UNIVERSIDAD TECNOLÓGICA DEL PERÚ

“MEDICIÓN DE PRODUCCIÓN EN EMBARQUE Y ATENCIÓN

AL CLIENTE EN EL PUERTO DE PISCO, 2022”

INTEGRANTES
AGUILAR ROMERO, KATERIN BRIGGIT
CONTRERAS ROJAS, RUBI CAROLINA
GARCIA AMAYA, ALISSON JOSWELY
GARCIA ASENCIOS, JORDAN SMITH
PARIONA BUSTAMANTE, ANGELLO RODRIGO

ESTADISTICA INFERENCIAL

DOCENTE
ESPINOZA GONZALES, RENZO

SECCION 48512

TURNO – DIURNO

LIMA- PERÚ
2022
INTRODUCCIÓN:
Descripción del proyecto
La capacidad de manejo de graneles de la Terminal del Puerto de Pisco es más eficiente
que la terminal de graneles de APM en términos de eficiencia y productividad, con mayor
volumen de carga. La modernización y finalización de la primera fase de construcción de
infraestructura portuaria del Muelle mejoró los niveles de productividad, es decir, facilitó la
exportación de los productos agroindustriales e hidrobiológicos, así como otras cargas
provenientes del sur del país. De igual manera, beneficia en la descarga y mantención
por tiempo determinado de cargas con sobrepeso y/o sobredimensión gracias al uso de
una rampa de acceso especial. Dentro del tipo de carga de proyecto destacan:
transformadores, molinos de viento (WTG) y vehículos pesados para la minería y otras
industrias de nuestra zona de influencia. Sin embargo, trajo consigo una gran
problemática, el cual es que el tiempo de espera de los camiones dentro de la terminal
para ser atendidos para transportar dichos productos ha superado los treinta minutos
exigidos por el contrato de concesión como nivel de servicio para los usuarios desde
2019 a la fecha. El nivel de productividad de la máquina rotativa de granos después de la
modernización no alcanza el nivel requerido por el ente supervisor que es la producción
de 1000 toneladas por hora después de la implementación de la banda de absorción y el
sistema de transporte de granos. De acuerdo con nuestro segundo modelo, podemos
determinar que la cantidad de camiones que ingresan al atracadero público y al
atracadero afecta el servicio del número total de camiones que ingresan, y de igual
manera, el tiempo de espera de un camión de carga es menor. El envío atraerá más
atención al puerto de contenedores DPW. Esto se refleja en la demora en el tiempo de
servicio de los camiones de carga general dentro de la terminal APM. A pesar de que, el
Terminal Portuario General San Martín atendió 108 naves, destacando el incremento de
74.8% en la atención de contenedores (TEUs), en comparación al mismo periodo del año
anterior. (Emerson Zuloaga, 2022)

Se concluye que el objetivo de la investigación es determinar el progreso entre la

aplicación del estudio de tiempo y el estudio de movimiento con la productividad en la
asignación de los contenedores vacíos de la empresa. Es por lo que se aplicó una
herramienta de ingeniería que ayudó a medir los tiempos muertos y los movimientos
innecesarios. Se realizó una ficha de observaciones para medir la actividad en la que se
produce una asignación del servicio de contenedores vacíos que se brinda en el día. La
población de estudio fueron 10 observaciones que se realizaron en el servicio de
Preasignación en la empresa UnimarS. Los datos fueron recolectados a través la hoja de
observaciones del estudio de tiempos, la hoja de seguimiento de las actividades
eficientes, la hoja de resumen de la eficiencia de los contenedores vacíos y la hoja de
seguimiento para la eficacia de los contenedores asignados. La aplicación del estudio de
tiempos y movimientos en los traslados de los contenedores vacíos se ha ejecutado y
controlado de manera óptima en base a la aplicación de herramientas de ingeniería.
(Alexis Manrique, 2020)

Concluyó que los factores visibles del proceso referidos al turno y rango de bulto no
generan una variación visual y estadísticamente expresiva en el tiempo total del servicio;
sin embargo, la oportunidad para cerrar las brechas del tiempo total del servicio esperado
por el cliente radica en los factores no visibles o actividades sin valor agregado afectan
en un 39.87% del tiempo total del servicio inicial que a su vez se encuentran dispensado
en los tipos de desperdicios o mudas: esperas (15.54%), proceso innecesarios(13.32%),
retrabajo(5.79%) y desplazamientos (5.22%). (Noemí López, 2021)
1. Problema central del proyecto

¿Cuál es la relación entre producción de embarque y atención al cliente?

2. Objetivos Generales/ Específicos

3.1. OBJETIVO GENERAL:
Mejorar la producción de embarque y la atención al cliente en el puerto de Pisco, en el
año 2022.
3.2 OBJETIVOS ESPECÍFICOS:
- Analizar un muestreo estadístico acerca de la producción diaria de embarque
- Encontrar errores en la varianza de la producción diaria de embarque y aportar con
soluciones.
- Determinar si los errores en la producción diaria siguen una distribución binomial
- Demostrar si existe dependencia del servicio mediante el servicio al cliente.

1. CONCEPTOS ESTADÍSTICOS

• POBLACIÓN:
Para la investigación se define que la cantidad de población de este estudio se encuentra
constituida por todo el personal de operaciones de la empresa APM TERMINALS PISCO
(área de operaciones)

• MUESTRA:
Se tomaron del área de operaciones a 25 personas de la empresa APM
TERMINALS PISCO, para establecer la relación que existe entre la medición de
producción en el embarque y la atención al cliente en el puerto, en el año 2022.

• UNIDAD DE ANÁLISIS:
Un personal del área de operaciones de la empresa APM TERMINALS PISCO

• VARIABLE:
V1: Medición de producción
V2: Atención al cliente
 2. VARIABLES Y TIPO DE VARIABLES
2.1. VARIABLES:
VARIABLE TIPO
Medición de producción Cuantitativa
Atención al cliente Cuantitativa

V1: Medición de producción

V2: Atención al cliente
2.2. TIPOS DE VARIABLE:

SUB VARIABLE TIPO

Género Cualitativa Nominal

Edad Cuantitativa
Discreta

Tiempo laborando Cuantitativa

Continua

Equipo que más usado Cualitativa Nominal

Tiempo te demora Cuantitativa

Continua

Contenedores dañados Cuantitativa

Continua

Bloqueado de equipo Cuantitativa

continua

Peso de carga Cuantitativa

Continua

Velocidad de desplazamiento Cuantitativa

Continua

Tiempo en apilamiento al primer nivel Cuantitativa

Continua
 3. MUESTRA ESTADÍSTICA Y TIPO DE MUESTREO
MUESTRA ESTADÍSTICA
Se tomaron del área de operaciones a 25 personas de la empresa APM
TERMINALS PISCO, para establecer la relación que existe entre la medición de
producción en el embarque y la atención al cliente en el puerto, en el año 2022.

TIPO DE MUESTREO
Se utiliza un muestreo no probabilístico por conveniencia

4. GRAFICOS Y TABLAS ESTADISTICOS POR VARIABLES

4.1. GÉNERO

GÉNERO fi Fi hi Hi

Masculino 16 16 0.64 0.64

Femenino 9 25 0.36 1

TOTAL 25 1

fi (2): 9 de las encuestadas es del género femenino

hi (2): La probabilidad de encuestados que sea femenino es de 0.36.
Hi (1): El 64% de los encuestados son de género masculino.

"GÉNERO"

16
14
12
10
8
6
4
2
0
Masculino Femenino
4.2. EDADES

EDADES fi Fi hi Hi
[18-22[ 13 13 0.52 0.52
[22-26[ 2 15 0.08 0.60
[26-30[ 8 23 0.32 0.92
[30-34[ 2 25 0.08 1
TOTAL 25 1

fi (1): 13 de los trabajadores encuestados tienen entre 18 a 22 años.

hi (3): La probabilidad de los encuestados que tengan la edad entre 26 a 30 es de 0.32.
hi% (2): El 8% de los trabajadores encuestados tiene entre 22 a 26 años.

"EDADES"

[18-22[

[22-30[

[26-30[

[30-34[

0 2 4 6 8 10 12 14

4.3. ¿Cuánto tiempo llevas laborando en la empresa?

TIEMPO LABORANDO fi Fi hi Hi
(meses)
[6-12[ 9 9 0.36 0,36
[12-18[ 5 14 0.20 0.56
[18-24[ 7 21 0.28 0.84
[24-30[ 3 24 0.12 0.96
[30-36[ 1 25 0.04 1
TOTAL 25 1

fi (3): 7 trabajadores de los encuestados tienen entre 18 a 24 meses laborando en la

empresa.
hi (1): Hay 0.36 trabajadores que llevan laborando entre 6 a 12 meses.
hi% (2): El 20% de los encuestados lleva trabajando 12 a 18 meses.

TIEMPO LABORANDO
(Meses)

9
8
7
6
5
4
3
2
1
0
[6-12[ [12-18[ [18-24[ [24-30[ [30-36[

4.4. ¿Cuál es el equipo que más usado en el último mes?

EQUIPOS CON fi Fi hi Hi
MÁS USO
Stacker 17 17 0.68 0.68
Rtg 8 25 0.32 1
TOTAL 25 1
fi (2): 8 de las encuestados usa más Rtg.
hi (2): La probabilidad de encuestados que usan más Rtg es de 0.32.
Hi (1): El 68% de los encuestados usa más Stacker.

