Universidad Peruana de Ciencias Aplicadas

Universidad Peruana de
Ciencias Aplicadas
Cuaderno de casos propuestos

Contenido
Tema: Estadísticas descriptivas y estimaciones por intervalo..........................................................................3
Tema: Prueba de Hipótesis de una media y una proporción poblacional.........................................................6
Tema: Prueba de Hipótesis de razón de varianzas y diferencia de medias.....................................................10
Tema: Prueba de Hipótesis para la diferencia de medias con muestras relacionadas y para la diferencia de
proporciones..................................................................................................................................................16
Tema: ANOVA de un factor............................................................................................................................20
Tema: ANOVA de dos factores.......................................................................................................................24
Tema: Análisis de regresión lineal simple.......................................................................................................28
Tema: Análisis de correlación.........................................................................................................................34
Tema: Análisis de regresión no lineal.............................................................................................................38
Tema: Análisis de regresión lineal múltiple....................................................................................................44
Tema: Suavización exponencial simple...........................................................................................................52
Tema: Método de descomposición................................................................................................................58
2
Tema: Estadísticas descriptivas y estimaciones por intervalo
Logro: El estudiante construye y analiza tablas elaboradas con MS Excel; asimismo, analiza estimaciones
puntuales y por intervalo utilizando para ello salidas obtenidas con el software estadístico Minitab.
Entendiendo las diferencias entre punto crítico y valor crítico. Obtenga los valores críticos utilizando el
software MS Excel y complete la tabla siguiente:
Punto crítico Valor crítico

(es la nomenclatura del percentil utilizado en el curso) (valor que se identifica en tabla con las funciones incluidas
en MS Excel)
Z0,025 =
Z0,99 =
Z0,01 =
T (0,025;15) =
T (0,975;15) =
F (0,025;3;5) =
F (0,975;3;5) =
Funciones para identificar los valores críticos con MS Excel:
 INV.NORM.ESTAND(probabilidad)
 INV.T(probabilidad, grados de libertad)
 INV.F.CD(probabilidad, grados de libertad1, grados de libertad2)
3
Caso: Empresa de Telefonía Movitel S.A.
La base de datos que está en el archivo de esta sesión muestra la información de 150 usuarios de telefonía
celular de la empresa de telefonía Movitel S.A., los cuáles fueron seleccionados aleatoriamente en todo
Lima, con el objetivo de realizar un estudio. Las variables para analizar son:
Variable Descripción Variable Descripción

Sexo M: Masculino Operador Claro
F: Femenino Movistar
Entel
Edad Edad del usuario en años Tipo de celular Prepago
Postpago
Gasto Gasto mensual del usuario al Nivel de 1: Totalmente insatisfecho
mes satisfacción del 2: Insatisfecho
Tiempo Minutos utilizados por el servicio 3: Satisfecho
usuario al mes 4: Totalmente satisfecho
La gerencia de la empresa de telefonía Movitel S. A. lo ha designado a usted como analista para realizar un
análisis estadístico de los datos recolectados. Como parte del análisis se solicita lo siguiente:
1) Utilizando MS Excel, elabore una tabla dinámica que le permita identificar:

a) ¿Qué operador tiene menos usuarios?
b) ¿Qué operador es el más usado entre los clientes post-pago?
Nota: las tablas dinámicas están dentro de la hoja de base de datos
A continuación, se muestra las salidas obtenidas utilizando el software MINITAB para cada una de las
preguntas anteriores
(a) (b)
Cuenta de variables discretas: Operador Estadísticas tabuladas: Operador; Tipo de celular
Contar Filas: Operador Columnas: Tipo de celular
Operador Conteo Porcentaje POST-PAGO PRE-PAGO Todo
CLARO 54 36.00
ENTEL 33 22.00 CLARO 22 32 54
MOVISTA 63 42.00 32.35 39.02 36.00
R ENTEL 16 17 33
N= 150 23.53 20.73 22.00
MOVISTA 30 33 63
R
44.12 40.24 42.00
Todo 68 82 150
100.00 100.00 100.00
Contenido de la celda
Conteo
% de columna
4
2) La tabla debajo incluye estadísticas descriptivas para la variable edad según operador que se obtuvo
con el programa Minitab. Analice los datos obtenidos e indique en qué grupo las edades son más
homogéneos y en qué grupo se concentran los usuarios con mayores edades.
Estadísticos descriptivos: Edad

Estadísticas
Variabl Varianz Median
e Operador Media a CoefVar Mínimo a Máximo Asimetría
Edad CLARO 32.57 119.61 33.57 20.00 30.00 64.00 1.37
ENTEL 40.45 117.94 26.85 20.00 39.00 65.00 0.29
MOVISTAR 48.29 162.82 26.43 20.00 52.00 65.00 -0.57
3) Determinar si el gasto promedio mensual de los usuarios de telefonía supera los 60 soles mensuales.
Use intervalos de confianza de una media y un nivel de confianza del 98%. A continuación, se muestra
la salida obtenida con el software Minitab.
T de una muestra: Gasto mensual (soles)

Estadísticas descriptivas
Error estándar de IC de 98%
N Media Desv.Est. la media para μ
150 73.92 36.48 2.98 (66.92; 80.93)

μ: media de Gasto mensual (soles)
5
4) Determine si más de la mitad de los usuarios utilizan el tipo de celular prepago. Use intervalos de
confianza de una proporción y un nivel de confianza del 99%. A continuación, se muestra la salida
obtenida con el software Minitab.
Prueba e IC para una proporción: Tipo de celular

Método
Estadísticas descriptivas
N Evento Muestra p IC de 99% para p
150 82 0.546667 (0.441968; 0.651365)
Tema: Prueba de Hipótesis de una media y una proporción poblacional
Logro: Desarrollar pruebas de hipótesis de una media y una proporción poblacional, en casos de su
especialidad.
Caso: Empresa de transporte de materiales BENITIN S.A.

