados.
Pude aprender a interpretar la información dada y los métodos para llegar a generar una
conclusión de los datos arrojados al final de cada procedimiento llegando a saber porque
hay diferencias y porque las hipótesis pueden o no ser rechazadas.
35
Unidad 4
El diseño aleatorio en bloques
Estadística inferencial II
36
210120315
4-C
Revista
Una emisión reciente de la revista Fortune describió los esfuerzos realizados por una
importante empresa de electrónica para desarrollar un sistema en el cual se les daba a los
empleados la oportunidad de evaluar el desempeño de sus supervisores y de algún personal
administrativo. Se seleccionan aleatoriamente cinco empleados y se les pide evaluar a
cuatro de sus gerentes sobre una escala de 10 a 50. Los resultados, junto con las medias de
las filas y las columnas, aparecen en la siguiente tabla.
Empleado 1 2 3 4 promedio
1 31 35 46 38 x 1=37.5
2 29 32 45 36 x 2=35.5
3 13 17 35 20 x 3=21.25
4 28 38 52 39 x 4=39.25
5 14 20 40 20 x 5=23.5
x=¿ 23 28.4 43.6 30.6
SCBL = Σ ci¿ ) x 2 = 1124.3
4¿
SCT = Σ ¿) x 2= 2344.8
SCTR¿ Σrj ¿) x 2 = 327.61
5¿
SCE=SCT−SCTR−SCBL
SCE=2344.8−1145.2−1124.3=75.3
SCT 2344.8
CMT = = =123.41
n−1 19
SCTR 1145.2
CMTR = =¿ =381.73
n−1 3
37
SCE 75.3
CME = ¿ =6.27
n−c 12
SCBL 1124.3
CMBL = = = 281.07
r −1 4
Tratamientos Bloques
F¿ ∝0,05,3,12 = 3.49 F¿ ∝0,05,4,12 = 3.26
CMTR 381.73 CMBL 281.07
FTR = = = 60.88 FBL = = = 44.82
CME 6.27 CME 6.27
44.82
60.88
3.49
3.49
Con una significancia del 0.05 Con una significancia del 0.05
se rechaza HO todos los gerentes se rechaza la HO todos los empleados
tienen diferentes empleados. evalúan de manera diferente a los gerentes.
38
210120315
4-C
Atomizador
Se hace un estudio sobre la efectividad de tres marcas de atomizador para matar moscas.
Para ello, cada producto se aplica a un grupo de 100 moscas, y se cuenta el número de
moscas muertas expresado en porcentajes. Se hicieron seis réplicas, pero en días diferentes;
por ello, se sospecha que puede haber algún efecto importante debido a esta fuente de
variación. Los datos obtenidos se muestran a continuación:
Atomizador 1 2 3 4 5 6 promedio
1 72 65 67 75 62 73 69
2 55 59 68 70 53 50 59.16
3 64 74 61 58 51 69 62.83
promedio 63.66 66 65.33 67.60 55.33 64
x́=63.66
SCBL = Σ ci¿ ) x 2 = 296.72 6 ¿
SCT = Σ ¿) x 2 = 1091.92
SCTR¿ Σrj ¿) x 2 = 279.85
SCE=SCT−SCTR−SCBL
SCE=1091.92−279.85−296.72=515.35
SCT
CMT = ¿ 64.23
n−1
SCTR
CMTR = =¿ 55.97
n−1
SCE
CME = ¿ 51.53
n−c
SCBL
CMBL = = 148.36
r −1
39
CMBL
FBL = =2.87
CME
CMTR
FTR = = 1.08
CME
Tratamientos = 2.87 Bloques = 1.08

F 0,05,2,10 = 4.10 F 0,05,5,10 = 3.33
4.10 3.33
2.87
1.08
No se rechaza ya que no existe variación entre los atomizadores en las 6 réplicas.
40
210120315
4-C
Circle Trucking
Circle Trucking Company desea determinar si el tiempo promedio de conducción es el
mismo para cada una de las tres rutas. El director de tránsito para Circle considera que es
necesario corregir las condiciones climáticas, así como la pericia de los conductores. Se
identifican tres niveles de condiciones climáticas: deficiente, regular y buena. Se
seleccionan tres conductores con capacidades cambiantes y cada uno cubre tres rutas bajo
cada una de las tres condiciones climáticas. Los resultados se reportan en el diseño en
cuadrado latino que se muestra en el texto. Vale la pena recordar que las letras latinas
indican las variables en consideración, en este caso, las rutas. Se registran los tiempos en
minutos.
Empleado Deficiente Clima R. Bueno
1 A/20 C/18 B/17
2 C/22 B/10 A/10
3 B/18 A/9 A/8
A=39 B=45 C=48
SCBF=Σ ¿ ¿
SCBF=¿ ¿
SCC=Σ ¿ ¿
SCC=¿ ¿
SCTR=Σ¿ ¿
SCTR=¿ ¿
2
SCT =Σ( x i )−¿ ¿
SCT =¿
SCE=SCT−SCTR−SCC−SCF
SCE=230−68.66−128.66−14=18.68
Tabla Anova
Fuentes Suma de Grados de Cuadro medio Valor de F
cuadrados Libertad
41
Bloques de 68.66 2 34.33 SCFILAS