EQUIPOS CON MÁS USO

32%

Stacker
68%
Rtg
 4.5. ¿Cuánto tiempo te demoras en realizar una tarea?

Tiempo para fi Fi hi Hi
realizar una tarea

1 min 1 1 0.04 0.04

2 min 2 3 0.08 0.12

3 min 11 14 0.44 0.56

4 min 6 20 0.24 0.80

5 min 5 25 0.20 1

25 1

fi (2): 2 trabajadores de los encuestados se demoran 2 min para realizar una tarea.
hi (3): La probabilidad que se demoren 3 min para realizar una tarea es de 0.44.
Hi % (5): El 20% de los encuestados se demora un 5min en realizar una tarea.

TIEMPO PARA REALIZAR UNA TAREA

12

10

0
1 min 2 min 3 min 4 min 5 min

Serie 1
4.6. ¿Cuántas veces has encontrado contenedores dañados en la última?

Xi fi Fi hi Hi

1 2 2 0.08 0.08

2 7 9 0.28 0.36

3 7 16 0.28 0.64

4 5 21 0.20 0.84

5 4 25 0.16 1

TOTAL 25 1

fi (2): 7 de los trabajadores ha encontrado contenedores dañados en esta última

semana.
hi (4): Las probabilidades de encontrar contenedores dañados son del 0.20.
Hi (5): El 16% ha encontrado un contenedor dañado.

¿CUÁNTAS VECES HAS ENCONTRADO

CONTENEDORES DAÑADOS EN LA ÚLTIMA?
7

0
1 2 3 4 5
4.7. ¿Cuántas veces se ha bloqueado tu equipo durante la última semana?

X fi Fi hi Hi

1–3 17 17 0.68 0.68

3-5 8 25 0.32 1

TOTAL 25 1

fi (1): 17 de los encuestados se les ha bloqueado el equipo de 1 a 3 veces esta semana

hi (2): Las probabilidades del bloqueo de equipo de 3 a 5 veces es de 0,10
Hi (1): El 68% se le ha trabado de 1 a 3 veces la última semana

¿Cuántas veces se ha bloqueado tu equipo

durante la última semana?

32%

68%
4.8. ¿Cuál es el peso con el que has trabajado esta última semana?

PESO fi Fi Hi Hi

10-15 3 3 0.12 0.12

15-20 11 14 0.44 0.56

20-25 7 21 0.28 0.84

25-30 4 25 0.16 1

TOTAL 25 1

fi (3): 7 de los trabajadores carga entre los 20 a 25.

hi (2): La posibilidad de que carguen de 15 a 20 es de 0.44.
hi % (1): El 12% hace una carga de 10 a 15 toneladas.

"PESO"
[25-30[

[20-25[

[15-20[

[10-15[

0 2 4 6 8 10 12
4.9 ¿A que velocidad te desplazas con un contenedor?

VELOCIDAD fi Fi hi Hi
(km/h)

10 3 3 0.12 0.12
15 11 14 0.44 0.56
20 8 22 0.32 0.88
25 3 25 0.12 1
TOTAL 25 1

fi (2): 11 trabajadores se desplazan a 15km/h.

hi (1): El 0.12 se desplaza a 10km/h.
hi % (3): El 32% se desplaza en 25km/h.

VELOCIDAD (KM/H)

25 Km/h

20 Km/h

15 Km/h

10 Km/h

0 2 4 6 8 10 12
4.10. ¿Cuánto tiempo te demora un apilamiento al primer nivel?

Tiempo de demora fi Fi hi Hi

1 min 4 4 0.16 0.16

2 min 10 14 0.40 0.56

3 min 4 18 0.16 0.72

4 min 6 24 0.24 0.96

5 min 1 25 0.04 1

TOTAL 25 1

fi (1): 4 trabajadores de los encuestados se demoran 1 min para realizar un

apilamiento a primer nivel.
hi (2): La probabilidad que se demoren 2 min para realizar un apilamiento es de 0.40.
Hi % (4): El 24% de los encuestados se demora un 4min en realizar un apilamiento a
primer nivel.

TIEMPO TE DEMORA UN APILAMIENTO AL

PRIMER NIVEL

4% 16%
24%

16% 40%

1min 2min 3min 4min 5min

 5. MEDIDAS DE TENDENCIA CENTRAL/ DISPERSIÓN
5.1. GÉNERO (cualitativa nominal)

"GÉNERO"

16
14
12
10
8
6
4
2
0
Masculino Femenino

• Según los datos estadísticos la moda en el género es “masculino” de los

trabajadores de la empresa.
• Para variable cualitativa Nominal no aplica la media.
• Para variable cualitativa Nominal no aplica la mediana.
•

5.2 EDADES
EDADES Xi fi Fi Xi*fi (𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖
[18-22[ 20 13 13 260 191.69
[22-26[ 24 2 15 48 0.05
[26-30[ 28 8 23 224 138.44
[30-34[ 32 2 25 64 133.17
TOTAL 25 596 463.36

MEDIDAS DE TENDENCIA CENTRAL:

Media aritmética:
∑fi ∗ Xi
𝑥= 𝑛

Reemplazamos:
596
Datos: 𝑥= 25

∑𝑓𝑖 ∗ 𝑋𝑖 = 596 𝑥 =23.84

𝑛 = 25
DISPERCIÓN:
Varianza muestral (𝒔𝟐 ):
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖
𝑆2 =
𝑛−1
Datos: Reemplazamos:
463.36
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖= 463.36 𝑆2 = 24

n-1= 24 𝑆 2 = 19.31

Desviación estándar muestral (S):

𝑆 = √19.31
𝑆 = 4.39

5.3. ¿Cuánto tiempo llevas laborando en la empresa?

TIEMPO LABORANDO Xi fi Fi Xi*fi (𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖
(Meses)
[6-12[ 9 9 9 81 530.84
[12-18[ 15 5 14 75 14.11
[18-24[ 21 7 21 147 130.63
[24-30[ 27 3 24 81 319.50
[30-36[ 33 1 25 33 266.34
TOTAL 25 417 1261.44

TENDENCIA CENTRAL:
Media aritmética:
∑fi ∗ Xi
𝑥= 𝑛

Reemplazamos:
417
Datos: 𝑥= 25

∑𝑓𝑖 ∗ 𝑋𝑖 = 417 𝑥 = 16.68

𝑛 = 25
DISPERCIÓN:
Varianza muestral (𝑆 2 ):

2
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖
𝑆 =
𝑛−1
Datos: Reemplazamos:
1261.44
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖= 1261.44 𝑆2 = 24

n-1= 24 𝑆 2 = 52.56
Desviación estándar muestral (S):

𝑆 = √52.56
𝑆 = 7.25

5.4. ¿Cuál es el equipo que más usado en el último mes?

Equipo más usado

8 Rtg
17
Stacker

• Según los datos estadísticos la moda en el equipo más usado es “Stacker” en los
trabajadores de la empresa.
• Para variable cualitativa Nominal no aplica la media.
• Para variable cualitativa Nominal no aplica la mediana.

5.5. ¿Cuánto tiempo te demoras en realizar una tarea?

Tiempo para
realizar una tarea fi Fi xi.fi (𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖

1 1 1 1 6.15

2 2 3 4 4.38

3 11 14 33 2.53

4 6 20 24 1.62

5 5 25 25 11.55

Total 25 87 26.23
TENDENCIA CENTRAL:
Media aritmética:
∑fi ∗ Xi
𝑥= 𝑛

Reemplazamos:
87
Datos: 𝑥 = 25

∑𝑓𝑖 ∗ 𝑋𝑖 = 87 𝑥 = 3.48
𝑛 = 25

DISPERCIÓN:
Varianza muestral (𝑆 2 ):
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖
2
𝑆 =
𝑛−1
Datos: Reemplazamos:
𝟐𝟔.𝟐𝟑
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖= 26.23 𝑆2 = 24

n-1= 24 𝑆 2 = 1.09
Desviación estándar muestral (S):

𝑆 = √1.09
𝑆 = 1.04
5.6. ¿Cuántas veces has encontrado contenedores dañados en la última?

Xi fi Fi Xi*fi (𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖

1 2 1 2 8.6528

2 7 8 14 8.1648

3 7 15 21 0.0448

4 5 20 20 4.2320

5 4 25 20 15.7456

TOTAL 25 77 35.84
TENDENCIA CENTRAL:
Media aritmética:
∑fi ∗ Xi
𝑥= 𝑛

Reemplazamos:
77
Datos: 𝑥 = 25

∑𝑓𝑖 ∗ 𝑋𝑖 = 77 𝑥 = 3.08
𝑛 = 25
DISPERCIÓN:
Varianza muestral (𝑆 2 ):
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖
𝑆2 =
𝑛−1
Datos: Reemplazamos:
35.84
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖= 35.84 𝑆2 = 24

n-1= 24 𝑆 2 = 1.49
Desviación estándar muestral (S):

𝑆 = √1.49
𝑆 = 1.12
5.7. ¿Cuántas veces se ha bloqueado tu equipo durante la última semana?

xi Xi*fi (𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖
EQUIPO fi Fi
2 34 6.96
1–3 17 17
4 32 14.79
3-5 8 25
66 21.75
TOTAL 25

TENDENCIA CENTRAL:
Media aritmética:
∑fi ∗ Xi
𝑥= 𝑛

Reemplazamos:
66
Datos: 𝑥 = 25

∑𝑓𝑖 ∗ 𝑋𝑖 = 66 𝑥 = 2.64
𝑛 = 25
DISPERCIÓN:
Varianza muestral (𝑆 2 ):

2
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖
𝑆 =
𝑛−1

Datos: Reemplazamos:
21.75
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖= 21.75 𝑆2 = 24

n-1= 24 𝑆 2 = 0.90

Desviación estándar muestral (S):

𝑆 = √0.90
𝑆 = 0.94
5.8. ¿Cuál es el peso con el que has trabajado esta última semana?

