Ejercicios Fase Analisis GB

EJERCICIOS FASE DE ANLISIS GB P.
Reyes / Octubre 2007
PREGUNTAS:
1. Cules propsito y los entregables de la fase de Anlisis?
Propsito:
Entregables:
Identificacin de causas potenciales
2. Cmo se identifican las causas potenciales de un problema con el diagrama de

causa efecto? Dar un ejemplo.
Problema:
Lluvia de ideas:
Por mtodo:
Por personal:
Por mediciones:
Por medio ambiente:
Por equipos:
Por materiales:
3. Cmo se aplica la tcnica de preguntas Por qu por qu, para determinar la

causa raz de los problemas? Dar un ejemplo.
Problema:
Por qu:
Por qu:
Por qu:
Por qu:
Por qu:

relaciones? Dar un ejemplo.
Problema:
Lluvia de ideas:
Este problema tiene las siguientes causas:
Una de las causas tiene las siguientes subcausas:
Pgina 1 de 68
EJERCICIOS FASE DE ANLISIS GB P. Reyes / Octubre 2007
Otra de las causas tiene las siguientes subcausas:
Las causas ms probables son de las que:
Los problemas ms crticos son a los que:

rbol? Dar un ejemplo.
Problema:
Las principales causas son:
Para una causa, sus subcausas son:
Para otra causa, sus subcausas son:
Comprobacin de causas raz
5. Cul es el proceso para comprobar las causas raz de un problema con 5W-1H?
Dar un ejemplo con dos causas
Qu Por qu Cmo Donde Quin Cundo
La comprobacin de las causas se debe hacer como sigue:
a.
b.
6. Cundo se dice que Si es causa raz y cuando que no es causa raz?
Si es causa raz cuando:
No es causa raz cuando:
7. Cmo se construye el diagrama sistemtico representando el mapa de

variabilidad total?
Cartas Multivari
8. Cul es el propsito de una carta Multivari y cmo se interpretan sus

variaciones?
Propsito:
Pgina 2 de 68
a.Posicional:
b.Cclica
c.Temporal
FMEA
9. Cul es el propsito del AMEF de proceso y cmo se construye? Dar un ejemplo

con un paso del proceso:
Propsito:
Paso del proceso:
Modo de falla o error:
Severidad (1-10):
Efecto de la falla o error:
Ocurrencia (1-10):
Controles de deteccin:
Deteccin (10 1):
Nivel de riesgo (RPN) =
Acciones propuestas:
Regresin lineal
10. Cul es el propsito del anlisis de regresin lineal?
11. Cmo se interpreta el coeficiente de correlacin entre dos variables?
12. Cmo se intepreta el coeficiente de determinacin?
Intervalos de confianza
13. Qu es una estimacin puntual de parmetros?
14. Qu es una estimacin por intervalos de parmetros y que ventajas tiene?
15. Qu es nivel de confianza, nivel de significancia y error estndar de

estimacin?
Nivel de confianza:
Pgina 3 de 68
Nivel de significancia:
Error de estimacin:
16. Qu es un intervalo de confianza?
Pruebas de hiptesis
17. Qu es una prueba de hiptesis?
18. Cmo se puede saber si se inicia con el planteamiento de la hiptesis nula Ho o

de la alterna Ha?
Ho (=, <=, >=):
Ha: (<>, >, <):
19. Cmo se sabe de cuantas colas o de que tipo de cola es la prueba?
Ha: (<>) colas
Ha: (<) cola
Ha: (>) cola
20. Cules son los pasos para realizar una prueba de hiptesis de una poblacin?
Dar un ejemplo y comentar.
Planteamiento del problema:
a. Hiptesis Ho, Ha y alfa
b. Estadstico calculado con datos de la muestra
c. Estadstico correspondiente al nivel de significancia Alfa (zona de rechazo)
d. Comparacin entre ambos estadsticos
Conclusin:
e. Determinacin del intervalo de confianza
Conclusin:
f. Clculo del valor de probabilidad P correspondiente al estadstico calculado
Conclusin:
21. Cmo se selecciona el estadstico de prueba a usar (Z, t, Chi cuadrada, F)?
Z se usa para:
T se usa para:
Chi cuadrada se usa para:
Pgina 4 de 68
F se usa para:
22. Cules son los pasos para realizar una prueba de hiptesis de dos poblaciones?
Dar un ejemplo solo comentar.
Planteamiento del problema:
a. Hiptesis Ho, Ha y alfa
b. Estadstico calculado con datos de la muestra
c. Estadstico correspondiente al nivel de significancia Alfa (zona de rechazo)
d. Comparacin entre ambos estadsticos
Conclusin:
e. Determinacin del intervalo de confianza
Conclusin:
f. Clculo del valor de probabilidad P correspondiente al estadstico calculado
Conclusin:
ANOVA
23. Para que sirve el anlisis de varianza (ANOVA)?
24. Qu condiciones se deben cumplir para que sea vlido este anlisis?
a.
b.
c.
25. A que se le llama factor y que son los niveles o tratamientos?
Factor:
Niveles otratamientos:
Pgina 5 de 68
26 Cmo se determinan e interpretan los siguientes trminos en el ANOVA?
a. Suma de cuadrados total:
b. Suma de cuadrados de los tratamientos
c. Suma de cuadrados del error
d. Grados de libertad totales
e. Grados de libertad de los tratamientos
f. Grados de libertad del error
g. Cuadrado medio del factor
h. Cuadrado medio del error
i. Estadstico de prueba F
j. Valor de probabilidad P
27. Qu criterio se sigue para tomar decisiones en relacin a la igualdad de

medias?
Las medias son diferentes si el P value para el factor es 0.05.
28. En caso de rechazo de la hiptesis nula, cmo se identifican las medias que no
son iguales?
Criterio de Tukey:
ANOVA DE DOS VAS

29. Cul es el propsito del ANOVA de dos vas?
PRUEBAS NO PARAMTRICAS
30. Cul es el propsito de las pruebas de hiptesis no paramtricas?
31. Dar algunos ejemplos de pruebas no paramtricas:

a.
b.
TABLAS DE CONTINGENCIA
31. Cul es el propsito de las tablas de contingencia?
Pgina 6 de 68
PROBLEMAS: (Utilizar Minitab 13 para las soluciones)
ANLISIS MULTIVARI
1 a. Las cartas Multivari permiten observar en una sola carta el comportamiento de
varias fuentes de variacin. Para la teora se anexa un archivo Cartas Multivari.doc.
Una empresa produce ejes para rotores elctricos con dimetros de 0.250 0.001
mm, sin embargo el Cp es de 0.8 lo que significa que el proceso tiene una
variabilidad excesiva.
La variabilidad considerada al tomar los datos se estima que proviene

de las siguientes fuentes:
** Diferencia de dimetros en los extremos del eje izquierdo y derecho.
** Diferencia de dimetro mximo y mnimo en una misma posicin

que implica falta de redondez
** Variacin de una pieza a otra producidas en forma consecutiva
** Variacin a lo largo del tiempo (largo plazo)
Las cartas Multivari nos permiten visualizar estas fuentes de variacin:
Los datos del archivo ROTOR.MTW anexos indican lo siguiente:

Hora: Hora de toma de muestra
Eje : Nmero de eje
Posicin: indica si se trata de dimetro mnimo o mximo medido
Diametro: Valor del dimetro
Rotor.mtw
Hora Eje Posicion Diametro
08:00 1 Max Izq 2.509
08:00 1 Min Izq 2.502
08:00 1 Max Der 2.506
08:00 1 Min Der 2.5
08:00 2 Max Izq 2.51
08:00 2 Min Izq 2.504
08:00 2 Max Der 2.506
08:00 2 Min Der 2.5
08:00 3 Max Izq 2.508
08:00 3 Min Izq 2.502
08:00 3 Max Der 2.506
08:00 3 Min Der 2.498
09:00 1 Max Izq 2.506
09:00 1 Min Izq 2.5
09:00 1 Max Der 2.5
09:00 1 Min Der 2.497
09:00 2 Max Izq 2.504
09:00 2 Min Izq 2.5
09:00 2 Max Der 2.5
09:00 2 Min Der 2.498
09:00 3 Max Izq 2.506
09:00 3 Min Izq 2.5
09:00 3 Max Der 2.5
09:00 3 Min Der 2.499
Pgina 7 de 68
10:00 1 Max Izq 2.498

