TAREA #5:

PRUEBA DE
HIPOTESIS
Trainee: José Luis Yau
Tutor: Adrián Aguilar
 INDICACIONES
Hacer los Problemas 1 y 2 de Pruebas de Hipótesis.
 PROBLEMA 1

A. Determinar si hay diferencias Presión (psi) Flujo (kg/hr) Peso (grm)

significativas entre las variación
para el proceso a los diferentes BORRAR DATOS
Flujos manteniendo la Presión de
15ipsi. Explicar las conclusiones
B. Analizar también a 30ipsi. Explicar CORRER CORRIDA
las conclusiones. SIMULADOR ANTERIOR
C. Si la especificación de Proteína es
de 12% con una tolerancia de 10- 30 5000
14%, el proceso puede cumplir con
estos rangos? Explique
 ORDEN DE PENSAMIENTO GENERAL

4. Definición
0. 2. Establecer 3. Definición de 5. Sampling y
1. Desarrollo de “Test Statistic”, 6. Análisis y
Entendimiento Hipótesis Nula Possible Ejecución en
Hipótesis “Nivel de Conclusiones
del Problema y Alternativa Outcomes Minitab
Confianza”
 0. Entendimiento del Problema
Esta etapa la he realizado para dar contexto a la situación que se presenta, yo logro comprender lo
siguiente del problema 1:

1. El equipo tuvo una mejora / mantenimiento.

2. Luego del cambio se desea evaluar una variable bajo condiciones de otra (Proteína vs. Flujo &
Presión).
3. Se desea evaluar: existe alguna variación significativa (proteína) a diferentes valores de flujo, que tan
alejados (desviación estándar) están los resultados (proteína) a diferentes condiciones de salida
(flujo). Es decir, si el proceso es capaz de mantenerse estable (sin variación significativa) sin importar
cual sea el flujo a la salida.
4. Realizar este ejercicio con una condición de Presión de proceso constante (15 & 30 psi).
5. Si hay o no una variabilidad significativa, adicional se requiere analizar si el proceso es capaz de
entregar el resultado dentro de la especificación (Cpk).
PROBLEMA 1A y 1B

ETAPAS DE PREPARACIÓN
1. Hipótesis 2. Hipótesis Nula e Hipótesis 3. Posibles Outcomes 4. Test Statistic
Alternativa
Luego de los Hipótesis Nula: NO hay Rechazo de Hipótesis Nula: significaría Se calcula mediante
ajustes variabilidad significativa en el que este claim no es verdad. Es falso Sample Data y se usará
realizados en proceso para los diferentes para definir el
el equipo, flujos. Outcome.
¿Hay cambios
significativos
de variabilidad Hipótesis Alternativa: SI hay Fallo en Rechazar la Hipótesis Nula: No Nivel de Confianza: que
del proceso sin variabilidad significativa en el necesariamente demuestra que la tanto confiamos en
importar el proceso para los diferentes Hipótesis Nula sea cierto, sin embargo nuestra decisión.
flujo que flujos. mantiene el statement como el C = 95% o 0.95
requiera? aceptado o por lo menos nuestro error Nivel de Significancia:
se encuentra dentro del margen de ese α = (1-C) = 0.05
“claim” de la Hipótesis Nula.
PROBLEMA 1A y 1B

ETAPAS DE MUESTREO Y EJECUCIÓN

5. Sampling Ejecución en Minitab

Se utiliza el simulador bajo las siguientes El Sampling se introduce a Minitab y se realizan las
condiciones: siguientes acciones:

1. Presión Constante: 15 psi & 30 psi. 1. Prueba de normalidad para la muestra.

2. Tamaño de muestra por Corrida: 101 2. Prueba de desviaciones estándares.
3. Cantidad de Corridas por Flujo: 1
4. Cantidad de Flujos evaluados: 5
5. Tamaño final del Sampling: 505 para cada
presión
6. Valor de Variables: Sí

Observación: El sampling estará adjunto como

entregable.
PROBLEMA 1A y 1B

RESULTADOS 1A
Prueba de desv. est. para Proteina(%)
Prueba de Normalidad para Proteina(%) @15psi & Flujos Informe de resumen

99.9 ¿Difieren las desviaciones estándar? ¿Cuáles desviaciones estándar difieren?

Media 11.61 0 0.05 0.1 > 0.5 # Flujo de Pru Difiere de
Desv.Est. 4.889 1 3000
99 N 505 Sí No 2 1000
P = 0.154 3 2000 No se identificó ninguno
AD 8.584 4 4000
Las diferencias entre las desviaciones estándar no son significativas
95 Valor p <0.005 (p > 0.05). 5 5000

90
80 Gráfica de comparación de las desviaciones estándar
Azul indica que no existen diferencias significativas. Comentarios
Porcentaje

70
60 • Prueba: no hay suficiente evidencia para concluir que existen
diferencias entre las desviaciones estándar en el nivel de
50 3000
significancia de 0.05.
40 • Gráfica de comparación: los intervalos azules indican que las
30 desviaciones estándar no difieren significativamente.
20 1000

10
5 2000

1 4000

0.1
5000
-5 0 5 10 15 20 25 30
Proteina (%) 0.9 1.0 1.1 1.2

Imagen0. Resultado de prueba de Normalidad 1A Imagen1. Prueba de Desviaciones estándar 1A

