Trabajo de Estadistica Industrial

4-11-2015 UNMSM
Facultad de
Ingeniería
Industrial
Informe de Laboratorio
Bejarano Higa, Abel Arturo 12170008

UNMSM Facultad de Ingeniería Industrial
PROBLEMA 1:
Como parte de una prueba de energía térmica solar, se mide el flujo de calor total
de un conjunto de viviendas. Se desea determinar si el flujo de calor total (Flujo
Calor) puede predecirse tomando en cuenta la posición de los puntos focales en las
direcciones de este, sur y norte. Los datos son de [27]. Se debe determinar,
utilizando la regresión de los mejores subconjuntos, que el modelo de los mejores
dos predictores incluía las variables Norte y Sur, y que el modelo de los mejores
tres predictores agregaba la variable Este. Se debe evaluar el modelo de los
mejores tres predictores utilizando la regresión múltiple.
Flujo Calor Este Sur Norte

271.8 33.53 40.55 16.66
264.0 36.50 36.19 16.46
238.8 34.66 37.31 17.66
230.7 33.13 32.52 17.50
251.6 35.75 33.71 16.40
257.9 34.46 34.14 16.28
263.9 34.60 34.85 16.06
266.5 35.38 35.89 15.93
229.1 35.85 33.53 16.60
239.3 35.68 33.79 16.41
258.0 35.35 34.72 16.17
257.6 35.04 35.22 15.92
267.3 34.07 36.50 16.04
267.0 32.20 37.60 16.19
259.6 34.32 37.89 16.62
240.4 31.08 37.71 17.37
227.2 35.73 37.00 18.12
196.0 34.11 36.76 18.53
pág. 1
278.7 34.79 34.62 15.54

272.3 35.77 35.40 15.70
267.4 36.44 35.96 16.45
254.5 37.82 36.26 17.62
224.7 35.07 36.34 18.12
181.5 35.26 35.90 19.05
227.5 35.56 31.84 16.51
253.6 35.73 33.16 16.02
263.0 36.46 33.83 15.89
265.8 36.26 34.89 15.83
263.8 37.20 36.27 16.71
SOLUCIÓN:
Formulas a utilizar
𝑆𝑆𝑅
𝑟2 =
𝑆𝑆𝑇
𝑛 𝑛 𝑛
̅̅̅̅
𝑆𝑆𝑅 = 𝑏0 ∑ 𝑌𝑖 + 𝑏1 ∑ 𝑋𝑖𝑗𝑌 + 𝑏2 ∑ 𝑋2𝑖𝑌𝑖 − 𝑛𝑌2
𝑖=1 𝑖=1 𝑖=1
𝑆𝑆𝑇 = ∑ 𝑌𝑖 2 − 𝑛𝑌̅ 2
𝑖=1
𝑆𝑆𝑅 = 12833.9
𝑆𝑆𝑇 = 14681.9
𝑟 2 = 87.4 %
pág. 2
CONCLUSIÓN:
 El valor p en la tabla Análisis de varianza (0.000). Se rechaza la hipótesis

nula Esto indica que al menos un coeficiente es diferente de cero. Lo que
significa que el modelo estimado mediante el procedimiento de regresión es
significativo en un nivel α de 0.05.
 Los valores p para los coeficientes estimados de Norte y Sur son ambos de
0.000, lo cual indica que están significativamente relacionados con Flujo
Calor.
 El valor p para Este es de 0.092, lo que indica que no está relacionado con
Flujo Calor en un nivel a de 0.05.
pág. 3
 Adicionalmente, la suma secuencial de los cuadrados indica que el predictor

Este no explica una cantidad sustancial de la varianza única. Esto sugiere
que un modelo que solamente tome en cuenta Norte y Sur podría ser más
apropiado.
 El valor R2 indica que los predictores explican el 87.4% de la variación en
Flujo Calor. El valor de R2 ajustada es de 85.9%, lo cual explica el número
de predictores en el modelo. Ambos valores indican que el modelo se ajusta
bien a los datos. El valor de R2 pronosticada es de 78.96%. En virtud de que
el valor de R2 pronosticada está cerca de los valores de R2 y R2 ajustada, el
modelo no parece estar sobre ajustado y tiene una capacidad predictiva
adecuada.
 Las observaciones 4 y 22 están identificadas como inusuales porque el valor
absoluto de los residuos estandarizados es mayor que 2. Esto podría indicar
que se trata de valores atípicos.
pág. 4
PROBLEMA 2:
SE tiene unos datos que son que los nuemros Y, depende de factores L,K y A.
Y=Velocidad
L=Motor k=pista calidad A=gasolina
Y 8.77 8.26 8.6861 8.699 8.2456 8.24 56 8.3245