La empresa de transporte de materiales BENITIN S.A. está analizando el
tiempo de carga de sus vehículos de transporte de materiales. El proceso fue
diseñado para que el tiempo promedio de carga sea igual a 42.5 minutos por
vehículo.
El gerente del Área de Producción ha implementado una nueva estrategia de

carga por prioridad con la finalidad de reducir el tiempo promedio de carga de
los vehículos. Para verificar si la nueva estrategia de carga ha tenido éxito se tomó una muestra aleatoria de
8 vehículos y se registró los siguientes tiempos (min):
Tiempo de carga por vehículo (min) 39.0 42.6 29.5 39.6 38.2 41.4 33.2 39.9
A la luz de los resultados obtenidos, ¿puede afirmar que la nueva estrategia de carga de vehículos
implementada por el Gerente de Producción fue exitosa? Justifique adecuadamente su respuesta. Use el
nivel de significación estándar y asuma que el tiempo de carga por vehículo sigue una distribución normal.
Interpretación:
Representación:
6
Cálculo:
7
POR QUE ES COLA A LA IZQUIERDA
Análisis:
Argumentación:
8
Caso: Empresa fabricante de baterías para autos eléctricos RACE BATTERY
S.A.
El Gerente de Producción de la empresa RACE BATTERY quiere garantizar que
el lote de baterías de autos eléctricos que enviará a un cliente cumpla con la
especificación de calidad, es decir “máximo 2% de productos defectuosos”. Si
el lote no cumple con la especificación de calidad para la proporción
defectuosa, el Gerente de producción realizará mejoras en el proceso de
fabricación de las baterías.
Para ello ha tomado una muestra aleatoria 540 unidades del lote y ha identificado 18 productos
defectuosos. A la luz de los resultados obtenidos, ¿se deberá realizar mejoras en el proceso de fabricación?
Use nivel de significación del 1%.
Interpretación:
Representación:
Cálculo:
Análisis:
9
Argumentación:
Tema: Prueba de Hipótesis de razón de varianzas y diferencia de medias
Logro: Desarrollar pruebas de hipótesis de razón de varianzas y diferencia de medias para muestras
independientes, en casos de su especialidad, usando el Minitab.
Caso 1: Compañía de aceites para autos DOVSA S.A.C.

El jefe del área de producción de la compañía DOVSA S.A.C. produce aceites para motores de autos
mediante las fórmulas A y B. El jefe del área afirma que el aceite para motores de autos de Fórmula A tiene
mayor promedio de duración que el aceite para motores de autos de la fórmula B. Para determinar, cuál de
las dos fórmulas será usada en la preparación de los aceites para autos en el futuro, se ha decidido utilizar
aleatoriamente el aceite con la fórmula A en 5 motores y el aceite con la fórmula B en 6 motores y se
elegirá aquella fórmula que presente en promedio mayor duración. A continuación, se muestra el tiempo
de duración (en meses) antes que se comience a perder viscosidad el aceite:
Fórmula A 9.2 7.8 6.4 11.2 16.0

Fórmula B 7.0 4.4 4.0 4.4 7.5 5.0
10
Analice la información presentada. ¿Qué fórmula de aceite para motores de auto recomendaría producir al
responsable del área de producción? Justifique adecuadamente su respuesta. Utilice un nivel de
significación de 7% y asuma que se cumple el supuesto de normalidad.
Prueba F para varianzas de dos muestras

Fórmula Fórmula
A B
5.383333
Media 10.12 333
2.217666
Varianza 13.952 667
Observaciones 5 6
Grados de libertad 4 5
6.291297
F 159
0.034514
P(F<=f) una cola 504
4.324069
Valor crítico para F (una cola) 788
Prueba t para dos muestras suponiendo varianzas iguales

Fórmula A Fórmula B
Media 10.120 5.383
Varianza 13.952 2.218
Observaciones 5 6
Varianza agrupada 7.4329
Diferencia hipotética de las medias 0
Grados de libertad 9
Estadístico t 2.8692
P(T<=t) una cola 0.0093
Valor crítico de t (una cola) 1.6185
P(T<=t) dos colas 0.0185
Valor crítico de t (dos colas) 2.0554
Prueba t para dos muestras suponiendo varianzas desiguales

Fórmula A Fórmula B
Media 10.120 5.383
Varianza 13.952 2.218
Observaciones 5 6
Valores críticos para una prueba de hipótesis bilateral para el cociente de varianzas
11
Cálculo del valor crítico cola izquierda Cálculo del valor crítico cola derecha
F Crit-izq =
1
[ α
]
F tab ;( n 2 -1); ( n1 -1 )
[α
]
F Crit-der = Ftab ; ( n1 -1 ) ; ( n 2 -1 )
2
2
Criterio basado en el valor p (aplicada para cualquier tipo de hipótesis):

Si valor p ≤ α  Se rechaza H0
Si valor p > α  No se rechaza H0
12
Caso 2: Empresa de transporte Challenger S.A.C.
El Ingeniero Luis Palomino, se encarga de la compañía de transporte terrestre de pasajeros Challenger
S.A.C. que tiene dos tipos de Buses para el transporte de pasajeros: El tipo Panorámico y el tipo Estándar.
Luis, desea adquirir más unidades de buses Panorámicos, pues sospecha que el desgaste en la compresión
de los cilindros (que mide la estanqueidad entre los segmentos/pistones/cilindros y las válvulas con sus
asientos en unidades PSI) en dichos buses es inferior al desgaste de los buses Normales. De ser cierto esto,
el ingeniero iniciará el trámite para la adquisición de nuevas unidades Panorámicas. Para verificar ello,
realiza la medición de la compresión de cilindros a 10 buses Panorámicos y 9 buses Normales con un
manómetro, los registros de las mediciones de cada tipo de bus se muestran a continuación:
Compresión de Cilindros: Compresión de Cilindros:

Bus Panorámico (1) en PSI Bus Normal (2) en PSI
180 140
13
178 155
180 160
175 155
175 164
170 180
160 160
155 170
165 150
180
Analice la información presentada y brinde una recomendación al Ingeniero Palomino. Justifique

adecuadamente su respuesta. Nivel de significancia del 5%. Utilice la base de datos de Excel (Hoja: Caso2)
Prueba F para varianzas de dos muestras

Compresión de Cilindros: Bus Compresión de Cilindros:
Panorámico (1) en PSI Bus Normal (2) en PSI
Media 171.800 159.333
Varianza 81.289 132.750
Observaciones 10 9
Grados de libertad 9 8
F 0.6123
P(F<=f) una cola 0.2399
Valor crítico para F (una cola) 0.3096
Prueba t para dos muestras suponiendo varianzas iguales

Compresión de Cilindros: Bus Compresión de Cilindros: Bus
Panorámico (1) en PSI Normal (2) en PSI
Media 171.800 159.333
Varianza 81.289 132.750
Observaciones 10 9
Varianza agrupada 105.5059
Prueba t para dos muestras suponiendo varianzas desiguales

Compresión de Cilindros: Bus Compresión de Cilindros:
Panorámico (1) en PSI Bus Normal (2) en PSI
Media 171.800 159.333
Varianza 81.289 132.750
Observaciones 10 9
14
15
Dalta
Tema: Prueba de Hipótesis para la diferencia de medias con muestras relacionadas y

para la diferencia de proporciones
Logro: Desarrollar pruebas de hipótesis de diferencia de medias relacionadas en casos de su especialidad.
Caso: ACEROS LIMA S.A.

