Portafolio Estadistica Unidad 3

2022
Portafolio
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
Bibliografía....................................................................................................................................................... 35
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 𝑿𝟐𝟏 𝑿𝟏 𝑿𝟐 𝑿𝟐 𝒀 𝑿𝟐𝟐
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 2,569 525.38 750.78 113.26
PROMEDIO 12.46 2.68 17.86 - - - - -
̅̅̅1 )(𝑌̅) ∑ 𝑋22 − 𝑛 (𝑋

∑ 𝑋𝑌 − (𝑛)(𝑋 ̅̅̅2 )2 − ∑ 𝑋1 𝑋2 − 𝑛(𝑋
̅̅̅1 )(𝑋
̅̅̅2 ) ∑ 𝑋2 𝑌 − (𝑛)(𝑋
̅̅̅2 )(𝑌̅ )
𝐵1 = 2 ̅̅̅ 2 2 ̅̅̅ 2
∑ 𝑋1 − (𝑛)(𝑋1 ) ∑ 𝑋2 − 𝑛 (𝑋2 ) − [∑ 𝑋1 𝑋2 − 𝑛(𝑋1 )(𝑋2 )] ̅̅̅ ̅̅̅ 2
1. 3,490-(15) (12.46) (17.86) =151.96
1
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
(5𝑥4) − (3𝑥1) (140.25 × 28.64) − (24.48 × 151.96)

𝐵2 = 𝐵2 = = 1.60
(5𝑥2) − 6 (140.25 × 5.59) − 599.27
𝐵0 = 17.86 − (0.80)(12.46) − (1.60)(2.68) = 3.60
̂ = 𝑩𝟎 + 𝑩𝟏 (𝑿𝟏 ) + 𝑩𝟐 (𝑿𝟐 )
𝒀 ̂
𝒀 ̅𝟐) SCT ̂−𝒀
̅ )𝟐 SCR
𝑺𝑪𝑻 ∑(𝒀𝒊 − 𝒀 𝑺𝑪𝑹 ∑(𝒀
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

2 2
3.60+.80(14)+1.60(3.20) 19.92 (20-17.86) 4.57 (19.92-17.86) 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
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
̂ )𝟐
𝑺𝑪𝑬(𝒀𝒊 − 𝒀 SCE
2
(15-15.44)2 0.19
2
(17-17.55) 0.30
2
Coeficiente de Determinación múltiple
(13-13.33) 0.108
(23-23.09)2 0.0081 𝑆𝐶𝑅 160.35
𝑅2 = = = 0.934
(16-15.07)2 0.09 𝑆𝐶𝑇 171.59
(21-20.09)2 0.01
2 1.39
(14-15.18)
(20-19.92) 2
0.0064
(24-24.94)2 0.88 Corregido
2
(17-15.95) 1.102 𝑆𝐶𝐸 8.08
(16-15.71)2 0.084
𝑅̅ 2 = 1 − 𝑛 − 𝑘 − 1 = 15 − 2 − 1 = 0.94
(18-17.73)2 0.072 𝑆𝐶𝑇 171.59
(23-21.17) 2
3.34 𝑛−1 15 − 1
2 0.09
(15-14.7)
(16-16.67) 2
0.44 Error Estándar
∑ 8.08
𝑆𝐶𝐸 8.08
𝑆𝑒 = √ =√ = 0.82
𝑛−𝑘−1 12
Tabla Nova
FUENTES DE SUMA DE GRADOS CUADRO VALOR
VARIACIÓN CUADRADOS DE MEDIO DE F
LIBERTAD
TRATAMIENTOS SCR K 𝑆𝐶𝑅 𝐶𝑀𝑅
160.35 2 = 80.17
𝑘 𝐶𝑀𝐸
ERROR SCE n-k-1 𝑆𝐶𝐸 𝐹 = 119.12
8.08 12 𝑛−𝑘−1
= 0. 673
VARIACIÓN SCT n-1
TOTAL 171.59 14
𝐻𝑜 = 𝐵1 = 𝐵2 = 0 𝐹0.05,2,12 = 3.84
𝐻𝑎 = 𝐵1 = 𝐵2 ≠ 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 𝑿𝟐𝟏 𝑿𝟏 𝑿𝟐 𝑿𝟐 𝒀 𝑿𝟐𝟐
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
PROMEDIO 80 2.9 6.7
4
̅̅̅1 )(𝑌̅) ∑ 𝑋22 − 𝑛 (𝑋