PROBLEMA 1A y 1B

RESULTADOS 1B
Prueba de desv. est. para Proteina (% por Flujo de Pru
Prueba de Normalidad para Proteína (%) @30psi & Flujos Informe de resumen

Normal
¿Difieren las desviaciones estándar? ¿Cuáles desviaciones estándar difieren?
0 0.05 0.1 > 0.5 # Flujo de Pru Difiere de
99.9
Media 11.56 1 2000 4 5
Sí No 2 1000 4 5
Desv.Est. 4.545 P < 0.001 3 4000 4 5
99 N 505 4 3000 1 2 3
Las diferencias entre las desviaciones estándar son significativas (p
AD 8.806 < 0.05). 5 5000 1 2 3
95 Valor p <0.005
90
Gráfica de comparación de las desviaciones estándar
Los intervalos en rojo que no se superponen difieren. Comentarios
80
Porcentaje

70 • Usted puede concluir que existen diferencias entre las

60 2000 desviaciones estándar en el nivel de significancia de 0.05.
50 • Gráfica de comparación: busque intervalos de comparación
rojos que no se superpongan para identificar las desviaciones
40 estándar que difieren entre sí. Considere el tamaño de las
30 1000 diferencias para determinar si tienen implicaciones prácticas.
20
10
4000
5

1 3000

0.1
5000
0 5 10 15 20 25
Proteina (%) 1.2 1.5 1.8 2.1 2.4

Imagen2. Resultado de prueba de Normalidad 1B Imagen3. Prueba de Desviaciones estándar 1B

PROBLEMA 1A y 1B

ANÁLISIS DE RESULTADOS Y CONCLUSIONES 1A

@15 PSI
Análisis Conclusiones
• La prueba de Normalidad indica un comportamiento • Para la condición:
dentro de la distribución normal. p > valor de significancia entonces
Outcome: Fallo en Rechazar la Hipótesis Nula
• Se realiza la prueba de desviaciones estándar con la
segmentación de los diferentes flujos (1000, 2000, • Por ende para la Hipótesis Alternativa (SI hay
3000, 4000, 5000) en donde NO se aprecia una variabilidad significativa en el proceso para los
desviación estándar significativa. diferentes flujos) se considera como falsa.
• Esto no quiere decir que no hay variabilidad en el
• p= 0.154 > valor de significancia (0.05). proceso a diferentes flujo, lo que se descarta es que
existe variabilidad “significativa”.
• Por ende el “claim” de la Hipótesis Nula (NO hay
variabilidad significativa en el proceso para los
diferentes flujos). Se mantiene como el aceptado.
PROBLEMA 1A y 1B

ANÁLISIS DE RESULTADOS Y CONCLUSIONES 1B

@30PSI
Análisis Conclusiones
• La prueba de Normalidad indica un comportamiento • Para la condición:
dentro de la distribución normal. p < valor de significancia entonces
Outcome: Rechazo de Hipótesis Nula
• Se realiza la prueba de desviaciones estándar con la
segmentación de los diferentes flujos (1000, 2000, • Por ende para la Hipótesis Nula (NO hay variabilidad
3000, 4000, 5000) en donde se aprecia una significativa en el proceso para los diferentes flujos)
desviación estándar significativa. se considera como falsa.
• Por ende el “claim” de la Hipótesis Alternativa (SI
• p= 0.001 < valor de significancia (0.05). hay variabilidad significativa en el proceso para los
diferentes flujos). Se mantiene como el aceptado.
 CONCLUSIONES PROBLEMA 1A & 1B
A través de las pruebas de hipótesis se concluye:
1. El proceso NO presenta variabilidad significativa en la variable de Proteína a una presión de 15 psi
sin importar el flujo solicitado.
2. El proceso SÍ presenta variabilidad significativa en la variable de Proteína a una presión de 30 psi sin
importar el flujo solicitado.
PROBLEMA 1C
Si la especificación de Proteína es de 12% con una tolerancia de 10-14%, el proceso puede
cumplir con estos rangos? Explique

Se realizará un Análisis de Capability para cada flujo con las presiones. Y se analizaran los resultados.
PROBLEMA
1C RESULTADOS
CAPABILITY SIXPACK PROTEINA@15 PSI
Capability Sixpack Proteina(%) @15psi & 5000 Capability Sixpack Proteina(%) @15psi & 4000
Gráfica I Histograma de capacidad Gráfica I Histograma de capacidad
LEI LES LEI LES
LCS=21.513 LCS=18.404
Largo plazo 18 Largo plazo
Valor individual

Valor individual
20.0 Corto plazo Corto plazo

_ Especificaciones _ Especificaciones
X=18.079 LEI 10 15 X=15.120 LEI 10
17.5 LES 14 LES 14

15.0 12
LCI=14.646 LCI=11.837
1 11 21 31 41 51 61 71 81 91 101 10.5 12.0 13.5 15.0 16.5 18.0 19.5 1 11 21 31 41 51 61 71 81 91 101 10 11 12 13 14 15 16 17

Gráfica de rangos móviles Gráfica de prob. Normal Gráfica de rangos móviles Gráfica de prob. Normal
LCS=4.218 AD: 3.975, P: < 0.005 4 LCS=4.033 AD: 3.593, P: < 0.005
4
Rango móvil

