Semestre: 2006. 1.
Profesor: Adolfo Andrs Velasco Reyes.
Fecha de entrega : cuando mucho dos das antes del evento del segundo final.
Site: CIA. Hall. fith floor .R502, sw.
Ejercicio 1.
Un ingeniero industrial est investigando el efecto que tienen cuatro mtodos de
ensamblaje (A,B,C y D) sobre el tiempo de ensamblaje de un componente para
computadoras cunticas. Se seleccionan cuatro operadores para realizar este
estudio. Por otra parte, el ingeniero sabe que cada mtodo de ensamblaje produce
fatiga, por lo que el tiempo que se tarda en el ltimo ensamblaje puede ser mayor
que el primero, independientemente del mtodo. En otras palabras, se produce un
patrn en el tiempo de ensamblaje. Para controlar esta posible fuente de
variabilidad inicialmente haba decidido utilizar un diseo de cuadrados latinos,
pero al revisar nuevamente el experimento le entr la corazonada de que el lugar
de trabajo usado por los operadores puede representar una fuente adicional de
variabilidad, por lo cual introdujo el lugar de trabajo (, , y ) como un cuarto
factor y repiti el experimento en las dos plantas de la empresa. Los resultados se
muestran a continuacin:
P rim e ra p la n ta
O rd e n d e
m o n t a je
O p e ra d o r
1
10
B
8
A
12
D
9
D
9
B
11
11
A
14
A
8
D
10
B
12
C
7
C
15
B
18
D
6
A
8
C
s e g u n d a p la n ta
D 6
O p e ra d o r
O rd e n d e
m o n t a je
1
C 9
B 15
D 7
A 11
A 7
D 10
B 13
C 8
D 6
C 13
A 9
B 9
B 10
A 11
C 8
O b s e rv a c
i n
1
2
3
4
5
6
7
8
9
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
3
0
1
2
3
4
5
6
7
8
9
0
1
2
3
4
5
6
7
8
9
0
A v a l o
($ 0 0 0 )
7
8
7
8
7
6
7
8
6
8
7
5
7
8
7
8
7
8
6
7
7
7
7
7
8
8
7
7
7
7
8
0
4
6
5
5
2
5
0
1
9
9
5
5
6
4
2
6
6
9
2
7
4
9
4
1
4
9
7
9
.1
.2
.0
.3
.2
.5
.4
.6
.8
.8
.1
.9
.2
.8
.6
.3
.9
.5
.2
.7
.7
.9
.3
.8
.7
.6
.9
.9
.9
.0
7
4
3
1
2
4
3
1
0
8
1
3
7
8
4
6
4
0
8
4
8
0
1
5
8
1
2
8
6
7
P r e c io d e
v e n ta
($ 0 0 0 )
9 4 .1 0
1 0 1 .9 0
8 8 .6 5
1 1 5 .5 0
9 7 .5 0
7 2 .0 0
9 1 .5 0
1 1 3 .9 0
6 9 .3 4
9 6 .9 0
9 6 .0 0
6 1 .9 0
8 3 .0 0
1 0 9 .5 0
9 3 .7 5
1 0 6 .7 0
8 1 .5 0
9 4 .5 0
6 9 .0 0
9 6 .9 0
8 6 .5 0
9 7 .9 0
8 3 .0 0
8 7 .3 0
1 0 0 .8 0
9 7 .9 0
9 0 .5 0
9 7 .0 0
9 2 .0 0
9 5 .9 0
^ ,
con
=0.01
h. Estimar un intervalo de confianza del 99% para el valor estimado del precio
de venta para casas con valor de $70 000.
i. Estimar un intervalo de confianza del 99% para el valor de pronstico del
precio de venta para casas con valor de $70 000.
j. Calcule el coeficiente de correlacin r^ .