PESO Xi fi Fi Xi*fi (𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖

10-15 12.5 3 3 37.5 164.28
15-20 17.5 11 14 192.5 63.36
20-25 22.5 7 21 157.5 47.32

25-30 27.5 4 25 110 231.04

TOTAL 25 497.5 506

TENDENCIA CENTRAL:
Media aritmética:
∑fi ∗ Xi
𝑥= 𝑛

Reemplazamos:
497.5
Datos: 𝑥= 25

∑𝑓𝑖 ∗ 𝑋𝑖 = 497.5 𝑥 = 19.9

𝑛 = 25
DISPERCIÓN:
Varianza muestral (𝑆 2 ):
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖
𝑆2 =
𝑛−1
Datos: Reemplazamos:
506
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖= 506 𝑆2 = 24

n-1= 24 𝑆 2 = 21.20

Desviación estándar muestral (S):

𝑆 = √21.20
𝑆 = 4.60

.9 ¿A que velocidad te desplazas con un contenedor?

VELOCIDAD fi Fi Xi*fi (𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖

(km/h)

10 3 3 30 155.52
15 11 14 165 53.24
20 8 22 160 62.72
25 3 25 75 182.52
TOTAL 25 430 454
TENDENCIA CENTRAL:
Media aritmética:
∑fi ∗ Xi
𝑥= 𝑛

Reemplazamos:
430
Datos: 𝑥=
25

∑𝑓𝑖 ∗ 𝑋𝑖 = 430 𝑥 = 17.2

𝑛 = 25
DISPERCIÓN:
Varianza muestral (𝑆 2 ):
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖
𝑆2 =
𝑛−1
Datos: Reemplazamos:
454
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖= 454 𝑆2 = 24

n-1= 24 𝑆 2 = 18.91

Desviación estándar muestral (S):

𝑆 = √18.91
𝑆 = 4,34
4.10. ¿Cuánto tiempo te demora un apilamiento al primer nivel?

Tiempo de demora fi Fi Xi*fi (𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖

1 min 4 4 4 10.24

2 min 10 14 20 3.6

3 min 4 18 12 0.64

4 min 6 24 24 11.76

5 min 1 25 5 5.76

TOTAL 25 65 32

TENDENCIA CENTRAL:
Media aritmética:
∑fi ∗ Xi
𝑥=
𝑛

Reemplazamos:
65
Datos: 𝑥 = 25

∑𝑓𝑖 ∗ 𝑋𝑖 = 65 𝑥 = 2.6
𝑛 = 25
DISPERCIÓN:
Varianza muestral (𝑆 2 ):

2
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖
𝑆 =
𝑛−1
Datos: Reemplazamos:
32
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖= 32 𝑆 2 = 24

n-1= 24 𝑆 2 = 1.33

Desviación estándar muestral (S):

𝑆 = √1.33
𝑆 = 1.15

6. Distribución Muestral:
6.1. Distribución muestral para la media
6.1.1. Distribución muestral para la media (varianza conocida)
Se supone que la edad de los trabajadores de la empresa APM Terminals Pisco sigue
una distribución normal de media 23.84 y desviación estándar de edad es 19.31. Se toma
una muestra de 25 de los trabajadores encuestados y se calcula la media. ¿Cuál es la
probabilidad de que esta media este entre 22 y 30?
Datos:
𝜇 = 23.84 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒: 𝑥 𝑒𝑑𝑎𝑑
𝑥̅ −𝜇
𝜎 =19.31 𝑍= 𝜎 ~𝑁 (0,1)
√𝑛

𝑛 = 25 𝑃 (22 ≤ 𝑥̅ ≤ 30) = 𝑃 (𝑋 ≤ 30) − 𝑃 (𝑋 ≤ 22)

30−23.84 22−23.84
𝑃 (22 ≤ 𝑥̅ ≤ 30) = 𝑃 (𝑍 ≤ 19.31 )− 𝑃 (𝑍 ≤ 19.31 )
√25 √25

𝑃 (22 ≤ 𝑥̅ ≤ 30) = 𝑃 (𝑍 ≤ 1.59) − 𝑃 (𝑍 ≤ -0.47)

𝑃 (22 ≤ 𝑥̅ ≤ 30) = 0.94408 – 0.31918
𝑃 (22 ≤ 𝑥̅ ≤ 30) = 0.6249
6.1.2. Distribución muestral para la media (varianza desconocida)
Se realiza una investigación en APM TERMINALS PISCO, sobre la cantidad de productos
dañados en la última semana, se ajusta a una distribución normal donde la media
muestral es 2.25 de 3 y la desviación estándar es 1.43, la investigación fue realizada a 25
trabajadores de los que laboran en el lugar. ¿Cuál es la probabilidad de que la media sea
menor a 2,25 en la cantidad de contenedores dañados?
 𝑥−𝑢
µ= 3 n=25 𝑇𝑛 − 1 = 𝑠
√𝑛

X=2.25 𝑃 (𝑋 < 2.25)

𝛴(𝑥−𝑥̅ )2 2.25−3
S= √ 𝑃 (𝑇 25 – 1) < 1.43
𝑁−1
√25

10
S = √ 4 => 1.5811 𝑃 (𝑇 24) < -2.6223

Conclusión: La probabilidad que la media muestral sea menor a 2.25 en la cantidad de

contenedores dañados en la última semana es de 0.05%

6.1.3. Distribución muestral para la diferencia de media (conocida)

Se tiene la siguiente información de la empresa APM TERMINALS PISCO,
donde vemos que un grupo de operarios entre hombres y mujeres, muestran
sus opiniones acerca de que dentro del área de producción se generan retrasos
en la recepción:
Errores en la recepción hombres: 4; 𝜽𝟐= 5.5
Errores en la recepción mujeres: 3; 𝜽𝟐= 7.3

Si tomamos una muestra aleatoria de 9 mujeres y 16 hombres ¿Cuál es la

probabilidad de que los errores en la producción de los hombres sean al menos
a 9; mayor que el de las mujeres?
Datos:
Hombres Mujeres
𝑼𝟏 = 𝟒 𝑼𝟐 = 𝟑
𝜽 = 6. 𝟓
𝟐 𝜽𝟐 = 8. 𝟑
𝒏𝟏 = 16 𝒏𝟐 = 9

Solución:

p(x̄1 ≥ 9 + x̄2
𝑝(𝑥̄ 1 − 𝑥̄ 2 ≥ 2)

9−(4−3)
p(Z ≥ 2 2
√6.5 +8.3
16 9

𝒑(𝑍 ≥ 2.8623 = 𝟏 − 𝒑(𝒁 < 2.8623)

𝒑(𝑍 ≥ 2.8623) = 𝟏 – 0.99788= 0.00212

Conclusión:
La probabilidad de que los errores en la recepción de los hombres
sean al menos a 9; mayor que el de las mujeres es de un 0.212%.
 6.1.4. Distribución muestral para la diferencia de media (desconocida SP^2)
Al realizar una investigación a una empresa de producción y empaquetamiento de pisco y
otra del callao, de obtuvieron los siguientes datos respecto al número de veces que los
empleados encuentran contenedores dañados. Se pide obtener la probabilidad de que la
media de la empresa de Pisco sea 1 unidad más al número de veces del número
promedio de contenedores dañados.
Empresa Empresa ̅̅̅
(𝑥−𝑥)−(𝜇1−𝜇2)
𝑃( 𝑇 ≥ ) 𝑆𝑝2 =
de pisco del √𝑆𝑝2
1 1
( + )
𝑛1 𝑛2
callao
𝑛1−1 (𝑠12 )+𝑛2−1(𝑠22 )
n=10 n=7 𝑛1+𝑛2−2
u=3.08 u=4.08 1+1
𝑃 (𝑇 ≥ ) 𝑆𝑝2 = 2.05
√2.05(0.024)
𝑠 2 = 1.49 𝑠2
= 1.54 𝑃 (𝑇 ≥ 2.840) = 1 − 𝑝(𝑇 < 2.840)
= 1 − 0.0995
𝑥̅ − 𝑥̅ ≥ 1 𝑟𝑝𝑡𝑎 = 0.005
Conclusión: la probabilidad de que la media muestral de la empresa de pisco sea mayor
una unidad más a las veces que se encuentran contenedores dañados en el callao es de
0.5%.

6.1.5. Distribución muestral para la diferencia de media (desconocida V)

Se hace una investigación en los puertos de Pisco, sobre la atención en demora en dos
terminales diferentes. Un indicador de calidad es la cantidad diaria de contenedores
dañados en el proceso de embarque, que se asume siguen distribuciones normales
independientes de media 25 en el puerto de Pisco y 22 en el Callao. En el primer puerto
se realizan 25 conteos, obteniéndose una varianza de 1.12 y en la segunda 20 conteos,
con una varianza de 0.96. Obtener la probabilidad de que la media muestral de puerto de
Pisco sea como mínimo 6 unidades mayor a la media muestral del Callao. Considere que
las varianzas poblacionales son desconocidas, pero se sabe que son diferentes.