Rango móvil
2 2
__ __
MR=1.291 MR=1.235

0 LCI=0 0 LCI=0
1 11 21 31 41 51 61 71 81 91 101 15.0 17.5 20.0 22.5 1 11 21 31 41 51 61 71 81 91 101 12 14 16 18

Últimas 25 observaciones Gráfica de capacidad Últimas 25 observaciones Gráfica de capacidad

Corto plazo Largo plazo Largo plazo Corto plazo Largo plazo Largo plazo
19 Desv.Est. 1.145 Desv.Est. 1.130 16 Desv.Est. 1.094 Desv.Est. 1.106
Cp 0.58 Pp 0.59 Cp 0.61 Pp 0.60
Valores

Valores
Cpk -1.19 Ppk -1.20 Cpk -0.34 Ppk -0.34
18 PPM 999817.42
Corto plazo
Cpm * 15 PPM 847000.94
Corto plazo
Cpm *
PPM 999846.68 PPM 844555.84
17 14
Especificaciones Especificaciones

80 85 90 95 100 80 85 90 95 100
Observación Observación

Imagen5. Capability Proteína @15psi & 5000 Imagen6. Capability Proteína @15psi & 4000
PROBLEMA
1C

Capability Sixpack Proteina(%) @15psi & 3000 Capability Sixpack Proteina(%) @15psi & 2000
Gráfica I Histograma de capacidad Gráfica I Histograma de capacidad
LEI LES LEI LES
LCS=15.138 LCS=11.069
Largo plazo Largo plazo
10.0
Valor individual

Valor individual
14 Corto plazo Corto plazo

_ Especificaciones _ Especificaciones
12 X=12.134 LEI 10 X=7.816 LEI 10
7.5
LES 14 LES 14

10
5.0
LCI=9.130 LCI=4.563
1 11 21 31 41 51 61 71 81 91 101 9.75 10.50 11.25 12.00 12.75 13.50 14.25 1 11 21 31 41 51 61 71 81 91 101 6.25 7.50 8.75 10.00 11.25 12.50 13.75

Gráfica de rangos móviles Gráfica de prob. Normal Gráfica de rangos móviles Gráfica de prob. Normal
4 AD: 2.067, P: < 0.005 4 LCS=3.996 AD: 3.153, P: < 0.005
LCS=3.690

Rango móvil
Rango móvil

2 2
__ __
MR=1.129 MR=1.223

0 LCI=0 0 LCI=0
1 11 21 31 41 51 61 71 81 91 101 10 12 14 16 1 11 21 31 41 51 61 71 81 91 101 5.0 7.5 10.0 12.5

Últimas 25 observaciones Gráfica de capacidad Últimas 25 observaciones Gráfica de capacidad

Corto plazo Largo plazo Largo plazo Corto plazo Largo plazo Largo plazo
13 Desv.Est. 1.001 Desv.Est. 0.9954 9 Desv.Est. 1.084 Desv.Est. 1.077
Cp 0.67 Pp 0.67 Cp 0.61 Pp 0.62
Valores

Valores
Cpk 0.62 Ppk 0.62 Cpk -0.67 Ppk -0.68
12 PPM 47723.86
Corto plazo
Cpm * 8 PPM 977999.76
Corto plazo
Cpm *
PPM 46452.67 PPM 978666.36
11 7
Especificaciones Especificaciones

80 85 90 95 100 80 85 90 95 100
Observación Observación

Imagen7. Capability Proteína @15psi & 3000 Imagen8. Capability Proteína @15psi & 2000
PROBLEMA
1C

Capability Sixpack Proteina(%) @15psi & 1000

Gráfica I Histograma de capacidad
9 LEI LES
LCS=8.357 Largo plazo

Valor individual
Corto plazo
6 Especificaciones
_
X=4.921 LEI 10
LES 14
3

LCI=1.485
1 11 21 31 41 51 61 71 81 91 101 3.0 4.5 6.0 7.5 9.0 10.5 12.0 13.5

Gráfica de rangos móviles Gráfica de prob. Normal

LCS=4.221 AD: 2.830, P: < 0.005
4

Rango móvil
2
__
MR=1.292

0 LCI=0
1 11 21 31 41 51 61 71 81 91 101 2 4 6 8

Últimas 25 observaciones Gráfica de capacidad

Corto plazo Largo plazo Largo plazo
6 Desv.Est. 1.145 Desv.Est. 1.038
Cp 0.58 Pp 0.64
Valores

Cpk -1.48 Ppk -1.63

5 PPM 999995.38
Corto plazo
Cpm *
PPM 999999.50
4
Especificaciones

80 85 90 95 100
Observación

Imagen7. Capability Proteína @15psi & 1000

PROBLEMA
1C RESULTADOS
CAPABILITY SIXPACK PROTEINA@30 PSI
Capability Sixpack Proteina(%) @30psi & 5000 Capability Sixpack Proteina(%) @30psi & 4000
Gráfica I Histograma de capacidad Gráfica I Histograma de capacidad
LEI LES 20 LEI LES
LCS=23.49 LCS=19.65
Largo plazo Largo plazo
Valor individual

Corto plazo

Valor individual
20 Corto plazo
_ Especificaciones Especificaciones
_
X=17.14 LEI 10 15 X=15.06 LEI 10
15 LES 14 LES 14

