6.

En una etapa inicial del procesamiento mecnico de piezas de acero, se sabe que una
herramienta sufre un deterioro gradual que se refleja en cierto dimetro de las piezas
manufacturadas. Para predecir el tiempo de vida til de la herramienta se tomaron datos
de horas de uso y el dimetro promedio de cinco piezas producidas al final de la
jornada. Los datos obtenidos para una herramienta se muestran a continuacin:

Horas de uso Dimetro (mm)

a) En este problema cul variable se considera independiente y cul dependiente?

b) Mediante un diagrama de dispersin analice la relacin entre estas dos variables.
Qu tipo de relacin observa y cules son algunos hechos especiales?
c) Haga un anlisis de regresin (ajuste una lnea recta a estos datos, aplique pruebas
de hiptesis y verifique residuos).
d ) La calidad del ajuste es satisfactoria? Argumente.
e) Si el dimetro mximo tolerado es de 45, cuntas horas de uso estima que tiene
esa herramienta?
f ) Seale el valor de la pendiente de la recta e interprtelo en trminos prcticos.
g) Obtenga el error estndar de estimacin y comente qu relacin tiene ste con la
calidad del ajuste.

Solucin
PLANTAMIENTO

a) Tenemos lo siguiente:

VARIABLE INDEPENDIENTE VARIABLE DEPENDIENTE

Dimetro Horas de uso

b) Segn el diagrama de dispersin

 Segn la grfica los puntos de dispersin se ajustan a la normalidad de la lnea, con
intervalo de confianza y de prediccin que se observa en esta grfica.
Para p-valor se rechaza la H O esto implica que por lo menos un trmino en el modelo
contribuye de manera significativa al deterioro del acero.

c) Haciendo anlisis de regresin

Prueba de hiptesis en la regresin lineal

H O=0
HA0
H A : Por lo general plantea que la pendiente es significativamente diferente de cero

para y: deterioro gradual del acero

 Para p-valor menores que 0.05, se rechaza la hiptesis nula para ambos parmetros por
lo que se concluye que tanto las intersecciones son significativamente diferentes.

D).

Como R cuadrado =97.68% por lo tanto la calidad de modelo es buena, ya que est
dentro del rango entre 70 -100%, es decir cuanto menor sea la calidad de modelo
sea menor del 70%. Tenemos un 97% de validez.

e)
Dian = 24,5993 + 0,0490825*x hora de uso
Entonces Y DIAM. ES 45
45=24,5993 + 0,0490825*x hora de uso
X horas = 425,64 horas
Despejando la ecuacin para tiempo, para un valor de dimetro de 45 es: 425.64 horas
F)
Grfico del Modelo Ajustado
diamY = 24,5993 + 0,0490825*x hora de uso

La pendiente es 0,0490825. Por cada variacin de la las horas de uso

g) El Error estndar. = 1,04577. Cuando ms se ajusta es menor el error
estndar.

7. En un proceso de extraccin se estudia la relacin entre tiempo de extraccin y

rendimiento.
Los datos obtenidos se muestran en la siguiente tabla.

0 100 200 300 400

x hora de uso
 a) En este problema cul variable se considera independiente y cul dependiente?
b) Mediante un diagrama de dispersin analice la relacin entre estas dos variables.
Qu tipo de relacin observa y cules son algunos hechos especiales?
c) Haga un anlisis de regresin (ajuste una lnea recta a estos datos, aplique pruebas
de hiptesis y verifique residuos).
d ) La calidad del ajuste es satisfactoria? Argumente.
e) Destaque el valor de la pendiente de la recta e interprtelo en trminos prcticos.
f ) Estime el rendimiento promedio que se espera a un tiempo de extraccin de 25
minutos y obtenga un intervalo de confianza para esta estimacin.

a)
la variable dependiente en este caso es el rendimiento y la independiente es el
tiempo.
b)
En el grfico de dispersin se observa una dispersin puntos se enuentras
dispersas ya que los puntos en esta grafica tienen a alegarse del ajuste de la
lnea recta.
c)
Prueba de hiptesis: Grfico del Modelo Ajustado
R e n d im ie n t o

H 0 : 1=0 88
84
80

H A : 1 0 76
72
68

Condicin de rechazo: 64
8 10 12 14 16 18 20
Tiempo
valor p< ; Si =0.05

Dado que el p-valor (0,0164) en la tabla ANOVA es inferior a 0.05,

entonces se dice que existe una relacin estadsticamente significativa
entre Rendimiento y Tiempo para un nivel de confianza del 95%.