Población Muestra
Datos:
Puerto de Pisco Puerto del Callao
𝜇1 = 25 𝜇2 = 22
n1 = 25 n2 = 20
𝑆12 = 1.12 𝑆12 = 0.96

Puerto del callao APM Puerto del callao APM

𝜇1 = 25 𝜇2 = 22 n1 = 27 n2 = 20
S1 2 = 0.96 S1 2 = 0.96
Para varianza poblacional desconocida y diferentes
 𝑠12 𝑠22
(( )+( ))2
𝑛1 𝑛2
𝑣= 𝑠12 𝑠22
( ) ( )
𝑛1 𝑛2
+
𝑛1−1 𝑛2−1

1.12 0.96 2
(( )+( ))
25 20
𝑣= 1.12 2 0.96 2
)
( ) ( )
25
+ 20
25−1 20−1

𝑣 = 42.031

(𝑋1 − 𝑋2) − (𝜇1 − 𝜇2)

P (X̅ 1 − X̅ 2 > 6) → 𝑃(𝑡𝑣 >
𝑠12 𝑠22
√( )
𝑛1 + 𝑛2
6 − (25 − 20)
𝑃(𝑡𝑣 >
√(1.12 + 0.96)
25 20
𝑃(𝑡𝑣 > 3.28

𝑃(𝑡42 > 3.28 = 1 − 𝑃 (𝑡42 ≤ 3.28) = 1 − 0.9995 = 0.0005

La probabilidad de que la cantidad diaria de productos dañados en el proceso de

empaquetado en el puerto de Pisco, sea al menos 6 unidades más que en el
puerto del Callao será de 0.005 o 0.05%.

6.1.6. Distribución muestral para la proporción

En la empresa APM TERMINALS PISCO. En su producción habitual, el 6% de los
operarios dañan el producto. El área de almacenamiento recibe una caja de 100 unidades
procedente del área de producción. Calcular la probabilidad de que haya más de un 8%
de productos dañados en la caja.

𝟎.𝟎𝟖−𝟎.𝟎𝟔
Datos: Z= 𝟎.𝟎𝟐𝟑𝟕
𝜋 = 6% = 0.06
𝟎.𝟎𝟐
n=100 Z=
𝟎.𝟎𝟐𝟑𝟕
p=0.08
Z = 𝟎. 𝟖𝟒
𝑃(1 − 𝑃)
𝜎𝑝 = √
𝑛
0.06(1−0.06)
𝜎𝑝 = √ 𝑃 (𝑃 > 0.08) = 0.5- 0.2995
100
𝜎𝑝 = 0.0237 𝑃 (𝑃 > 0.08) = 0.2005

Conclusión: Con 8%, la probabilidad que haya más de un producto dañado es de 0.2005
y esos productos deben tienen que ser embarcados es de 0.2005.
6.1.7. Distribución muestral para la diferencia de proporciones
En APM Terminals Pisco, un terminal portuario, se tiene una rapidez al realizar las tareas
laborales habitual a 3 min de cada 5 min. Si se hace un estudio a 25 trabajadores.
Calcular la probabilidad de que haya más de un 5% de respuestas marcadas respecto a 3
min de rapidez.

𝑃: 𝑃𝑟𝑜𝑝𝑜𝑟𝑐𝑖𝑜𝑛 𝑑𝑒 𝑟𝑎𝑝𝑖𝑑𝑒𝑧 𝑑𝑒 3 𝑚𝑖𝑛

0.05 − 0.6
𝑃(𝑃 > 0.05) → 𝑃 𝑍 >
√0.6(1 − 0.6)
( 25 )
= 𝑃(𝑍 > −1.02)
1 − 𝑃(𝑍 ≤ −1.02) = 1 − 0.153866 = 0.84614
Conclusión: La probabilidad que la media muestral sea mayor a -1.02 en la cantidad
respuesta de 3 min de rapidez al cumplir una tarea es de 84.614%.

7.Intervalo de Confianza:
7.1. Intervalo de confianza para la media
7.1.1. Intervalo de confianza para la media (varianza conocida)
Se ha obtenido una muestra de 25 trabajadores para saber el tiempo que llevan
laborando en la empresa de APM Terminals Pisco. Si se sabe por medio de la encuesta
que la desviación típica del tiempo laborando es 7.25. La media de la muestra es 16.68.
Encuentre el intervalo de confianza al 95%
Datos: Datos:
µ=? 𝑛 = 25
𝜎 = 7.25 𝑥̅ = 16.68
Tabla: 𝑧(1−𝛼) = 1.96
2

𝜎 𝜎
𝐼𝑐: 𝑥̅ − 𝑧(1−𝛼) ∗ ≤ µ ≤ 𝑥̅ + 𝑧(1−𝛼) ∗
2 √𝑛 2 √𝑛
7.25 7.25
16.68 – 1.96 ∗ ≤ µ ≤ 16.68 + 1.96 ∗
√25 √25

16.68 − 2,84 ≤ µ ≤ 16.68 + 2,84

13.84 ≤ µ ≤ 19.52
Conclusión: Con un nivel de confianza del 95%; el tiempo promedio que labora los
trabajadores es de 13.84 a 19.52.
7.1.2. Intervalo de confianza para la media (varianza desconocida)
La empresa de APM TERMINALS PISCO ha realizado un estudio de cuantas veces se ha
encontrado contenedores dañados en la última semana. Para confirmar esta se hace una
muestra aleatoria de 25 operarios siendo la media de 3.08 y su desviación estándar de
1.12. Encontrar el intervalo de confianza del 90% para la media. Suponga que la
distribución del número de veces es aproximadamente normal.

1.12 1.12
3.08 -1.645 x ( ) ≤ u ≤ 3.08 +1.645 x ( )
√25 √25

2.71 ≤ u ≤ 3.44
Conclusión: Con una confianza de 90% el número de veces encontradas contenedores
dañados será de 2.71 a 3.44.

7.1.3. Intervalo de confianza para la diferencia de media (conocida)

La empresa de JKS TERMINALS PISCO ha realizado un estudio en donde se tiene como
resultado cuantas veces se ha encontrado contenedores con piñas trabadas con un
promedio de 3 veces y con una varianza de 2.53 ¿Hallar un intervalo de confianza de
95% para la desviación estándar del número de veces encontradas contenedores con
pinas?

𝛼 𝛼
𝑋1 = (1 − ; 𝑛 − 1) 𝑋 2 = ( ; 𝑛 − 1) N 25
2 2
S2 1.43
√(𝑛 − 1)𝑆 2 √(𝑛 − 1)𝑆 2
𝛼 <𝛿< 𝛼 NC 95%
𝑋1 (1 − 2 ; 𝑛 − 1) 𝑋 2 ( 2 ; 𝑛 − 1)
S 1.19
X1 = 32.852 X2= 8.907

√24 ∗ 1.43 √24 ∗ 1.43

<𝑜<
32.852 8.907

0.178 < 𝑜 < 0.657

Conclusión: Con un nivel de confianza del 95% se puede concluir que el número de
veces que se han encontrado contenedores con piñas es de 0.178 a 0.657.
7.1.4. Intervalo de confianza para la diferencia de media (desconocida V)
En la empresa de empacamiento y producción de Pisco se realizó una encuesta sobre las
veces que se les bloquea el equipo de trabajo durante la semana y este arrojo los
siguientes datos de 1 a 3 veces y de 3 a 5 veces durante la semana. Encuentre el
intervalo de confianza al 95% para la diferencia de medias poblacionales para las veces
que se bloquea el equipo durante la semana.

𝑆1 2 𝑆2 2
De 1 a 3 De 3 a 5 ̅̅̅
(𝑥 − 𝑥̅ ) − 𝑇√ 𝑛1 + 𝑛2 ≤ 𝜇1 − 𝜇2 ≤ ̅̅̅
(𝑥 − 𝑥̅ ) +
veces veces
𝑆12 𝑆22
n=25 n=25 𝑇√ 𝑛1 + 𝑛2
x=0.68 x=0.32
−2.049 ≤ 𝜇1 − 𝜇2 ≤ 0.771
𝑠2 𝑠2
𝑠12 𝑆22
= 0.617 = 1.78 +
𝑛1 𝑛2
Grado de libertar → 𝑣 = 𝑠12 𝑠22
= 24
𝑛1 + 𝑛2
𝑛1−1 𝑛2−1

∝
Nivel de confianza 95%, ∝= 0.05 → 𝑇(1 − 2 , 𝑣) = 𝑇(0.975,24) = 2.064

Conclusión: Con un nivel de confianza al 95%, el intervalo para la diferencia de medias

va de -2.049 a 0.771.

7.1.5. Intervalo de confianza para la diferencia de proporción

A una muestra de 25 obreros de la empresa APM TERMINALS PISCO se les preguntó qué
maquina les gusta y suelen usar y respondieron que el 68.00% de ellos están a favor de
usar más Stacker qué otro equipo de producción como por ej. el RTG Calcule interprete un
intervalo del 95% de confianza para la proporción verdadera de operarios que estén a favor
de usar Stacker.