∑ 𝑋𝑌 − (𝑛)(𝑋 ̅̅̅2 )2 − ∑ 𝑋1 𝑋2 − 𝑛(𝑋 ̅̅̅1 )(𝑋
̅̅̅2 ) ∑ 𝑋2 𝑌 − (𝑛)(𝑋 ̅̅̅2 )(𝑌̅ )
𝐵1 = 2
∑ 𝑋1 − (𝑛)(𝑋 ̅̅̅1 )2 ∑ 𝑋2 − 𝑛 (𝑋
2 ̅̅̅2 )2 − [∑ 𝑋1 𝑋2 − 𝑛(𝑋 ̅̅̅1 )(𝑋
̅̅̅2 )]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
7. [2345 − (10)(80)(2.9)]2 = 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

𝑌̂ = −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
0.62 0.49 0.0081 Corregido
0.04 0.81 0.49 𝑆𝐶𝐸 2.2609
0.14 0.36 0.04 𝑅̅ 2 = 1 − 𝑛 − 𝑘 − 1 = 10 − 2 − 1 = 0.878
∑=2.2609 ∑=23.9 ∑=21.5481 𝑆𝐶𝑇 23.9
𝑛−1 10 − 1
Error Estándar
𝑆𝐶𝐸 2.2609
𝑆𝑒 = √ =√ = 0.5682
𝑛−𝑘−1 10
5
Tabla ANOVA
FUENTES DE SUMA DE GRADOS CUADRO VALOR
VARIACIÓN CUADRADOS DE MEDIO DE F
LIBERTAD
TRATAMIENTOS SCR K 𝑆𝐶𝑅 𝐶𝑀𝑅
21.5481 2 = 10.77
𝑘 𝐶𝑀𝐸
ERROR SCE n-k-1 𝑆𝐶𝐸 𝐹 = 33.65
2.2609 7 = 0.32
𝑛−𝑘−1
VARIACIÓN SCT n-1
TOTAL 23.9 9
𝐻𝑜 = 𝐵1 = 𝐵2 = 0
𝐹0.05,2,12 = 4.72
𝐻𝑎 = 𝐵1 = 𝐵2 ≠ 0
∝= 5% = 0.05
33.65
4.72
1. B1 0.0611
2. B2 0.9234
3. B0 -0.8658
4. 𝑌̂ = 𝐵0 + 𝐵1 𝑋1 + 𝐵2 𝑋2 (X1=100)(X2=5) 9.8612
5. Se 0.5682
6. 𝑅̅ 2 (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
60 60 62 62
59.3 58
54 56
60 52 51.6
50 50
47 45 45
50
40
30
20
10
11
210120315
4-C
Ejercicio 2 (PM)
PERIODO VENTAS 4 MESES CENTRADO

1996 – 1 40
2 45 42.5
44.1
3 38 45.7
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
12
210120315
4-C
Suavización exponencial
𝑭𝒕−𝟏 = ∝ 𝐴𝑡 + (1 − ∝) 𝐹𝑡
𝑭𝒕−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.
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
13
210120315
4-C
Ejercicio 2 (Suavización exponencial)

a = 0.8 = ∝
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
14
210120315
4-C
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)
(Σ𝑥)2
 𝑆𝐶𝑥 = Σ𝑥 2 −
1992 10 8.9 89 100 𝑛
(Σ𝑥)(Σ𝑦)
11 8.7 95.7 121 o 𝑆𝐶𝑥𝑦 = Σ𝑥𝑦 −
1993 𝑛
𝑆𝐶𝑥𝑦
1994 12 9.1 109.2 144 𝑏1 =
𝑆𝐶𝑥
1995 13 9.4 122.2 169  𝑏0 = 𝑦̅ − 𝑏1𝑥̅
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
𝑥̅ = 8.5 𝑦̅ = 8.49
15
Solución
(Σ𝑥)2 (136)2
 𝑆𝐶𝑥 = Σ𝑥 2 −
18496
= 1496 − = 1496 − = 1496 − 1156 = 340
𝑛 16 16
(Σ𝑥)(Σ𝑦) (136)(135.9)
o 𝑆𝐶𝑥𝑦 = Σ𝑥𝑦 − 𝑛
= 1177.1 − 16
= 1177.1 − 1155.15 = 58.88
𝑆𝐶𝑥𝑦 58.88
𝑏1 = = = 0.1731
𝑆𝐶𝑥 340
 𝑏0 = 𝑦̅ − 𝑏1𝑥̅ = 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 REGRESIÓN SIMPLE

