ESTADISTICA III – TALLER No.

GERALDINE LOBO
JESUS POLO TORRES
ANA PRADA PASELLA

RICK KEVIN ACOSTA VEGA

UNIVERSIDAD DEL MAGDALENA

INGENIERÍA INDUSTRIAL
ESTADÍSTICA III
GRUPO 1
SANTA MARTA – MAGDALENA
2016-II
TALLER I

CAPITULO 3

13. Para estudiar la confiabilidad de ciertos tableros electrónicos para carros, se

someten a un envejecimiento acelerado durante 100 horas a determinada
temperatura, y como variable de interés se mide la intensidad de corriente que
circula entre dos puntos, cuyos valores aumentan con el deterioro. Se probaron 20
módulos repartidos de manera equitativamente en cinco temperaturas y los
resultados obtenidos fueron los siguientes:

20°C 40°C 60°C 80°C 100°C

a) Formule la hipótesis y el modelo estadístico para el problema.
b) Realice el análisis de varianza para estos datos, a fin de estudiar si la temperatura
afecta la intensidad de corriente promedio.
c) ¿La temperatura afecta la variabilidad de las intensidades? Es decir, verifique si hay
igual varianza entre los diferentes tratamientos.

Solución.
a)

Hipótesis:
μ= X
H o → μ 1=μ2=μ3=μ 4=μ5 H a → μi ≠ μj
Con Pvalue ¿ 0.05

Modelo estadístico:
Y ij =μ+ τ i+ ε ij i = 1, 2, …, a j = 1, 2, …,

Donde Y ij =¿ es la observación ij-ésima. μ=la media τ i =tratamiento/factor

ε ij=error aleatorio

b)

X1 X2 X3 X4 X5 Xtotal
15 17 23 28 45 128
18 21 19 32 51 141
13 11 25 34 57 140
12 16 22 31 48 129
  538

Dado a que Pvalue 0,0000 < 0,05 podemos inferir que existe una diferencia estadísticamente significativa entre las
medias entre un nivel de temperatura y otro. Por lo tanto, tentativamente, se rechaza H o

Donde encontramos los asteriscos (*), concluimos estos representan una diferencia estadísticamente significativa con un nivel de
seguridad del 95%. Sin embargo en la tabla de arriba, nos muestran que dos columnas de X’s (1 y 2) son homogéneas, y no existen
diferencias estadísticamente significativas entre ellos; pero (con el método de Fisher) hay un riesgo del 5% al decir que en cada par de
medias hay diferencias significativas

c)

Dado que el Pvalue = 0.649156 > 0.05, se acepta el supuesto de independencia.

Capítulo 4
10. 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:

a) Suponiendo un DBCA, formule las hipótesis adecuadas y el modelo estadístico.

b) ¿Existe diferencia entre la efectividad promedio de los atomizadores?
c) ¿Hay algún atomizador mejor? Argumente su respuesta.
d) ¿Hay diferencias significativas en los resultados de diferentes días en que se realizó el
experimento? Argumente su respuesta.
e) Verifique los supuestos de normalidad y de igual varianza entre las marcas.

Solución.
a)

Hipótesis:
μ= X X =efectividad

H o → μ 1=μ2=μ3 H a → μ 1 ≠ μ 2 ≠ μ3 Con Pvalue ¿ 0.05

Modelo estadístico:
Y ij =μ+ τ i+ β j + ε ij i = 1, 2, …, a j = 1, 2, …,

Donde Y ij =¿ es la observación ij-ésima. μ=la media τ i =tratamiento/factor

ε ij=error aleatorio
β j =efecto

b)
numero de replica (día)
marca de atomizador 1 2 3 4 5 6 total por tratamiento
1 72 65 67 75 62 73 414
2 55 59 68 70 53 50 355
3 64 74 61 58 51 69 377
Dado que ninguno de nuestros valores Pvalue es menor que 0.05, ninguno de los factores tiene un efecto
estadísticamente significativo sobre la eficiencia de los insecticidas a un nivel de confianza del 95%. Por ende
podemos hacer uso de la ANOVA simple

Debido a que nuestro Pvalue = 0.0931 > 0.05, podemos concluir que no existe una diferencia estadísticamente
significativa entre la media de eficiencia y entre el nivel del spray. Razón por la cual podemos aceptar la H o