EQUIPOS CON MÁS fi Fi hi Hi

USO
Stacker 17 17 0.68 0.68
Rtg 8 25 0.32 1
TOTAL 25 1

Datos: 𝑛= 25 𝑝1= 0.68 𝑞1= 0.32

1. Nivel de confianza: 𝛼=95%

𝑍 (1−0.05/2) =𝑍(0.975)=1.96

2. Reemplazando los datos a la fórmula:

𝑝×𝑞 𝑝×𝑞
𝐼𝑐: 𝑝 − 𝑧(1−𝛼) × √ ≤ 𝜋 ≤ 𝑝 + 𝑧(1−𝛼) × √
2 𝑛 2 𝑛

0.68 × 0.32 0.68 × 0.32

0.68 − 1.96√ ≤ 𝜋 ≤ 0.68 + 1.96√
25 25

0.6593 ≤ 𝜋 ≤ 0.7007
Conclusión:

Con un nivel de confianza del 95% la verdadera proporción de los operarios de

producción que trabajan en APM TERMINALS PISCO y suelen usar Stacker como
equipo, se encuentra en un intervalo de 0.6593 a 0.7007.

7.1.6. Intervalo de confianza para la diferencia de proporciones

En JKS TERMINALS PISCO se realizó un estudio sobre la cantidad de trabajadores que
son operadores de ERTG y STACKERS en el área de operaciones con una muestra de 25
trabajadores se encontró que 9 operadores de ERTG y 16 operadores de STACKERS.
Calcular e interprete un intervalo de 95%de confianza para la diferencia de proporciones la
verdadera entre la cantidad de operadores de ertg y stackers que laboran en el área de
operaciones y entregan contenedores tanto para despacho como para embarque en el
puerto de Pisco.
0.05
𝑇𝐴𝐵𝐿𝐴 𝑍 (1 − ) = 1.96 MUESTRA
2 STACKERS ERTG
17 8
∝ 𝑃1𝑄1 𝑃2𝑄2 P1=17/25 P2=8/25=0.32
𝐼𝐶 = (𝑃1 − 𝑃2) ± 𝑍 (1 − ) √ +
2 𝑁1 𝑁2 =0.68
Q1=0.32 Q2=0.68
CONFIANZA
1-α=0.95………α=0.05

REEMPLAZANDO DATOS:

0.68𝑋0.32 0.32𝑋0.68
𝐼𝐶 = (0.68 − 0.32) ± 1.96√ +
25 25

𝐼𝐶 = 0.12 ± 2.58
𝐼𝐶 = −0.101
𝐼𝐶 = +0.618
IC = −0.101 ≤ π ≤ +0.618

Conclusión: Con el 95% de confianza la verdadera proporción en porcentajes de

operadores de ERTG y STACKER que labora en el área de operaciones que se encargan
de embarcar y despachar se encuentran entre el 10.1% a 61.8%.

7.1.7. Intervalo de confianza varianza

A un personal de 25 funcionarios de la empresa APM TERMINALS PISCO se les consulto
sobre el tiempo que demoran para culminar una tarea durante la semana en las
operaciones de embarque o despacho de contenedores y se consiguió 𝑆 2 = 1.09. Calcular
suponiendo que el bloqueo en la semana tiene una distribución normal IC=95% para la
varianza poblacional.
Datos:
NC=95%
α=0.05
𝑆 2 = 1.09
n=25
Solución:
𝛼 0.05
𝑋 2 ( ; 𝑛 − 1) = 𝑋 2 ( ; 25 − 1) = ( 0.025; 24) = 12.401
2 2
𝛼 0.05
𝑋 2 (1 − ; 𝑛 − 1) = 𝑋 2 (1 − ; 25 − 1) = 𝑋 2 (0.975; 24) = 39.324
2 2
(𝑛 − 1)𝑆 2 2
(𝑛 − 1)𝑆 2
𝛼 < 𝜎 < 𝛼
𝑋 2 (1 − 2 ; 𝑛 − 1) 𝑋 2 ( 2 ; 𝑛 − 1)

Reemplazamos:
(25 − 1)1.09 (25 − 1)1.09
< 𝜎2 <
39.324 12.401
0.665 < 𝜎 2 < 2.109
Conclusión: Existe en un 95% de confianza de que la varianza variable que hemos
analizado se encuentre entre 0.665 y 2.103.

8. Prueba de hipótesis y análisis de datos:

8.1. Prueba de hipótesis para la media
8.1.1 Prueba de hipótesis para la media (varianza conocida)
La empresa APM TERMINALS PISCO, encargado de recepcionar contenedores
como importación y exportación afirma que el tiempo promedio del tiempo laborando
de los operadores es de 30. Cuya distribución de tiempo es normal. una muestra de
25 operadores, mediante una encuesta de un promedio de 16.68 meses con una
desviación estándar de 7.10. ¿Contradicen los datos la afirmación de la empresa
aun nivel de significancia α=0.05?

Datos:
µ=30
σ= 7.10
n=25
x=16.68
Paso 1
 ℎ0 = 30
ℎ1 ≠ 30
Paso 2:
∝= 0.05
Paso 3:
𝑥̅ − 𝜇ℎ𝑖𝑝
𝑍𝑐 = 𝜎
√𝑛
30 − 16.68
𝑍𝑐 =
7.10
√25
𝑍𝑐 = 9.38

Zona de Zona de Zona de

rechazo aceptación rechazó

9.38

-1.96 +1.96

Conclusión: Con nivel de significancia del 5% existe una evidencia que acepta la hipótesis
nula, afirmando la postura de la empresa, ya que el promedio de trabajadores laborando
está en 30 meses.
8.1.2. Prueba de hipótesis para la media (varianza desconocida)
El director de recursos humanos de la empresa APM TERMINALS PISCO solicita que se
calcule las edades de sus operadores si antes el promedio de edad era de 20 años
tomada al inicio de la concesión hace 10 años esta se tomó en un rango de edad 18-34
años con una desviación típica de 4.39. se obtiene una muestra de 25 trabajadores con
una media de 23.84 con un nivel de α=0.05. el directo quiere saber si la media de edades
de sus anteriores operarios es mayor a lo de los actuales.
Datos:
µ=20 S=4.39 n=25 x=23.84

Paso 1: Paso 2:
ℎ0 ≤ 20 ∝= 0.05
ℎ1 > 20
 Paso 3:
𝑥̅ − 𝜇ℎ𝑖𝑝
𝑍𝑐 =
𝑆
√𝑛
23.84 − 20
𝑍𝑐 = 𝑍𝑐 = 4.37
4.39
√25

Paso 4:

Zona de
rechazó
Zona de
aceptación +4.37

+1.96

Interpretación:
Con nivel de significancia del 5% existe evidencia para rechazarla hipótesis nula. podemos
afirmar que la media de las edades de los anteriores operarios es mayor a de los actuales.

8.1.3. Prueba de hipótesis para la diferencia de media (conocida)

En JKS TERMINALS multinacional se desea comparar el tiempo en que un operador
se demora un apilamiento al primer nivel en el JKS TERMINALS PISCO y cuánto
tiempo se demora en realizar una tarea en JKS ISLAND SERVICES. Para ello en
JKS TERMINALS PISCO se tomó una muestra de 25 trabajadores con un promedio
muestral de 2.6 min y en JKS ISLAND SERVICES con una muestra de 25
trabajadores tiene un promedio muestral de 3.48. suponemos desviaciones 1.13 min
para JKS TERMINALS PISCO y 1.01 min para JKS ISLAND SERVICES. ¿existirá
evidencia de que JKS TERMINALS PISCO se demora más en realizar sus
actividades en comparación con JKS ISLAND SERVICES? consideramos una
significancia de 0.05.

Población muestra
JKS TC JKS IS JKS TC JKS IS
σ1=1.13 σ2=1.01 N1=25 N2=25
X1=2.6 X2=3.48
ℎ0 : 𝜇1 ≤ 𝜇2
ℎ1 : 𝜇1 > 𝜇2 (tiempo de realización de la actividad en APMTC es mayor que en APMIS)
Nivel de significancia: α=0.05
Estadístico de prueba: (σ conocida, pero diferente)
̅̅̅
𝑥1 − ̅̅̅
𝑥2 − (𝜇1 − 𝜇2)ℎ𝑖𝑝
𝑍𝑐 =
2 2
√𝜎1 + 𝜎2
𝑛1 𝑛2
Si: 𝑧𝑐𝑎𝑙 > 𝑧𝑡𝑎𝑏𝑙𝑎 se rechaza ℎ0
3.48 − 2.6 − (0)
𝑍𝑐 = = 2.90
2 2
√1.13 + 1.01
25 25

Zona de Zona de
aceptació rechazó
n
+2.9

1 +1.96

Conclusión: A un nivel de significancia del 5% no existe suficiente evidencian estadística

para rechazar la hipótesis nula. porque no es mayor el tiempo de de realización de las
actividades.
8.1.4. Prueba de hipótesis para la diferencia de media (desconocida SP^2)
Un fabricante calcula el tiempo de demora dos trabajadores para determinar la rapidez a
la hora de un descargo. La empresa ha obtenido los datos siguientes:

Variable A B
n 25 25
X 3.48 3.25
S 1.04 1.032

Con un nivel de significancia del 5%, se desea determinar si el trabajador A es más

rápido que el trabajador B en el tiempo de demora promedio entre los operarios, donde
se supone que las poblaciones son normales, pero no es posible suponer que las
varianzas desconocidas σ1² y σ2² sean diferentes.
Solución
X1: Tiempo de demora de trabajadores A
X2: Tiempo de demora de trabajadores B
Paso1: Planteara Hipótesis:
h0: u1 ≤ u2
h1: u1 > u2
Paso 2: Nivel de significancia: α: 0.05
Paso 3: Estadístico de prueba: (σ: Desconocida, pero iguales, n<30)

Paso
4:
Región critica para α dado:
Si: T cal > T tabla, se rechaza H0.