y <y
11
10
7
1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998
16
210120315
4-C
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
17
AGOSTO 31 1.3986
SEPTIEMBRE 21
OCTUBRE 16
NOVIEMBRE 18
DICIEMBRE 19
MES 1996 1997 1998 RAZÓN ÍNDICE

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
̅𝟏 = 𝟖𝟎
𝒙 𝑥̅2 = 81 𝑥̅3 = 85
(85-82.14)2=8.17
Formulas
(80-82.14)2=102.81
(82-82.14)2=0.73 𝑆𝐶𝑇 = ∑(𝑋𝐼𝐽 − 𝑋̿)2 = 251.58
(72-82.14)2=4.57
𝑆𝐶𝑇𝑅 = ∑ 𝑟𝑗(𝑋̅𝐽 − 𝑋̿)2 65.7144
2
(84-82.14) =4.57
(80-82.14)2=3.45 𝑆𝐶𝐸 = ∑(𝑋𝐽 − 𝑋̅𝐽 )2 = 186.76
(83-82.14)2=1.29 𝑋𝐼𝐽
𝑋̿ = ∑ = 82.14
(81-82.14)2=17.13 𝑛
(85-82.14)2=0.01
(80-82.14)2=0.01
(78-82.14)2=4.57 4(80 − 82.14)2 + 5(81 − 82.14)2 + 5(85 − 82.14)2 = 65.7144
(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
̅𝟏 = 𝟕. 𝟐𝟓
𝒙 ̅𝟐 = 8.5
𝒙 ̅𝟑 = 12.75
𝒙 ̅𝟒 = 10.5
𝒙
(6 − 9.75)2 =14.06
Formulas
(8 − 9.75)2 =3.06
(7 − 9.75)2 =7.56 𝑆𝐶𝑇 = ∑(𝑋𝐼𝐽 − 𝑋̿)2 = 98.96
(8 − 9.75)2 =3.06
𝑆𝐶𝑇𝑅 = ∑ 𝑟𝑗(𝑋̅𝐽 − 𝑋̿)2 69.5
(7 − 9.75)2 =7.56
(9 − 9.75)2 =0.56 𝑆𝐶𝐸 = ∑(𝑋𝐽 − 𝑋̅𝐽 )2 = 29.5
(10 − 9.75)2 =0.06
𝑋𝐼𝐽
2
(8 − 9.75) = 3.06 𝑋̿ = ∑ = 9.75
𝑛2
(8 − 9.75) + (8 − 9.75)2 + (8 − 9.75)2 + (8 − 9.75)2
(11 − 9.75)2 =1.56
2 2 2
SCTR
(8 = 4(80
− 9.75) 2 − 82.14) +2 5(81 − 82.14)2 + 5(85 − 82.14)
+ (8 − 9.75) + (8 − 9.75) + (8 − 9.75)2 = 65.7144
SCE
(16 − 9.75)2 =39.06
(11 − 9.75)2 = 1.56 (8 − 9.75)2 + (8 − 9.75)2 + (8 − 9.75)2 + (8 − 9.75)2
(13 − 9.75)2 =10.56 (8 − 9.75)2 + (8 − 9.75)2 + (8 − 9.75)2 + (8 − 9.75)2
25
(10 − 9.75)2 =0.06

(12 − 9.75)2 =5.06
(11 − 9.75)2 = 1.56
(9 − 9.75)2 =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)
𝐶𝑀𝐸 2.45 n=4

𝑇 = 𝑞 ∝, 𝑐, 𝑛 − 𝑐√ = 4.20√ = 3.28
𝑟 4 r=2
nCr =6
|𝑋1 − 𝑋2 | = 1.25 < 3.28
|𝑋1 − 𝑋3 | = 5.5 > 3.28
|𝑋1 − 𝑋4 | = 3.25 < 3.28
26
|𝑋2 − 𝑋3 | = 4.25 > 3.28 Igualdad de Promedio

|𝑋2 − 𝑋4 | = 2.00 < 3.28 𝑋1 − 𝑋2
|𝑋3 − 𝑋4 | = 2.25 < 3.28 𝑋1 − 𝑋4
𝑋2 − 𝑋4
𝑋3 − 𝑋4
27
210120315
4-C
Comparación de cuatro tipos de cuero.