LCI=10.79 LCI=10.47
10 10
1 11 21 31 41 51 61 71 81 91 101 10 12 14 16 18 20 22 1 11 21 31 41 51 61 71 81 91 101 10.00 11.25 12.50 13.75 15.00 16.25 17.50 18.75

Gráfica de rangos móviles Gráfica de prob. Normal Gráfica de rangos móviles Gráfica de prob. Normal
8 LCS=7.798 AD: 2.821, P: < 0.005 AD: 3.529, P: < 0.005
LCS=5.639
Rango móvil

Rango móvil
4

4
__ __
MR=2.387 2
MR=1.726

0 LCI=0 0 LCI=0
1 11 21 31 41 51 61 71 81 91 101 10 15 20 25 1 11 21 31 41 51 61 71 81 91 101 10 15 20

Últimas 25 observaciones Gráfica de capacidad Últimas 25 observaciones Gráfica de capacidad

20.0 Corto plazo Largo plazo Largo plazo 17 Corto plazo Largo plazo Largo plazo
Desv.Est. 2.116 Desv.Est. 2.197 Desv.Est. 1.530 Desv.Est. 1.465
Cp 0.32 Pp 0.30 Cp 0.44 Pp 0.46
Valores

Valores
17.5 Cpk -0.49 Ppk -0.48 Cpk -0.23 Ppk -0.24
PPM 931398.94
Corto plazo
Cpm * 15 PPM 757201.26
Corto plazo
Cpm *
PPM 924034.24 PPM 766600.60
15.0
Especificaciones 13 Especificaciones

80 85 90 95 100 80 85 90 95 100
Observación Observación

Imagen8. Capability Proteína @30psi & 5000 Imagen9. Capability Proteína @30psi & 4000
PROBLEMA
1C

Capability Sixpack Proteina(%) @30psi & 3000 Informe del Capability Sixpack del proceso para Proteina (%)
Gráfica I Histograma de capacidad Gráfica I Histograma de capacidad
LEI LES LEI LES
LCS=18.37 LCS=11.426
Largo plazo Largo plazo
Valor individual

10.0

Valor individual
15 Corto plazo Corto plazo

_ Especificaciones _ Especificaciones
X=11.81 LEI 10 7.5 X=7.566 LEI 10
10 LES 14 LES 14

5.0
5 LCI=5.26 LCI=3.706 00 .25 .50 .75 .00 1.25 .50 .75
5. 6 7 8 10 1 12 13
1 11 21 31 41 51 61 71 81 91 101 7.5 9.0 10.5 12.0 13.5 15.0 16.5 1 11 21 31 41 51 61 71 81 91 101

Gráfica de rangos móviles Gráfica de prob. Normal Gráfica de rangos móviles Gráfica de prob. Normal
8 LCS=8.052 AD: 2.472, P: < 0.005 LCS=4.742 AD: 3.612, P: < 0.005
4
Rango móvil

Rango móvil
4
__ 2 __
MR=2.464 MR=1.451

0 LCI=0 0 LCI=0
1 11 21 31 41 51 61 71 81 91 101 5 10 15 20 1 11 21 31 41 51 61 71 81 91 101 3 6 9 12

Últimas 25 observaciones Gráfica de capacidad Últimas 25 observaciones Gráfica de capacidad

Corto plazo Largo plazo Largo plazo 10 Corto plazo Largo plazo Largo plazo
14 Desv.Est. 2.185 Desv.Est. 2.071 Desv.Est. 1.287 Desv.Est. 1.373
Cp 0.31 Pp 0.32 Cp 0.52 Pp 0.49
Valores

Valores
Cpk 0.28 Ppk 0.29 Cpk -0.63 Ppk -0.59
12 PPM 361674.72
Corto plazo
Cpm * 8 PPM 970750.44
Corto plazo
Cpm *
PPM 336183.55 PPM 961907.65
10
Especificaciones 6 Especificaciones

80 85 90 95 100 80 85 90 95 100
Observación Observación

Imagen9. Capability Proteína @30psi & 3000 Imagen10. Capability Proteína @30psi & 2000
PROBLEMA
1C