10:00 1 Min Izq 2.496
10:00 1 Max Der 2.491
10:00 1 Min Der 2.488
10:00 2 Max Izq 2.496
10:00 2 Min Izq 2.493
10:00 2 Max Der 2.492
10:00 2 Min Der 2.49
10:00 3 Max Izq 2.498
10:00 3 Min Izq 2.496
10:00 3 Max Der 2.496
10:00 3 Min Der 2.49
11:00 1 Max Izq 2.51
11:00 1 Min Izq 2.505
11:00 1 Max Der 2.504
11:00 1 Min Der 2.5
11:00 2 Max Izq 2.509
11:00 2 Min Izq 2.505
11:00 2 Max Der 2.503
11:00 2 Min Der 2.5
11:00 3 Max Izq 2.51
11:00 3 Min Izq 2.506
11:00 3 Max Der 2.506
11:00 3 Min Der 2.502
12:00 1 Max Izq 2.508
12:00 1 Min Izq 2.504
12:00 1 Max Der 2.502
12:00 1 Min Der 2.5
12:00 2 Max Izq 2.506
12:00 2 Min Izq 2.5
12:00 2 Max Der 2.5
12:00 2 Min Der 2.496
12:00 3 Max Izq 2.506
12:00 3 Min Izq 2.502
12:00 3 Max Der 2.5
12:00 3 Min Der 2.497
Instrucciones de Minitab
Stat > Quality tools > Multi Vari Chart
Response Diametro
Factor 1 Posicin Factor 2 Eje Factor 3 Hora
OK
Pgina 8 de 68
1b. Carta Multivari: Esta grfica nos permite visualizar el efecto de varias
variables en la respuesta (tiempo de respuesta) identificando comportamiento
temporal o de otro aspecto
Tipo orden Tiempo Cuadrilla

1 23 15
1 20 15
1 21 15
1 22 18
1 19 18
1 20 18
1 19 21
1 18 21
1 21 21
2 22 15
2 20 15
2 19 15
2 24 18
2 25 18
2 22 18
2 20 21
2 19 21
2 22 21
3 18 15
3 18 15
3 16 15
3 21 18
3 23 18
3 20 18
3 20 21
3 22 21
3 24 21
Con Minitab:
Stat > Quality tools > Multivari charts
Response Resistencia
Factors Tiempo Metal
OK
Pgina 9 de 68
REGRESIN LINEAL
2. Regresin lineal: Los siguientes datos corresponden a la resistencia a la
tensin de un producto de papel relacionado a la cantidad de fibra en la pulpa. Se
toman 10 muestras en una planta piloto y los datos obtenidos se muestran a
continuacin:
Y_Resistencia X_%Fibra
160 10
171 15
175 15
182 20
184 20
181 20
188 25
193 25
195 28
200 30
Determinar el anlisis de regresin siguiente:
Con Minitab:
Stat > Regresin > Fitted line plot Indicar Response (Y) y Predictor
(X) Linear OK
a) Ecuacin de regresin Y = ___________________________
b) Coeficiente de determinacin R-sq = _____ Conclusiones ____________________
c) Coeficiente de correlacin R = _______ Raiz cuadrada de R-Sq en decimal
d) Estimar Y para X = 23: Substituir X = 23 en la ecuacin de regresin y

determinar Y
Y=
Pgina 10 de 68
3. La energa consumida en un proceso depende del ajuste de mquinas que se

realice, realizar una REGRESIN CUADRTICA con los datos siguientes y responder
las preguntas.
Y X
Ajuste
Cons_energa Mq.
21.60 11.15
4.00 15.70
1.80 18.90
1.00 19.40
1.00 21.40
0.80 21.70
3.80 25.30
7.40 26.40
4.30 26.70
36.20 29.10
a) Trazar un diagrama de dispersin

Graph > Plot
Graph Variables: Graph 1 Y X
OK
b) Obtener la ecuacin de regresin lineal y cuadrtica y comparar

Stat > Regression > Fitted line plot
Response (Y): Y Predictors (X): X
Type of regression model: Linear y Cuadratic
OK
Obtener el coeficiente de determinacin y de correlacin (R = raiz(R-sq))
Qu se puede concluir?
c) Estimar el consumo de energa para un ajuste de mquina de 20 con regresin

cuadrtrica.
Pgina 11 de 68
d) Obtener los intervalos de prediccin y de confianza para la regresin

Options: Display Confidence bands y Display Prediction bands
OK
e) Obtener los intervalos de prediccin y de confianza para un ajuste de mquina de

20 con regresin lineal
Stat > Regression > Regression
Response: Y Predictors: X
Options: Prediction intervals for new observations 20 Confidence
limits y Prediction limits
OK
Pgina 12 de 68
4. Los siguientes datos corresponden a la altura en pulgadas y el peso en libras

de nadadores.
X Y
64 108
62 102
65 115
66 128
a) Trazar un diagrama de dispersin

Graph > Plot
Graph Variables: Graph 1 Y X
OK
b) Obtener la ecuacin de regresin lineal y cuadrtica y comparar

OK
Obtener el coeficiente de determinacin y de correlacin (R = raiz(R-sq))
Qu se puede concluir?
c) Estimar el peso para una altura de 63" con regresin cuadrtrica
d) Obtener los intervalos de prediccin y de confianza para la regresin

Options: Display Confidence bands y Display Prediction bands
OK
Pgina 13 de 68
e) Obtener los intervalos de prediccin y de confianza para una altura de 63" con
regresin lineal
Response: Y Predictors: X
Options: Prediction intervals for new observations 63 Confidence
OK
5 Un gerente de ventas reuni los datos siguientes en base a la experiencia.
Vend. Experiencia Ventas

1 1 80
2 3 97
3 4 92
4 4 102
5 6 103
6 8 111
7 10 119
8 10 123
9 11 117
10 13 136
X Y
a) Obtener la ecuacin de regresin y estimar las ventas pra un vendedor de 9

aos de experiencia.
Response: Ventas Predictors: Experiencia
Options: Prediction intervals for new observations 9 Confidence limits
y Prediction limits
Pgina 14 de 68
OK
b) Obtener el coeficiente de correlacin y el coeficiente de determinacin.
REGRESIN MLTIPLE
6 Ejemplo de factores para filtracin:
Cliente Meses Tipo_rep horas

1 2 1 2.9
2 6 0 3.0
3 8 1 4.8
4 3 0 1.8
5 2 1 2.9
6 7 1 4.9
7 9 0 4.2
8 8 0 4.8
9 4 1 4.4
10 6 1 4.5
X1 X2 Y
a) Obtener una grfica de dispersin

Graph > Matrix Plot
Graph Variables: Graph 1 Meses 'Tipo_rep' horas
OK
b) Encontrar la ecuacin de regresin y predecir el valor de Y para X1 = 8 y X2 = 1

Response: Horas Predictors: Meses Tipo_rep
Options: Prediction intervals for new observations 8 1 Confidence
Graphs: Residual for plots - Standardized Residual Plots: Normal Plot
of residuals
Storage: Standardized residuals Residuals Fits
Ok
Graph > Probability plot
Pgina 15 de 68
Variables SRES Normal

OK
NOTA: Los puntos deben encontrarse entre los lmites de confianza
c) Determinar las variables significativas Xi que influyen en la Y = horas. Las de P

value menor a 0.05
d) Determinar los valores de la Y estimada o Fits
e) Hallar la grfica de normalidad de residuos