d) la calidad de ajuste es muy baja ya que a modelo lineal solo llega a 39,865 y a
Grfico del Modelo Ajustado
una mltiple llega 44 porciento.

rendimiento Y = 57,9578
e) la pendiente es de + 1,19492*tiempo
lo cual X
indica que, en promedio, a cada
incremento de una unidad en el tiempo (X) le corresponde un incremento
de 1,19492 de rendimiento (Y).
88

84
f) el rendimiento a un tiempo se tiene Y = 57,9578 + 1,19492*tiempo X
Y=57,95787+1,19492*25 MIN.
Y= 87.83 ES EL RENDIMIENTO.

Ejercicio 8 pagina 333: En cierta empresa es usual pagar horas extra para cumplir con
los tiempos de entrega. En este centro productivo un grupo de mejora de calidad trata de
reducir la proporcin de piezas malas, para ello deciden investigar la relacin entre la
cantidad de horas extra, X, y el porcentaje de artculos defectuosos, Y. En la siguiente
tabla se muestran los datos obtenidos.

Horas Defectos
Semana extra %
1 340 5
2 95 3
3 210 6
4 809 15
5 80 4
6 438 10
7 107 4
8 180 6
9 100 3
10 550 13
11 220 7
12 50 3
13 193 6
14 290 8
15 340 2
16 115 4
17 362 10
18 300 9
19 75 2
20 93 2
21 320 10
22 154 7

a) De estas variables cul se puede suponer independiente y cul dependiente?

b) Obtenga el diagrama de dispersin para estas variables. Qu relacin observa?
c) Haga un anlisis de regresin (ajuste una lnea recta a estos datos, aplique pruebas de
hiptesis y verifique residuos).
d ) La calidad del ajuste es satisfactoria?
e) El que dos variables estn relacionadas no necesariamente implica que haya una
relacin causa-efecto. Sin embargo, a pesar de esto, puede concluir con seguridad que
cuando se trabaja tiempo extra se incrementa el porcentaje de defectuosos, porque
ocurren factores como calentamiento de equipo, cansancio de obreros, etc., y todo esto
causa mayores problemas en la calidad de las piezas?
Solucin:
a) de estas variables cual se puede suponer independiente y cual
dependiente?
El variable independiente es horas extras o el tiempo (X), y el variable dependiente es
el % de artculos defectuosos (Y).
b) Obtenga el diagrama de dispersin para estas variables. Qu relacin
observa?
Del diagrama de dispersin podemos decir que si hay un ajusta con un R 2ajustado =
72% aunque esto es muy bajo pero esto, est encima de 70% de lo optimo
c) Haga un anlisis de regresin (ajuste una lnea recta a estos datos, explique
pruebas de hiptesis e verifique residuos)
Por lo que su P-valor es inferior a la significancia predicha se rechaza la hiptesis nula
y se acepta la hiptesis alternativa indicando que si existe relacin estadsticamente
significativa entre el % de artculos defectuosos y las horas extra a 95% de nivel de
confianza. De la grfica de residuos concluimos que los datos no estn bien
aleatorizados por forma figura y los datos no estn dispersos.

Grfico de Residuos
Grfico de Residuos
Residuo estudentizado

5,5
Residuo estudentizado

5,5
3,5
3,5

1,5 1,5

-0,5 -0,5

-2,5 -2,5

-4,5 -4,5
0 200 400 600 800 1000 0 4 8 12 16
horas extras % defectos predicho

d) La calidad de ajuste es satisfactoria?

La calidad de ajuste si es satisfactorio para un p-valor de 0.05 de nivel de significancia
y al 95% de nivel de confianza nos da los coeficientes de determinacin y correlacin:
Coeficiente de Correlacin = 0,858344

R-cuadrado = 73%

R-cuadrado (ajustado) = 72%

Error estndar de est. = 1,91553

Error absoluto medio = 1,31568

 e) El que dos variables estn relacionados no necesariamente implica que
haya una relacin causa- efecto. Sin embargo, a pesar de esto, puede
concluir con seguridad que cuando se trata de tiempo extra se incrementa el
porcentaje de defectuosos, porque ocurren factores como calentamiento de
equipo, cansancio de obreros, etc., y todo esto causa mayores problemas en
la calidad de las piezas?

