INSTITUTO TECNOLOGICO DGEST

de Aguascalientes

TTaarreeaa 6
6

Alumno: DANIEL VALENTE BRUNO PIMENTEL

A
Agguuaassccaalliieenntteess,, A
Aggss..
Seis Sigma: DANIEL VALENTE BRUNO PIMENTEL

Ejercicio 1. Para la siguiente información de temperatura de precalentamiento y dureza (tabla

6.2).

Temp Pureza
390 1.5
391 1.8
392 2.1
393 2.3
394 2.6
395 3.1
396 3.4
397 3.7
398 3.9
399 4.2
400 4.5

a) Elaborar el diagrama de dispersión

PIENTEL BRUNO DANIEL VALENTE

Optimizar y Robustecer el Proceso

b) Obtener la ecuación de regresión

y = 0,3055x - 117,65

c) Interprete los valores de los coeficientes de regresión estimados

Coeficiente de correlación
múltiple 0,9977753

Coeficiente de determinación
R^2 0,99555556

R^2 ajustado 0,99506173

Error típico 0,07135061

Observaciones 11

d) Utilice el análisis de varianza para probar la significancia de la regresión

i) Las hipótesis son

H 0 :  1 = 0 (la variación de y resulta de fluctuaciones aleatorias que son independientes

de los valores de x)
H1 : 1  0 (existe una cantidad significativa en la variación de y que se explica por la
variación de x)
ANÁLISIS DE VARIANZA

Grados de Suma de Promedio de los Valor crítico

libertad cuadrados cuadrados F de F

Regresión 1 10,2632727 10,2632727 2016 6,74139E-12

Residuos 9 0,04581818 0,00509091

Total 10 10,3090909

PIENTEL BRUNO DANIEL VALENTE

3
Seis Sigma: DANIEL VALENTE BRUNO PIMENTEL

SCR / 1 CMR
ii) El estadístico de prueba es: f0 = =
SCE /( n − 2 ) CME

iii) La regla de decisión para un nivel de significancia  = 0.05 y v = n − 2 = grados de

libertad es

Rechazar H0 si f 0  f n − 2 , 1 − Pvalor  0.05

1
ó
iv) Evaluar el estadístico de prueba: (TABLA DEL ANOVA)

v) Decisión:
vi) Conclusión
e) Obtenga e interprete el coeficiente de determinación muestral

if) Trazar una gráfica de probabilidad normal de los residuales para verificar el supuesto de
normalidad.

Pronóstico para
Observación Y Residuos

1 1,48181818 0,01818182

2 1,78727273 0,01272727

3 2,09272727 0,00727273

-
4 2,39818182 0,09818182

-
5 2,70363636 0,10363636

6 3,00909091 0,09090909

7 3,31454545 0,08545455

8 3,62 0,08

PIENTEL BRUNO DANIEL VALENTE

Optimizar y Robustecer el Proceso

9 3,92545455 0,02545455

-
10 4,23090909 0,03090909

-
11 4,53636364 0,03636364

Percentil Y

4,545454545 1,5
13,63636364 1,8
22,72727273 2,1
31,81818182 2,3
40,90909091 2,6
50 3,1
59,09090909 3,4
68,18181818 3,7
77,27272727 3,9
86,36363636 4,2
95,45454545 4,5

PIENTEL BRUNO DANIEL VALENTE

5
Seis Sigma: DANIEL VALENTE BRUNO PIMENTEL

Ejercicio 6.2 Considerar que al problema del acabado se le agrega una variable más: posición
(ver tabla 6. 16). Construir un modelo de regresión e interpretarlo.

(y) Acabado (x1)Avance (x2)Posición

60 1.00 10
200 1.75 15
70 1.15 12
190 1.70 17
70 1.10 11
100 1.40 15
115 1.50 15
80 1.25 13
65 1.05 10
120 1.55 16
80 1.15 12
150 1.60 15

Estadísticas de la regresión

Coeficiente de correlación múltiple 0,971344147

Coeficiente de determinación R^2 0,943509452

PIENTEL BRUNO DANIEL VALENTE

Optimizar y Robustecer el Proceso

Error típico 12,72965761

Observaciones 12

ANÁLISIS DE VARIANZA

Grados de
libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F

Regresión 2 24358,26902 12179,13451 75,15934418 0,000002420421724

Residuos 9 1458,397646 162,0441828

Total 11 25816,66667

Coeficientes Error típico Estadístico t Probabilidad

Intercepción -101,2803187 21,92995193 -4,618355707 0,001257284

Variable X 1 (b1) 275,3076321 41,71843236 6,599184498 9,93686E-05

Variable X 2 (b2) -12,07838395 4,630159791 -2,608632207 0,028334242

Superior
Inferior 95% 95% Inferior 95,0% Superior 95,0%

-
-150,8893165 51,67132081 -150,8893165 -51,67132081

180,9339815 369,6812827 180,9339815 369,6812827

-
-22,55253309 1,604234817 -22,55253309 -1,604234817

PIENTEL BRUNO DANIEL VALENTE

7
Seis Sigma: DANIEL VALENTE BRUNO PIMENTEL

Ejercicio 3. Aplicar la regresión por pasos a los siguientes datos:

(y) Acabado (x1)Avance (x2)Posición (x3) Dimsn

60 1.00 10 2
200 1.75 15 3
70 1.15 12 4
190 1.70 17 3
70 1.10 11 2
100 1.40 15 4
115 1.50 15 5
80 1.25 13 6
65 1.05 10 4
120 1.55 16 3
80 1.15 12 6
150 1.60 15 3

PIENTEL BRUNO DANIEL VALENTE

Optimizar y Robustecer el Proceso

ANÁLISIS DE VARIANZA

Grados de Suma de Promedio de los

libertad cuadrados cuadrados F Valor crítico de F

Regresión 3 24419,7378 8139,91259 46,6160452 0,0000206339894

Residuos 8 1396,9289 174,616112

Total 11 25816,6667

Estadístico Superior Inferior Superior

Coeficientes Error típico t Probabilidad Inferior 95% 95% 95,0% 95,0%

- - - - -
Intercepción 94,8577041 25,2074283 3,76308535 0,00551993 -152,986138 36,7292702 152,986138 36,7292702

Variable X 1 265,810655 46,1699959 5,75721635 0,00042546 159,3424539 372,278857 159,342454 372,278857

- - -
Variable X 2 11,0823112 5,09117885 2,17676722 0,06116993 -22,82259071 0,65796825 22,8225907 0,65796825

- -
Variable X 3 1,85751246 3,13073795 0,59331458 0,56936059 -9,077007105 5,36198219 -9,0770071 5,36198219

PIENTEL BRUNO DANIEL VALENTE

9
Seis Sigma: DANIEL VALENTE BRUNO PIMENTEL

Ejercicio 4 Ajustar un modelo polinomial de segundo orden para describir la relación entre la
cantidad de fertilizante (libras por 100 pies cuadrados) y la producción de tomates (en libras).

Cantidad de
Producción
fertilizante
0 6
0 9
20 19
20 24
40 32
40 38
60 46
60 50
80 48
80 54
100 52
100 58

PIENTEL BRUNO DANIEL VALENTE