Variables RES Normal
OK
f) Estimar el Valor de Y para X1 = 8 y X2 = 1 (con ecuacin de regresin)
g) Obtener las grficas de regresin simple de Horas vs Rep. Y vs Meses y

comentar Stat > Regression > Fitted line Plot (Y vs X1 o Y vs
X2)
Response: Horas Predictors: Meses o Tipo_rep
Type of regression Model: Linear
Pgina 16 de 68
OK
h) Hallar la matriz de correlacin de las X1, X2 y eliminar de la regresin una de las

que est correlacionada (con P value <=0.05)
Stat>Basic Statistics >Correlation
Variables Meses Tipo_rep Horas
Display P values
OK
Pgina 17 de 68
7. Riesgos de un ataque al corazn. Evaluar la dependencia de las variables a

un 5% de nivel de significancia.
Y X1 X2 X3
Riesgo Edad Presin Fuma
12 57 152 0
24 67 163 0
13 58 155 0
56 86 177 1
28 59 196 0
51 76 189 1
18 56 155 1
31 78 120 0
37 80 135 1
15 78 98 0
22 71 152 0
36 70 173 1
15 67 135 1
48 77 209 1
15 60 199 0
36 82 119 1
8 66 166 0
3 80 125 1
37 62 117 0
a) Obtener una grfica de dispersin

Graph > Matrix Plot
Graph Variables: Graph 1 Riesgo Edad Presion Fuma
OK
b) Encontrar la ecuacin de regresin y predecir el valor de Y para X1 = 45, X2 =

140 y Fuma = 1
Response: Riesgo Predictors: Edad Presion Fuma
Options: Prediction intervals for new observations 45 140 1
Confidence limits y Prediction limits
Graphs: Residual for plots - Standardized Residual Plots: Normal Plot
of residuals
Storage: Standardized residuals Residuals Fits
Ok

Variables SRES Normal
OK
NOTA: Los puntos deben encontrarse entre los lmites de confianza
Pgina 18 de 68
c) Determinar las variables significativas Xi que influyen en la Y = Riesgo. Las de P

value menor a 0.05
d) Determinar los valores de la Y estimada o Fits
e) Hallar la grfica de normalidad de residuos

Variables RES Normal
OK
f) Estimar el Valor de Y para X1 = 45, X2 = 140 y X3 =1 (con ecuacin de

regresin)
g) Obtener las grficas de regresin simple de Riesgo vs Edad y Presin y comentar

Stat > Regression > Fitted line Plot (Y vs X1 o Y vs X2)
Response: Riesgo Predictors: Edad o Presion
Type of regression Model: Linear
OK
Pgina 19 de 68
g) Hallar la matriz de correlacin de las X1, X2, X3 y eliminar de la regresin una de

las que est correlacionada (con P value <=0.05)
Stat>Basic Statistics >Correlation
Variables Edad Presin Fuma
Display P values
OK
8. Investigar la cantidad pagada en tarjeta de crdito dependiendo del ingreso

y tamao de la familia. Alfa = 0.05
X1 X2 Y
Ingreso Tamao Cantidad
54 3 4016
30 2 3159
32 4 5100
50 5 4742
31 2 1864
55 2 4070
37 1 2731
40 2 3348
66 4 4764
51 3 4110
25 3 4208
48 4 4219
27 1 2477
33 2 2514
65 3 4214
63 4 4965
42 6 4412
21 2 2448
44 1 2995
37 5 4171
62 6 5678
21 3 3623
Pgina 20 de 68
55 7 5301
42 2 3020
41 7 4828
a) Encontrar la ecuacin de regresin
b) Determinar las variables significativas que influyen en la Y = Cant. Pagada
c) Determinar los valores de la Y estimada o Fits
d) Hacer la grfica de normalidad de residuos
e) Estimar la cantidad pagada para una familia con 5 miembros e ingreso de 40
f) Hallar la matriz de correlacin de las X1, X2 eliminar de la regresin una de las

que est correlacionada
Pgina 21 de 68
9. Los siguientes datos corresponden a la potencia de un motor en funcin de las

rpm, octanos de la gasolina y compresin del motor:
compresio
Y_Potencia Rpm Octanos n
200
225 0 90 100
180
212 0 94 95
240
229 0 88 110
190
222 0 91 96
160
219 0 86 100
250
278 0 96 110
300
246 0 94 98
320
237 0 90 100
280
233 0 88 105
340
224 0 86 97
180
223 0 90 100
250
230 0 89 104
a) Establecer la ecuacin de regresin mltiple

Con Minitab:
Response Potencia Predictors rpm octano compresin
OK
Potencia =
b) Predecir la potencia rpm = 2500, Octano = 95, Compresin = 105.
Pgina 22 de 68
Con Minitab
Response Potencia Predictors rpm octano compresin
Options: Prediction intervals for new observations 2500 95 105 OK OK
(Ver Fit) = Potencia =
Pgina 23 de 68
c) Existe multicolinealidad entre las variables predictoras?
Con Minitab:
Stat > Basic statistics > Correlation
Variables rpm Octano Compresion OK
En que cada interseccin de variables, de los dos valores, el inferior representa el P

value de la correlacin, si es menor a 0.05 si hay multicolinealidad entre ese par
variables predictoras, de la matriz que se puede concluir?
10. Investigar los factores que tienen influencia en la temperatura del flux a un
95% de nivel de confianza en base a las temperaturas de diferentes zonas del
horno.
X1 X2 X3 Y
Este Sur Norte Temp_Flux
33.53 40.55 16.66 271.8
36.5 36.19 16.46 264
34.66 37.31 17.66 238.8
33.13 32.52 17.5 230.7
35.75 33.71 16.4 251.6
34.46 34.14 16.28 257.9
34.6 34.85 16.06 263.9
Pgina 24 de 68
35.38 35.89 15.93 266.5

35.85 33.53 16.6 229.1
35.68 33.79 16.41 239.3
35.35 34.72 16.17 258
35.04 35.22 15.92 257.6
34.07 36.5 16.04 267.3
32.2 37.6 16.19 267
34.32 37.89 16.62 259.6
31.08 37.71 17.37 240.4
35.73 37 18.12 227.2
34.11 36.76 18.53 196
34.79 34.62 15.54 278.7
35.77 35.4 15.7 272.3
36.44 35.96 16.45 267.4
37.82 36.26 17.62 254.5
35.07 36.34 18.12 224.7
35.26 35.9 19.05 181.5
35.56 31.84 16.51 227.5
35.73 33.16 16.02 253.6
36.46 33.83 15.89 263
36.26 34.89 15.83 265.8
37.2 36.27 16.71 263.8
a) Encontrar la ecuacin de regresin
b) Determinar las variables significativas que influyen en la Y = Temp. De Flux
c) Determinar los valores de la Y estimada y Fits
d) Hallar la grfica de normalidad de residuos Graph > Probability Plot > Normal
e) Estimar la temperatura de flux para X1 = 32, X2 = 36 y X3 = 16.5
Pgina 25 de 68
f) Hallar la matriz de correlacin de las X1, X2, X3 eliminar de la regresin una de

las que est correlacionada
Pgina 26 de 68
PRUEBAS DE HIPTESIS DE UNA POBLACIN

11. Prueba de hiptesis de una media: Las horas tomadas para hacer una
reconexin en das se muestran en la tabla siguiente. Probar a un alfa de 5% o
nivel de confianza del 95% si el tiempo es > 2 Hrs. .
Tiempo
1.9
1.7
2.8
2.4
2.6
2.5
2.8
3.2
1.6
2.5
=distr.t.inv(0.05,9) Talfa
Valor P para
=distr.t(2.45,9,1) Tc
Paso 1. Ho: <= 2 Ha: > 2

n =10 por tanto se utiliza el estadstico t
a) Hacer una prueba de normalidad de los datos y concluir en base al valor P vs