Capability Sixpack Proteina(%) @30psi & 1000

Gráfica I Histograma de capacidad
LEI LES
LCS=10.179
Largo plazo
9

Valor individual
Corto plazo

_ Especificaciones
6 X=6.212 LEI 10
LES 14

3
LCI=2.246
1 11 21 31 41 51 61 71 81 91 101 3.0 4.5 6.0 7.5 9.0 10.5 12.0 13.5

Gráfica de rangos móviles Gráfica de prob. Normal

LCS=4.873 AD: 2.904, P: < 0.005

4
Rango móvil

2 __
MR=1.491

0 LCI=0
1 11 21 31 41 51 61 71 81 91 101 0 4 8 12

Últimas 25 observaciones Gráfica de capacidad

8 Corto plazo Largo plazo Largo plazo
Desv.Est. 1.322 Desv.Est. 1.434
Cp 0.50 Pp 0.46
Valores

Cpk -0.95 Ppk -0.88

6 PPM 997913.87
Corto plazo
Cpm *
PPM 995875.67

4 Especificaciones

80 85 90 95 100
Observación

Imagen11. Capability Proteína @30psi & 1000

PROBLEMA
1C

ANÁLISIS DE RESULTADOS Y CONCLUSIONES 1C

C. Si la especificación de Proteína es de 12% con una tolerancia
de 10-14%, ¿el proceso puede cumplir con estos rangos?
Explique
RESUMEN DE RESULTADOS
CP CPK
FLUJO No. El proceso actual no es capaz de entregar con ninguna de
15PSI 30PSI 15PSI 30PSI las combinaciones (Presión & Flujo) un resultado (Proteína)
5000 0.58 0.32 -1.19 -0.49 dentro de los rangos. Y de ser “capaz” (@15 psi & 3000 kg/h)
4000 0.61 0.44 -0.34 -0.23 entonces el proceso no está totalmente centrado dentro de los
3000 0.67 0.31 0.62 0.28 límites.
2000 0.61 0.52 -0.67 -0.63
Las demás iteraciones de Presión & Flujo reflejan resultados
1000 0.58 0.5 -1.48 -0.95
con mucha lejanía del valor de referencia (por encima o debajo
de los limites).
COMENTARIOS FINALES 1C

• En ninguna de las iteraciones Proteína vs. Flujo &

Presión es posible entregar, con las actuales
condiciones, un resultado que se encuentre dentro de
la especificación de forma confiable.

• Estoy tentado a creer que el ejercicio es una situación

donde hay que escoger los valores de “Flujo &
Presión” que me ofrecen el mejor de los peores
escenarios para así ya sea “producir” o enfocar mis
esfuerzos de mejoras bajo estas condiciones.
 PROBLEMA 2
A. Determinar si hay diferencias
significativas entre las diferentes Temperatura °C Eficiencia (Un/Hr)
temperaturas.
B. Definir la temperatura BORRAR DATOS
recomendada. Y justificar. El costo
de producir energía para lograr 1°C
es de $1.1/hr. El costo de
Fabricación es de $19,000/ Hr (Se CORRER SIMULADOR
considera fijo)
C. Determinar si hay algún impacto 150
del Tipo de Material en la
Eficiencia, para la temperatura
seleccionada
 ORDEN DE PENSAMIENTO GENERAL

4. Definición
0. 2. Establecer 3. Definición de 5. Sampling y
1. Desarrollo de “Test Statistic”, 6. Análisis y
Entendimiento Hipótesis Nula Possible Ejecución en
Hipótesis “Nivel de Conclusiones
del Problema y Alternativa Outcomes Minitab
Confianza”
 0. Entendimiento del Problema
Esta etapa la he realizado para dar contexto a la situación que se presenta, yo logro comprender lo
siguiente del problema 2:

1. Al igual que el problema 1 se requiere evaluar el comportamiento de eficiencia bajo diferentes

valores de temperatura. Por ende se requiere establecer una prueba de Hipótesis (¿Hay o no
diferencias en la eficiencia si se cambia la temperatura?)
2. Determinar cuál es la temperatura recomendada tomando en cuenta las variables de costo y
eficiencia.
3. Finalmente evaluar si agregar la dimensión o atributo de tipo de material genera o no un impacto en
el costo final.
PROBLEMA 2B

ETAPAS DE PREPARACIÓN
1. Hipótesis 2. Hipótesis Nula e Hipótesis 3. Posibles Outcomes 4. Test Statistic
Alternativa
Luego de los Hipótesis Nula: NO hay Rechazo de Hipótesis Nula: significaría Se calcula mediante
ajustes diferencia significativa en el que este claim no es verdad. Es falso Sample Data y se usará
realizados en proceso para las diferentes para definir el
el equipo, temperaturas. Outcome.
¿Hay
diferencias
significativos Hipótesis Alternativa: SI hay Fallo en Rechazar la Hipótesis Nula: No Nivel de Confianza: que
del proceso sin diferencia significativa en el necesariamente demuestra que la tanto confiamos en
importar la proceso para las diferentes Hipótesis Nula sea cierto, sin embargo nuestra decisión.
temperatura temperaturas. mantiene el statement como el C = 95% o 0.95
que se use? aceptado o por lo menos nuestro error Nivel de Significancia:
se encuentra dentro del margen de ese α = (1-C) = 0.05
“claim” de la Hipótesis Nula.
PROBLEMA 2

ETAPAS DE MUESTREO Y EJECUCIÓN

5. Sampling Ejecución en Minitab

Se utiliza el simulador bajo las siguientes El Sampling se introduce a Minitab y se realizan las
condiciones: siguientes acciones:

1. Temperaturas: 120, 130, 140, 150. 1. Prueba de normalidad para la muestra.

2. Tamaño de muestra por Corrida: 101 2. Prueba de desviaciones estándares.
3. Cantidad de Corridas por Temperatura: 1
4. Cantidad de Temperaturas evaluadas: 4
5. Tamaño final del Sampling: 404
6. Valor de Variables: Sí

Observación: El sampling estará adjunto como

entregable.
 RESULTADOS 2A
ANOVA de un solo factor para Eficiencia por Temperatura
Gráfica de probabilidad de Eficiencia (CS/Hr) Informe de resumen

Normal ¿Difieren las medias? ¿Cuáles medias difieren?