A -0.4656 -0.154 -0.4556 -0.162 -0.4323 -0.4312 -0.4232 -0.4265
L 7.75 7.79 7.64 7.68 7.69 7.65 7.38 7.64
K 9.32 9.35 9.25 9.26 9.34 9.45 9.51 9.52
SOLUCION:
Formulas a utilizar
𝑆𝑆𝑅
𝑟2 =
𝑆𝑆𝑇
𝑛 𝑛 𝑛
̅̅̅̅
𝑆𝑆𝑅 = 𝑏0 ∑ 𝑌𝑖 + 𝑏1 ∑ 𝑋𝑖𝑗𝑌 + 𝑏2 ∑ 𝑋2𝑖𝑌𝑖 − 𝑛𝑌2
𝑖=1 𝑖=1 𝑖=1
𝑆𝑆𝑇 = ∑ 𝑌𝑖 2 − 𝑛𝑌̅ 2
𝑖=1
𝑆𝑆𝑅 = 23.5977
𝑆𝑆𝑇 = 23.7572
𝑟 2 = 0.9932862459
La ecuación seria:
log(𝑌) = −1.17 + 0.559 log(𝑌) + 0601 log(𝐾) + 0.0329log(𝐴)
pág. 5
CONCLUSION:
Todas las variables independientes muestran que son directas.
Como podemos observar el porcentaje de asociación es de 99.3%, o sea que
los datos son casi exactos, lo que concluye que los datos utilizados son
óptimos.
El factor más influyente es la pista, ya que con ella se varia mas la variable
dependiente
pág. 6
PROBLEMA 3:
Montgomery y Peck (1982) describen el empleo de un modelo de regresión para

relacionar la cantidad de tiempo requerido por un vendedor de ruta (chofer) para
abastecer una maquina vendedora de refrescos con el número de latas que
incluye la misma, y la distancia del vehículo de servicio a la ubicación de la
máquina. Este modelo se empleo para el diseño de la ruta, el programa y el
despacho de vehículos. La tabla presenta 25 observaciones respecto al tiempo de
entrega tomadas del mismo estudio descrito por Montgomery y Peck.
Numero de Tiempo de Numero de Distancias(pies)

observaciones entrega (min.) latas
1 9.95 2 50
2 24.45 8 110
3 31.75 11 120
4 35.00 10 550
5 25.02 8 295
6 16.8 4 200
7 14.38 2 375
8 9.60 2 52
9 24.35 9 100
10 27.50 8 300
11 17.08 4 412
12 37.00 11 400
13 41.95 12 500
14 11.66 2 360
15 21.65 4 205
16 17.89 4 400
pág. 7
17 69.00 20 600
18 10.30 1 585
19 34.93 10 540
20 46.59 15 250
21 44.88 15 290
22 54.12 16 510
23 56.63 17 590
24 22.13 6 100
25 21.15 5 400
1) Determine la ecuación de regresión.

2) Determinar el Error estándar multiple de estimación
3) Calcule R2.Interprete.
3) Realizar una prueba global para determinar si algunos de los coeficientes

de regresión no son iguales a cero. Use nivel de significancia de 0.05
4) Estimar el tiempo de entrega si se sabe que el número de latas es 20 y la

distancia del vehículo es 110.
5) Realizar pruebas de hipótesis para determinar Cuales se las variables

independientes tienen coeficientes de regresión significactivos. Que variables se
eliminan. Use nivel de significancia de 0.05
6) Estime el intervalo de confianza para los coeficientes de regresión parcial.
7) Contribución de una variable explicitaría de X1 y x2
pág. 8
SOLUCIÓN:
pág. 9
1) ECUACION DE LA RECTA:
𝑌̌ = 2.26 + 2.74(𝑁𝑅𝑂 − 𝐿𝐴𝑇𝐴𝑆) + 0.0125(𝐷𝐼𝑆𝑇𝐴𝑁𝐶𝐼𝐴)
2) ESTIMACION DEL TIEMPO DE ENTREGA :

NRO_LATAS= 20
DISTANCIA=110
𝑌̌ = 2.26 + 2.74(20) + 0.0125(110)
𝑌̌ = 58.435
3) COEFIENTE DE DETERMINACION (R2)
Coeficiente de determinación: es 0.981, entonces el 98.1% del tiempo de un

vendedor para abastecer una maquina vendedora puede ser explicado
mediante el número de latas y la distancia del camión.
4) ERROR ESTANDAR MULTIPLE (√S)

El error estándar multiple es de 1.5122.
Existe una dispersión con respecto a la matriz de regresión de 1.51.
5) COEFICIENTE DE CORRELACION MULTIPLE (R)
Entre la cantidad de tiempo ,el número de latas y la distancia existe una

“Correlación Fuerte” de 0.9904 positiva.
pág. 10
6)
PRUEBA GLOBAL:
Paso 1:
𝐻0 : 𝛽1 = 𝛽2 = 0
𝐻1 : 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝑐𝑜𝑛𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑟𝑒𝑔𝑟𝑒𝑠𝑖𝑜𝑛 𝑛𝑜 𝑒𝑠 0
Paso 2:
α = 0.05
Paso 3:
Se utiliza el estadística F
Paso 4:
Definimos la región de aceptación y la región critica.
Paso 5:
F=572.95
Se rechaza la hipótesis nula
Entonces no todos los coeficientes de regresión son “0”
pág. 11
7) Prueba de hipótesis para cada uno de los coeficientes.
Paso 1:
Ho: β1 = 0 β2 = 0
Ha: β1 =/ 0 β2 =/ 0
Paso 2:
α = 0.05
Paso 3:
Se utiliza el estadística “T”
Paso 4:
Definimos la región de aceptación y la región critica.
Paso 5:
T1 = (b1 − β1)/Sb1 T2 = (b2 − β2)/Sb2