0.05. Si el Pvalue es mayor a 0.05 los datos siguen una distribucin normal.
Con Minitab:
Stat > Basic statistics > Normality test
Variable Tiempo
Seleccionar Anderson Darling
OK
Concluir:
O con:
Graph > Probability Plot > Single Graph Variables Tiempos OK
Pgina 27 de 68
Concluir:
Pgina 28 de 68
b) Realizar la prueba de hiptesis de una media y contestar las preguntas

siguientes:
Con Minitab:
Stat > Basic statistics > 1-Sample t Variable Tiempo Test mean 2
Options: Conf. Level 95 Alternative Greater than
Graphs: seleccionar Dotplot of data
OK
c) Como el 2 ___ se encuentra en el IC, se concluye que ___
d) Como el P value vs Alfa es __ Se concluye que__
12. Prueba Z. Se quiere probar la afirmacin de que la distancia promedio viajada

por pelotas de golf es de 250 yardas a un 95% de confianza. Se toma una muestra
de 36 distancias
Distancia
269
300
268
278
282
263
301
295
288
278
276
286
296
265
271
279
284
260
275
282
260
266
270
293
272
Pgina 29 de 68
285
293
281
269
291
274
277
299
263
264
273
PROCEDIMIENTO MANUAL
Paso 1. Ho: = 250 n = 36 por tanto se utiliza el estadstico Z
Ha: <>250
Paso 2. Clculo de el estadstico de prueba Zc
Media = 278.50
Desv. Est= 12.00 =DESVEST(D931:D966)
X 0
Zc 14.25 Zc
s/ n
Paso 3. Por ser prueba de dos colas (signo <> en Ha) requerimos
Zalfa/2 = Z0.05/2 = Z0.025 = 1.96
Paso 4. Ver si Zc cae en zona de rechazo
Zc
-1.96 1.96
Como Zc cae en la zona de rechazo, se rechaza Ho

y la distancia promedio viajada es diferente de 250 yardas
Paso 5. Intervalo de confianza
IC = Xmedia +- Zalfa/2 * Sigma / raiz(n)
IC = 278.5 +- 1.96 * 12/ raiz(36) = 274.58 282.42
Como la Mu de la hiptesis de 250 no se encuentra en el

intervalo de confianza, se rechaza Ho
Paso 6. El valor P de probabilidad correspondiente a la Zc = 14.25 es:
El Valor P es =distr.norm.estand(-14.25)= 0.00
Como p < Alfa/2 se rechaza Ho
Pgina 30 de 68
Los tres criterios de los pasos 4, 5 y 6 deben coincidir
a) Con Minitab
Stat > Basic statistics > 1 Sample Z
Variables Distancia Sigma 12 Test Mean 265
Options: Confidence level 95% Alternative: Not equal
Graphs: Dot plot of data
OK
b) Revisar si el 265 se encuentra en el intervalo de confianza y concluir
c) Revisar el valor P de la prueba y concluir
13. Prueba t. Las Ganancias por accin son de 3 dolares, probar la afirmacin para
un 98% de nivel de confianza. Una muestra de datos arroj los resultados
siguientes:
Ganancias
1.92
2.16
3.63
3.16
4.02
3.14
2.2
2.34
3.05
2.38
=distr.t.inv(0.02,9) Talfa/2
=DISTR.T(0.9,9,2) Valor p
Paso 1. Ho: = 3 n = 10 y sigma es desconocida, por tanto se utiliza el

est. t
Ha: <>3
a) Con Minitab
Stat > Basic statistics > 1 Sample t
Pgina 31 de 68
Variables Ganancias Test Mean 3

Options: Confidence level 98% Alternative: Not equal
Graphs: Dot plot of data
OK
b) Revisar si el 3 se encuentra en el intervalo de confianza y concluir
c) Revisar el valor P de la prueba y concluir
14. Prueba de hiptesis de una proporcin: De 450 metros de cable de HV se

obtuvieron 12 metros de desperdicio, Cul es el intervalo de confianza del
porcentaje defectuoso a un nivel de 95% y se prueba la hiptesis de que la
proporcin de desperdicio es similar al 3% de acuerdo con el proveedor?
Paso 1. Ho: = 0.03 n> 30 y se utiliza el estadstico Z.

Ha: <>0.03
Con Minitab
Stat > Basic statistics > 1-Proportion
Seleccionar Summarized data;
Number of trials 450; Number of Successes 12;
Options: Confidence level 95% Test proportion 0.03 Alternative Not
equal seleccionar Use test and interval based on normal
distribution
OK
a) El Intervalo de confianza contiene al 3%, por tanto:
b) La afirmacin de que la proporcin es del 3% se dado que el valor P de

la prueba es que 0.05.
15. Un estudio encontr que 40% de los usuarios de Internet recibieron ms de

10 mensajes diarios. Si de 420 usuarios 188 recibieron estos mensajes, a un nivel
de 5% Cal es la conclusin?
Paso 1. Ho: = 0.40 n> 30 y se utiliza el estadstico Z.

Ha: <>0.40
Pgina 32 de 68
Con Minitab
Options: Confidence level 95% Test proportion 0.40 Alternative Not
equal seleccionar Use test and interval based on normal
distribution
OK
b) La afirmacin de que la proporcin es del 40% se dado que el

valor P de la prueba es que 0.05.
16. Un estudio indic que el 64% de los consumidores de supermercado creen en

las marcas propias. El fabricante de una salsa de tomate pregunt a 100
compradores donde 52 prefieren marca propia, probar si el porcentaje de
preferencias es menor al 64%, para un 5% de nivel de significancia
Ha: pi < 0.64 Ho: Pi >= 0.64 Trials 100

Prueba de cola izquierda Events 52
NC 95%
Alternate Less Than
Paso 1. Ho: >= 0.64 n> 30 y se utiliza el estadstico Z.

Ha: < 0.64
Con Minitab
Options: Confidence level 95% Test proportion 0.64 Alternative Less
Than seleccionar Use test and interval based on normal
distribution
OK
b) La afirmacin de que la proporcin es menor al 64% se dado

que el valor P de la prueba es que 0.05.
Pgina 33 de 68
17. Un restaurante planea una oferta especial si ms del 15% de los clientes
compra vasos de diseo especial con personajes de caricaturas. En una prueba 88
de 500 clientes compraron vasos. A un 0.01 de nivel de significancia, Cul es su
recomendacin?
Paso 1. Ho: <= 0.15 n> 30 y se utiliza el estadstico Z.

Ha: > 0.15
Con Minitab
Options: Confidence level 99% Test proportion 0.15 Alternative
Greater Than seleccionar Use test and interval based on normal
distribution
OK
b) La afirmacin de que la proporcin es mayor al 15% se dado

que el valor P de la prueba es que 0.01.
Pgina 34 de 68
PRUEBAS DE HIPTESIS DE DOS POBLACIONES
PRUEBAS DE IGUALDAD DE VARIANZAS Y DE MEDIAS
18. Dos servicios tienen las calificaciones de preferencias siguientes, de acuerdo

a una encuesta: A un nivel de confianza del 95% Cul es el margen de error?
Son iguales las varianzas y los promedios de las preferencias para los dos
servicios?
Servicio A Servicio B
6 10
7 3
4 5
9 3
4 9
8 5
4 3
9 2
6 6
7 6
8 1
5 7
8 7
5 8
4 8
9 9
7 8
9 7
7 7
5 10
6 6
8 3
6 9
8 8
2 8
3 10
3 8
4 4
5 5
10 3
3 10
3 7
9 4
8 5
8 7
8 8
9 6
9 10
10 6
5 6
8 10
6 8
4 5
5 5
4 4
Pgina 35 de 68
8 8
4 4
8 8
a) Prueba de igualdad de varianzas
Ho: Varianza A = Varianza B;

Ha: Varianza A <> Varianza B
1 Estadstico calculado Fc = Var A / Var B donde Var A > Var B
Var 1 = Var B = 5.641242517

Var 2 = Var A = 4.67796338
Fc=Var1/Var2= 1.21
2 Estadstico de alfa Falfa/2 = F0.025, Gl. A, Gl. B
=Distr.f.inv(0.025,49,49) = 1.76
Como el Fc no se encuentra en la zona de rechazo, no se rechaza Ho

indicando que las varianzas son iguales.
1.21 1.76 En este caso P = 0.515
3 Valor P es el correspondiente a FC
=distr.f(Fc, 49,49) = 0.253576469
Como el valor P de Fc de 0.25 es mayor que alfa/2 de 0.025, no se rechaza

Ho
Con Minitab:
Stat > Basic satistics > 2 - variances
Samples in different Columns
First: Servicio A Second: Servicio B
Options: Confidence level 95%
OK
Si el valor P de la prueba F es mayor a 0.05 no se rechaza Ho y las varianzas son

iguales
b) Prueba de igualdad de medias
Ho: A - B = 0
Ha: A - B <> 0
Pgina 36 de 68
Con Minitab
Stat > Basic satistics > 2 - Samples t
First: Servicio A Second: Servicio B
Si las varianzas fueron iguales, seleccionar: Assume equal variances