El ingeniero de producción de ACEROS LIMA S.A., productor mayorista de fierros de construcción ha
diseñado un nuevo método con la intención de optimizar el tiempo de entrega de los lotes pedidos de
fierro de construcción en la región central del país. Para probar la eficacia de este nuevo método,
selecciona en forma aleatoria a ocho empleados de la sección de entregas y mide el tiempo de entrega con
el método actual y luego mide el tiempo de entrega de estos mismos empleados con el método nuevo . Los
resultados en días de entrega son los siguientes.
Tiempo de entrega con Método actual (1) 6 6 6 7 7 7 6 7

Tiempo de entrega con Método nuevo (2) 5 6 6 7 8 8 5 4
Verifique el supuesto del ingeniero de producción y de sus conclusiones con un nivel de significación del
5%. Asuma que el tiempo de entrega de los lotes de fierros de construcción se distribuye en forma normal.
Interpretación:
Determinar si el nuevo es más eficaz que el método actual
Representación:
Variables:
X1=Tiempo de entrega con Método actual en días
X2= Tiempo de entrega con Método nuevo en días
16
Parámetro
X1=Tiempo de entrega promedio con Método actual en días
X2= Tiempo de entrega promedio con Método nuevo en días
El nuevo tenga un rango de tiempo menor al actual
izquierdaaaaaa
HO :u 1≤ u 2 →u 1−u 2 ≤ 0
H 1:u 1>u 2→ u 1−u 2 ≤ 0
Cálculo:
Análisis:
tcal> t crítico →no se rechaza H 0
Argumentación:
17
Con un nivel de significación de 5%n no existe evidencia suficiente para afirmar que el tiempo de entrega
del nuevo método fueron MENORES al tiempo de entrega actual
Caso: PISOS LIMA S.A.

El gerente de producción de la empresa PISOS LIMA S.A. evalúa dos tipos diferentes de soluciones para
pulir pisos cerámicos y escogerá una de ellas para su posible implementación en la empresa. Se pulen 200
pisos cerámicos seleccionados al azar con la primera solución y, de éstos, 80 presentan defectos inducidos
por el pulido. Después se pulen otros 150 pisos cerámicos escogidos al azar con la segunda solución, de los
cuales 40 resultan defectuosos. El gerente de producción considera que la primera solución produce mayor
proporción de defectos que la segunda solución, de ser cierto su sospecha deberá elegir la segunda
solución para la implementación en la empresa. A un nivel de significación del 4%, ¿el gerente de
producción deberá elegir la segunda solución?
Interpretación:
Representación:
Cálculo:
Análisis:
18
Argumentación:
Caso: Capacitación de personal

El ingeniero de una empresa importadora sospecha que el porcentaje de devolución de cierto producto por
defectos de fabricación es mayor en el producto A que en el producto B en más del 2%. Para verificar esto
toma una muestra al azar de 400 compradores del producto A y 384 compradores del producto B y
encontró que 48 compradores del producto A y 26 del producto B devolvieron el producto por defectos de
fabricación. De confirmarse la sospecha se debe recomendar capacitar al personal que fabrica el producto
A. Utilice un nivel de significancia del 5%. Asuma normalidad de la variable en estudio. ¿Se capacitará al
personal que fabrica el producto A?
Interpretación:
Representación:
Cálculo:
19
Análisis:
Con un nivel de significancia de 0,05, no existe evidencia muestral suficiente para afirmar que los
compradores del producto A tienen más devoluciones que del producto B en más del 2%
Argumentación:
Tema: ANOVA de un factor

Logro: Desarrollar análisis de varianza para un DCA y prueba de Tukey, en casos de su especialidad,
usando el software MINITAB.
20
Caso: Densidad de los tabiques
Un ingeniero realizó un experimento para determinar si cuatro diferentes tipos de arcilla, utilizadas en la
elaboración de ciertos tabiques, afectan su densidad. A continuación, se muestran los datos:
Tipo de arcilla Densidad (Kg/m3)

A 21.8 21.9 21.7 21.5 21.8
B 21.7 21.4 21.5
C 22.9 22.8 22.5
D 21.9 21.7 21.6 21.8
Con un nivel de significación del 1%, si se requiere tabiques de mayor densidad, ¿qué tipo(s) de arcilla es la
más adecuada?
Interpretación:
Representación:
Cálculo y análisis:
21
Argumentación:
Caso: Aceros Trujillo S.A.

El jefe de control de calidad, de la empresa Aceros Trujillo S.A. decide utilizar un nuevo método
anticorrosivo con el objetivo de reducir el tiempo de corrosión en los metales, entre sus opciones cuenta
cuatro métodos anticorrosivos (M1, M2, M3, M4). Para esto, se diseña un experimento y se selecciona 20
22
metales y, a cada uno, se le asigna de manera aleatoria un método anticorrosivo. El tiempo, en minutos,
que tardan en corroerse los metales se ha registrado en la siguiente tabla:
M1 M2 M3 M4
17 25 20 21
18 22 17 31
16 22 19 24
19 27 20 30
20 26 17 31
Asumiendo que se cumplen los supuestos y utilizando un nivel de significación del 5% ¿Qué método(s)
anticorrosivo deberá utilizar el jefe de control de calidad?
Interpretación:
Representación:
23
Argumentación:
Tema: ANOVA de dos factores
Logro: Desarrollar análisis de varianza para dos factores y prueba de Tukey, en casos de su especialidad,
usando el MINITAB.
24
Caso: Tiempo de conservación de los espárragos
Una empresa agroindustrial del norte del país dedicada a la exportación de espárragos, en donde la
característica más importante es el tiempo de conservación (semanas) de los espárragos. Uno de los
ingenieros dentro de la empresa desea evaluar si la variedad del esparrago (A, B y C) y el sistema de
enfriamiento (Pro –frio, Mega – frio y Súper-frio) al cual se sometido el espárrago para su conservación
influyen en el tiempo de conservación de los espárragos. Para esto, se diseña un experimento con tres
variedades de espárragos y tres sistemas de enfriamiento. Los resultados se muestran a continuación:
Sistema de Variedad de esparrago