= ( 2.74-0 ) / 0.093 = ( 0.0125-0 ) / 0.0027
T1 = 29.36 T2 = 4.48
-Se rechaza Ho -Se rechaza H0

-El coeficiente de correlación -El coeficiente de correlación no es 0
No es 0
“NO SE ELIMINA NINGUNA VARIABLE”
pág. 12
8) CONTRIBUCION DE UNA VARIABLE EXPLICATORIA x1
Paso 1:
Ho: La variable X1 no mejora en forma significativa el modelo una
Vez incluida la variable X2
Ha: La variable X1, mejora en forma significativa el modelo, una vez
Incluida la variable X2
Paso 2:
α=0.05
Paso 3:
El estadístico a utilizar es “F”
Paso 4:
pág. 13
Fuente G.L Suma de Cuadrado F

Cuadrados Medio
Regresion 2 5992.4 2996.20
X2 1 5887.3 5887.3
X1/x2 1 105.2 105.2 20.23
Error 22 115.0 5.2
Total 24 6107.4
pág. 14
Contribución de la variable X1 sabiendo que X2 está incluida
SSR(X1 / X2) = SSR(X1 y X2) – SSR(X2)
=5992.4-5887.3=105.1
𝟏𝟎𝟓. 𝟏
𝑭= = 𝟐𝟎. 𝟐𝟑
𝟓. 𝟐
Para un nivel de significancia de 0.05 con 1 y 22 gl F=4.3 ,
20.23 > 4.3
Entonces la variable X1(nro de latas), si contribuye significativamente a la

ecuación de regresión una vez incluida X2
pág. 15
9) CONTRIBUCION DE UNA VARIABLE EXPLICATORIA x2
Paso 1:
Ho: La variable X2 no mejora en forma significativa el modelo una
Vez incluida la variable X1
Ha: La variable X2, mejora en forma significativa el modelo, una vez
Incluida la variable X1
Paso 2:
α=0.05
Paso 3:
El estadístico a utilizar es “F”
Paso 4:
pág. 16
Fuente G.L Suma de Cuadrado F

Cuadrados Medio
Regresion 2 5992.4 2996.20
X2 1 1483.9 1483.9
X1/x2 1 4508.5 4508.5 867.019
Error 22 115.0 5.2
Total 24 6107.4
pág. 17
Contribución de la variable X2 sabiendo que X1 está incluida
SSR(X2 / X1) =SSR(X1 y X2) – SSR(X1)
=5992.4-1483.9=4508.5
𝟒𝟓𝟎𝟖. 𝟓
𝑭= = 𝟖𝟔𝟕. 𝟎𝟏𝟗
𝟓. 𝟐
Para un nivel de significancia de 0.05 con 1 y 22 gl F=4.3 ,867.019>4.3
Entonces la variable X2(distancia), si contribuye significativamente a la ecuación

de regresión, y podríamos concluir que es más importante que la variable X1.
pág. 18
PROBLEMA:1
Se está interesado en estudiar la relación entre cierta enfermedad y la adicción al
tabaco. Para realizar esto seleccionamos una muestra de 150 individuos, 100
individuos no fumadores y 50 fumadores. La siguiente tabla muestra las
frecuencias de enfermedad en cada grupo (Completarla tabla).
Realizar un contraste de homogeneidad y obtener las conclusiones sobre la

relación entre las variables.
 SOLUCIÓN:
Para considerar este contraste como un contraste de Homogeneidad suponemos
que las personas fumadoras y las personas no fumadoras constituyen dos
poblaciones diferenciadas. Un estudio similar consistiría en considerar a los
fumadores y no fumadores como una característica de una población y por lo tanto
este ejemplo podría plantearse como un contraste de independencia,.
En este ejemplo queremos contrastar la hipótesis de que las proporciones de
enfermos en ambas poblaciones (Fumadores y No Fumadores) es la misma.
H0: las variables en las filas y las columnas son independientes

H1: las variables en las filas y las columnas son dependientes
(𝑡𝑜𝑡𝑎𝑙 𝑝𝑜𝑟 𝑟𝑒𝑛𝑔𝑙𝑜𝑛) ∗ (𝑡𝑜𝑡𝑎𝑙 𝑝𝑜𝑟 𝑐𝑜𝑙𝑢𝑚𝑛𝑎)

𝐹𝑟𝑒𝑢𝑒𝑛𝑐𝑖𝑎 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑎 =
𝐺𝑟𝑎𝑛 𝑡𝑜𝑡𝑎𝑙
37 ∗ 100
𝑥1 = = 24.67
150
113 ∗ 100
𝑥2 = = 75.33
150
37 ∗ 50
𝑥3 = = 12.33
150
113 ∗ 50
𝑥4 = = 37.67
150
(24.67 − 12)2 (75.33 − 88)2 (12.33 − 25)2 (37.67 − 25)2

𝑥2 = + + +
24.67 75.33 12.33 37.67
𝑥 2 = 25.903
Según tabla con gl = (2-1)*(2-1) = 1 ; 𝑥 2 = 3.841
pág. 19
CONCLUSIÓN:
 Hay suficiente evidencia en contra de que la hipótesis nula sea cierta. Por
tanto, la rechazaríamos, parece evidente que los fumadores tienen una
mayor propensión a padecer la enfermedad.
Problema Nº 2
pág. 20
La federal Correctin Agency desea investigar el interrogante investigado antes.

