Examen final de: Estadstica Aplicada

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

Usando un nivel de significancia = 0.05, y mediante un modelo de cuadrados

grecolatinos con dos repeticiones, analice los datos y justifique sus conclusiones
por escrito enviadas al ingeniero industrial.
Ejercicio 2
Se seleccion una muestra de 30 casas unifamiliares vendidas recientemente en
un desarrollo habitacional de tipo ressort. Se registr el precio de venta y el avalo
( las casas en la ciudad haban sido revaluadas a su valor total un ao antes del
estudio) con los siguientes resultados.

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

Al Director de la fbrica de ciudades, dentro de sus planes de desarrollo personal,

para mantenerse en el sitial, encarga a una sociedad denominada en el ambiente
de finanzas: Direccin general de aceptaciones . Suponga que se desea
desarrollar un modelo para predecir el precio de venta sobre la base del avalo.
Sugerencia:
Determinar primero cual es la variable independiente y cual es la dependiente y
desarrollar los siguientes incisos para fortalecerlo.

a. Trace un diagrama de dispersin y, suponiendo una relacin lineal, use el

mtodo de mnimos cuadrados para encontrar el modelo respectivo.
b. Interprete el significado de los respectivos parmetros del modelo.
c. Usar el modelo para predecir el precio de venta para una casa cuyo valor
es de $70 000.
d. Calcular el error estndar de la estimacin.
^
e. Hacer la prueba de significancia del coeficiente de la regresin , con
= 0.01.
f. Estimar un intervalo de confianza para el coeficiente de regresin
= 0.01.
g. Hacer la prueba de significancia del trmino independiente con

^ ,

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

Porcentaje de slidos en el pastel de filtro.

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

Presin de lnea de vaco que se encuentra debajo de la

lnea de fluido en el tambor giratorio.

UP

Presin de lnea de vaco que se encuentra arriba de la

lnea de fluido en el tambor giratorio.

THICK

Grueso del pastel medido en el tambor.

REGV:

Regulador para controlar la velocidad del tambor.

Puede ser

diferente de DRUMSPD debido a

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).

Los datos obtenidos al monitorear el proceso en varias ocasiones diariamente

durante 54 das, se muestran a continuacin:

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

En relacin a los datos de la tabla,

a. Obtener un modelo de regresin lineal mltiple de la forma:
y b0 b1 x1 b2 x2 b3 x3 b4 x4 b5 x5 b6 x6
.
b. Determinar el error estndar de la estimacin.
c. Dar una interpretacin del error estndar de la estimacin.
d. Hacer la prueba de significancia de las variables en el modelo
e. En base a las conclusiones del inciso anterior, determinar el modelo
depurado.
f. Encontrar el valor estimado mediante el modelo depurado para los
siguientes valores particulares de las variables que resulten significativas:
g.
x1 = 10.5, x 2 = 3.5, x 3 = 15, x 4 = 15 y x 5 = 0.5, x 6 45
.
Calcular el intervalo de confianza para el valor esperado o de estimacin obtenido
en el inciso anterior.
h. Calcular el intervalo de pronstico tomando los valores del inciso ( f ).
i. Calcular el Coeficiente de Correlacin Mltiple.
j. Calcular los coeficientes de correlacin parcial correspondientes a las
variables significativas.
k. Escriba un informe ejecutivo al presidente de la empresa en base a sus
hallazgos
Nota Prima: Expresar en cada inciso las interpretaciones:

Nota 1 : Reflexione cuidadosamente la naturaleza del proceso para que sus

recomendaciones sean impactantes.
Nota 2: En todos los puntos pertinentes, usar un = 0.01.
Nota 3: Es importante respetar el orden en el que se dan las respuestas. Este
debe ser de acuerdo al orden en que se presentan los incisos. No
respetarlo, implica inciso no hecho y en consecuencia un cero.
Nota 4: Dar la interpretacin de los resultados obtenidos para todos los
incisos respectivos.
Nota 5: Para fortalecer las respuestas del informe, dar las referencias de
consulta, es decir: Se puede hacer uso de todo tipo de recursos acadmicos
y de alto nivel, indicndolos como referencias consultadas.
Nota 6: LES DESEO XITO.
Educar no es instruir ni ensear para vivir , sino templar el
alma para los retos y dificultades de la vida , para la vida.

Pitgoras

( Significa hombre humano competente ) .

El maestro en la estadstica, es el cientfico de las ciencias de
las decisiones en la vida del hombre humano.