Enfriamiento A B C
51.9 50.7 53.7
Pro - Frio 51.0 51.3 50.4
51.0 51.6 53.4
48.6 47.1 49.2
Mega - Frio 49.5 49.2 50.7
49.2 50.7 49.2
46.5 50.7 49.8
Súper - Frio 48.0 47.1 48.6
50.1 51.0 48.9
Con un nivel de significación de 3%, ¿Qué sistema de enfriamiento y/o variedad de esparrago, de acuerdo si
afectan de forma conjunta o independientemente, obtiene un mayor tiempo de conservación de los
espárragos?
Interpretación:
Representación:
Cálculo y análisis
25
Argumentación:
Caso: Resistencia al rompimiento

El director de control de calidad de una fábrica de telas desea estudiar el efecto de sus 4 operadores (A, B,
C, y D) y sus 3 máquinas (I, II, III) sobre la resistencia al rompimiento (en libras) del material de sarga de
lana. Un lote del material se cortó en piezas de una yarda cuadrada y éstas fueron asignadas
26
aleatoriamente, de tres en tres, a las doce combinaciones generadas por los 4 operarios y las 3 máquinas. A
continuación, se presentan los resultados:
I II III
A B C D A B C D A B C D
115 117 109 112 111 105 100 105 109 110 103 108
115 114 110 115 108 102 103 107 110 113 102 111
119 114 106 111 114 106 101 107 107 114 105 110
Con un nivel de significación de 5%, ¿Con que operador y/o tipo de máquina, de acuerdo si afectan de
forma conjunta o independiente, obtiene una mayor resistencia al rompimiento?
Interpretación:
Representación:
27
Argumentación:
28
Tema: Análisis de regresión lineal simple
Logro: Estimar valores a partir de modelos de regresión lineal simple que brindan la adecuada validez
estadística, en casos de su especialidad, utilizando el software estadístico Minitab.
Caso: Fábrica de tornos

Luis Rivas, es un ingeniero industrial quien actualmente está a cargo
del área de producción de una fábrica de tornos y sabe que una
máquina cuando no se le hace un servicio de mantenimiento
periódico, ésta tiende a consumir más electricidad de lo normal
disminuyendo también las unidades producidas. Por ello, Luis supone
que el gasto por consumo de electricidad, en soles, está relacionado
linealmente al tiempo de funcionamiento de la máquina, en minutos, del área de producción.
A continuación, se presentan los siguientes datos obtenidos de los últimos 10 registros diarios:
Gasto por consumo

55 100 118 120 142 70 125 98 125 65
de electricidad (soles)
Tiempo de
200 500 700 800 1000 220 795 440 950 170
funcionamiento (min)
Con el objetivo de disminuir los gastos diarios por consumo de electricidad, Luis solicitará un servicio de
mantenimiento para la máquina, si el gasto diario por consumo de electricidad, cuyo tiempo de
funcionamiento es de 16 horas (x)al día, es mayor a 165 soles. De ser necesario, utilice un nivel de
significación de 5% y nivel de confianza de 95%
Interpretación:
Determinar si el ingeniero Luis solicitara mantenimiento para las maquinas
Representación:
VARIABLE DEPENDIENTE Y gasto por consumo de electricidad soles ( depende de)
VARIABLE INDEPENDIENTE X tiempo de funcionamiento
29
Coeficiente de correlación o pendiente de problema
PRINCIPALES MEDIDAS DE BNDAD Y AJUSTE
30
2
R =94,69 % →el 94,69% de la variabilidad del gasto de electricidad es explicado por el tiempo de
funcionamiento de la maquina
VERIFICANDO LOS SUPUESTOS DEL MODELO
GRAFICA
IMAGENESS
31
Argumentación:
Caso: Constructora “SISCOM S.A.C.”

El dueño de la empresa SISCOM S.A.C., piensa que el gasto mensual (miles de soles) en publicidad está
relacionado linealmente con la cantidad vendida de videocámaras (miles de unidades) del tipo camufladas.
Por ello, encarga a Inés encargada del área de negocios verificar esta afirmación. La información recopilada
por Inés de las unidades vendidas de dicho tipo de videocámaras en las últimas 13 semanas y los gastos
realizados en publicidad (miles de soles) se muestran a continuación:
Cantidad
2 3 2 11 7 16 9 2 12 4 9 3 13
videocámaras
5.0 5.1 4. 12.9 8.0 19.0 10.1 4.2 13.5 4.8 10.2 5.1 15.0
Gasto en publicidad
0 6 5 7 5 1 6 9 2 2 3 5 5
32
Si el pronóstico de la cantidad media de videocámaras vendidas es mayor a 10 mil unidades, cuando el
gasto en publicidad realizado es de 15 mil soles, el gerente disminuirá en 6%, el gasto en publicidad. Utilice
un nivel de significación del 3% y un nivel de confianza del 95%.
Interpretación:
Representación:
33
34
Argumentación:
Tema: Análisis de correlación

Logro: Analizar la correlación entre dos variables de un modelo lineal simple y el supuesto de
independencia de los errores en casos de su especialidad.
Caso: Espárragos
La tenacidad y fibrosidad de los espárragos son determinantes importantes de su calidad. Este fue el
enfoque de un estudio reportado en “Post-Harvest Glyphosphate Application Reduces Toughening, Fiber
Content, and Lignification of Stored Asparagus Spears” (J. of the Amer. Soc. of Horticultural Science, 1988:
569-572). El artículo reportó siguientes datos sobre la variable X: fuerza cortante (kg), sobre la variable Y:
porcentaje de peso de fibra en seco.
35
x 46 48 55 57 60 72 81 85 94
y 2.18 2.1 2.13 2.28 2.34 2.53 2.25 2.62 2.63
x 109 121 132 137 148 149 184 185 187

y 2.5 2.66 2.79 2.8 3.01 2.98 3.34 3.49 3.26
a) Calcule el valor del coeficiente de correlación. Basado en este valor, ¿cómo describiría la naturaleza
de la relación entre las dos variables?
n
1
σ xy n
∑ ( x i - x ) ( y i - y )
i=1
Use la siguiente fórmula: r = =
√ √
σ x σy 1
n n
n
∑ ( x i - x ) * 1n
2
∑ ( y i - y )2
i =1 i =1
r 0,9647
b) Realice la estimación del modelo de regresión lineal para estimar el porcentaje de peso de fibra en
seco. Interprete el coeficiente de regresión.
σ y →desviacion estnadr de Y
σy
Use las siguientes fórmulas: β^ 1 = r β^ 0 = y - β^ 1 x
σx
c) Calcule las estimaciones y los errores.
36
d) Uno de los supuestos del modelo de regresión, de mínimos cuadrados, es que los errores son
independientes es decir no están autocorrelacionados. Gráficamente usando el gráfico de
dispersión de et y et - 1 ¿hay autocorrelación de los residuos?
gráficode dispersión de los errores