(𝑛1 − 1)𝑆12 + (𝑛2 − 1)𝑆22

𝑆𝑝2 =
𝑛1 + 𝑛2 − 2

(25 − 1)1.042 + (25 − 1)1.0322

𝑆𝑝2 =
25 + 25 − 2
𝑆𝑝2 = 1.07

𝑋1 − 𝑋2 − (𝜇1 − 𝜇2)
𝑇𝑐 =
√𝑆𝑝2 ( 1 + 1 )
𝑛1 𝑛2
3.48 − 3.25 − (0)
𝑇𝑐 =
√1.07( 1 + 1 )
25 25
𝑇𝑐 = 0.7861
Paso 6: Conclusión:
A un nivel de significación del 5%, existe suficiente evidencia estadística para rechazar la
hipótesis nula, es diferente el tiempo promedio de ambos trabajadores.

8.1.5. Prueba de hipótesis para la diferencia de media (desconocida V)

La empresa de Pisco y una del Callao son encuestados donde arrojan los siguientes
datos sobre el número de veces que se encuentran contenedores dañados durante la
semana. Determine si el empaquetamiento dañado promedio de la empresa de Pisco
puede ser igual a la del Callao. Usando un nivel de significancia del 10%.

Empresa de Empresa del Ho : 𝜇1 = 𝜇2 → 𝜇1 − 𝜇2 = 0

pisco callao
n=10 n=7 H1: 𝜇1 ≠ 𝜇2
̅̅̅
(𝑥 −𝑥̅ )−(𝜇1−𝜇2)
x=3.08 x=4.08 𝑇 = = −1.647
2 2
√𝑆1 +𝑠2
𝑠 2 = 1.48 𝑠 2 = 1.543 𝑛1 𝑛2

𝑠12 𝑆22
+
𝑛1 𝑛2
𝑣= 𝑠12 𝑠22
=1
𝑛1 + 𝑛2
𝑛1−1 𝑛2−1

Conclusión: Con un nivel de

significancia de 10 % existe evidencia
estadística que el promedio respuestas
de contenedores dañados en la
empresa de Pisco es igual a la del
Callao.

8.1.5 Prueba de hipótesis para la diferencia de proporciones

El gerente de la empresa de empaquetamiento y producción, según la encuesta de 7
personas de 25 personas encontraron tres veces contenedores dañados durante la última
semana y otra muestra que 5 personas de 25 personas encontraron cuatro veces
contenedores dañados. afirma también que la proporción de la primera muestra de tres
contenedores dañados es mayor a la de la muestra de las 4 veces que encuentran
contenedores dañados. Puede considerarse significativa la diferencia al nivel de 5%.

X1= 7 X2= 5

N1= 25 N2= 25
 p= 0.28 p= 0.20 PRUEBA DE HIPOTESIS y DATOS:
𝑝1−𝑃2−𝜋1−𝜋2
Ho: 𝜋1 ≤ 𝜋2 𝑍𝑐 =
√̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
𝑝(1−𝑝̅ ) +
1 1
𝑛1 𝑛2

0.28−0.20−0
𝐻1: 𝜋1 > 𝜋2 𝑍𝑐 = = 0.662
̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
√0.24(1−0.24) 1 1
+
25 25

𝑋1 + 𝑥2
𝜌̅ =
𝑛1 + 𝑛2

7+5
𝜌̅ = = 0.24
25 + 25

Conclusión: Según gráficos estadístico se puede comprobar que la proporción de la

primera muestra es menor a la de la segunda muestra, lo que hace rechazar lo que dice
el gerente.

8.1.6. Prueba de hipótesis para la varianza

En la empresa APM Terminals Pisco durante mucho tiempo se sabe que para el
apilamiento se tarda mucho con una varianza de 2 el gerente ha realizado nuevas
compras de equipo para mejorar el tiempo y se ha realizado en una muestra de 25,
donde se encontró con una varianza de 1.09, ¿Cuál será la respuesta obtenida con una
significancia del 1%?
1) 𝐻𝑜: 𝜎 2 ≥ 2
𝐻1: 𝜎 2 < 2
DATOS:
𝑛 = 25 𝜎2 = 3 𝑠 2 = 1.09
2) Significancia: 0.05
(𝑛−1)𝑆 2
3) 𝑥 2 = 𝜎2

(𝟐𝟓 − 𝟏)𝟏. 𝟎𝟗
𝒙𝟐 = = 𝟏𝟑. 𝟎𝟖
𝟐
(0.01,24) = 10.856
 ZONA DE ACEPTACION

Gl= 10.856 13.08

Conclusión: Se concluye que se acepta la hipótesis con una significancia de 0.01, la cual
el tiempo ha mejorado y se ha disminuido.

9) Pruebas no paramétricas:
9.1 Prueba no paramétrica de racha o aleatoriedad:
Se presenta el registro de contenedores dañados en el último mes con una muestra de 20
trabajadores de la empresa APM Terminals Pisco. Determine si los datos obtenidos proceden de
una muestra aleatoria. A un nivel de significancia de 0.05.

trabajador
contenedores 14 2 (-)
1 1 (-) 15 3 (0)
2 1 (-) 16 3 (0)
3 3 (0) 17 2 (-)
4 2 (-)
18 3 (0)
5 4 (+)
6 4 (+) 19 5 (+)
7 2 (-) 20 4 (+)
8 3 (0) 21 2 (-)
9 2 (-) 22 5 (+)
10 4 (+)
11 5 (+) 23 4 (+)
12 5 (+) 24 3 (0)
13 3 (0) 25 2 (-)

1) H0: La muestra es aleatoria

H1: La muestra NO es aleatoria (X)

2) Significancia: 0.05

n1= 8 n2=4 g=11

2𝑛1 ∗𝑛2 (𝑛1 ∗𝑛2 )(2𝑛1 ∗𝑛2 −𝑛1 −𝑛2 ) 𝐺−𝜇𝐺

3) 𝜇𝐺 = +1 𝜎𝐺 = √ 𝑍=
𝑛1 +𝑛2 (𝑛1 +𝑛2 )2 −(𝑛1 +𝑛2 −1) 𝜎𝐺

Remplazo:

2𝑛1 ∗𝑛2 (𝑛1 ∗𝑛2 )(2𝑛1 ∗𝑛2 −𝑛1 −𝑛2 )

𝜇𝐺 = 𝑛1 +𝑛2
+1 𝜎𝐺 = √ (𝑛1 +𝑛2 )2 −(𝑛1 +𝑛2 −1)
 2(8∗4) (8∗4)2(8)(4)−8−4
𝜇𝐺 = 8+4
+1 = 5.33 𝜎𝐺 = √ (8+4)2 −(8+4−1) = 3.94

𝐺 − 𝜇𝐺 11 − 5.33
𝑍= 𝑍= 𝑝 = 1.44
𝜎𝐺 3.94
4)
𝑍(0.05) < 1.44 < 𝑍(0.95)

−1.65 < 1.44 < 1.65 (CORRECTO)

Por lo tanto, NO se rechaza H0
Conclusión: Con un nivel de significancia de 0.05 se puede concluir que la es aleatoria.

9.2 Pruebas no paramétricas signo

En la empresa APM Terminals Pisco se presenta la cantidad de tiempo que toma un
apilamiento a primer nivel de la última semana por los trabajadores. Se toma una muestra de 25
empleados que fueron encuestados al azar. Se afirma que la mediana del tiempo promedio es
mayor a 2, con un nivel de significancia de 5%.

Tiempo de apilamiento
Trabajadores en la última semana
1 5(+) 1
2 4(+)
3 1(-)
4 2(0)
5 1(-)
6 1(-)
7 1(-)
8 3(+) 2
9 4(+) 3
10 2(0)
11 2 (0)
12 2 (0)
13 3(+) 4
14 2(0)
15 4(+) 5
16 3(+)
17 2(0)
18 2(0)
19 4(+) 6
20 2(0)
21 2(0)
22 4(+) 7
23 4(+)
24 2(0)
25 3(+) 8
Paso 1:
H0 : Me ≤2 (X)
H1 : Me >2
Paso 2:𝛼 = 0.05
Paso 3:
𝑅+ = 8
n=15
r=7.5
Paso 4:
𝑅 + > 𝑛/2
9, 10, 11, 12, …, 25 8 > 7.5
𝑃 = 2𝑃(𝑅 + ≥ 8 𝑐𝑢𝑎𝑛𝑑𝑜 𝑝 = 1/2)
Por tanto, como R+=8 es mayor a 7.5, entonces aplicaremos los siguiente:
25
15
𝑃 = 2∑( ) (0.5)𝑟 (0.5)15−𝑟
𝑟
𝑟=8

P=2(0.946) = 1.89
P=1.89 ≥ 0.05 (RECHAZAR SI P>α)
CONCLUSION: CON UN NIVEL DE SIGNIFICANCIA DE 0.05 SE PUEDE RECHAZAR LA
HIPOTESIS NULA Y CONCLUIR QUE LA MEDIANA DE LOS CONTENEDORES DAÑADOS EN
LA SEMANA ES MAYOR E IGUAL A 2.
9.3. Prueba de rango Wilcoxon