¿Hay diferencia en la readaptación en la vida civil, de un hombre liberado de una
prisión federal, si regresas a viciar su ciudad natal o si se va a vivir a otra parte?
En otras palabras. ¿Existe relación entre la readaptación a la vida civil y el lugar
de residencia después de sr liberado de la prisión?
Sitio de Readaptacion a la vida civil

residencia Excelent Buena Regular Insatisfactori TOTAL
e a
Ciudad de 27 35 33 25 120
origen
Otra cuidad 13 15 27 25 80
total 40 50 60 50 200
SOLUCIÓN:
La prueba es de dos colas

Ho: No existe relacuion entre la readaptacionala vida civly ellugar de
residenciadespues de ser liberado de prision
Hi: existe relacuion entre la readaptacionala vida civly ellugar de

residenciadespues de ser liberado de prisión
Se usara un nivel de significancia de 0.01 para probar la hipótesis
𝒈𝒍 = (𝒏𝒓 − 𝟏) ∗ (𝒏𝒄 − 𝟏)
Reemplazando
𝒈𝒍 = (𝟐 − 𝟏) ∗ (𝟒 − 𝟏) = 𝟑
Frecuencia esperada
(𝑡𝑜𝑡𝑎𝑙 𝑝𝑜𝑟 𝑟𝑒𝑛𝑔𝑙𝑜𝑛) ∗ (𝑡𝑜𝑡𝑎𝑙 𝑝𝑜𝑟 𝑐𝑜𝑙𝑢𝑚𝑛𝑎)

𝐹𝑟𝑒𝑢𝑒𝑛𝑐𝑖𝑎 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑎 =
𝐺𝑟𝑎𝑛 𝑡𝑜𝑡𝑎𝑙
pág. 21
(120) ∗ (40)
𝐹𝑟𝑒𝑢𝑒𝑛𝑐𝑖𝑎 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑎 = = 24
200
Tabla:
Sitio de Readaptacion ala vida civil

residencia Exelente Bueno Regular Insatisfactorio Total
Fo Fe F Fe Fo Fe Fo Fe Fo Fe
Origen 27 24 35 30 33 36 25 30 120 120
OTRA 13 16 15 20 27 24 25 20 80 80
Total 40 40 50 50 60 60 50 50 200 200
Hallando el estadístico de prueba:
(𝐹𝑜 − 𝐹𝑒)2
ƛ2 = ∑ [ ]
𝐹𝑒
Hallando la suma tenemos:
ƛ2 = 5.729
CONCLUSION:
pág. 22
 El chi-cuadrado vale 1.50501 lo cual se encuentra dentro del rango. Con

eso No se rechaza la Ho
 Se concluye que no hay relación entre la readaptación ala vida civil y el
lugar donde residfa el prisionero después de haber alcanzado su
libertad.Para el programa de ioriebntaciobn federal el ajuste ala vida no esta
rekacionado con el lugar donde viva luego el e4x convicto.
PROBLEMA 3:
Una empresa de estudios de mercado lleva a cabo un sondeo entre 400 personas
de dos ciudades diferentes: Buenos Aires y Montevideo. Se le pregunta a la gente
cuál es su marca preferida de cereales, pudiendo elegir entre las opciones:
Chocos, Zucos o Fruti. Las respuestas obtenidas se resumen en la siguiente tabla.
Chocos Zucos Fruti Total

Buenos 43 85 62 190
Aires
Montevideo 57 35 118 210
Total 100 120 180 400
La empresa de estudios de mercado pone a prueba los datos obtenidos en el
sondeo para determinar si la marca de cereales preferida de una persona está
relacionada a la cuidad donde vive. Se lleva a cabo una prueba chi-cuadrado a un
nivel de significancia del 5%.
Establezca la hipótesis nula
Establezca el número de grados de libertad.
Compruebe que la frecuencia esperada para el número de personas que viven en

Montevideo y que prefieren Zucos es igual a 63.
Escriba el estadístico chi-cuadrado para estos datos.
pág. 23
Establezca si la empresa de estudios de mercado acepta la hipótesis nula.