0.2500
0.2000
0.1500
0.1000
0.0500
0.0000
-0.2500 -0.2000 -0.1500 -0.1000 -0.0500 0.0000 0.0500 0.1000 0.1500 0.2000 0.2500
-0.0500
-0.1000
-0.1500
-0.2000
-0.2500
37
Caso: Planta ensambladora de autos
Juan Pérez, es un ingeniero industrial quien actualmente está a cargo del
área de producción de una planta ensambladora de autos. Últimamente
se han reportado en la planta, máquinas ensambladoras paralizadas,
situación que afecta fuertemente la tasa de productividad.
Juan piensa que el costo por falla de la máquina ensambladora (en miles
de dólares) está en función al tiempo (en horas) que se pierde cada vez
que ésta deja de operar.
A continuación, se presentan los siguientes datos obtenidos de los últimos 12 registros de fallas:
Tiempo perdido
12 21 31 34 37 49 34 34 42 51 56 67
( horas)
Costo por falla
16 22 26 28 30 40 33 29 37 42 45 47
(miles de $)
a) Calcule el valor del coeficiente de correlación. Basado en este valor, ¿cómo describiría la naturaleza
de la relación entre las dos variables?
n
1
σ xy n
∑ ( x i - x ) ( y i - y )
i=1
Use la siguiente fórmula: r = =
√ √
σ x σy 1
n
1
n
n
∑ ( x i - x ) *2
n
∑ ( y i - y )2
i =1 i =1
b) Realice la estimación del modelo de regresión lineal para estimar el porcentaje de peso de fibra en
seco. Interprete el coeficiente de regresión.
38
σy
Use las siguientes fórmulas: β^ 1 = r β^ 0 = y - β^ 1 x
σx
c) Calcule las estimaciones y los errores.
d) Uno de los supuestos del modelo de regresión, de mínimos cuadrados, es que los errores son
independientes es decir no están autocorrelacionados. Gráficamente usando el gráfico de
dispersión de et y et-1 ¿hay autocorrelación de los residuos?
39
Tema: Análisis de regresión no lineal
Logro: Estimar valores a partir de modelos de regresión no lineal simple que brindan la adecuada validez
Caso: Empresa metalmecánica Volkan S.A.

La facturación mensual (soles) del servicio telefónico de la
empresa metalmecánica “Volkan S.A.” ha sufrido un fuerte
incremento en los últimos meses. El gerente comercial está
preocupado por dicho incremento y solicitará a la compañía
telefónica tarifas especiales para reducir la facturación, solo si la
facturación mensual promedio, cuando el tiempo utilizado en el
servicio de internet es de 1100 minutos(X), es mayor a 120 soles.
Por tal motivo, se realizó un estudio para analizar la relación de la
facturación mensual con el tiempo utilizado en el servicio de
internet (en minutos). A continuación, se presenta la información recolectada para el estudio:
Facturación mensual (soles) 55 100 118 120 142 70 125 98 125 65

Tiempo utilizado en
200 500 700 800 1000 220 795 440 950 170
el servicio de internet (minutos) (X)
¿Cuál será la decisión del Gerente Comercial? Utilice un nivel de significación de 1% y un nivel de confianza
del 99% en las diferentes pruebas.
Interpretación:
Representación:
Y: Facturación mensual (soles)

X: Tiempo utilizado en el servicio de internet (minutos) (X)
1.-Estimación de los modelos y medidas de bondad de ajuste

Dsaas
Das
40
Coeficientes
EE del
Término Coef coef. Valor T Valor p FIV
Constante 49,00 4,98 9,84 0,000
Tiempo utilizado X 0,09142 0,00766 11,94 0,000 1,00
Resumen del modelo
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
7,22610 94,69% 94,02% 91,30%
Cuadratico
Coeficientes
Término Coef EE del coef. Valor T Valor p FIV
Constante 35,06 8,29 4,23 0,004
X^2 -0,000060 0,000031 -1,96 0,090 28,91
Resumen del modelo
R-cuad. R-cuad.
6,20262 96,57% 95,59% 90,86%
Coeficientes
Constante 4,0134 0,0741 54,14 0,000
Resumen del modelo

R-cuad. R-cuad.
0,107617 90,22% 88,99% 84,23%
Coeficientes
EE del
Constante 1,686 0,226 7,47 0,000
Ln(X) 0,4681 0,0363 12,89 0,000 1,00
41
Resumen del modelo
R-cuad. R-cuad.
0,0737527 95,40% 94,83% 91,07%
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 2 7590,3 3795,15 98,65 0,000
Tiempo utilizado X 1 784,8 784,81 20,40 0,003
X^2 1 148,4 148,43 3,86 0,090
Error 7 269,3 38,47
Total 9 7859,6
Como se rechazó ahora con potencia

Coeficientes
42
EE del
Constante 1,686 0,226 7,47 0,000
Ln(X) 0,4681 0,0363 12,89 0,000 1,00
Como si es valido ahora hago prueba de normalidad de los erroes
Falta la grafica
43
44
Predicción
Ajuste EE de ajuste IC de 99% IP de 99%
4,96402 0,0378941 (4,83687; 5,09117) (4,68579; 5,24224)
Por q piden promedio IC
45
Argumentación:
Regrdsion simple
46
47
Caso: Empresa Super Metal S.A.
La empresa Super Metal S.A., dedicada a la producción de herramientas de acero, desea presentar al
mercado un nuevo tipo de punta para taladros. Antes de ello desea saber la relación entre la deformación
(en mm) que sufre el acero a temperatura normal y la dureza del acero (en kg/mm 2). Para investigar esta
relación se ha tomado la siguiente muestra de datos:
Dureza (Kg/mm2) 68 67 65 53 44 40 37 34 32
Deformación (mm) 6 9 11 13 22 26 28 33 35
Si la dureza del acero es menor a 35 kg/ mm2, cuando la deformación que sufre el acero es de 40 mm (X), la
empresa presentará el nuevo tipo de punta para taladros. ¿Cuál será la decisión de la empresa? Utilice un
nivel de significación de 5% y nivel de confianza de 97% en las diferentes pruebas.
Interpretación:
Representación:
48
Lineal
Coeficientes
EE del
Constante 75,72 2,46 30,78 0,000
Deformación X -1,320 0,108 -12,21 0,000 1,00
Resumen del modelo