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%.
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
̅𝟏 = 𝟐𝟓𝟔. 𝟔𝟔
𝒙 ̅𝟐 = 210.50
𝒙 ̅𝟑 = 230.83
𝒙 ̅𝟒 = 221.16
𝒙
2
2
(264 − 229.79) =170.32 (225 − 229.79) =22.94 (222 − 229.79)2 =60.68
(260 − 229.79 =912.64 (230 − 229.79)2 =0.044
(258 − 229.79)2 =795.80 (228 − 229.79)2 =3.20
(241 − 229.79)2 =125.66 (217 − 229.79)2 =163.58
(262 − 229.79)2 =1037.48 (226 − 229.79)2 =14.36 SCT=98.96
(255 − 229.79)2 =635.54
(215 − 229.79)2 =218.75 (8 − 9.75)2 + (8 − 9.75)2 + (8 − 9.75)2 + (8 − 9.75)2
(208 − 229.79)2 =474.80 (8 − 9.75)2 + (8 − 9.75)2 + (8 − 9.75)2 + (8 − 9.75)2 SCE

(227 − 229.79)2 =7.78 (8 − 9.75)2 + (8 − 9.75)2 + (8 − 9.75)2 + (8 − 9.75)2 2056.38
(220 − 229.79 = 95.84 (8 − 9.75)2 + (8 − 9.75)2 + (8 − 9.75)2 + (8 − 9.75)2
(220 − 229.79)2 =95.84
28
(216 − 229.79)2 =190.16 SCTR = 4(80 − 82.14)2 + 5(81 − 82.14)2 + 5(85 − 82.14)2 =
(200 − 229.79)2 =887.44 65.7144
(213 − 229.79 = 281.90

(206 − 229.79)2 =265.96
(220 − 229.79)2 =95.84
(263 − 229.79)2 =1102.90
(219 − 229.79)2 = 116.42
Formulas Formulas
𝑆𝐶𝑇 9075.86
𝑆𝐶𝑇 = ∑(𝑋𝐼𝐽 − 𝑋̿)2 = 9075.86 𝐶𝑀𝑇 = = = 6.59
𝑛−1 23
𝑆𝐶𝑇𝑅 = ∑ 𝑟𝑗(𝑋̅𝐽 − 𝑋̿)2 = 7017.95 𝑆𝐶𝑇𝑅 7017.95
𝐶𝑀𝑇𝑅 = = = 23.16
𝐶−1 3
𝑆𝐶𝐸 = ∑(𝑋𝐽 − 𝑋̅𝐽 )2 = 2056.38 𝑆𝐶𝐸 2065.38
𝐶𝑀𝐸 = = = 102.81
𝑋𝐼𝐽 𝑛−𝑐 20
𝑋̿ = ∑ = 229.79 𝐶𝑀𝑇𝑅
𝑛 𝐹= = 22.75
𝐶𝑀𝐸
∝= 0.05 𝑓 = 0.05, 3,20 = 3.10
3.10 22.7
5
La hipótesis se rechaza porque todas las suelas tienen distinto desgaste.
29
Diseño de balanceo (Tuckey)
𝐶𝑀𝐸 102.81 n=4

𝑇 = 𝑞 ∝, 𝑐, 𝑛 − 𝑐√ = 3.96√ = 16.392
𝑟 6 r=2
nCr =6
|𝑋1 − 𝑋2 | = 46.16 > 16.392
|𝑋1 − 𝑋3 | = 25.83 > 16.392

Igualdad de Promedio
|𝑋1 − 𝑋4 | = 35.5 > 16.392 𝑋2 − 𝑋4
|𝑋2 − 𝑋3 | = 20.33 > 16.392 𝑋3 − 𝑋4
|𝑋2 − 𝑋4 | = 10.60 < 16.392
|𝑋3 − 𝑋4 | = 9.97 < 16.392
Diferencia mínima significativa (DMS)
2𝐶𝑀𝐸 2(102.81) n=24