0 0.05 0.1 > 0.5 # Muestra Difiere de
99.9
Media 53.22 1 120 2 3 4
Sí No 2 130 1 3 4
Desv.Est. 14.75 P < 0.001 3 140 1 2
99 N 404 4 150 1 2
Las diferencias entre las medias son significativas (p < 0.05).
AD 0.188
95 Valor p 0.902
90 Gráfica de comparación de las medias
Los intervalos en rojo que no se superponen difieren. Comentarios
80
Porcentaje

70 • Prueba: usted puede concluir que existen diferencias entre las

60 120
medias en el nivel de significancia de 0.05.
50 • Gráfica de comparación: busque intervalos de comparación
rojos que no se superpongan para identificar las medias que
40 difieren entre sí. Considere el tamaño de las diferencias para
30 determinar si tienen implicaciones prácticas.
20 130

10
5
140
1

0.1 150
0 20 40 60 80 100
Eficiencia (CS/Hr) 40 50 60

Imagen12. Resultado de prueba de Normalidad 2A Imagen13. Prueba ANOVA de un solo Factor

PROBLEMA 2A

ANÁLISIS DE RESULTADOS Y CONCLUSIONES 2A

Análisis Conclusiones
• La prueba de Normalidad indica un comportamiento • Para la condición:
dentro de la distribución normal. p < valor de significancia entonces
Outcome: Rechazo de Hipótesis Nula
• Se realiza la prueba de ANOVA de un solo factor con
la segmentación de las diferentes temperaturas (120, • Por ende para la Hipótesis Nula (NO hay diferencia
130, 140, 150) en donde se aprecia que las medias significativa en el proceso para las diferentes
difieren entre sí. temperaturas) se considera como falsa.
• Por ende el “claim” de la Hipótesis Alternativa (SI
• p= 0.001 < valor de significancia (0.05). hay diferencia significativa en el proceso para las
diferentes temperaturas). Se mantiene como el
aceptado.
 CONCLUSIONES PROBLEMA 2A

A través de las pruebas de hipótesis se concluye:

1. El proceso SÍ presenta diferencia significativa en la variable de Eficiencia sin importar el valor de
temperatura de proceso.
 PROBLEMA 2B
B. Definir la temperatura recomendada. Y justificar. El costo de producir energía para lograr 1°C es de $1.1/hr.
El costo de Fabricación es de $19,000/ Hr (Se considera fijo)

En el problema 2A se ha definido que hay diferencias significativa entre el resultado del proceso ante
diferentes temperaturas.

Para definir una temperatura recomendada tomaré los resultados de la prueba de hipótesis anterior
donde se denota contra que media difieren los resultados de cada temperatura.
Me enfocaré en estudiar las temperaturas de 140 y 150 ya que no están marcadas en que sus medias
difieren.
Deseo probar si hay alguna diferencia significativa entre las medias de 140 y 150 ya que de no existir se
pudiera justificar la selección de temperatura (la opción mas baja 140).
PROBLEMA 2B

ETAPAS DE PREPARACIÓN
1. Hipótesis 2. Hipótesis Nula e Hipótesis 3. Posibles Outcomes 4. Test Statistic
Alternativa
¿Las medias Hipótesis Nula: Las medias de Rechazo de Hipótesis Nula: significaría Se calcula mediante
obtenidas a 140 y 150 NO tienen que este claim no es verdad. Es falso Sample Data y se usará
140 y 150 diferencias significativas. para definir el
tienen valores Outcome.
con diferencias
significativas?
Hipótesis Alternativa: Las Fallo en Rechazar la Hipótesis Nula: No Nivel de Confianza: que
medias de 140 y 150 SI tienen necesariamente demuestra que la tanto confiamos en
diferencias significativas Hipótesis Nula sea cierto, sin embargo nuestra decisión.
mantiene el statement como el C = 95% o 0.95
aceptado o por lo menos nuestro error Nivel de Significancia:
se encuentra dentro del margen de ese α = (1-C) = 0.05
“claim” de la Hipótesis Nula.
PROBLEMA 2B

ETAPAS DE MUESTREO Y EJECUCIÓN

5. Sampling Ejecución en Minitab

Se utiliza el simulador bajo las siguientes El Sampling se introduce a Minitab y se realizan las
condiciones: siguientes acciones:

1. Temperaturas: 140, 150. 1. Prueba de normalidad para la muestra.

2. Tamaño de muestra por Corrida: 101 2. Prueba de desviaciones estándares.
3. Cantidad de Corridas por Temperatura: 1
4. Cantidad de Temperaturas evaluadas: 2
5. Tamaño final del Sampling: 202
6. Valor de Variables: Sí

Observación: El sampling estará adjunto como

entregable.
PROBLEMA 2B

RESULTADOS 2B
Prueba t de 2 muestras Eficiencia (Media) de 140 vs 150
Informe de resumen

¿Difieren las medias? Muestras individuales

0 0.05 0.1 > 0.5 Estadísticas 140 150
Tamaño de la muestra 101 101
Sí No Media 59.105 61.087
P = 0.242 IC de 95% (56.97, 61.24) (58.497, 63.678)
Desviación estándar 10.792 13.123
La media de 140 no es significativamente diferente de la media de
150 (p > 0.05).
Diferencia entre muestras
Estadísticas *Diferencia
Diferencia -1.9828
IC de 95% para la diferencia
¿Está todo el intervalo por encima o por debajo de cero? IC de 95% (-5.3174, 1.3517)
*Diferencia = 140 - 150

Comentarios

-6 -4 -2 0 • Prueba: No existe suficiente evidencia para concluir que las medias

difieren en el nivel de significancia de 0.05.
• IC: Cuantifica la incertidumbre asociada a la estimación de la
diferencia en las medias a partir de los datos de las muestras. Usted
puede tener una seguridad de 95% de que la diferencia verdadera se
Distribución de los datos
encuentra entre -5.3174 y 1.3517.
Compare los datos y las medias de las muestras.
• Distribución de datos: Compare la ubicación y las medias de las
140 muestras. Busque datos poco comunes antes de interpretar los
resultados de la prueba.