R-cuad. R-cuad.
3,31995 95,52% 94,88% 92,91%
Cuadrática
Coeficientes
EE del
Constante 83,40 4,66 17,90 0,000
Deformación X -2,322 0,550 -4,22 0,006 34,86
x^2 0,0245 0,0133 1,85 0,114 34,86
Resumen del modelo
R-cuad. R-cuad.
2,86123 97,15% 96,19% 94,13%
Exponencial
Coeficientes
EE del
Constante 4,4055 0,0353 124,98 0,000
Deformación X -0,02735 0,00155 -17,66 0,000 1,00
Resumen del modelo

R-cuad. R-cuad.
0,0475712 97,81% 97,49% 96,53%
Potencial
Coeficientes
EE del
Constante 5,168 0,119 43,26 0,000
Ln(X) -0,4621 0,0410 -11,28 0,000 1,00
49
Resumen del modelo
R-cuad. R-cuad.
0,0733502 94,78% 94,04% 88,02%
Exponencial
Regresión 1 0,70605 0,706049 311,99 0,000
Deformación X 1 0,70605 0,706049 311,99 0,000
Error 7 0,01584 0,002263
Total 8 0,72189
0,000 < 0,05  se rechaza  si es válida seguimos
X q gano exponencial
50
51
52
Valor p = 0,897 > 0,05  no se rechaza h0  se cumple el suppuesto
homocedasticidad
Estadístico de Durbin-Watson
Estadístico de Durbin-Watson = 2,18019
Esta dentro del intervalo
El mejor modelo
x=40
Ln Y= 3,3115
e^( Ln Y)= e^(3,3115)
Y= 27,42623
53
54
Predicción
Ajuste EE de ajuste IC de 97% IP de 97%
3,31159 0,0343316 (3,21839; 3,40478) (3,15234; 3,47084)
23,39 32,16
Si por que es memor 35

Si se presentara los…..
Argumentación:
55
Tema: Análisis de regresión lineal múltiple
Logro: Estimar valores a partir de modelos de regresión lineal múltiple que brindan la adecuada validez
Caso: Vidrios Perú S.A.

El área de control de procesos Vidrios Perú S.A. realiza un estudio donde se recopiló 86 observaciones, a
partir de los reportes generados durante los meses de enero, febrero y marzo del año 2019, considerando
las siguientes variables:
Variable Descripción
Peso total de material utilizado x1 En kilogramos.
Producción total de botellas de cerveza sin rotura x2 Producción en unidades.
Total de botellas con rotura x3 En unidades.
Costo total de botellas fabricadas En soles.
Como parte del análisis de los procesos productivos, el Gerente de Producción

estudia la relación existente entre el costo total de las botellas, el peso total del
material utilizado (Kg), el total de botellas con rotura (unidades), y producción total
de botellas sin roturas.
Con el objetivo de reducir el costo total de las botellas fabricadas, el gerente de

producción decidirá implementar un nuevo proceso de producción si el costo total
de las botellas es mayor a 5 500 soles, cuando el peso total del material es 45580 y el total de botellas con
rotura es de 400 y la producción total de las botellas sin rotura es 40000. Use un nivel de significación del
5% y un nivel de confianza del 95% (alfa a entrar 0.05 y alfa a retirar 0.05)
Interpretación:
Representación:
Y= el costo total de las botellas(soles)

X1= el peso total del material utilizado (Kg) 45580
X2= producción total de botellas sin roturas40000
X3= el total de botellas con rotura (unidades) 400
56
57
Coeficientes
Constante 967 301 3,21 0,002
Peso total X1 0,001644 0,000725 2,27 0,026 1,23
botellas sin rotura X2 0,1272 0,0162 7,84 0,000 101,01
botellas con rotura X3 -0,58 2,83 -0,20 0,839 100,32
Resumen del modelo

R-cuad. R-cuad.
231,751 98,66% 98,62% 98,53%
Regresión 3 325428463 108476154 2019,72 0,000
Peso total X1 1 275829 275829 5,14 0,026
botellas sin rotura X2 1 3298324 3298324 61,41 0,000
botellas con rotura X3 1 2241 2241 0,04 0,839
Error 82 4404089 53708
Total 85 329832552
MODELO INDIVIADUL
Coeficientes
58
Constante 967 301 3,21 0,002
Peso total X1 0,001644 0,000725 2,27 0,026 1,23
botellas con rotura X3 -0,58 2,83 -0,20 0,839 100,32
Paso a paso
59
mostras detalle
60
61
Coeficientes
Constante 1026,4 86,1 11,93 0,000
Peso total X1 0,001651 0,000720 2,29 0,024 1,23

Resumen del modelo

R-cuad. R-cuad.
230,409 98,66% 98,63% 98,57%
Este modelo hay esta validado porque hay elimino le malo  pero igual se
va a confirmar xd
62
Regresión 2 325426223 162713111 3064,95 0,000
Peso total X1 1 278907 278907 5,25 0,024
botellas sin rotura X2 1 257383164 257383164 4848,21 0,000
Error 83 4406329 53088
Total 85 329832552
Coeficientes
Constante 1026,4 86,1 11,93 0,000
Peso total X1 0,001651 0,000720 2,29 0,024 1,23
botellas sin rotura X2 0,12390 0,00178 69,63 0,000l 1,23
63
64
|
65
Estadístico de Durbin-Watson
Estadístico de Durbin-Watson = 1,78366
Coeficientes
Constante 1026,4 86,1 11,93 0,000
Peso total X1 0,001651 0,000720 2,29 0,024 1,23
El Factor de Inflación de la Varianza no puede pasar el 10

66
ninguno mayor a 1
Estadísticas
Variable Mínimo Máximo
COOK 0,00000 0,06387
67
68
95%
Argumentación:
69
Caso: “Sam Motor Perú S.A.”
El gerente de comercialización de “Sam Motor Perú S. A.” piensa que el ingreso mensual de la empresa (en
dólares) depende de las siguientes variables: Cantidad de servicios realizados por mes, Costos mensuales
(en dólares) y margen de utilidad mensual (%). Para tal fin se selecciono una muestra aleatoria de 30
meses.
Si el ingreso mensual medio de la empresa es menor a 3000 dolares, cuando la cantidad de servicios es 100,
el costo mensual es 80 dólares y el margen de utilidad mensual resulta 25%, el gerente tomará la decisión
de realizar campañas publicitarias con el objetivo de incrementar la cantidad de servicios realizados al mes.
¿Qué decisión tomará el gerente?. De ser necesario, considere en los análisis un nivel de significación del
5% y un nivel de confianza del 99% (alfa a entrar 0.05 y alfa a retirar 0.05).
Interpretación:
Representación:
Y= el ingreso mensual
X1= Cantidad de servicios realizados por mes
X2= Costos mensuales (en dólares)
X3= margen de utilidad mensual (%)
Coeficientes
EE del
Constante 515 314 1,64 0,114
servicios realizado X1 -1,30 1,61 -0,81 0,428 1,04
Costos mensuales x2 13,56 3,19 4,24 0,000 1,29
utilidad mensual X3 52,71 9,69 5,44 0,000 1,34
Y= 515-1,30 X1 + 13,56 X2 + 52,71 X3
Resumen del modelo