No puede concluir con seguridad porque todas las causas que estn mencionas generan
causas mayores problema problemas en la calidad de pizas
Ejercicio09
a) se observa una relacin cuando mayor eficiente es menor piezas defectuosas
abra
Grfico de Residuos
piezas de defectosos = 48,6839 - 0,511902*eficiencia

b) en la siguiente se observa que.

Rediduo Estudentizado

1 Coeficiente de Correlacin = -0,859744

R-cuadrada = 73,9161 porciento
R-cuadrado (ajustado para g.l.) = 72,4669 porciento
En la cual no el r de ajuste no es lo adecuado pero est entre las
0
condiciones de ser mayor a 70%.
c) Comparacin de Modelos Alternos
Modelo Correlacin R-Cuadrada
-1 Cuadrado-Y Inversa de X 0,8640 74,66%
Inversa de X 0,8631 74,49%
Logaritmo de X -0,8614 74,21%
Cuadrado-Y Log-X -0,8613 74,19%
-2 Raz Cuadrada deX -0,8606 74,06%
Cuadrado-Y Raz Cuadrada-X -0,8599 73,95%
1,5 Lineal 2 2,5 -0,8597 3 73,92% 3,5 4 4,5
Cuadrado de Y predicho piezas de 73,71%
-0,8586 defectosos
Cuadrado de X -0,8580 73,62%
Cuadrado Doble -0,8558 73,23%
Raz Cuadrada-Y Inversa de X 0,8534 72,82%
Raz Cuadrada-Y Log-X -0,8523 72,64%
Raz Cuadrada Doble -0,8517 72,54%
Raz Cuadrada de Y -0,8511 72,44%
Raz Cuadrada-X Cuadrado-X -0,8500 72,24%
Curva S 0,8376 70,16%
Multiplicativa -0,8371 70,07%
Logartmico-Y Raz Cuadrada-X -0,8368 70,02%
Ejercicio 10 pagina 334: En un proceso de manufactura se utiliza una herramienta de
corte y se quiere investigar la relacin entre la velocidad de corte (metros por minuto) y
el tiempo de vida (horas) de la herramienta. Los datos obtenidos para esta investigacin
se muestran a continuacin:
Velocidad Vida
20 8.7
20 9.5
25 8.5
25 7.7
25 8.4
30 8
30 5.3
30 7.3
35 7.8
35 5.7
35 6.1
40 4.3
40 4.2
a) Mediante un diagrama de dispersin analice la relacin entre estas dos variables.
Qu tipo de relacin observa?
b) Haga un anlisis de regresin (ajuste una lnea recta a estos datos, aplique pruebas de
hiptesis y verifique residuos).
c) La calidad del ajuste es satisfactoria? Argumente.
d ) Si normalmente la herramienta se opera a una velocidad de 30 metros por minuto,
estime el tiempo medio de vida tanto de manera puntual como por intervalo.
e) Seale el valor de la pendiente de la recta e interprtelo en trminos prcticos.
f ) Obtenga el error estndar de estimacin y comente qu relacin tiene con la calidad
del ajuste.
Solucin:
a) Mediante un diagrama de dispersin analice la relacin entre estas dos
variables.
 Grfico de vida vs velocidad

10.2

9.2

vida 8.2

7.2

6.2

5.2

4.2
20 24 28 32 36 40
velocidad

Qu tipo de relacin observa?

La salida muestra los resultados de ajustar un modelo lineal para describir la relacin
entre vida y velocidad. La ecuacin del modelo ajustado es

Vida = 13.693 - 0.221818*velocidad

El valor-P < 0.05, existe una relacin estadsticamente significativa entre vida y
velocidad con un nivel de confianza del 95.0%.

b) Haga un anlisis de regresin (ajuste una lnea recta a estos datos, aplique
pruebas de hiptesis y verifique residuos).

Grfico de Residuos
vida = 13.693 - 0.221818*velocidad
3.1
Rediduo Estudentizado

2.1

1.1

0.1

-0.9

-1.9

-2.9
20 24 28 32 36 40
velocidad
Se rechaza la hiptesis nula y se acepta la hiptesis alternativa indicando que hay un
efecto de parmetros tanto el intercepto y ordenada. De la grfica de residuos podemos
concluir que los datos estn bien aleatorizados.

c) La calidad del ajuste es satisfactoria? Argumente.