150

30 40 50 60 70 80 90

Imagen14. Prueba de Medias 140 vs 150

PROBLEMA 2B

RESULTADOS 2B
Gráfica I-MR de Eficiencia @150 Gráfica I-MR de Eficiencia @140
Informe de resumen Informe de resumen

¿Es estable la media del proceso? Comentarios ¿Es estable la media del proceso? Comentarios
Evalúe el % de puntos fuera de control. Evalúe el % de puntos fuera de control.
La media del proceso es estable. No hay puntos de datos fuera de La media del proceso es estable. No hay puntos de datos fuera de
0% > 5% control en la gráfica I. 0% > 5% control en la gráfica I.

Sí No Sí No
0.0% 0.0%

Gráficas de observaciones individuales y rangos móviles Gráficas de observaciones individuales y rangos móviles
Investigue cualquier punto fuera de control. Investigue cualquier punto fuera de control.
LCS=99.00 LCS=89.90
90 80
Valor individual

Valor individual
_ _
60 X=61.09 60 X=59.10

40
30
LCI=23.17 LCI=28.31

LCS=46.58 40 LCS=37.83
40
Rango móvil

Rango móvil
20
20 __ __
MR=14.26 MR=11.58

0 LCI=0 0 LCI=0
1 11 21 31 41 51 61 71 81 91 101 1 11 21 31 41 51 61 71 81 91 101

N: 101 Media: 61.087 Desv.Est.(corto plazo): 12.638 Desv.Est.(largo plazo): 13.123 N: 101 Media: 59.105 Desv.Est.(corto plazo): 10.265 Desv.Est.(largo plazo): 10.792
Los límites de control usan Desv.Est(corto plazo) Los límites de control usan Desv.Est(corto plazo)

Imagen15. Control Chart @ 150 Imagen16. Control Chart @ 140

PROBLEMA 2B

RESULTADOS 2B
Gráfica I-MR de Eficiencia @130 Gráfica I-MR de Eficiencia @120
Informe de resumen Informe de resumen

¿Es estable la media del proceso? Comentarios ¿Es estable la media del proceso? Comentarios
Evalúe el % de puntos fuera de control. Evalúe el % de puntos fuera de control.
La media del proceso es estable. No hay puntos de datos fuera de La media del proceso es estable. No hay puntos de datos fuera de
0% > 5% control en la gráfica I. 0% > 5% control en la gráfica I.

Sí No Sí No
0.0% 0.0%

Gráficas de observaciones individuales y rangos móviles Gráficas de observaciones individuales y rangos móviles
Investigue cualquier punto fuera de control. Investigue cualquier punto fuera de control.
100 LCS=99.0 80
LCS=75.45
Valor individual

Valor individual
_ _
50 X=52.6 40 X=40.13

LCI=6.1 LCI=4.82
0 0

LCS=57.04 LCS=43.38
40
50
Rango móvil

Rango móvil
25 20
__ __
MR=17.46 MR=13.28

0 LCI=0 0 LCI=0
1 11 21 31 41 51 61 71 81 91 101 1 11 21 31 41 51 61 71 81 91 101

N: 101 Media: 52.562 Desv.Est.(corto plazo): 15.477 Desv.Est.(largo plazo): 14.109 N: 101 Media: 40.131 Desv.Est.(corto plazo): 11.772 Desv.Est.(largo plazo): 10.839
Los límites de control usan Desv.Est(corto plazo) Los límites de control usan Desv.Est(corto plazo)

Imagen15. Control Chart @ 130 Imagen16. Control Chart @ 120

PROBLEMA 2B

ANÁLISIS DE RESULTADOS Y CONCLUSIONES 2B

Análisis
• La prueba de Normalidad indica un comportamiento
dentro de la distribución normal.
• Se realiza la prueba t de dos muestras con la
segmentación de las diferentes temperaturas (140 y
150) en donde se aprecia que las medias NO difieren
entre sí de forma significativa.
• Se generaron los Control Charts para ver las medias,
se ve que las medias mas altas son a las temperaturas
de 140 y 150.
• p= 0.242 > valor de significancia (0.05).
Conclusiones
• Para la condición:
p > valor de significancia entonces
Outcome: Fallo en Rechazar de Hipótesis Nula
• Por ende para la Hipótesis Nula (Las medias de 140 y
150 NO tienen diferencias significativas) se considera
como verdadera.