R-cuad. R-cuad.
151,119 78,45% 75,96% 72,46%
R^2 = 75,96 …………
70
S= 151,119 …….
Regresión 3 2161489 720496 31,55 0,000
servicios realizado X1 1 14833 14833 0,65 0,428
Costos mensuales x2 1 411411 411411 18,02 0,000
utilidad mensual X3 1 676046 676046 29,60 0,000
Error 26 593765 22837
Total 29 2755254
X1= Cantidad de servicios realizados por mes

individial
Coeficientes
EE del
Constante 515 314 1,64 0,114
servicios realizado X1 -1,30 1,61 -0,81 0,428 1,04
No se rechaza x1  0,428 >0,05
se rechaza x1  0,000 >0,05
se rechaza x1  0,000 >0,05
Las variables de X2= Costos mensuales (en dólares) y X3= margen de utilidad mensual (%) son
sognificantes dentro del modelo. Sim embargo, la variable X1= Cantidad de servicios realizados por mes
no es significante. Por lo tanto, el modelo no es valido
Paso a paso
71
Coeficientes
EE del
Constante 322 203 1,59 0,125
Y= 322 + 13,41 X2 + 54,23 X3

B2= 13,41  cuando ……….

B3= 54,23  cunad……..
Resumen del modelo

R-cuad. R-cuad.
150,135 77,91% 76,28% 73,88%
R^2 =76,28% 
S= 150,135 
Este modelo hay esta validado porque hay elimino le malo  pero igual se
va a confirmar xd
Regresión 2 2146656 1073328 47,62 0,000
Costos mensuales x2 1 403994 403994 17,92 0,000
utilidad mensual X3 1 744013 744013 33,01 0,000
Error 27 608598 22541
Total 29 2755254
a
un nivel de significación de 5%, la evidencia muestras es suficiente para afirmar que existe
relación lineal entre Y= el ingreso mensual, X2= Costos mensuales (en dólares), y el X3= margen de
utilidad mensual (%). A NIVEL GLOBAL EL MODELO ES VÁLIDO
Coeficientes
EE del
Constante 322 203 1,59 0,125
H0: B2=0
72
H0: B2≠0
X2  0,000 >0,05 SE RECHAZA H0
H0: B3=0
H0: B3≠0
X2  0,000 >0,05 SE RECHAZA H0
A un nivel de significación de 5%, las variables de X2= Costos mensuales (en dólares), y el
X3= margen de utilidad mensual (%) son significativos dentro del modeo. POR LO TANTO, EL MODELO
ES VÁLIDO
73
74
75
76
Argumentación:
Tema: Suavización exponencial simple
Logro: Pronosticar valores a partir de modelos con series de tiempo estacionarias o no estacionarias, en
casos de su especialidad.
Caso: Empresa Toy S.A.  estacionaria

La empresa Toy S.A. dedicada por años a la fabricación y venta de juguetes lúdicos a nivel nacional, desea
invertir en publicidad para promocionar sus nuevas líneas de juguetes. La empresa desea determinar el
pronóstico de las ventas de los productos, para tomar decisiones internas en la empresa. Para ello, el área
de administración recolectó las ventas, en miles de soles, desde el III trimestre de 2018 hasta el IV trimestre
de 2020.
Año Trimestre Yt
III 79
2018
IV 87
I 77
II 81
2019
III 89
IV 79
I 76
II 87
2020
III 79
IV 87
Si el pronóstico de las ventas para el I trimestre de 2021 supera los 86000 soles, la empresa invertirá en
publicidad para promocionar la nueva línea de juguetes. ¿Cuál será la decisión de la empresa? Utilice α =
0.40, 0.70 y 0.90.--> 3 pronostico
Interpretación:
Representación:
Y= ventas de juguetes en miles de soles
X(periodo de tiempo)= periodo dependiente TRIMESTRAL
77
78
79
Cálculo y Análisis:
0.40, 0.70 y 0.90
80
81
82
Medidas de exactitud
MAPE 6,0387
MAD 5,0277
MSD 32,5994
sumaaa
Estadísticas
Variable Suma
RESID1 11,18
83
y lo
demás ya esta marcado
Constante de suavización
α 0,7
Pronósticos
Período Pronóstico Inferior Superior
11 85,0654 70,4724 99,6584
MAPE 7,1865
MAD 5,9564
MSD 43,7311
84
Estadísticas
Variable Suma
RESID2 8,66
85
Constante de suavización
α 0,9
MAPE 8,0416
MAD 6,6528
MSD 54,0633
Pronósticos
Período Pronóstico Inferior Superior
11 86,2694 69,9704 102,568
Estadísticas
Variable Suma
RESID3 8,08
86
Saco al mayor de 2
Argumentación:
Caso: Empresa Construc S.A.

La empresa Construc S.A., realiza mantenimiento a la vía del tren Huancayo – Huancavelica y debe
programar una próxima restructuración en las partes de la vía desgastada. El trabajo de restructuración
será programado para la primera semana de febrero de 2021, solo si, el pronóstico del número de
pasajeros del mes de febrero es menor a 11000 pasajeros.
t Año Mes Yt t Año Mes Yt

1 Enero 12484 13 Enero 11805
2 2019 Febrero 12198 14 2020 Febrero 10043
3 Marzo 10865 15 Marzo 10709
87
4 Abril 11257 16 Abril 9783
5 Mayo 10779 17 Mayo 12073
6 Junio 11957 18 Junio 10182
7 Julio 10701 19 Julio 10667
8 Agosto 12132 20 Agosto 10669
9 Setiembre 10331 21 Setiembre 10247
10 Octubre 12552 22 Octubre 12231
11 Noviembre 11154 23 Noviembre 11653
12 Diciembre 11890 24 Diciembre 11461
25 2021 Enero 9764
Utilizando α = 0.3, 0.5, 0.7 y 0.9. ¿Cuál será la decisión de la empresa?
Interpretación:
Representación:
88
Argumentación:
Tema: Método de descomposición
Logro: Pronosticar valores a partir de modelos con series de tiempo estacionarias o no estacionarias, en
casos de su especialidad, utilizando el software estadístico Minitab.
Caso: Empresa Talma