La calidad de ajuste si es satisfactorio para un p-valor de 0.05 de nivel de significancia y

al 95% de nivel de confianza nos da los coeficientes de determinacin y correlacin:
Coeficiente de Correlacin = 0,858344

R-cuadrado = 75.02%

R-cuadrado (ajustado) = 72,75%

Error estndar de est. = 3,53

Error absoluto medio = 2.33

d) Si normalmente la herramienta se opera a una velocidad de 30 metros por

minuto, estime el tiempo medio de vida tanto de manera puntual como por
intervalo.

Velocidad= 53,8058 - 3,38224 x tiempo de vida

30m/min= 53,8058 - 3,224 x tiempo de vida

Entonces el tiempo promedio de vida =7,0385 min.

e) Seale el valor de la pendiente de la recta e interprtelo en trminos

prcticos.

Vida = 13.693 - 0.221818*velocidad

La pendiente de la recta es: 0.221818
La pendiente de la recta es -3,224; es una pendiente muy baja por lo tanto indica que no
tiene efecto

f) Obtenga el error estndar de estimacin y comente qu relacin tiene con la

calidad del ajuste.

Error estndar del est. = 0.904984

El error estndar del estimado indica que la desviacin estndar de los residuos es
0.904984
Significa que tiene poco error cometido tanto en la poblacin y en la muestra.

Ejercicio 12 pagina 334. Como parte del anlisis del problema de ausentismo, se
decide investigar la relacin entre edad del empleado y das que falt a laborar en
el ao. Los datos del ltimo ao se muestran en la siguiente tabla:

Empleado Edad Faltas Empleado Edad Faltas

1 29 6 21 25 7
2 33 5 22 38 3
3 40 0 23 22 0
4 23 8 24 30 4
5 31 6 25 24 7
6 20 9 26 39 10
7 30 5 27 35 5
8 38 6 28 20 1
9 23 8 29 32 5
10 25 6 30 25 5
11 26 7 31 36 5
12 30 5 32 30 5
13 42 2 33 20 10
14 34 5 34 38 4
15 31 6 35 39 4
16 18 11 36 34 4
17 33 6 37 35 6
18 33 4 38 27 7
19 33 5 39 40 3
20 32 5 40 31 6

a) En este problema cul variable se puede ver como independiente y cul como
dependiente?
b) Mediante un diagrama de dispersin analice la relacin entre estas dos variables.
c) Qu tipo de relacin observa y cules son algunos hechos especiales?
d ) Haga un anlisis de regresin (ajuste una lnea recta a estos datos, aplique pruebas de
hiptesis y verifique residuales).
e) La calidad del ajuste es satisfactoria? Argumente.

Solucin:
a) En este problema cul variable se puede ver como independiente y cul como
dependiente?
El variable independiente es la edad del empleado(X), y el variable dependiente es los
das que falto a laborar en el ao (Y).

b) Mediante un diagrama de dispersin analice la relacin entre estas dos

variables.

Grfico de Residuos
FALTAS = 10.3526 - 0.16185*EDAD

4
Rediduo Estudentizado

-2

-4
18 22 26 30 34 38 42
EDAD

Qu tipo de relacin observa y cules son algunos hechos especiales?

Segn la grfica los puntos de dispersin se ajustan a la normalidad de la lnea,
con intervalo de confianza y de prediccin que se observa en esta grfica. Y
estn loa datos estn aleatorizados
FALTAS = 10.3526 - 0.16185*EDAD: Puesto que el valor-P en la tabla
ANOVA es menor que 0.05, existe una relacin estadsticamente significativa
entre FALTAS y EDAD con un nivel de confianza del 95.0%.

d) Haga un anlisis de regresin (ajuste una lnea recta a estos datos, aplique
pruebas de hiptesis y verifique residuales.
 Grfico del Modelo Ajustado
FALTAS = 10.3526 - 0.16185*EDAD

12

10

FALTAS 8

0
18 22 26 30 34 38 42
EDAD

Prueba de hiptesis en la regresin lineal

H O=0 : R
HA0 : A

HA: Por lo general plantea que la pendiente es significativamente diferente

de la edad del empleado para Y: das que falto a laborar en el ao (X)