En las columnas de X’s (1 y 2 de eficacia) hay un asterisco (*) que nos indica que existe un diferencia
estadísticamente significativa entre ellas. Pero también en la tabla de más arriba, podemos encontrar que se han
especificados dos grupos homogéneos (2 – 3 y 3 – 1), donde no existen diferencias significativas entre ellos. Pero
(con el método de Fisher) hay un riesgo del 5% al decir que en cada par de medias hay diferencias significativas.

c)
Mediante la prueba de Barlett observamos un Pvalue = 0.551858. Como Pvalue = 0.551858 > 0.05, se acepta el
supuesto de independencia.

d)

No hay diferencias significativas entre los diferentes días en los que se realizaron los experimentos, porque las medias no
son diferentes.

e)

Tentativamente los residuos provienen de una distribución normal con un nivel de confianza del 95% debido al
que el Pvalue más pequeño es mayor que 0,05.

16. Se quiere estudiar el efecto de cinco diferentes catalizadores (A, B, C, D y E)

sobre el tiempo de reacción de un proceso químico. Cada lote de material sólo
permite cinco corridas y cada corrida requiere aproximadamente 1.5 horas, por lo
que sólo se pueden realizar cinco corridas diarias. El experimentador decide correr
los experimentos con un diseño en cuadro latino para controlar activa mente a los
lotes y días. Los datos obtenidos son:
a) ¿Cómo se aleatorizó el experimento?
b) Anote la ecuación del modelo y las hipótesis estadísticas correspondientes.
c) ¿Existen diferencias entre los tratamientos? ¿Cuáles tratamientos son diferentes entre
sí?
d) ¿Los factores de ruido, lote y día afectan el tiempo de reacción del proceso?
e) Dibuje los gráficos de medias para los tratamientos, los lotes y los días. ¿Cuál
tratamiento es mejor?
f) Verifique los supuestos del modelo, considerando que los da tos se obtuvieron columna
por columna, día a día.

Solución.

a) Para aleatorizar el experimento, se llevó a cabo lo siguiente:

1. Se elaboró el cuadrado latino.

2. Se aleatoriza las filas y luego las columnas, o viceversa.
3. Se asignan, a las letras latinas, los factores a comparar, pero de forma aleatoria, de tal manera que solo
una letra, aparezca en un renglón.

b) Hipótesis:
H o → μ 1=μ2=μ3=μ 4=μ5 H a → μ 1 ≠ μ 2 ≠ μ3 ≠ μ 4 ≠ μ 5
Con Pvalue ¿ 0.05

Ecuación de modelo:

Y ij =μ+ α i +τ i + β k +ε ijk i = 1, 2, …, a j = 1, 2, …, b k = 1, 2, …, c

Donde Y ij =¿ es la observación ij-ésima. μ=la media τ i =tratamiento/factor

ε ij=error aleatorio
α i=tratamiento/ factor β k =error aleatorio

c)
Por medio de esta tabla se observa que el Pvalue del catalizador es 0.0001 < 0.05, lo cual nos dice que al menos dos
catalizadores son diferentes, por eso se rechaza la H o

El asterisco que se encuentra al lado de las 7 combinaciones, indica que estas muestran diferencias estadísticamente
significativas con un nivel del 95,0% de confianza. En el cuadro más arriba, se han identificado 3 grupos homogéneos
según la alineación de las X's en columnas. No existen diferencias estadísticamente significativas entre aquellos niveles
que compartan una misma columna de X's.
Dentro del factor de los lotes, no hay diferencias estadísticamente significativas entre cualquier par de medias, con un
nivel del 95,0% de confianza.

d)

Se observa que para lote se obtuvo un valor-p = 0.348 > 0.05, por lo tanto se acepta Ho. Es decir que no existe
diferencia estadísticamente significativa entre el tiempo de reacción de un proceso químico de los lotes.
Por otro, también se observa que para días se obtuvo un valor-p = 0.455 > 0.05, por lo tanto se acepta Ho. Es decir
que no existe diferencia estadísticamente significativa entre el tiempo de reacción de un proceso químico de los
días.

e)
Sería el tratamiento 5, puesto que tiene la media más baja respecto al tiempo de reacción del proceso.

f)

En la gráfica 1, se han graficado los residuos y se observa que estos siguen una distribución normal ya que tienden
a quedar alineados en una línea recta.