Talma es un operador de servicios aeroportuarios que opera en el Aeropuerto Internacional Capitán FAP
Carlos Martínez de Pinillos de la ciudad de Trujillo región La Libertad. Desea aplicar un nuevo proceso en
sus operaciones, puesto que le permite prever los requerimientos de maquinaria, personal, espacio y
otros recursos.
Si los pronósticos del número de embarques a realizar, durante los dos últimos trimestres del 2020, son
menores a 2000 embarques, optará por el nuevo proceso de lo contrario mantiene el actual. Los datos
que se muestran corresponden al número de embarques realizados desde el primer trimestre del año
2016 hasta el primer trimestre del año 2020.
89
Año
Trimestre
2016 2017 2018 2019 2020
I 440 500 576 749 837
II 510 630 750 830
III 525 610 695 745
IV 745 778 839 928
Asumiendo que cumplen los supuestos de los modelos de regresión y para validar los modelos utilizar α =
0.01. ¿Talma debe de implementar el nuevo proceso en sus operaciones?
Interpretación:
Representación:
90
91
92
93
94
cada cuatro periodos
si fuese 2 – 2
95
96
97
lineal
98
99
100
101
102
103
19 y 10  pronostico
iguak con el 20
104
Argumentación:
Caso: Empresa Stark S.A.

Stark S.A., es una empresa dedicada a la venta de repuestos, reparación y mantenimiento de vehículos
multimarca, tiene como visión generar bienestar brindando un servicio de excelencia que beneficie a
nuestros clientes, trabajadores y sociedad en general.
El gerente de comercialización de la empresa afirma que, si el monto de las ventas de repuestos del primer
trimestre del 2021 es mayor a 5000 dólares, solicitará al departamento de logística incrementar la
importación de repuestos. Para tomar una decisión al respecto, recopila la información sobre los montos de
ventas de estos repuestos, desde el primer trimestre del año 2016 hasta el tercer trimestre del año 2020,
tal como se muestra a continuación:
Año Trimestre Yt Año Trimestre Yt

I 4175 I 5042
II 3662 II 4025
2016 2019
III 3745 III 4245
IV 3725 IV 4120
I 4454 I 5523
II 3852 2020 II 4134
2017
III 4021 III 4212
IV 3756
I 4756
2018
II 3650
105
III 4210
IV 4000
Utilizando un nivel de significación del 5% y asumiendo que cumplen los supuestos de los modelos de
regresión ¿Cuál será la decisión del gerente de comercialización de la empresa?
Interpretación:
Representación:
106
107
Argumentación:
108

Universidad Peruana de Ciencias Aplicadas

Cargado por

Información del documento

Descripción original:

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

Universidad Peruana de Ciencias Aplicadas

Cargado por

Copyright:

Formatos disponibles

Universidad Peruana de

Cuaderno de casos propuestos

Punto crítico Valor crítico

Funciones para identificar los valores críticos con MS Excel:

 INV.T(probabilidad, grados de libertad)

 INV.F.CD(probabilidad, grados de libertad1, grados de libertad2)

Variable Descripción Variable Descripción

1) Utilizando MS Excel, elabore una tabla dinámica que le permita identificar:

Nota: las tablas dinámicas están dentro de la hoja de base de datos

Estadísticos descriptivos: Edad

T de una muestra: Gasto mensual (soles)

150 73.92 36.48 2.98 (66.92; 80.93)

Prueba e IC para una proporción: Tipo de celular

150 82 0.546667 (0.441968; 0.651365)

Tema: Prueba de Hipótesis de una media y una proporción poblacional

Caso: Empresa de transporte de materiales BENITIN S.A.

El gerente del Área de Producción ha implementado una nueva estrategia de

Tema: Prueba de Hipótesis de razón de varianzas y diferencia de medias

Caso 1: Compañía de aceites para autos DOVSA S.A.C.

Fórmula A 9.2 7.8 6.4 11.2 16.0

Prueba F para varianzas de dos muestras

Prueba t para dos muestras suponiendo varianzas iguales

Prueba t para dos muestras suponiendo varianzas desiguales

Criterio basado en el valor p (aplicada para cualquier tipo de hipótesis):

Compresión de Cilindros: Compresión de Cilindros:

Analice la información presentada y brinde una recomendación al Ingeniero Palomino. Justifique

Prueba F para varianzas de dos muestras

Prueba t para dos muestras suponiendo varianzas iguales

Prueba t para dos muestras suponiendo varianzas desiguales

Tema: Prueba de Hipótesis para la diferencia de medias con muestras relacionadas y

Logro: Desarrollar pruebas de hipótesis de diferencia de medias relacionadas en casos de su especialidad.

Caso: ACEROS LIMA S.A.

Tiempo de entrega con Método actual (1) 6 6 6 7 7 7 6 7

El nuevo tenga un rango de tiempo menor al actual

Caso: PISOS LIMA S.A.

Caso: Capacitación de personal

Tema: ANOVA de un factor

Tipo de arcilla Densidad (Kg/m3)

Caso: Aceros Trujillo S.A.

Tema: ANOVA de dos factores

Sistema de Variedad de esparrago

Caso: Resistencia al rompimiento

Caso: Fábrica de tornos

Gasto por consumo

Determinar si el ingeniero Luis solicitara mantenimiento para las maquinas

VARIABLE DEPENDIENTE Y gasto por consumo de electricidad soles ( depende de)

VARIABLE INDEPENDIENTE X tiempo de funcionamiento

Coeficiente de correlación o pendiente de problema

PRINCIPALES MEDIDAS DE BNDAD Y AJUSTE

VERIFICANDO LOS SUPUESTOS DEL MODELO

Caso: Constructora “SISCOM S.A.C.”

Tema: Análisis de correlación

x 109 121 132 137 148 149 184 185 187

c) Calcule las estimaciones y los errores.

gráficode dispersión de los errores

c) Calcule las estimaciones y los errores.

Caso: Empresa metalmecánica Volkan S.A.

Facturación mensual (soles) 55 100 118 120 142 70 125 98 125 65

Y: Facturación mensual (soles)

1.-Estimación de los modelos y medidas de bondad de ajuste

Resumen del modelo

Como se rechazó ahora con potencia