=¿ 2
fila CMFILAS
Bloques de 128.66 2 64.33 CMCOLUM

=6.88
columna CMERROR
Tratamientos 14 2 7 CMTRT
=0.74
CMERROR
Error 18.68 2 9.34
Total 230 8
F= 0.05,2,2 = 19
19 19
0.72 6.88
Con una significancia de 0.05 no se rechazó la hipótesis, ya que no hay diferencia entre en
clima y las rutas.
210120315
4-C
42
Llantas
Comparación de cuatro marcas de llantas. Una compañía de mensajería está interesada en
determinar cuál marca de llantas tiene mayor duración en términos del desgaste. Para ello
se planea un experimento en cuadro latino, en el que se comparan las cuatro marcas de
llantas sometiéndolas a una prueba de 32,000 kilómetros de recorrido, utilizando cuatro
diferentes tipos de auto y las cuatro posiciones posibles de las llantas en el auto. Así, el
factor de interés es el tipo de llanta o marca, y se controlan dos factores de bloques: el tipo
de carro y la posición de la llanta en el carro. Estos factores de bloques se controlan ya que,
por experiencia, se sabe que el tipo de carro y la posición de la llanta tienen efecto en el des
gaste de la misma. La elección del cuadro latino a utilizar se hace antes de obtener los
datos.
Carro
Posición 1 2 3 4
1 C/12 D/11 A/13 B/8
2 B/14 C/12 D/11 A/3
3 A/17 B/14 C/10 D/9
4 D/13 A/14 B/13 C/9
Tratamientos A= 47 B=49 C=43 D=44
SCBF=Σ ¿ ¿
SCBF=¿ ¿
SCC=Σ ¿ ¿
SCC=¿ ¿
SCTR=Σ¿ ¿
SCTR=¿ ¿
SCT =Σ( x 2i )−¿ ¿
SCT =¿
SCE=SCT−SCTR−SCC−SCF
SCE=155.04−16.19−103.69−5.69=30.37
Tabla Anova
Fuentes Suma de Grados de Cuadro medio Valor de F
cuadrados Libertad
Bloques de 16.19 2 5.39 SCFILAS
=¿ 3.00
fila CMFILAS
Bloques de 103.69 2 34.56 CMCOLUM

=6.83
columna CMERROR
Tratamientos 5.69 2 1.89
43
Error 30.37 2 5.06 CMTRT

=0.37
CMERROR
Total 230 8
F= 0.05,3,9 = 3.86
3.86 3.86
0.37 3.0
Con una significancia de 0.05 no se rechazó la hipótesis, ya que no hay diferencia entre en
las cuatro marcas de llantas.
Conclusión (Unidad 4)
Al hacer las sumas de los cuadros de columnas y de filas para poder sacar los valores de F
de tratamientos y de bloques me doy cuenta que pueden salir resultados muy distintos que
cuando se hace en general al hacerlo por tratamientos se puede dar cuenta la diferencia
entre cada tratamiento y por bloques se da cuenta de la diferencia o variación de lo que se
está evaluando ya sea personas o maquinas, y para los cuadros latinos en donde se puede
evaluar tratamientos bloques y filas creo que nos arroja mejores resultados al poder ver la
diferencia de cada uno y poder llegar a conclusiones más completas que nos permiten
comprender mejor los resultados de nuestros procedimientos, al llevar acabo esta materia
me di cuenta en cada unidad que cada método nos sirve para diferentes tipos de problemas
quedando muy claro cuál aplicar en cada uno. Algo que me quedo muy claro también al
paso de las unidades fue a redactar bien mis conclusiones dejando más en claro cuales
fueron mis resultados y poder resumirlos lo más breve posible.
Bibliografía
(Anderson, Sweeney, & Williams, 2008)
44
(GUTIERREZ PULIDO & DE LA VARA SALAZAR, 2009)
(Lozada, 2004)
(Estadística para administración y economía. (2005a). Thomson.)
(Probabilidad y estadística para ingeniería y ciencias. (2012). Pearson Education.)
45

Portafolio Estadistica Unidad 2

Cargado por

Información del documento

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

Portafolio Estadistica Unidad 2

Cargado por

Copyright:

Formatos disponibles

Portafolio 2022

INSTITUTO TECNOLOGICO MARIO MOLINA PASQUEL Y ENRIQUEZ| 22 DE SEPTIEMBRE 2022

Regresión lineal simple

1 10 2.40 15 150 100 24 36 5.76

B1=∑ XY −( n ) ( X 1 ) ( Y ) ∑ X 22−n ( X 2 )2−

3. 525.38- (15) (12.46) (2.68) =24.48

4. 746.62- (15) (2.68) (17.86) =28.64

5. 2,496-(15) (155.25) =140.25

151.96 (5.59 )−24.48(28.64)

( 5 x 4 )−(3 x 1) ( 140.25 ×28.64 )−(24.48 ×151.96)

B0=17.86−( 0.80 ) ( 12.46 )−(1.60)(2.68)=3.60

Y^ =B0 + B1 (X ¿ ¿1)+ B2 ( X 2 )¿Y^ SCT ∑ (Yi−Y 2 ) SCT SCR ∑ ¿ ¿ SCR

3.60+.80(10)+1.60(2.40) 15.44 (15-17.86)2 8.17 (15.44-17.86)2 5.85

3.60+.80(12)+1.60(2.72) 17.55 (17-17.86)2 0.73 (17.55-17.86)2 0.096

3.60+.80(8)+1.60(2.08) 13.33 (13-17.86)2 23.61 (13.33-17.86)2 20.52

3.60+.80(17)+1.60(3.68) 23.09 (23-17.86)2 26.41 (23.09-17.86)2 27.35

3.60+.80(10)+1.60(2.56) 15.7 (16-17.86)2 3.45 (15.07-17.86)2 4.66

3.60+.80(15)+1.60(3.36) 20.98 (21-17.86)2 9.85 (20.09-17.86)2 9.73

3.60+.80(10)+1.60(2.24) 15.18 (14-17.86)2 14.89 (15.18-17.86)2 7.18

3.60+.80(19)+1.60(3.84) 24.94 (24-17.86)2 37.69 (24.94-17.86)2 50.12

3.60+.80(10)+1.60(2.72) 15.95 (17-17.86)2 0.73 (15.95-17.86)2 3.64

3.60+.80(11)+1.60(2.07) 15.71 (16-17.86)2 3.45 (15.71-17.86)2 4.62

3.60+.80(13)+1.60(2.33) 17.73 (18-17.86)2 0.019 (17.73-17.86)2 0.016

3.60+.80(10)+1.60(1.94) 14.70 (15-17.86)2 8.17 (14.7-17.86)2 9.98

3.60+.80(12)+1.60(2.17) 16.67 (16-17.86)2 3.45 (16.67-17.86)2 1.41

Examen (Regresión lineal múltiple)

1 100 4 9.30 930 10000 400 37.2 16

PROMEDI 80 2.9 6.7

B1=∑ XY −( n ) ( X 1 ) ( Y ) ∑ X 22−n ( X 2 )2−

SCE SCT SCR

FUENTES DE SUMA DE GRADOS CUADRO VALOR

PERIODO VENTAS 4 MESES CENTRADO

F t −1= Es el pronóstico para el siguiente periodo.

At = Es el valor real observado para el periodo corriente.

Ft = Es la proyección hecha previamente para el periodo corriente.

MES REAL (AT) PRONOSTICO (FT) (FT - AT¿2

Ejercicio 2 (Suavización exponencial)

MES REAL (AT) PRONOSTICO (FT) (FT - AT¿2

La Constructora de San Francisco

Tendencia de r egr esión s im ple

Aislamiento del Componente Estacional

Aislamiento del Componente Estacional (Ejercicio 2)

T AÑO TRIMESTRE VENTAS PM PMC RAZÓN CON PM

Diseño completamente aleatorizado

Comparación de 4 métodos de ensamble

Diseño de balanceo (Tuckey)

| X 3−X 4|=2.25< 3.28 X 1 −X 4

Comparación de cuatro tipos de cuero.

¿170.32 ¿22.94 ¿60.68

La hipótesis se rechaza porque todas las suelas tienen distinto desgaste.

Diseño de balanceo (Tuckey)

|X 3−X 4|=9.97<12.21 NO EXISTE DMS

Pesca, acampar y pesca en bote

Acampar Pescar Pescar en bote

DMS AP = 5.86 [ 35 .16−30 . 25 ] = 4.91 < 5.86 NO EXISTE DMS

DMS AB = 5.49 [ 35.16−24.12 ] = 11.04 > 5.49 EXISTE DMS

Dms diseño no balanceado

DMS 3,4= 12.47

No existe DMS en ninguno

SCTR¿ Σrj ¿) x 2 = 327.61

SCBL = Σ ci¿ ) x 2 = 296.72 6 ¿

SCTR¿ Σrj ¿) x 2 = 279.85

Tratamientos = 2.87 Bloques = 1.08

No se rechaza ya que no existe variación entre los atomizadores en las 6 réplicas.