En el área de producción de APM Terminals –Puerto Pisco, se realiza una prueba para determinar
la eficacia del mantenimiento de su maquinaria, para lo cual se cambia de personal técnico y se
evalúa la cantidad de averías que se registró en las 6 semanas anteriores al cambio del personal y
las 6 posteriores respectivamente. (𝛼 = 0.05)
Registro de averías semanales:
A continuación, se presenta las diferencias en la información presentada

Antes 8 7 8 6 8 7
Después 5 7 5 7 6 4

A continuación, se presenta las diferencias en la información presentada:

Antes 8 7 8 6 8 8
Después 5 7 5 7 6 4
Diferencia 3 0 3 -1 2 3
Valor A. 3 0 3 1 2 3

Se calcula la suma de los rangos para las diferencias positivas y negativas:

Diferencia Valor Ordenación

absolut de valor Se asigna
o absoluto ordenación Rang T+ T-
o
0 0 0
-1 1 1 1 1 1
2 2 2 2 2 2
3 3 3 3 4
3 3 3 4 (3+4+5) /3=4 4

3 3 3 5 4
Suma 14 1
T = 𝑀í𝑛 (𝑇+, 𝑇 −) = 1

𝑛 (𝑛 + 1) 5(5 + 1)
𝐸(𝑡) = 4
= 4
= 7.5

𝑛 (𝑛 + 1) (2𝑛 + 1) 5(5 + 1) (10 + 1)

𝜎(𝑡) = 24
= 24
= 13.75

ℎ0: 𝜇1 = 𝜇2 (𝑁𝑜 ℎ𝑎𝑦 𝑒𝑓𝑖𝑐𝑎𝑐𝑖𝑎 𝑑𝑒 𝑚𝑎𝑛𝑡𝑒𝑛𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑐𝑜𝑛 𝑒𝑙 𝑛𝑢𝑒𝑣𝑜 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑙 𝑡é𝑐𝑛𝑖𝑐𝑜)

ℎ1: 𝜇1 ≠ 𝜇2 (𝐻𝑎𝑦 𝑒𝑓𝑖𝑐𝑎𝑐𝑖𝑎 𝑑𝑒 𝑚𝑎𝑛𝑡𝑒𝑛𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑐𝑜𝑛 𝑒𝑙 𝑛𝑢𝑒𝑣𝑜 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑙 𝑡é𝑐𝑛𝑖𝑐𝑜)
𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑛𝑐𝑖𝑎: 𝛼 = 0.05

𝐸𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑝𝑟𝑢𝑒𝑏𝑎:
𝑇 − 𝐸(𝑡) 1 − 7.5
𝑍𝑐𝑎𝑙 = = = −1.753 (𝛼 = 0.05):
√𝜎(𝑡) √13.75
𝑁𝑜 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 ℎ0, 𝑠𝑖 − 1.96 < 𝑍𝑐𝑎𝑙 < 1.96

Conclusión: A un nivel de significancia de 5%, Se acepta la hipótesis nula, por lo tanto, no

existe eficacia en el mantenimiento de la maquinaria con el nuevo personal de producción,
en el área de producción de APM Terminals –Puerto Pisco

9.4. PRUEBA U DE MANN WITNEY

En el área de producción de APM Terminals –Puerto Pisco, se realiza una prueba

diseñada para evaluar la eficacia de los equipos que operan en APM de producción
alemana recientemente instalada en comparación con la convencional americana,
se registra por 8 semanas las fallas de ambas.
Registro de averías semanales de cada equipo

Stacker 9 8 9 8 9 7 10 9
RTG 7 8 6 7 6 5 5 5

ℎ0: 𝜇1 = 𝜇2 (El equipo 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 RTG 𝑛𝑜 𝑒𝑠 𝑚á𝑠 𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒)

ℎ1: 𝜇1 ≠ 𝜇2 (El equipo 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 RTG 𝑒𝑠 𝑚á𝑠 𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒)
𝛼 = 0.05
𝑛1 = 8 𝑦 𝑛2 = 8

Rango (1 + 2 (4 + 5 + (7 + 8 (10 (12 + 13 + 14 + 16

+ 3) /3 6) /3 + 9) /3 + 11) /2 15) /4 =
=2 =5 =8 = 10.5 13.5

Observación 5 5 5 6 6 6 7 7 7 8 8 9 9 9 9 10
Ordenación 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

STACKER R1 Alemana R2
9 13.5 6 5
8 10.5 7 8
9 13.5 6 5
8 10.5 7 8
9 13.5 6 5
7 8 5 2
10 16 5 2
9 13.5 5 2
Total 99 Total 37

𝑛1(𝑛1 + 1) ( 8(8 + 1)
𝑈1 = 𝑛1𝑛2 + 2
− ∑𝑅1 = (8)(8) + 2
− 99 = 1
𝑛1(𝑛1 + 1) ( 8(8 + 1)
𝑈2 = 𝑛1𝑛2 + 2
− ∑𝑅2 = (8)(8) + 2
− 37 = 63

𝑈𝑚í𝑛 = 1
𝑛1𝑛2 (8)(8)
𝑢𝑢 = = = 32
2 2

𝑛1𝑛2(𝑛1 + 𝑛2 + 1) (8)(8)(8 + 8 + 1)
𝜎𝑢 = √ =√ = 9.522
12 12

Umín −𝑢𝑢
𝑍𝑐𝑎𝑙 = σ
 1 − 32
𝑢= 9.522
= −3.256

(𝛼 = 0.05): 𝑁𝑜 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 ℎ0, 𝑠𝑖 − 1.96 < 𝑍𝑐𝑎𝑙 < 1.96

Conclusión: A un nivel de significancia de 5%, Se rechaza la hipótesis nula, por lo tanto, el
equipo de producción RTG es más eficiente que la STACKER, en el área de producción de
APM Terminals –Puerto Pisco.

9.5. KRUSKALL WALLIS

Se desea determinar la velocidad de las máquinas de carga de dos tipos diferentes entre
si, para ello se ve las determinaciones que se presenta a continuación:

Staker RTG
15 20
10 25
20 10
15 25
10 20

H0: Las muestras de las velocidades de las maquinas provienen de poblaciones idénticas
H1: Las muestras de las velocidades de las maquinas provienen de poblaciones diferentes

Datos Rangos Datos Rangos

15 4.5 20 7
10 2 25 9.5
20 7 10 2
15 4.5 25 9.5
10 2 20 7
Suma 20 Suma 35
Promedio 4 Promedio 7

A continuación, se calcula el Estadístico H

 n=10 ni=5 k= 2 ∝= 𝟎. 𝟎𝟓

12 202 352
𝐻= ( + ) − 3 ∗ 11
10 ∗ 11 5 5

𝐻 = 2.45 2.45

𝐻 > 𝑥 2 Rechaza Ho
2.45 > 0.004

𝑥 2 (𝐾 − 1, ∝) = 0.004

𝑥 2 (1,0.05) = 0.004

𝑥 2 (1,0.95) = 3.84
0.004

CONCLUSIÓN: como H > ji cuadrado tabular, se rechaza la Ho, por lo tanto, las 2
muestras provienen de poblaciones diferentes
9.6 FRIEDMAN
4 casos de tiempo de demora en realizar distintas tareas fueron hechos en distintos
tiempos

Casos de Minutos
demora 1 2 3 4 5
a 1 2 11 6 5
b 3 11 6 5 0
c 4 8 5 3 5
d 8 6 2 5 4
Probar si existen diferencia significativa entre los métodos de aprendizaje con un nivel de
significancia del 5%
Paso1
Ho: U1=U2=U3=U4=U5 (Las medias son iguales)
H1: al menos 2 medias son diferentes
Paso 2:

Demora R 1 min R 2 min R 3 min R 4 min R 5 min

a 2 1 3.5 2 19.5 11 16 6 11.5 5
b 5.5 3 19.5 11 16 6 11.5 5 1 0
c 7.5 4 18 8 11.5 5 5.5 3 11.5 5
d 11.5 5 16 6 3.5 2 11.5 5 7.5 4
Suma 26.5 57 50.5 44.5 31.5
Promedio 6.63 14.25 12.63 11.13 7.88

Paso 3

K= 5 H= 4 ∝= 𝟓%
12
X2r = ∗ (26.52 + 572 + 50.52 + 44.52 + 31.52 ) − 3 ∗ 4(6)
4∗5(6)

X2r = 875.4
Paso 4

X2t = 875.4
Paso 5
Como X2r < X2t, entonces se acepta Ho, por tanto, se acepta Hi

9.7. PRUEBA DE INDEPENDENCIA (BONDA DE AJUSTE)

se busca saber a qué distribución teórica se puede ajustar los datos encontrados. Se
realizó un estudio en la medición de producción de embarque muy conocido donde se
evaluaron a 300 paquetes de medias, cada uno de los paquetes contiene 2 pares de
medias de las cuales algunas están en completo acabado y otras no. Los resultados al
evaluar las bosas arrojaron lo siguiente a un nivel de significancia de 5 %.

numero de pares de medias en incompleto acabado por paquete 0 1 2

numero de paquetes 120 98 82
x: número de par de medias en estado incompleto
n: 2 par de medias que pueden estar en mal estado por paquete
P:?
N: 300 paquetes
Ho: el número de par de medias de estado incompleto siguen una distribución binomial
H1: el número de par de medias de estado incompleto no siguen una distribución
binomial
CALCULAMOS EL PARAMETRO DE DISTRIBUCION
∑ 𝑋𝑖. 𝑂𝑖
= 𝑛𝑝
𝑁
0 + 98 + 164
= 2𝑝
300
𝑝 = 0.4366
CALCULAMOS LA PROBABILIDAD PARA CADA X

DISTRIBUCION BINOMIAL
n: 2 x: 0 0.31741956
X: 1 0.49196088
X: 2 0.19061956
xi Oi Pi Ei Xc2
0 120 0.317 95.1 6.51955836
1 98 0.492 147.6 16.6677507
2 82 0.19 57 10.9649123
300 0.999 299.7 34.1522213
CONCLUSION: Con un nivel de significancia del 5 % se ha encontrado evidencia
estadística para rechazar la hipótesis nula. El número de pares de medias en estado
incompleto no siguen una distribución binomial.