Options: Confidence level 95%, Test Difference 0.0 Alternative Not
equal
OK
SI el cero se encuentra en el intervalo de confianza, las medias no son diferentes.
Si el valor P de la prueba t es mayor a 0.05 no se rechaza Ho y las medias no son

diferentes,
19. Determinar a un nivel de confianza del 90% si hay diferencia entre las
medias de tiempos de limpieza de cocina y recmara. Se toman muestras para
comprobar la afirmacin.
Cocina Recamara
25.2 18.0
17.4 22.9
22.8 26.4
21.9 24.8
19.7 26.9
23.0 17.8
19.7 24.6
23.0 21.0
19.7
16.9
21.8
23.6
Ho: Varianza A = Varianza B;

Ha: Varianza A <> Varianza B
Con Minitab:
First: Cocina Second: Recmara
OK
Pgina 37 de 68

iguales
Ho: A - B = 0
Ha: A - B <> 0
Con Minitab
First: Cocina Second: Recmara

equal
OK

diferentes,
20. Los siguientes datos representan los tiempos de quemado de dos

formulaciones qumicas. Probar a un 95% de nivel de confianza si son iguales.
Frmula 1 Frmula 2
65 44
81 51
57 63
66 39
82 45
82 36
67 49
59 54
75 62
70 59
Ho: Varianza F1 = Varianza F2;

Ha: Varianza F1 <> Varianza F2
Con Minitab:
First: F1 Second: F2
Pgina 38 de 68
OK

iguales
Ho: F1 - F2 = 0
Ha: F1 - F2 <> 0
Con Minitab
First: F1 Second: F2

equal
OK

diferentes
21. Se toman muestras aleatorias de 15 mujeres sindicalizadas y 20 no

sindicalizadas con los siguientes: salarios por hora. Probar a un 95% si las varianzas
y promedios son iguales.
Sind. No sind.
22.4 17.6
18.9 14.4
16.7 16.6
14.1 15.0
16.2 17.7
20.0 15.0
16.1 17.6
16.3 13.3
19.1 11.2
16.5 15.9
18.5 19.2
19.8 11.9
17.0 16.7
14.3 145.2
Pgina 39 de 68
17.2 15.3
17.0
15.1
14.3
Ho: Varianza Sind = Varianza No_Sind;

Ha: Varianza Sind <> Varianza No Sind
Con Minitab:
First: Sind Second: No_Sind
OK

iguales
Ho: Sind - No_Sind = 0
Ha: Sind - No_Sind <> 0
Con Minitab
First: Sind Second: No_Sind

equal
OK

diferentes.
22. Los tiempos de terminacin del programa para dos departamentos se

muestran a continuacin: Probar a un 90% de nivel de confianza si sus varianzas y
promedios son iguales.
Depto. A Depto. B
Pgina 40 de 68
300 276
280 222
344 310
385 338
372 200
360 302
288 317
321 260
376 320
290 312
301 334
283 265
Ho: Varianza DA = Varianza DB;

Ha: Varianza DA <> Varianza DB
Con Minitab:
First: DA Second: DB
OK

iguales
Ho: DA - DB = 0
Ha: DA - DB <> 0
Con Minitab
First: DA Second: DB

equal
OK
Pgina 41 de 68

diferentes.
23. Se evalan los resultados del tiempo de ciclo de realizacin de un mismo

servicio en dos zonas diferentes, probar si los tiempos de ciclo son similares, a un
95% de nivel de confianza (alfa es 5% o 0.05):
Zona A Zona B
25.2 18.0
17.4 22.9
22.8 26.4
21.9 24.8
19.7 26.9
23.0 17.8
19.7 24.6
23.0 21.0
19.7 23.0
16.9 19.0
21.8 21.0
23.6 22.0
a) Realizar una prueba de igualdad de varianzas y sacar conclusiones
Con Minitab:
Stat > Basic statistics >2- Variances
Samples in different columns First Zona A Second Zona B
Options: Confidence Level 95
OK
Como el valor P __ de la F-Test es _ que 0.05, se concluye que
b) Realizar una prueba de igualdad de medias y sacar conclusiones
Con Minitab:
Stat > Basic statistics >2- Samples t
Samples in different columns First Zona A Second Zona B
Seleccionar o no seleccionar Assume equal variances dependiendo
del resultado en a)
Options: Conf. Level 95 Test Difference 0.0 Alternative Not equal
OK
Pgina 42 de 68
Como el cero se encuentra en el Intervalo de confianza se concluye que:
Como el valor P value de es que 0.05, se concluye que
PRUEBAS PAREADAS
24. Pruebas t pareadas. Los tiempos de terminacin para la tarea con un
mtodo mejorado y actual son, para el mismo empleado son los siguientes. Probar a
un 90% de nivel de confianza si los mtodos dan los mismos resultados.
Mtodo 1 Mtodo 2
6.0 5.4
5.0 5.2
7.0 6.5
6.2 5.9
6.0 6.0
6.4 5.8
Paso 1. Planteamiento de Hiptesis
Ho: M1 - M2 = 0
Ha:. M1 - M2 <> 0
Paso 2. Estadstico de prueba
Dif.
0.6
-0.2
0.5
0.3
0.0
0.6
0.3 Dprom
0.33466401 Sdif
Tc=d/(s/raiz(n)) 2.4
Paso 3. Estadstico de alfa
Talfa/2 =Talfa/2=T0.05= =DISTR.T.INV(0.10,5) = 2.01
Paso 4. Establecer conclusiones
Conclusin: Como Tc < T alfa/2 No se rechaza Ho, no hay diferencias
Pgina 43 de 68
Con Minitab
Stat > Basic statistics > Paired test
First sample: M1 (mtodo 1) Second Sample: M2 (mtodo 2)
Options: Confidence level 90% Test Mean 0.0 Alternative: Not equal
Graphs: Dot plot of differences
OK OK

diferentes.
25. Prueba t pareada. Un comprador califica un producto antes y despus de ver

un comercial: Probar a un 8% de nivel de significancia si el comecial tiene algn
efecto en el comprador.
Antes Despus
5 6
4 6
7 7
3 4
5 3
8 9
5 7
6 6
Ho: Pi1 = Pi 2 Pi1 - Pi2 = 0

Ha: Pi1 <> Pi2 Pi1 - Pi2 <> 0
Con Minitab
Stat > Basic statistics > Paired test
First sample: Antes Second Sample: Despus
Options: Confidence level 92% Test Mean 0.0 Alternative: Not equal
Graphs: Dot plot of differences
OK OK

diferentes.
PRUEBA DE DOS PROPORCIONES
Pgina 44 de 68
26. A dos grupos de personas se les pidi que indicaran el porcentaje de

recortatorio de dos comerciales: Probar a un 5% si son iguales los dos grupos.
Comercial Lo_vieron Lo_recordaron

A 150 63
B 200 60
Ho: Pi1 Pi2 = 0
Ha: Pi1 Pi2 <> 0
Con Minitab
Stat > Basic statistics > 2 Proportions
Summarized data: Trials Success
First: 150 63
Second: 200 60
Seleccionar: Use pooled estimate of p for test
Options: Confidence level 95% Test difference 0.0 Alternative: Not
equal
OK
SI el cero se encuentra en el intervalo de confianza, las proporciones no son

diferentes.
Si el valor P de la prueba Z es mayor a 0.05 no se rechaza Ho y las proporciones no

son diferentes.
27. Yahoo hizo una encuesta para determinar el porcentaje de personas que usaban
Internet en el trabajo:
En Mxico se encontr que el 40% de los adultos usa Internet de una muestra de
240.
En Monterrey el 32% de los adultos usaba Internet de una muestra de 250.
Para un nivel de significancia del 10%, es mayor la proporcin que usa Internet en
Mxico que en Monterrey?
Ho: Pi1 <= Pi2
Ha: Pi1 > Pi2
Con Minitab
Stat > Basic statistics > 2 Proportions
Summarized data: Trials Success
First: 240 96
Second: 250 80
Seleccionar: Use pooled estimate of p for test
Pgina 45 de 68
Options: Confidence level 90% Test difference 0.0 Alternative:

Greater than
OK
SI el cero se encuentra en el intervalo de confianza, las proporciones no son

diferentes.
Si el valor P de la prueba Z es mayor a 0.10 no se rechaza Ho y las proporciones no

son diferentes.
28. Probar si dos Zonas producen porcentajes similares de errores a un 95% de

nivel de confianza:
Zona 1 Zona 2
Servicios n1 = 550 Servicios n2 = 1200
Errores E1= 45 Errores E2= 98
Con Minitab
Stat > Basic statistics > 2-Proportions
Seleccionar Summarized data
First sample: Trials 550; Successes 45;
Second sample: Trials 1200; Successes 98
Options: Confidence level 95%, Test difference 0.0 y
Alternative Not equal
OK
a) Como el cero en el intervalo de confianza, las proporciones son
b) Como el valor P de es que el 0.05 se concluye lo siguiente:
29. Las rentas diarias de automviles en Dlares de ocho ciudades se muestra a

continuacin:
Ciudad Renta
A 47
B 50
C 53
D 45
E 40
F 43
G 39
Pgina 46 de 68
H 37
A un 5% de nivel de significancia se comprueba la hiptesis de que la varianza de

la poblacin es de 30?
Paso 1. Ho: Varianza = 30

Ha: Varianza <> 30
Paso 2. Estadstico de prueba Chi-cuadrado
Sigma = desvest(datos) = 5.5742
Estadstico Chi calculado = 0.24
Paso 3. Estadstico de alfa/2 Chi cuadrada:
=PRUEBA.CHI.INV(0.025,7) = 16.01276
Paso 4. Establecer conclusiones: como Chi calculado es menor a Chi de alfa/2, no se

rechaza Ho y las rentas son similares en las diferentes ciudades.
Slo se puede hacer con el Minitab 15.
Pgina 47 de 68
ANLISIS DE VARIANZA DE UNA VA- ANOVA DE UN FACTOR

30. ANOVA: Las calificaciones de un curso de liderazgo para 18 participantes de
tres diferentes departamentos fueron las mostradas en la tabla siguiente. Probar a
un 5% de nivel de significancia si el aprovechamiento fue similar en los tres
departamentos o en su caso cul fue el peor.
a) Con datos en columnas:
Depto_A Depto_B Depto_C

8 7 5
7 8 6
8 7 6
6 7 7
7 6 7
8 8 6
Con Minitab:
Stat > ANOVA One way (Unstacked)
Responses (in separate columns) Depto_A Depto_B Depto_C
OK
Como el valor P de es que 0.05, se concluye que
El peor aprovechamiento lo tuvo el departamento
b) Con datos en una sola columna
CALIF DEPTO
8 A
7 A
8 A
6 A
7 A
8 A
7 B
8 B
7 B
7 B
6 B
8 B
5 C
6 C
6 C
7 C
7 C
6 C
Pgina 48 de 68
Con Minitab:
Response CALIF Factor DEPTO
Comparisons: Tukeys, family error rate 5
OK
Identificar la media que es diferente a las dems (donde el cero no pertenezca al

intervalo de confianza)
Pgina 49 de 68
31. ANOVA: Probar a un 95% de nivel de confianza si hay diferencia significativa

entre los tiempos de respuesta de tres diferentes tipos de circuitos A, B y C usados
para activar una vlvula. Comparar las diferencias entre medias por el mtodo de
Tukey. Los datos ejemplo se muestran a continuacin:
A B C
9 20 6
12 21 5
10 23 8
8 17 16
15 30 7
a) Hacer un anlisis ANOVA para identificar si hay diferencia en medias para un 5%

de significancia o un 95% de nivel de confianza
Con Minitab:
Responses (in separate columns) A B C
Graphs Box Plots
OK
Como el valor P de Fc de la ANOVA es que 0.05, se concluye que
De las grficas de caja o Box Plots, se observa que:
Pgina 50 de 68
b) Hacer un anlisis ANOVA para identificar si cuales medias son para un 5% de

significancia o un 95% de nivel de confianza por medio de la prueba de Tukey
Los datos se preparan de la siguiente manera:
Tiempo_resp Circuito
9 A
12 A
10 A
8 A
15 A
20 B
21 B
23 B
17 B
30 B
6 C
5 C
8 C
16 C
7 C
Con Minitab:
Stat > ANOVA One way)
Response Tiempo_resp Factor Circuito
En comparisons seleccionar Tukeys 5
OK
De las grficas de diferencias de Tukey, las medias de los procesos que son
diferentes son (dado que el cero no se encuentra en el intervalo de confianza de la
diferencia de medias Pairwise comparisons):
Pgina 51 de 68
32. Calificaciones en el examen a 18 empleados de tres unidades de negocio,

probar a un 95% de nivel de confianza si hay diferencia entre las tres unidades de
negocio.
A B C
85 71 59
75 75 64
82 73 62
76 74 69
71 69 75
85 82 67
33. Probar a un 8% de significancia si hay diferencia en la tica de tres reas de la

empresa.
Venta
s Mercadotecnia yD
6 6 5
5 7 5
4 6 4
5 5 4
6 6 5
4 6 4
34. Los tiempos de respuesta de 3 diferentes departamentos son los siguientes.

Probar a un 10% si son iguales.
A B C
20 28 20
26 26 19
24 31 23
22 27 22
Pgina 52 de 68
35. Probar si hay diferencia en los tiempos de servicio de 4 unidades de negocio

para el mismo servicio a un 1%.
A B C D
5.4 8.7 11.1 9.9
7.8 7.4 10.3 12.8
5.3 9.4 9.7 12.1
7.4 10.1 10.3 10.8
8.4 9.2 9.2 11.3
7.3 9.8 8.8 11.5
Pgina 53 de 68
ANLISIS DE VARIANZA DE DOS VA- ANOVA DE UN FACTOR

BLOQUEADO
36. Se estudia el plancton en dos lagos. Se preparan doce tanques en el
laboratorio, seis con agua de cada uno de los lagos, se agrega uno de tres
nutrientes en cada tanque y al mes se cuenta el plancton en cada unidad de
volumen de agua. Se utiliza el ANOVA de dos vas para este experimento.
Zooplankton Supplement Lake

34 1 Rose
43 1 Rose
57 1 Dennison
40 1 Dennison
85 2 Rose
68 2 Rose
67 2 Dennison
53 2 Dennison
41 3 Rose
24 3 Rose
42 3 Dennison
52 3 Dennison
Con Minitab:
File > Open worksheet EXH_AOV.MTW.

Stat > ANOVA > Two-Way.
En Response, seleccionar Zooplankton.
En Row factor, seleccionar Supplement. Seleccionar Display means.
En Column factor, seleccionar Lake. seleccionar Display means. Click
OK.
De la tabla de ANOVA se ve que hay una interaccin significativa entre

Supplement*Lake o por Lake.
evidencia significativa de que el Supplement afecta al crecimiento para un

alfa de 0.05.
De la grfica de medias Supplement 2 es para el crecimiento del plancton.
Pgina 54 de 68
37. Se quiere probar si los tiempos de verificacin de autos probados en Analizador

computarizado y en probadores electrnicos son iguales, para lo cual se usan tres
tamaos de autos. Porbar a un 5%.
Analizador Comp Electrnico

Compacto 50 42
Mediano 55 44
Grande 63 46
Arreglando los datos se tiene:
Reng Col Tiempo

C Comp 50
M Comp 55
G Comp 63
C Elect 42
M Elect 44
G Elect 46
Con Minitab:

En Response, seleccionar Tiempo.
En Row factor, seleccionar Reng Seleccionar Display means.
En Column factor, seleccionar Col seleccionar Display means. Click
OK.
evidencia significativa de que el tipo de analizador afecta el tiempo para un

alfa de 0.05.
Pgina 55 de 68
38. Se prueba si el tiempo en aprender diferentes sistemas es el mismo. Probar a

un 5% con 5 operadores..
Oper -
Sistema A B C
1 16 16 24
2 19 17 22
3 14 13 19
4 13 12 18
5 18 17 22
Arreglando los datos:
Reng Col Tiempo