Justifique de forma clara su respuesta.
SOLUCIÓN:
𝐻0 : 𝑁𝑜 𝑒𝑥𝑖𝑠𝑡𝑒 𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑒 𝑙𝑎 𝑝𝑟𝑒𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑢𝑛 𝑐𝑒𝑟𝑒𝑎𝑙 𝑐𝑜𝑛 𝑙𝑎 𝑐𝑢𝑖𝑑𝑎𝑑 𝑑𝑜𝑛𝑑𝑒 𝑠𝑒 𝑟𝑒𝑎𝑙𝑖𝑧𝑎 𝑙𝑎 𝑒𝑛𝑐𝑢𝑒𝑠𝑡𝑎.
𝐻1 : 𝑆𝑖 𝑒𝑥𝑖𝑠𝑡𝑒 𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑒 𝑙𝑎 𝑝𝑟𝑒𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑢𝑛 𝑐𝑒𝑟𝑒𝑎𝑙 𝑐𝑜𝑛 𝑙𝑎 𝑐𝑢𝑖𝑑𝑎𝑑 𝑑𝑜𝑛𝑑𝑒 𝑠𝑒 𝑟𝑒𝑎𝑙𝑖𝑧𝑎 𝑙𝑎 𝑒𝑛𝑐𝑢𝑒𝑠𝑡𝑎.
CONCLUSIÓN:
 Para un P (0.000) con un nivel de significancia de 0.05, al ser P<α
rechazamos la hipótesis nula con lo cual aceptamos la hipótesis alternativa
que nos indica que si hay relación entre la preferencia de cierto cereal con
la cuidad.
pág. 24
Suma de rangos de MWW

PROBLEMA 1:
El presidente de la CEO Airlines, noto un aumentyo en el número de pasajeros no

registrados que salen del vuelo de Atlanta. Está particularmente interesado En
determinar si hay mas pasajerosen los vuelos que salen de atlanta que en los
vuelos que paretsn de chicago. En la suquiente tabla de muetra 9 vuelos de
atlanta y 8 de chicago. A nivel de significancia0.05, ¿Se puede concluir que hay
mas pasajeros en los vuelos que salen de atlanta?
Atlanta Chicago
11 13
15 14
10 10
18 8
11 16
20 9
24 17
22 21
21
SOLUCION:
Ho: La distribución de pasajeros no registrados es la misma en Atlanta que en

Chicago.
Hi: La distribución de pasajeros no registrados es mayor en Atlanta que en

Chicago.
pág. 25
Atlanta Chicago
No registrado Rango No registrado Rango
11 5.5 13 7
15 9 14 8
10 3.5 10 3.5
18 12 8 1
11 5.5 16 10
20 13 9 2
24 16 17 11
22 15 21 14
25 17
96.5 56.5
Como la prueba es pequeña se utiliza
𝑇𝑈 = 𝑛1 (𝑛1 + 𝑛2 + 1) − 𝑇𝐿
𝑇𝑈 = 9(9 + 8 + 1) − 61 = 101
CONCLUSION:
 Como se observa No se rechaza la Ho.

 La distribución de pasajeros es la misma que atlanta y chicago.Con eso
también se puede concluir que no hay diferencia entre los dos vuelos
pág. 26
PROBLEMA 1:
La agencia de viajes Gordon sostiene que su tarifa mediana para todos sus
clientes a todos los destinos es 450. Esta afirmacion esta siendo desafiada por
una agencia de la competencia, que cree que la mediana es diferente de 450. Una
muestra escogida al azar de 300 boletos revelo que 170 boletos estaban por
debajo de 450.Utilice el 0.05 de nivel de signficancia.
SOLUCION:
Ho: mediana=450
Hi=mediana≠450
Se rechaza si z es menor que -1.96 o mayor que 1.96.
El valor de z es 2.252
170 − 0.5 ∗ 300

𝑧= = 2.252
0.5 ∗ √300
Se rechaza Ho.
CONCLUSION:
Con esto se concluye que la mediana no es igual a 450. Osea que la competencia
tiene razón.
pág. 27
PROBLEMA 1:
Keely Ambrose director de recursos humanos para las industrias de molinero,

desea estudiar los porcentajes de incremento en el sueldo a partir del año pasado
a este año.
¿A nivel de signioficancia de 5% puede Keely concluir que hay una diferencia en

los porcentajes de incremento para las diferente sd plantas?
Millville Rango Camdem Rango Eaton Rango Vineland Rango

2.2 2 1.9 1 3.7 6 5.7 9
3.6 5 2.7 3 4.5 7 6.8 10.5
4.9 8 3.1 4 7.1 13.5 8.9 16
6.8 10.5 6.9 12 9.3 17 11.6 18.5
7.1 13.5 8.3 15 11.6 18.5 13.9 520
39 35 62 74
SOLUCION:
Ho:Total de poblaciones son igual
Hi:algunas son diferentes
Se rechaza la Ho si es mayor que 7.185
Hay 3 grados de libertad con el nivel de significancia del 0.05
pág. 28
Formulas a utilizar
𝑔𝑙 = 𝑘 − 1 = 4 − 1 = 3
𝑘
12 𝑅𝑖 2
𝑊=[ ∑ ] − 3(𝑛𝑇 + 1)
𝑛𝑇 (𝑛𝑇 + 1) 𝑛𝑖
𝑖=1
Reemplazando:
12 392 352 622 742

𝑊=[ { + + + }] − 3(20 + 1) = 5.949
20(20 + 1) 5 5 5 5
CONCLUSION:
 La hipótesis nula no se rachaza.