9.8 PRUEBA DE INDEPENDENCIA

Se estudia a 300 trabajadores entre hombres y mujeres sobre su tiempo que tarda y
concluir con sus actividades de las cuales de distribuyen de manera siguiente:

hombres mujeres total

antes de tiempo estimado 100 120 220
despues del timepo estimado 25 55 80
total 125 175 300
Probar si existe relación entre el tiempo de demora en concluir con las actividades
entre hombre y mujer. Usando un 5% de significancia.
𝒕𝒐𝒕𝒂𝒍 𝒅𝒆 𝒇𝒊𝒍𝒂 𝒙 𝒕𝒐𝒕𝒂𝒍 𝒅𝒆 𝒄𝒐𝒍𝒖𝒎𝒏𝒂
𝑬𝒊 =
𝒈𝒓𝒂𝒏 𝒕𝒐𝒕𝒂𝒍 (𝟑𝟎𝟎)

Ei hombres mujeres
antes de tiempo estimado 91.66 128.33
despues del timepo estimado 33.33 46.66
∑(𝑶𝒊 − 𝑬𝒊)𝟐
𝑿𝒄𝟐 =
𝑬𝒊
𝑿𝒄𝟐 = 𝟎. 𝟕𝟓𝟖𝟖 − 𝟎. 𝟓𝟒𝟎𝟕 − 𝟐. 𝟎𝟖𝟏𝟗 + 𝟏. 𝟒𝟗𝟎𝟕 = −𝟎. 𝟑𝟕𝟑𝟏

CONCLUSION: con un nivel de significancia de 5% existe evidencia estadística que se no

se rechaza la hipótesis nula. No existe relación entre el tiempo de demora en concluir con
sus actividades entre hombres y mujeres.
9.9 HOMOGENIDAD

Hemos hecho un estudio de 5 tiempos diferentes de cierto tiempo de demora y malos

estibados
Para realizar esto, tomamos varias muestras 9, 11, 10, 9, 1 para cada tiempo dado,
comprobando el tiempo de demora y los malos estibados.

Componente
Total
Tiempo de demora Malos Estibados
T1 5 4 9
T2 8 3 11
Tiempo T3 3 7 10
T4 4 5 9
T5 1 0 1
TOTAL 20 20 40

Prueba de homogeneidad
PASO 1
H0: No hay diferencia entre los 5 tiempos sobre los componentes (son iguales)
H1: Si hay diferencia entre los 5 tiempos sobre los componentes (no son iguales)
PASO 2
Nivel de significancia:
𝛼= 0.05
PASO 3

Calculemos la frecuencia esperada

Frecuencia observada y frecuencia esperada

Componente
Total
Tiempo de demora Malos Estibados
T1 5-> (4.5) 4-> (4.5) 9
T2 8-> (5.5) 3-> (5.5) 11
Tiempo T3 3-> (5) 7-> (5) 10
T4 4-> (4.5) 5-> (4.5) 9
T5 0-> (0.5) 1-> (0.5) 1
TOTAL 20 20 40
X2c=3.9661

PASO 4: Región critica

gl = 4

X2=9.488

PASO 5: Conclusión:
No se rechaza H0, debemos cumplir que existe homogeneidad y, por lo tanto, no hay
diferencia entre los 5 tiempos.
 10. REGRESION LINEAL SIMPLE
X Y 𝑿𝟐 𝒀𝟐 XY 𝒀̂𝒊 SCR SCE

5 4 25 16 20 4.3534 4.4243 0.1249

4 4 16 16 16 3.5331 1.6463 0.2180
3 2 9 4 6 2.7128 0.2142 0.5081
3 1 9 1 3 2.7128 0.2142 2.9337
3 2 9 4 6 2.7128 0.2142 0.5081
4 3 16 9 12 3.5331 1.6463 0.2842
3 3 9 9 9 2.7128 0.2142 0.0825
3 2 9 4 6 2.7128 0.2142 0.5081
1 1 1 1 1 1.0722 1.3872 0.0052
2 2 4 4 4 1.8925 0.1278 0.0116
4 3 16 9 12 3.5331 1.6463 0.2842
3 2 9 4 6 2.7128 0.2142 0.5081
2 1 4 1 2 1.8925 0.1278 0.7966
4 3 16 9 12 3.5331 1.6463 0.2842
5 4 25 16 20 4.3534 4.4243 0.1249
4 3 16 9 12 3.5331 1.6463 0.2842
3 2 9 4 6 2.7128 0.2142 0.5081
3 2 9 4 6 2.7128 0.2142 0.5081
2 1 4 1 2 1.8925 0.1278 0.7966
3 2 9 4 6 2.7128 0.2142 0.5081
∑▒𝒀^𝟐 SCR=20.7786 SCE=9.7872
∑ 𝑿 = 𝟔𝟏 ∑ 𝒀 = 𝟒𝟓 ∑ 𝑿𝟐 = 𝟐𝟏𝟓 = 𝟏𝟐𝟓
∑ 𝑿𝒀
= 𝟏𝟔𝟏
𝑦̅ = 2,25
Cálculo de coeficientes
𝒏 ∑ 𝑿𝒀 − ∑ 𝑿 ∑ 𝒀
̂𝟏 =
𝜷
𝒏 ∑ 𝑿𝟐 − (∑ 𝑿)𝟐
20(161) − (61)(45)
̂1 =
𝛽
20(215) − (61)2
̂𝟏 = 𝟎, 𝟖𝟐𝟎𝟑
𝜷

∑ 𝒀 − 𝜷𝟏 ∑ 𝑿
̂𝟎 =
𝜷
𝒏
45 − 0.8203(61)
̂0 =
𝛽
20
̂𝟎 = −𝟎, 𝟐𝟓𝟏𝟗
𝜷

̂𝟎 + 𝜷
̂=𝜷
𝒚 ̂𝟏 𝑿
 ̂ = −𝟎, 𝟐𝟓𝟏𝟗 + 𝟎, 𝟖𝟐𝟎𝟑𝑿
𝒚

𝑺𝑪𝑻 = 𝑺𝑪𝑹 + 𝑺𝑪𝑬

𝑺𝑪𝑻 = 𝟐𝟎, 𝟕𝟕𝟖𝟔 + 𝟗, 𝟕𝟖𝟕𝟐
𝑺𝑪𝑻 = 𝟑𝟎, 𝟓𝟔𝟓𝟖
Paso 1:
𝑯𝟎 : 𝜷𝟏 = 𝟎 (𝑵𝒐 𝒉𝒂𝒚 𝒓𝒆𝒍𝒂𝒄𝒊𝒐𝒏 𝒍𝒊𝒏𝒆𝒂𝒍 𝒆𝒏𝒕𝒓𝒆 𝑿 𝒆 𝒀)
𝑯𝟏 : 𝜷𝟏 ≠ 𝟎 (𝑺𝒊 𝒉𝒂𝒚 𝒓𝒆𝒍𝒂𝒄𝒊𝒐𝒏 𝒍𝒊𝒏𝒆𝒂𝒍 𝒆𝒏𝒕𝒓𝒆 𝑿 𝒆 𝒀)
Paso 2:

Cuadro ANOVA

Fuente de variación GL SC CM Fc Ftab

Regresión 1 SCR = 20,7786 20,7786 38.266 3.007

Residual
18 SCE = 9.7872 0.543
(Error)

Total 19 SCT = 30.5658

Paso 3:

Paso 4:

Conclusión: Con un nivel de significancia del 5% se rechaza la Hipótesis Nula. Por lo tanto, se concluye que si
existe relación lineal entre los contenedores mal apilados y los contenedores dañados.
CONCLUSIÓN:

• Se concluye que con un nivel de significancia del 5% se acepta la hipótesis nula,

por lo tanto, no hay eficacia en el mantenimiento de la maquinaria con el nuevo
personal de producción, en el área de producción de APM Terminals –Puerto Pisco.
• Concluyo con un nivel de significancia de 5% existe evidencia estadística que se no
se rechaza la hipótesis nula. No existe relación entre el tiempo de demora en
concluir con sus actividades entre hombres y mujeres.

• Se concluye que con un nivel de significancia del 5% se rechaza la Hipótesis Nula.

Por lo tanto, se concluye que si existe relación lineal entre los contenedores mal
apilados y los contenedores dañados.
• De acuerdo con los datos recolectados de APM Terminals - Puerto Pisco, se puede
concluir que con un nivel de significación al 95% no se puede rechazar la hipótesis
nula a razón de que existe homogeneidad, es decir, no hay diferencia entre los 5
tiempos diferentes de cierto tiempo de demora y malos estibados.
• Se puede afirmar estadísticamente que el equipo de producción RTG es más
eficiente que la STACKER, en el área de producción del Puerto Pisco.