2
k. Calcular el coeficiente de determinacin 100 r^ e interprete su significado
en este problema.
l. Probar la significancia de la correlacin para este ejemplo.
m. .(consultar la monografa de
Anlisis de Regresin-Correlacin, pags.142- 149; de las notas.
n. Estimar un intervalo de confianza para el coeficiente de correlacin con =
0.01.
o. Dar valores apropiados a la variable avalo y estimar los respectivos
intervalos de confianza para el valor estimado del precio de venta y para el
valor de pronstico del precio de venta.
p. En un plano cartesiano, graficar : los datos del ejercicio y el modelo de
regresin.
q. En el mismo plano del punto anterior (p), para cada valor de la variable
avaluo, graficar los respectivos lmites de confianza; para la estimacin y
para el pronstico.
r. En relacin al inciso anterior, trazar una lnea uniendo a los lmites inferiores
de confianza para la estimacin y lo mismo para el pronstico
respectivamente. Hacer lo mismo para los respectivos lmites superiores.
s. En un plano cartesiano, graficar los residuales eje Y para cada valor de
x( avaluo), hacer un anlisis de residuales e inferir sobre la naturaleza
( idoneidad, fortaleza o debilidad del modelo y determinar lo apropiado del
ajuste del modelo.
t. Realizar un anlisis de influencia y determine si se pueden eliminar del
modelo algunas observaciones. Si es necesario, analice de nuevo el
modelo de regresin despus de eliminar estas observaciones y compare
sus resultados con el modelo original.
u. Presentar una sntesis de los hallazgos dentro del proceso del anlisis, al
gerente del centro de negocios.
Nota 1: Para contestar los incisos g y h, consultar pgina 143 de las notas
de regresin y ver ejercicio 6.3.1.
Nota 2:La tabla adjunta, les servir para contestar el inciso (n).
TABLA*
Valores de Z=
1 1 r
Ln
2 1 r
0 .0 0
0 .0 1
0 .0 2
0 .0 3
0 .0 4
0 .0 5
0 .0 6
0 .0 7
0 .0 8
0 .0 9
0 .0
0 .0 0 0
0 .0 1 0
0 .0 2 0
0 .0 3 0
0 .0 4 0
0 .0 5 0
0 .0 6 0
0 .0 7 0
0 .0 8 0
0 .0 9 0
0 .1
0 .1 0 0
0 .1 1 0
0 .1 2 1
0 .1 3 1
0 .1 4 1
0 .1 5 1
0 .1 6 1
0 .1 7 2
0 .1 8 2
0 .1 9 2
0 .2
0 .2 0 3
0 .2 1 3
0 .2 2 4
0 .2 3 4
0 .2 4 5
0 .2 5 5
0 .2 6 6
0 .2 7 7
0 .2 8 8
0 .2 9 9
0 .3
0 .3 1 0
0 .3 2 1
0 .3 3 2
0 .3 4 3
0 .3 5 4
0 .3 6 5
0 .3 7 7
0 .3 8 8
0 .4 0 0
0 .4 1 2
0 .4
0 .4 2 4
0 .4 3 6
0 .4 4 8
0 .4 6 0
0 .4 7 2
0 .4 8 5
0 .4 9 7
0 .5 1 0
0 .5 2 3
0 .5 3 6
0
0
0
0
0
0
0
0
1
1
0
0
0
1
1
0
0
0
1
1
0
0
0
1
1
0
0
0
1
1
0
0
0
1
1
0
0
0
1
1
0
0
1
1
2
0
0
1
1
2
0
0
1
1
2
.5
.6
.7
.8
.9
.5
.6
.8
.0
.4
4
9
6
9
7
9
3
7
9
2
.5
.7
.8
.1
.5
6
0
8
2
2
3
9
7
7
8
.5
.7
.9
.1
.5
7
2
0
5
8
6
5
8
7
9
.5
.7
.9
.1
.6
9
4
2
8
5
0
1
9
8
8
.6
.7
.9
.2
.7
0
5
5
2
3
4
8
0
1
8
.6
.7
.9
.2
.8
1
7
7
5
3
8
5
3
6
2
.6
.7
.9
.2
.9
3
9
9
9
4
3
3
6
3
6
.6
.8
.0
.3
.0
4
1
2
3
9
8
1
0
3
2
.6
.8
.0
.3
.2
6
2
4
7
9
2
9
5
6
8
.6
.8
.0
.4
.6
7
4
7
2
4
8
8
1
2
7
Ejercicio 3.
Aplicacin de regresin lineal mltiple.
Una empresa procesadora de papas, como producto secundario del proceso
genera el llamado pastel de filtro, el cual ha sido vendido a los granjeros como
alimento para el ganado. Recientemente uno de los granjeros se quej de que el
ganado no estaba ganando peso y crea que el problema era el pastel de filtro que
les surta la compaa.