𝑡∝ , 𝑛 − 𝑐 √ = 𝑡 0.025,20 = 20√ = 12.21
2 𝑅 6 c=4
r=6
|𝑋1 − 𝑋2 | = 46.16 > 12.21
nCr =6
|𝑋1 − 𝑋3 | = 25.83 > 12.21
EXISTE DMS
|𝑋1 − 𝑋4 | = 35.5 > 12.21
|𝑋2 − 𝑋3 | = 20.33 > 12.21
|𝑋2 − 𝑋4 | = 10.60 < 12.21

NO EXISTE DMS
|𝑋3 − 𝑋4 | = 9.97 < 12.21
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
̅𝟏 =35.16
𝒙 ̅𝟐 = 30.25
𝒙 ̅𝟑 = 24.2
𝒙
(38 − 30.2)2
SCTR=327.61
(32 − 30.2)2
2
6 (35.16 − 30.2) 𝑥 2 +4 (30.25 − 30.2) 𝑥 2 +5 (30.2 − 30.2) 𝑥 2
(35 − 30.2)
(36 − 30.2)2
SCE=254.38
(38 − 30.2)2
(38 − 35.16)2 + (32 − 35.16)2 + (35 − 35.16)2 + (36 − 35.16)2 +
(32 − 30.2)2 (38 − 35.16)2 + (32 − 35.16)2 + (30 − 30.25)2 + (25 − 30.25)2 +
(30 − 30.2)2 (31 − 30.25)2 + (35 − 30.25)2 + (19 − 24.2)2 + (35 − 24.2)2 +
(20 − 324.2)2+(22 − 24.2)2+(25 − 24.2)2
(25 − 30.2)2
(31 − 30.2)2
(35 − 30.2)2
(19 − 30.2)2
31
(35 − 30.2)2 Formulas

2
(20 − 30.2)
𝑆𝐶𝑇 = ∑(𝑋𝐼𝐽 − 𝑋̿)2 = 582.4
(22 − 30.2)2
(25 − 30.2)2 𝑆𝐶𝑇𝑅 = ∑ 𝑟𝑗(𝑋̅𝐽 − 𝑋̿)2 = 327.61
SCT = 𝚺 ( 𝒙𝒊𝒋 − 𝒙̿ )𝒙𝟐 = 582.4
𝑆𝐶𝐸 = ∑(𝑋𝐽 − 𝑋̅𝐽 )2 = 254.38
Formulas 𝑋𝐼𝐽
𝑋̿ = ∑ = 30.2
𝑛
𝑺𝑪𝑻
CMT = 𝒏−𝟏 = 41.6
𝑺𝑪𝑻𝑹
CMTR = =163.5
𝒏−𝟏
𝑺𝑪𝑬
CME = 𝒏−𝒄 = 21.19
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
1 1
DMS j, k = √𝑟𝑗 + 𝑟𝑘 (𝐶𝑀𝐸) 𝑓 ∝, (−1, 𝑛 − 𝑐) = 0.05, 2, 12 3𝑪𝟐 = 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
𝐱̅ 𝟏 = 𝟖𝟏. 𝟔 x̅1 = 71.66 x̅1 = 86.16 x̅1 = 79.6
(78 − 80.94)2
SCTR
(76 − 80.94)2
5(81.6-80.94)2+3(71.66-80.94)2+(86.16-80.94)2+(79.6-80.94)2=432.98
(80 − 80.94)2
(85 − 80.94)2
SCE
(89 − 80.94)2
(78 − 81.6)2 +(76 − 81.6)2 +(80 − 81.6)2 +(85 − 81.6)2 +(89 −
(80 − 80.94)2
81.6)2 + (80 − 71.66)2 + (78 − 71.66)2 + (57 − 71.66)2 + (88 −
(78 − 80.94)2 86.16)2 + (90 − 86.16)2 + (85 − 86.16)2 + (90 − 86.16)2 + (84 −
(57 − 80.94)2 86.16)2 + (80 − 86.16)2 + (49 − 79.6)2 + (89 − 79.6)2 + (97 −
79.6)2 +(88 − 79.6)2 +(75 − 79.6)2 = 1933.9
(88 − 80.94)2
(90 − 80.94)2
Formulas
(85 − 80.94)2
𝑆𝐶𝑇 = ∑(𝑋𝐼𝐽 − 𝑋̿)2 = 2366.88
(90 − 80.94)2
(84 − 80.94)2 𝑆𝐶𝑇𝑅 = ∑ 𝑟𝑗(𝑋̅𝐽 − 𝑋̿)2 = 432.98
(80 − 80.94)2
𝑆𝐶𝐸 = ∑(𝑋𝐽 − 𝑋̅𝐽 )2 = 1933.9
(49 − 80.94)2
(89 − 80.94)2 𝑋𝐼𝐽
𝑋̿ = ∑ = 80.94
𝑛
(97 − 80.94)2
(88 − 80.94)2
(75 − 80.94)2
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
1 1
DMS j, k = √𝑟𝑗 + 𝑟𝑘 (𝐶𝑀𝐸) 𝑓 ∝, (−1, 𝑛 − 𝑐) = 0.05, 4, 15 4𝑪𝟐 = 6
1 1 |𝟖𝟏. 𝟔 − 𝟕𝟏. 𝟔𝟔| = 9.94 < 15.04