1 A 16
2 A 19
3 A 14
4 A 13
5 A 18
1 B 16
2 B 17
3 B 13
4 B 12
5 B 17
1 C 24
2 C 22
3 C 19
4 C 18
5 C 22
Con Minitab:
En Response, seleccionar Tiempo.
En Row factor, seleccionar Reng Seleccionar Display means.
En Column factor, seleccionar Col seleccionar Display means. Click
OK.
evidencia significativa de que el sistema afecta el tiempo de aprendizaje

para un alfa de 0.05.
Pgina 56 de 68
39. Un qumico quiere probar el efecto de cuatro agentes qumicos sobre la

resistencia de un tipo particular de tela. Debido a que podra haber variabilidad de
un rollo de tela a otro, el qumico decide usar un diseo de bloques aleatorizados,
con los rollos de tela considerados como bloques. Selecciona cinco rollos y aplica los
cuatro agentes qumicos de manera aleatoria a cada rollo. A continuacin se
presentan las esistencias a la tensin resultantes. Analizar los datos de este
experimento (utilizar alfa = 0.05) y sacar las conclusiones apropiadas.
Agente Rollo Medias

qumico 1 2 3 4 5
1 73 68 74 71 67 70.6
2 73 67 75 72 70 71.4
3 75 68 78 73 68 72.4
4 73 71 75 75 69 72.6
Medias 73.5 68.5 75.5 72.75 68.5 71.75
Arreglar los datos:
Con Minitab:
En Response, seleccionar Resistencia
En Row factor, seleccionar Agente Seleccionar Display means.
En Column factor, seleccionar Rollo seleccionar Display means.
Click OK.
Pgina 57 de 68
evidencia significativa de que agente qumico afecta la resistencia para un

alfa de 0.05.
40. Un experimento para determinar el efecto del factor de forma del diseo de
boquillas jet de aire se realiza con cuatro diseos diferentes de boquillas midiendo
la estabilidad de salida del agua bajo diferentes velocidades de salida del aire
aplicado.
Los resultados se muestran a continuacin:
Velocidad
Tipo
boquilla 11.73 14.37 16.59 20.43 23.5 28.74
A 0.78 0.8 0.81 0.75 0.77 0.78
B 0.85 0.85 0.92 0.86 0.81 0.83
C 0.93 0.92 0.95 0.89 0.89 0.83
D 1.14 0.97 0.98 0.88 0.86 0.83
E 0.97 0.86 0.78 0.76 0.76 0.75
Arreglar los datos:
Con Minitab:
En Response, seleccionar Estabilidad_agua
En Row factor, seleccionar Boquilla Seleccionar Display means.
En Column factor, seleccionar Velocidad seleccionar Display means.
Click OK.
Pgina 58 de 68
evidencia significativa de que el tipo de boquilla afecta la estabilidad del

agua para un alfa de 0.05.
41. Cuadrado latino. Un ingeniero industrial esta investigando el efecto de 4

metodos de ensamble (A,B,C,D) en el tiempo de ensamble para un componente de
un televisor a color, 4 operadores fueron seleccionados para el experimento, se
sabe que las operaciones causan fatiga y que posiblemente la cuarta operacin les
tome mas tiempo que las tres anteriores, utilizando cuadrados latinos estos fueron
los resultados:
Orden
-Oper 1 2 3 4
1 C=10 D=14 A=7 B=8
2 B=7 C=18 D=11 A=8
3 A=5 B=10 C=11 D=9
4 D=10 A=10 B=12 C=14
Arreglar los datos:
Con Minitab:
Stat > ANOVA > General linear model.
En Responses, selecciona Tiempo
En Model, seleccionar Mtodo Operador Orden
En Graph: Main effect plot, seleccionar Mtodo Operador Orden
Click OK.
Revisar los valores P para identificar las variables significativas.
Pgina 59 de 68
PRUEBAS NO PARAMTRICAS
42. Prueba de simetra de la distribucin: Esta prueba es relevante ya que las
pruebas no paramtricas consideran que las distribuciones son simtricas.
Ho: La distribucin es simtrica

Ha: La distribucin no es simtrica
File > Open worksheet EXH_QC.MTW.

Seleccionar Stat > Quality Tools > Symmetry Plot.
En Variables, poner Faults. Click OK.
Se observan algunos puntos en el extremo derecho que salen de la simetra de la

distribucin.
43. Prueba de igualdad de varianzas de Levene: Sirve para probar igualdad de

varianzas en varias muestras.
Ho: Varianza 1 = Varianza 2 = Varianza 3 =

Ha: Al menos una varianza es diferente
File > Open worksheet Exh_aov.mtw.

Stat > ANOVA > Test for Equal Variances.
Response, Rot.
Factors, seleccionar Temp Oxygen.
Click OK.
Pgina 60 de 68
Se genera un grupo de intervalos de confianza de Bonferroni (simultaneos) para la

desviacin estndar en cada nivel del factor. Utilizar los resultados de Bartlett
cuando
los datos vengan de una distribucin normal y la de Levene cuando los datos
vengan de una distribucin continua pero no necesariamente normal.
En caso de que el valor P value sea mayor a 0.05 no se rechaza la hiptesis nula de
igualdad de las varianzas.
44. Prueba de rachas: Un entrevistador encuesta a 30 personas al azar y les hace

una pregunta con 4 posibles respuestas (0, 1, 2 y 3). Se quiere probar si hay una
respuesta aleatoria en el orden de las respuestas o que no haya sesgo en el
entrevistado.
Ho: Las rachas son aleatorias
Ha: Las rachas siguen un patrn no aleatorio
File > Open Worksheet > Data > Exh_stat.mtw.

Stat > Nonparametrics > Runs Test.
En Variables, seleccionar Response.
Click OK.
Interpretacin de resultados: Como P value es a 0.05 se tiene evidencia de

que
el comportamiento de las respuestas es aleatorio y debe investigarse la
causa.
Pgina 61 de 68
45. Pueba de signos de la mediana: Se evalan los ndices de precios de 29

casas. Los datos histricos indican que el ndice ha sido de 115. Probar a un alfa de
0.10 si el ndice se ha incrementado.
Ho: mediana = mediana hipotetizada
Ha: mediana mediana hipotetizada

Stat > Nonparametrics > 1-Sample Sign
Confidence level 95%
Variables, seleccionar PriceIndex.
Test median 115
Alternative, Seleccionar greater than.
Click OK.
Interpretacin de resultados: Como el valor P de la prueba es 0.05

hay
evidencia suficiente para Ho y la mediana a 115.
46. Prueba de una mediana de Wilconox. Se registran los resultados de

examenes en ciencias para 9 estudiantes. Se quiere probar si hay suficiente
evidencia de que la mediana sea diferente de 77 con alfa = 0.05.
Ho: mediana = mediana hipotetizada versus
Ha: mediana mediana hipotetizada

Stat > Nonparametrics > 1-Sample Wilconox
Variables, seleccionar Achivement.
Test median 77
Alternative, Seleccionar Not equal
Click OK.

hay
Pgina 62 de 68
evidencia suficiente para Ho y la mediana ____ es estadsticamente

diferente de 77.
47. Prueba de rangos de dos muestras de Mann Whitney. Se compara

la presin diastlica de dos muestras extraidas de dos poblaciones. Se quiere
probar a un 5% de nivel de significancia si hay diferencia entre las medianas.
Ho: h1 = h2 versus
Ha: h1 h2 , donde h es mediana de la poblacin.
Se asume que las muestras provienen de dos poblaciones con la misma forma y
varianza.