 No hay diferencia en los porcentajes de aumento de los sueldos en las
cuatro plantas
pág. 29
Problema 1
Esta tabla contiene las estadísticas de futbol de pretemporada para la conferencia

de la costa atlántica para los tecncos y reorteros de deportes.
Determine el coeficiente de correlacion de rangos wntre los grupos
Escuela Técnicos Reporteros d d2

Martyland 2 3 -1 1
NC state 3 4 -1 1
NC 6 6 0 0
Virginia 5 5 0 0
Clemson 4 2 2 4
Wake forest 7 8 -1 1
Duke 8 7 1 1
Florida State 1 1 0 0
Total 8
Solucion:
Ho: r=0
Hi:r≠0
Formula:
6 ∑ 𝑑𝑖 2
𝑟 = 1−
𝑛(𝑛2 − 1)
Remplazando:
pág. 30
6(8)
𝑟 =1− = 0.905
8(82 − 1)
Correlaciones: Técnicos, reporteros
Correlación de Pearson de Técnicos y reporteros = 0.905

Valor P = 0.002
Conclusion:
Hay una correlacion fuerte entre los rangos de técnicos y reporteros de deoprte:
𝑟 2 = 0.819025
Problema 1:
Con el efecto de determinar su efecto de la gasolina por millas por galon en los
automóviles de pasajerps, se prueba dos aditvos por la gasolina. A continuación
se preserntan los resultados de esas prueba en 12 automoviles; n cada automóvil
se probaros los dos aditivos. Use nivel de significancia igual a 0.05 y la prueba de
Wilcoxon para determinar si existe una diferencia signoficativa entre dos adtivos.
Automóvil Aditivo1 Aditivo2

1 20.12 18.05
2 23.56 21.77
3 22.03 22.57
4 19.15 17.06
5 21.23 21.22
6 24.77 23.8
7 16.16 17.2
8 18.55 14.98
9 21.87 20.03
10 24.23 21.15
11 23.21 22.78
12 25.02 23.7
SOLUCION:
Ho: Las poblaciones no son idénticas
Hi=No son idénticas
pág. 31
Automóvil Aditivo1 Aditivo2 diferencia Valor Rango Suma

absoluto de
rangos
1 20.12 18.05 2.07 2.07 9 9
2 23.56 21.77 1.79 1.19 7 7
3 22.03 22.57 -0.54 0.54 3 -3
4 19.15 17.06 2.09 2.09 10 10
5 21.23 21.22 0.01 0.01 1 1
6 24.77 23.8 0.97 0.97 4 4
7 16.16 17.2 -1.04 1.04 5 -5
8 18.55 14.98 3.57 3.57 12 12
9 21.87 20.03 1.84 1.84 8 8
10 24.23 21.15 3.08 3.08 11 11
11 23.21 22.78 0.43 0.43 2 2
12 25.02 23.7 1.32 1.32 6 6
Suma de 62
rangos
Formulas:
µ=0
𝑛(𝑛 + 1)(2𝑛 + 1)
𝜎=√
6
𝑇−µ
𝑍=
𝜎
Reemplazando
12(12 + 1)(2 ∗ 12 + 1)
𝜎=√ = 25.5
6
62−0
𝑍= =2.43
25.5
pág. 32
-1.96 0 1.96 2.43
Se rechaza la Ho
CONCLUSION:
Con esto se concluye que las poblaciones no son idénticas.Con lo cual decimos
que los dos aditivos de gasolina n hacen funcionar de igual manrera al automóvil.
Prueba del Signo
Individuo Marca
preferida
1 Inca Kola +
2 Inca Kola +
pág. 33
3 Coca Cola -
4 Inca Kola +
5 Inca Kola +
6 Inca Kola +
7 Inca Kola +
8 Inca Kola +
9 Coca Cola -
10 Inca Kola +
11 Inca Kola +
12 Coca Cola -
13 Inca Kola +
Determinar si hay preferencia hacia uno u otro refresco.
SOLUCIÓN:
𝐻0 : 𝑝 = 0.50
𝐻1 : 𝑝 ≠ 0.50
CONCLUSIÓN:
 Al tener 3 signos negativos se acepta la hipótesis nula a un nivel de significancia

de 0.05 con lo cual se concluye que no hay indicios de que los consumidores
prefiera Inca Cola o Coca Cola.
Prueba de rango con signo de Wilcoxon
Una compañía de taxis trata de decidir si el uso de llantas radiales en lugar de llantas
regulares con cinturón mejora la economía de combustible. Se equipan 16 automóviles
con llantas radiales y se manejan por un recorrido de prueba establecido. Sin cambiar de
conductores, se equipan los mismos autos con llantas regulares con cinturón y se
manejan una vez más por el recorrido de prueba. Se registra el consumo de gasolina, en
kilómetros por litro, de la siguiente manera:
pág. 34
Automóvil Llantas radiales Llantas con cinturón