Inicialmente, todo lo que se saba del sistema del pastel de filtro era que los datos
histricos mostraban que en aos anteriores la cantidad de slidos era de
aproximadamente 11.5%. En aquel momento, los slidos se encontraban entre 8 y
9%. Se hicieron varias adiciones a la planta durante los aos intermedios y se
increment significativamente el volumen de agua y de slidos, as como la
temperatura del clarificador. Lo que realmente estaba afectando a los slidos era
un misterio, pero como la planta necesitaba deshacerse de sus desperdicios
slidos para poder funcionar, tena que hacerse algo y rpido. La nica solucin
prctica consista en determinar alguna manera de que el contenido de slidos
regresara a sus niveles originales. A los individuos implicados en el proceso se les
pidi que identificaran variables que pudieran ser manipuladas y que, a su vez,
pudieran estar afectando el contenido de los slidos. Esta revisin dio como
resultado seis variables que podran afectar el contenido de slidos. Las variables
son:
SLD
PH
Acidez.
Esto indica la accin bacteriana en el clarificador.
A medida que progresa esta accin, se producen cidos
orgnicos que pueden ser medidos utilizando el PH. Esto
se controla durante los tiempos de receso del sistema.
LW
UP
THICK
REGV:
deficiencias mecnicas.
DRUMSPD: Velocidad a la cual estaba girando el tambor cuando se
recogi el pastel de filtro. Medida con un Odmetro por
sus siglas en (ingls britnico).
Obs. SLD=y
PH=
x1
LW=
x2
UP=
x3
THICK=
x4
REGV=
x5
DRUMSPD=
9.70
3.70
13
14
0.250
33.00
9.40
3.88
17
18
0.875
30.43
10.5
3.88
14
15
0.500
34.00
10.9
3.90
14
14
0.500
34.00
11.6
4.30
17
18
0.375
36.24
10.9
4.20
16
17
0.500
31.76
11.00
4.3
16
19
0.375
34.00
10.70
3.9
15
16
0.375
32.13
11.80
3.6
0.375
37.00
10
9.70
4.0
18
16
0.500
36.00
11
11.60
4.0
12
13
0.313
45.00
12
10.90
3.9
15
15
0.500
50.00
13
10.00
3.8
17
18
0.625
46.91
14
10.30
3.8
13
14
0.500
57.50
15
10.10
3.6
17
17
0.625
60.40
16
9.90
3.8
17
18
0.500
53.14
17
9.50
3.5
17
18
0.625
34.40
18
10.50
3.8
15
17
0.500
33.96
19
10.80
3.9
15
17
0.750
35.00
20
10.40
3.9
14
15
0.500
35.00
21
10.90
4.0
15
16
0.500
34.00
x6
22
11.20
4.4
17
19
0.375
34.00
23
9.50
3.8
17
17
0.500
33.49
24
10.70
3.9
15
17
0.500
33.38
25
10.10
3.8
15
17
0.500
41.00
26
10.50
3.8
17
17
0.500
36.00
27
10.90
4.0
15
17
0.250
34.00
28
15.50
4.3
13
15
0.625
41.00
29
13.10
4.0
17
17
0.500
35.00
30
11.00
4.0
14
15
0.375
36.00
31
12.50
4.2
15
17
0.313
37.72
32
11.70
4.2
14
14
0.250
36.00
33
11.90
4.4
15
16
0.375
36.52
34
11.70
3.4
10
0.313
38.08
35
17.80
4.3
12
12
0.313
38.00
36
11.80
4.5
14
15
0.250
33.00
37
10.00
3.7
12
13
0.250
48.00
38
10.30
3.7
15
15
0.500
48.00
39
9.80
3.8
14
15
0.500
47.24
40
10.00
3.7
13
14
0.500
37.00
41
10.60
4.1
14
15
0.500
33.70
42
11.20
3.9
13
14
0.375
38.26
43
10.90
3.7
13
14
0.313
38.00
44
11.00
4.1
13
14
0.375
37.00
45
11.00
4.1
14
15
0.375
38.00
46
11.70
4.5
14
14
0.250
36.26
47
11.80
4.4
13
14
0.250
37.45
48
12.00
4.2
13
13
0.375
38.00
49
11.80
4.6
14
14
0.375
36.90
50
11.10
4.0
14
15
0.500
37.00
51
11.60
3.9
14
14
0.500
37.50
52
11.00
4.0
14
15
0.500
36.00
53
11.20
3.9
15
15
0.313
35.00
54
11.00
4.2
14
14
0.375
37.00
Pitgoras