Stat > Nonparametrics > Mann - Whitney
Fisrt sample: DBP1
Second sample: DBP2
Click OK.

hay evidencia suficiente para Ho y las medianas son diferentes
estadsticamente.
48. Prueba de igualdad de medianas de Kruskal Wallis. Se quiere probar si el

efecto de tres tratamientos diferentes influyen en el crecimiento de bacterias a un
5% de nivel de significancia.
Ho: Las medianas poblacionales son todas iguales versus
Ha: Al menos hay una diferente
Esta es una generalizacin de la prueba de Mann Whitney

Stat > Nonparametrics > Kruskal-Wallis
Pgina 63 de 68
Response: Growth
Factor: Treatment
Click OK.
Interpretacin de resultados: Como el valor P de la prueba es 0.05 hay

evidencia suficiente para Ho y las medianas son diferentes
estadsticamente.
49. Prueba de igualdad de medianas de Mood - Exp. de un factor (ANOVA).
Se mide la habilidad intelectual de 179 estudiantes en base al dibujo de figuras
despus se aplica una prueba OTIS y se quiere probar si a un alfa de 5% hay
diferencia significativa entre el nivel de educacin 0 - Preprofesionales 1
-Profesionales 2 Preparatoria.
Prueba similar a la anterior:
Ho: h1 = h2 = h3,
Ha: no todas las h's son iguales con h's medianas poblacionales
Con Minitab:
File > Open Worksheet > Data > Cartoon.mtw

Stat > Nonparametrics > Moods median test
Response: Otis
Factor: ED
OK.
Interpretacin de resultados: Como el valor P es a 0.05 indica que las

medianas son iguales
50. Prueba de Friedman. Experimento aleatorizado bloqueado (similar a la

ANOVA de dos vas). Se quiere probar un tratamiento de drogas sobre la actividad
enzimatica. Se prueba con tres tratamientos en animales de diferentes granjas.

Stat > Nonparametrics > Friedman
Response: EnzymeActivity
Pgina 64 de 68
Treatment: Therapy
Blocks: Litter
OK.
Los valores P son a 0.10 por tanto hay evidencia para decir
que el efecto de los tratamientos sea diferente de cero.
TABLAS DE CONTINGENCIA
51. Tabla de contingencia: Los errores presentados en tres tipos de servicios

cuando se prestan por tres regiones se muestran a continuacin, probar con una
tabla de contingencia si los errores dependen del tipo de servicio y regin para un
95% de nivel de confianza.
Servici Region Region

o A B Region C
1 27 12 8
2 41 22 9
3 42 14 10
Ho: Los errores dependen en cada regin no dependen del tipo de servicio.
Ha: Los errores en cada regin, dependen del tipo de servicio,
Con Minitab:
Stat > Tables > Chi square test
Columns containing the table Region A Region B Region C
OK
Pgina 65 de 68
Como el valor P es que 0.05, se concluye que
52. Se trata de ver si el nmero de rechazos depende de la cuadrilla, probar a un

95% de nivel de confianza:
Cuadrilla OK Rech
1 200 35
2 150 24
3 210 40
Ho: El nmero de rechazos y de aceptados no depende de la cuadrilla

Ha: El nmero de rechazos y de aceptados depende de la cuadrilla
Con Minitab:
Columns containing the table OK Rech
OK
53. Probar si el tipo de boleto que compran los clientes de una lnea area depende
del tipo de vuelo. Alfa = 0.05
Internaciona
Boleto Nacional l
Primera 29 22
Negocios 95 121
Econmica 518 135
Ho: El nmero de vuelos no depende de la clase del boleto

Ha: El nmero de vuelos depende de la clase del boleto
Con Minitab:
Columns containing the table Nacional Internacional
OK
Pgina 66 de 68
54. Probar si hay independencia entre el sexo y la dificultad de regalar a diferentes

personas, para un 95% de nivel de confianza.
Mujere
Dificultad Hombres s
Consorte 37 25
Padres 28 31
Hijos 7 19
Hermano
s 8 3
Parientes 4 10
Otros 16 12
Ho: El nmero de regalos no depende del sexo de la persona

Ha: El nmero de regalos depende del sexo de la persona
Con Minitab:
Columns containing the table Hombres Mujeres
OK
55. Probar a una alfa de 0.05 si los errores que se cometen al facturar en diferentes
ramos son similares.
Consum Compu
Orden Farmacia o t. Telecom.
Correcta 207 136 151 178
Incorrecta 3 4 9 12
Ho: El nmero de errores no depende del ramo industrial

Ha: El nmero de errores depende del ramo industrial
Con Minitab:
Columns containing the table Farmacia Consumo Comput. Telecom.
OK
Pgina 67 de 68
56. Los datos de 3 proveedores en relacin a partes defectuosas es como sigue:

Probar a un 5% de significancia si los defectos dependen del tipo de proveedor
menor Grave
Proveedor Buenas es s
A 90 3 7
B 170 18 7
C 135 6 9
Ho: El nmero de partes defectuosas no depende del proveedor

Ha: El nmero de partes defectuosas dependen del proveedor
Con Minitab:
Columns containing the table Buenas menores graves.
OK
Pgina 68 de 68

Ejercicios Fase Analisis GB

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Ejercicios Fase Analisis GB

Diunggah oleh

Hak Cipta:

Format Tersedia

EJERCICIOS FASE DE ANLISIS GB P.

Reyes / Octubre 2007

Identificacin de causas potenciales

2. Cmo se identifican las causas potenciales de un problema con el diagrama de

Por medio ambiente:

3. Cmo se aplica la tcnica de preguntas Por qu por qu, para determinar la

3. Cmo se identifican las causas potenciales de un problema con el diagrama de

Este problema tiene las siguientes causas:

Una de las causas tiene las siguientes subcausas:

Otra de las causas tiene las siguientes subcausas:

Las causas ms probables son de las que:

Los problemas ms crticos son a los que:

4. Cmo se identifican las causas potenciales de un problema con el diagrama de

Las principales causas son:

Para una causa, sus subcausas son:

Para otra causa, sus subcausas son:

Comprobacin de causas raz

Qu Por qu Cmo Donde Quin Cundo

La comprobacin de las causas se debe hacer como sigue:

6. Cundo se dice que Si es causa raz y cuando que no es causa raz?

Si es causa raz cuando:

No es causa raz cuando:

7. Cmo se construye el diagrama sistemtico representando el mapa de

8. Cul es el propsito de una carta Multivari y cmo se interpretan sus

9. Cul es el propsito del AMEF de proceso y cmo se construye? Dar un ejemplo

Paso del proceso:

Modo de falla o error:

Efecto de la falla o error:

Deteccin (10 1):

Nivel de riesgo (RPN) =

10. Cul es el propsito del anlisis de regresin lineal?

11. Cmo se interpreta el coeficiente de correlacin entre dos variables?

12. Cmo se intepreta el coeficiente de determinacin?

13. Qu es una estimacin puntual de parmetros?

14. Qu es una estimacin por intervalos de parmetros y que ventajas tiene?

15. Qu es nivel de confianza, nivel de significancia y error estndar de

16. Qu es un intervalo de confianza?

17. Qu es una prueba de hiptesis?

18. Cmo se puede saber si se inicia con el planteamiento de la hiptesis nula Ho o

Ho (=, <=, >=):

Ha: (<>, >, <):

19. Cmo se sabe de cuantas colas o de que tipo de cola es la prueba?

Ha: (<>) colas

Ha: (<) cola

Ha: (>) cola

Planteamiento del problema:

a. Hiptesis Ho, Ha y alfa

b. Estadstico calculado con datos de la muestra

c. Estadstico correspondiente al nivel de significancia Alfa (zona de rechazo)

d. Comparacin entre ambos estadsticos

e. Determinacin del intervalo de confianza

f. Clculo del valor de probabilidad P correspondiente al estadstico calculado

Chi cuadrada se usa para:

Planteamiento del problema:

a. Hiptesis Ho, Ha y alfa

b. Estadstico calculado con datos de la muestra

c. Estadstico correspondiente al nivel de significancia Alfa (zona de rechazo)

d. Comparacin entre ambos estadsticos

e. Determinacin del intervalo de confianza

f. Clculo del valor de probabilidad P correspondiente al estadstico calculado

23. Para que sirve el anlisis de varianza (ANOVA)?

25. A que se le llama factor y que son los niveles o tratamientos?

26 Cmo se determinan e interpretan los siguientes trminos en el ANOVA?

b) Coeficiente de determinacin R-sq = _ Conclusiones ________________