Regresin Simple - FALTAS vs. EDAD

Variable dependiente: FALTAS
Variable independiente: EDAD
Lineal: Y = a + b*X

Coeficientes
Mnimos Estndar Estadstico
Cuadrados
Parmetro Estimado Error T Valor-P

Intercepto 10.3526 1.72286 6.00897 0.0000

Pendiente -0.16185 0.0551431 -2.93509 0.0056

Para intercepto: V-P< 0.05 entonces 0.0000<0.05 se rechaza la Ho

Para pendiente: V-P< 0.05 entonces 0.0056 <0.05 se rechaza la Ho
Para p-valor menores que 0.05, se rechaza la hiptesis nula para ambos parmetros por
lo que se concluye que tanto las intersecciones son significativamente diferentes

e) La calidad del ajuste es satisfactoria? Argumente.

Como R cuadrado = 18.4807 porciento por lo tanto la calidad de modelo no es buena,
ya que no est dentro del rango entre 70 -100%, es decir cuanto menor sea la calidad de
modelo sea menor del 70%. No tenemos la validez en un 17%
f) Cul es el error estndar de estimacin?
el error estndar de estimacin de intercepto es 1.72286
el error estndar de estimacin de pendiente es 0.0551431

El error estndar del estimado indica que la desviacin estndar de los residuos es 1.72286
significa que tiene mucho error cometido tanto en la edad del empleado y los das
que falto a laborar en el ao
14. en una empresa del rea electrnica se desea investigar la relacin entre la
cantidad de flux (ml/min) y la cantidad de cortos en las tarjetas. El resto de las
variables del proceso (soldadura de ola) se mantuvieron constantes, entre el
tiempo que opero el proceso en cada condicin. Los datos obtenidos se muestran a
continuacin.
flux 10 12 14 16 18 20 22 24 26 28 30 32 34 36
(ml/min)
Numero 6 5 4 5 4 4 2 3 2 2 1 0 0 1
de cortos
a) Qu tipo de relacin existe entre estas variables? Apoyase en diagrama de
dispersin y coeficiente de correlacin
b) Ajuste un modelo de regresin a los datos e interprete
c) Verifique los supuestos del modelo
Solucin:
a) Qu tipo de relacin existe entre estas variables? Apoyase en diagrama de
dispersin y coeficiente de correlacin
 Grfico de Residuos
# de cortos = 7.81538 - 0.218681*flux (ml/min)

2.5

1.5
Rediduo Estudentizado

0.5

-0.5

-1.5

-2.5
10 15 20 25 30 35 40
flux (ml/min)

Puesto que el valor-P es menor que 0.05, existe una relacin estadsticamente
significativa entre # de cortos en las tarjetas y la cantidad de flux (ml/min) con un nivel
de confianza del 95.0%. El estadstico R-Cuadrada indica que el modelo ajustado
explica 89.992% de la variabilidad en # de cortos en las tarjetas. El coeficiente de
correlacin es igual a -0.948641, indicando una relacin relativamente fuerte entre las
variables. El error estndar del estimado indica que la desviacin estndar de los
residuos es 0.635056.

b) Ajuste un modelo de regresin a los datos e interprete

Prueba de hiptesis en la regresin lineal

H O=0
HA0

HA: Por lo general plantea que la pendiente es significativamente diferente

de la cantidad de cortos en las tarjetas para Y entre la cantidad de flux (ml/min)

(X)

Regresin Simple - # de cortos vs. flux (ml/min)

Variable dependiente: # de cortos
Variable independiente: flux (ml/min)
Lineal: Y = a + b*X
Coeficientes
Mnimos Estndar Estadstico
Cuadrados
Parmetro Estimado Error T Valor-P
Intercepto 7.81538 0.51308 15.2323 0.0000
Pendiente -0.218681 0.0210519 -10.3877 0.0000

Para intercepto: V-P< 0.05 entonces 0.0000<0.05 se rechaza la Ho

Para pendiente: V-P< 0.05 entonces 0.0000 <0.05 se rechaza la Ho

Para p-valor menores que 0.05, se rechaza la hiptesis nula para ambos parmetros por
lo que se concluye que tanto las intersecciones son significativamente diferentes

c) Verifique los supuestos del modelo

Como R cuadrado = 89.992 porciento por lo tanto la calidad de modelo es buena, ya que
est dentro del rango entre 70 -100%, es decir cuanto menor sea la calidad de modelo
sea menor del 70%. Tenemos la validez en un 89.1581 %