DMS j, k = √5 + 3 (128.92)(3.29)
|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
DMS 1,4 = 13.02 |𝟕𝟏. 𝟔𝟔 − 𝟖𝟔. 𝟏𝟔| = 14.5 < 14.56
DMS 2,3= 14.56 |𝟕𝟏. 𝟔𝟔 − 𝟕𝟗. 𝟔| = 7.94 < 15.04

DMS 2,4= 15.04 |𝟖𝟔. 𝟏𝟔 − 𝟕𝟗. 𝟔𝟏| = 6.55 < 12.47
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.
Bibliografía
(Anderson, Sweeney, & Williams, 2008)
(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.)
35

Portafolio Estadistica Unidad 3

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 3

Cargado por

Copyright:

Formatos disponibles

2022

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

Regresión lineal simple

̅̅̅1 )(𝑌̅) ∑ 𝑋22 − 𝑛 (𝑋

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

(5𝑥4) − (3𝑥1) (140.25 × 28.64) − (24.48 × 151.96)

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

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 )(𝑌̅) ∑ 𝑋22 − 𝑛 (𝑋

1. 5594 − (10)(80)(6.7) = 234

SCE SCT SCR

PERIODO VENTAS 4 MESES CENTRADO

𝑭𝒕−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

1996 14 9.1 127.4 196

TENDENCIA DE REGRESIÓN SIMPLE

Aislamiento del Componente Estacional

MES 1996 1997 1998 RAZÓN ÍNDICE

Aislamiento del Componente Estacional (Ejercicio 2)

T AÑO TRIMESTRE VENTAS PM PMC RAZÓN CON PM

Diseño completamente aleatorizado

𝑓 = 0.05, 3,12 = 3.49

La hipótesis no se rechaza 1.94

Comparación de 4 métodos de ensamble

(13 − 9.75)2 =10.56 (8 − 9.75)2 + (8 − 9.75)2 + (8 − 9.75)2 + (8 − 9.75)2

(10 − 9.75)2 =0.06

Diseño de balanceo (Tuckey)

𝐶𝑀𝐸 2.45 n=4

|𝑋1 − 𝑋3 | = 5.5 > 3.28

|𝑋1 − 𝑋4 | = 3.25 < 3.28

|𝑋2 − 𝑋3 | = 4.25 > 3.28 Igualdad de Promedio

Comparación de cuatro tipos de cuero.

(208 − 229.79)2 =474.80 (8 − 9.75)2 + (8 − 9.75)2 + (8 − 9.75)2 + (8 − 9.75)2 SCE

(213 − 229.79 = 281.90

∝= 0.05 𝑓 = 0.05, 3,20 = 3.10

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

Diseño de balanceo (Tuckey)

𝐶𝑀𝐸 102.81 n=4

|𝑋1 − 𝑋3 | = 25.83 > 16.392

|𝑋2 − 𝑋4 | = 10.60 < 16.392

|𝑋3 − 𝑋4 | = 9.97 < 16.392

Diferencia mínima significativa (DMS)