1 4.2 4.1
2 4.7 4.9
3 6.6 6.2
4 7.0 6.9
5 6.7 6.8
6 4.5 4.4
7 5.7 5.7
8 6.0 5.8
9 7.4 6.9
10 4.9 4.9
11 6.1 6.0
12 5.2 4.9
13 5.7 5.3
14 6.9 6.5
15 6.8 7.1
16 4.9 4.8
¿Se puede concluir en el nivel de significancia de 0.05 que los autos equipados con
llantas radiales obtienen mejores economías de combustible que los equipados con
llantas regulares con cinturón?
SOLUCIÓN:
𝐻0 : 𝐿𝑜𝑠 𝑎𝑢𝑡𝑜𝑠 𝑐𝑜𝑛 𝑙𝑙𝑎𝑛𝑡𝑎𝑠 𝑟𝑎𝑑𝑖𝑎𝑙𝑒𝑠 𝑜 𝑐𝑜𝑛 𝑙𝑙𝑎𝑛𝑡𝑎𝑠 𝑐𝑜𝑛 𝑐𝑖𝑛𝑡𝑢𝑟𝑜𝑛 𝑐𝑜𝑛𝑠𝑢𝑚𝑒𝑛
𝑙𝑎 𝑚𝑖𝑠𝑚𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑔𝑎𝑠𝑜𝑙𝑖𝑛𝑎
𝐻1 : 𝐿𝑜𝑠 𝑎𝑢𝑡𝑜𝑠 𝑐𝑜𝑛 𝑙𝑙𝑎𝑛𝑡𝑎𝑠 𝑟𝑎𝑑𝑖𝑎𝑙𝑒𝑠 𝑜 𝑐𝑜𝑛 𝑙𝑙𝑎𝑛𝑡𝑎𝑠 𝑐𝑜𝑛 𝑐𝑖𝑛𝑡𝑢𝑟𝑜𝑛 𝑛𝑜 𝑐𝑜𝑛𝑠𝑢𝑚𝑒𝑛
𝑙𝑎 𝑚𝑖𝑠𝑚𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑔𝑎𝑠𝑜𝑙𝑖𝑛𝑎
pág. 35
CONCLUSIÓN:
 Al ser P (0.048) menor que el nivel de significancia α (0.05) rechazamos la

hipótesis nula con los que se concluye que si hay diferencia entre el consumo
de gasolina de los autos con llantas radiales y los autos con llantas con
cinturón. Y de acuerdo a las diferencias de la población las llantas con
cinturón consumen menos combustible que las otras.
Prueba de Mann Whitney Wilcoxon (muestra pequeña)
Dos grupos de músicos profesionales de rock y country están en un estudio. Un aspecto

considera las edades de los integrantes de cada conjunto. Supóngase que las
poblaciones de edades no están distribuidas de forma normal. Una muestra de 5 músicos
de rock y 5 de country presento las siguientes edades, en años:
pág. 36
Rock Country
28 26
16 42
42 65
29 38
22 59
A nivel de significancia de 0.05, ¿puede concluirse que los músicos del género de rock
son diferente s de edad que los de country?
SOLUCIÓN:
𝐻0 : 𝑁𝑜 𝑒𝑥𝑖𝑠𝑡𝑒 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑒𝑛 𝑙𝑎𝑠 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑒 𝑒𝑑𝑎𝑑
𝐻1 : 𝑆𝑖 𝑒𝑥𝑖𝑠𝑡𝑒 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑒𝑛𝑡𝑟𝑒 𝑙𝑎𝑠 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑒 𝑒𝑑𝑎𝑑
CONCLUSIÓN:
 Entonces aceptamos la hipótesis nula y podemos concluir que no existe

diferencia entre las edades de los músicos del género de rock con los de
country.
Prueba de Mann Whitney Wilcoxon (muestra grande)
Interesa analizar el tiempo de recuperación en ratas con algún defecto coronario. A un

grupo de ratas se les suministro un fármaco experimental y al otro un placebo. Después
de un ejercicio controlado, se midió el tiempo de recuperación obteniéndose los siguientes
resultados.
pág. 37
Fármaco Placebo
17 7
9 16
10 13
9 20
14 19
15 20
11 8
22 21
23 25
24 24
26 26
Analizar estos datos y ver si las poblaciones son idénticas o no son idénticas en términos
de recuperación.
SOLUCIÓN:
𝐻0 : 𝑁𝑜 𝑒𝑥𝑖𝑠𝑡𝑒 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑒𝑛 𝑙𝑎𝑠 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠 (𝑓𝑎𝑟𝑚𝑎𝑐𝑜 𝑜 𝑝𝑙𝑎𝑐𝑒𝑏𝑜)
𝐻1 : 𝑆𝑖 𝑒𝑥𝑖𝑠𝑡𝑒 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑒𝑛𝑡𝑟𝑒 𝑙𝑎𝑠 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠 (𝑓𝑎𝑟𝑚𝑎𝑐𝑜 𝑜 𝑝𝑙𝑎𝑐𝑒𝑏𝑜)
Prueba de Kruskal Wallis
Una empresa de transportes solicita y contrata personal para su equipo gerencial

en tres escuelas diferentes .Se dispone de calificaciones de desempeño en
muestras independientes de cada una de las escuelas. Se obtienen las
pág. 38
calificaciones de 7 empleados de la escuela A, 6 empleados de la escuela B y 7

empleados de la escuela C. Nivel de significancia 0.05
La calificación de cada gerente está en escala de 0 a 100.
A B C
25 30 40
60 60 90
50 85 90
70 15 35
20 80 70
70 95 80
60 75
SOLUCIÓN:
𝐻0 : Las escuelas son idénticas en términos de las evaluaciones de desempeño.
𝐻1 : Por lo menos una de las escuelas no es idéntica en términos de las evaluaciones de desempeño.
CONCLUSIÓN:
 Entonces aceptamos la hipótesis nula y concluimos que las escuelas son

idénticas en términos de desempeño.
pág. 39

Trabajo de Estadistica Industrial

Diunggah oleh

Informasi Dokumen

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

Trabajo de Estadistica Industrial

Diunggah oleh

Hak Cipta:

Format Tersedia

4-11-2015 UNMSM

Bejarano Higa, Abel Arturo 12170008

Flujo Calor Este Sur Norte

278.7 34.79 34.62 15.54

 El valor p en la tabla Análisis de varianza (0.000). Se rechaza la hipótesis

 Adicionalmente, la suma secuencial de los cuadrados indica que el predictor

L=Motor k=pista calidad A=gasolina

Y 8.77 8.26 8.6861 8.699 8.2456 8.24 56 8.3245

Montgomery y Peck (1982) describen el empleo de un modelo de regresión para

Numero de Tiempo de Numero de Distancias(pies)

1) Determine la ecuación de regresión.

3) Realizar una prueba global para determinar si algunos de los coeficientes

4) Estimar el tiempo de entrega si se sabe que el número de latas es 20 y la

5) Realizar pruebas de hipótesis para determinar Cuales se las variables

6) Estime el intervalo de confianza para los coeficientes de regresión parcial.

7) Contribución de una variable explicitaría de X1 y x2

𝑌̌ = 2.26 + 2.74(𝑁𝑅𝑂 − 𝐿𝐴𝑇𝐴𝑆) + 0.0125(𝐷𝐼𝑆𝑇𝐴𝑁𝐶𝐼𝐴)

2) ESTIMACION DEL TIEMPO DE ENTREGA :

3) COEFIENTE DE DETERMINACION (R2)

Coeficiente de determinación: es 0.981, entonces el 98.1% del tiempo de un

4) ERROR ESTANDAR MULTIPLE (√S)

5) COEFICIENTE DE CORRELACION MULTIPLE (R)

Entre la cantidad de tiempo ,el número de latas y la distancia existe una

𝐻1 : 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝑐𝑜𝑛𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑟𝑒𝑔𝑟𝑒𝑠𝑖𝑜𝑛 𝑛𝑜 𝑒𝑠 0

7) Prueba de hipótesis para cada uno de los coeficientes.

T1 = (b1 − β1)/Sb1 T2 = (b2 − β2)/Sb2

-Se rechaza Ho -Se rechaza H0

“NO SE ELIMINA NINGUNA VARIABLE”

8) CONTRIBUCION DE UNA VARIABLE EXPLICATORIA x1

Vez incluida la variable X2

Ha: La variable X1, mejora en forma significativa el modelo, una vez

El estadístico a utilizar es “F”

Fuente G.L Suma de Cuadrado F

Contribución de la variable X1 sabiendo que X2 está incluida

SSR(X1 / X2) = SSR(X1 y X2) – SSR(X2)

Para un nivel de significancia de 0.05 con 1 y 22 gl F=4.3 ,

20.23 > 4.3

Entonces la variable X1(nro de latas), si contribuye significativamente a la

9) CONTRIBUCION DE UNA VARIABLE EXPLICATORIA x2

Vez incluida la variable X1

Ha: La variable X2, mejora en forma significativa el modelo, una vez

El estadístico a utilizar es “F”

Fuente G.L Suma de Cuadrado F

Contribución de la variable X2 sabiendo que X1 está incluida

SSR(X2 / X1) =SSR(X1 y X2) – SSR(X1)

Entonces la variable X2(distancia), si contribuye significativamente a la ecuación

Realizar un contraste de homogeneidad y obtener las conclusiones sobre la

H0: las variables en las filas y las columnas son independientes

(𝑡𝑜𝑡𝑎𝑙 𝑝𝑜𝑟 𝑟𝑒𝑛𝑔𝑙𝑜𝑛) ∗ (𝑡𝑜𝑡𝑎𝑙 𝑝𝑜𝑟 𝑐𝑜𝑙𝑢𝑚𝑛𝑎)

(24.67 − 12)2 (75.33 − 88)2 (12.33 − 25)2 (37.67 − 25)2

La federal Correctin Agency desea investigar el interrogante investigado antes.

Sitio de Readaptacion a la vida civil

La prueba es de dos colas

Hi: existe relacuion entre la readaptacionala vida civly ellugar de

Se usara un nivel de significancia de 0.01 para probar la hipótesis

(𝑡𝑜𝑡𝑎𝑙 𝑝𝑜𝑟 𝑟𝑒𝑛𝑔𝑙𝑜𝑛) ∗ (𝑡𝑜𝑡𝑎𝑙 𝑝𝑜𝑟 𝑐𝑜𝑙𝑢𝑚𝑛𝑎)

Sitio de Readaptacion ala vida civil

Hallando el estadístico de prueba:

Hallando la suma tenemos:

 El chi-cuadrado vale 1.50501 lo cual se encuentra dentro del rango. Con

Chocos Zucos Fruti Total

Establezca la hipótesis nula

Establezca el número de grados de libertad.

Compruebe que la frecuencia esperada para el número de personas que viven en