CONCLUSIÓN FINAL
La temperatura recomendada es 140 °C ya que su media de Eficiencia no tiene diferencias significativas
con la temperatura de 150 °C.
Al escoger la temperatura de 140°C el costo por temperatura será menor que el 150° y la eficiencia final no
tendrán diferencias significativas. Adicional de obtener las eficiencias mas altas.
 PROBLEMA 2C
C. Determinar si hay algún impacto del Tipo de Material en la Eficiencia, para la temperatura seleccionada

En el problema 2B se ha definido la temperatura recomendada, ahora es necesario verificar el resultado

de eficiencia basado en el tipo de material.
Para ello probare las siguientes hipótesis:
1. ¿Son iguales las medias obtenidas indiferente al material?
2. De ser positiva se concluye que no hay impacto considerable, de ser negativa habría que investigar
quien ofrece un mayor impacto.
PROBLEMA 2C

ETAPAS DE PREPARACIÓN
1. Hipótesis 2. Hipótesis Nula e Hipótesis 3. Posibles Outcomes 4. Test Statistic
Alternativa
¿Las eficiencias Hipótesis Nula: El tipo de Rechazo de Hipótesis Nula: significaría Se calcula mediante
obtenidas a material NO tiene impacto que este claim no es verdad. Es falso Sample Data y se usará
140 son significativo en la eficiencia. para definir el
iguales Outcome.
indiferente al
material?
Hipótesis Alternativa: El tipo Fallo en Rechazar la Hipótesis Nula: No Nivel de Confianza: que
de material SI tiene impacto necesariamente demuestra que la tanto confiamos en
significativo en la eficiencia. Hipótesis Nula sea cierto, sin embargo nuestra decisión.
mantiene el statement como el C = 95% o 0.95
aceptado o por lo menos nuestro error Nivel de Significancia:
se encuentra dentro del margen de ese α = (1-C) = 0.05
“claim” de la Hipótesis Nula.
PROBLEMA 2C

ETAPAS DE MUESTREO Y EJECUCIÓN

5. Sampling Ejecución en Minitab

Se utiliza el simulador bajo las siguientes El Sampling se introduce a Minitab y se realizan las
condiciones: siguientes acciones:

1. Temperaturas: 140. 1. Prueba de normalidad para la muestra.

2. Tamaño de muestra por Corrida: 101 2. Prueba de desviaciones estándares.
3. Cantidad de Corridas por Temperatura: 1
4. Cantidad de Temperaturas evaluadas: 2
5. Tamaño final del Sampling: 101
6. Valor de Variables: Sí

Observación: El sampling estará adjunto como

entregable.
PROBLEMA 2C

RESULTADOS 2C
Prueba t de 2 muestras para Eficiencia (CS/Hr) por Materiales
Gráfica de probabilidad de Eficiencia (CS/Hr) Informe de resumen

Normal ¿Difieren las medias? Muestras individuales

0 0.05 0.1 > 0.5 Estadísticas AA001 BB002
99.9
Media 59.10 Tamaño de la muestra 51 50
Sí No Media 58.384 59.840
Desv.Est. 10.79 P = 0.501 IC de 95% (55.44, 61.33) (56.667, 63.013)
99 N 101 Desviación estándar 10.474 11.165
La media de AA001 no es significativamente diferente de la media
AD 0.491 de BB002 (p > 0.05).
95 Diferencia entre muestras
Valor p 0.214 Estadísticas *Diferencia
90
Diferencia -1.4565
IC de 95% para la diferencia
80 ¿Está todo el intervalo por encima o por debajo de cero? IC de 95% (-5.7331, 2.8201)
Porcentaje

70 *Diferencia = AA001 - BB002

60
Comentarios
50
40 -6 -4 -2 0 2 • Prueba: No existe suficiente evidencia para concluir que las medias
30 difieren en el nivel de significancia de 0.05.
• IC: Cuantifica la incertidumbre asociada a la estimación de la
20 diferencia en las medias a partir de los datos de las muestras. Usted
puede tener una seguridad de 95% de que la diferencia verdadera se
10 Distribución de los datos
encuentra entre -5.7331 y 2.8201.
Compare los datos y las medias de las muestras.
5 • Distribución de datos: Compare la ubicación y las medias de las
AA001 muestras. Busque datos poco comunes antes de interpretar los
resultados de la prueba.
1

BB002
0.1
20 30 40 50 60 70 80 90 100
Eficiencia (CS/Hr) 36 48 60 72 84

Imagen17. Prueba de Normalidad Imagen18. Prueba t de 2 muestras

PROBLEMA 2C

ANÁLISIS DE RESULTADOS Y CONCLUSIONES 2C

Análisis Conclusiones

• La prueba de Normalidad indica un comportamiento • Para la condición:

dentro de la distribución normal. p > valor de significancia entonces
Outcome: Fallo en Rechazar de Hipótesis Nula
• Se realiza la prueba t de dos muestras con la
segmentación de las diferentes materiales a una • Por ende para la Hipótesis Nula (El tipo de material
temperatura de 140 en donde se aprecia que las NO tiene impacto significativo en la eficiencia) se
medias NO difieren entre sí de forma significativa. considera como verdadera.

• p= 0.501 > valor de significancia (0.05).

CONCLUSIÓN FINAL
Se puede asumir que no hay impacto significativo en la eficiencia sin importar cual de los 2 materiales se
escoja a una temperatura de 140 ° C
GRACIAS