Documente Academic
Documente Profesional
Documente Cultură
1. ESTIMACIONES (Cap. 2)
Estadísticas descriptivas
Error Límite
estándar superior
de la de 95%
N Media Desv.Est. media para μ
15 49,400 1,200 0,310 49,946
μ: media de Muestra
Prueba
Hipótesis nula H₀: μ = 50,1
Hipótesis alterna H₁: μ < 50,1
Valor T Valor p
-2,26 0,020
Ejemplo 2.2
En el proceso de fabricación de discos para computadoras, una de las variables críticas es el rendimiento de
formato. Se toma una muestra aleatoria de n = 10 discos de la producción del turno de la mañana. Se formatean y
se reporta el rendimiento de cada disco. Los datos obtenidos son: 96.11, 91.06, 93.38, 88.52, 89.57, 92.63,
85.20, 91.41, 89.79, 92.62. Con base en estos datos interesa estimar puntualmente y por intervalo la media y la
desviación estándar para la población de discos de dicho turno.
Estadísticas descriptivas
Error
estándar
de la IC de 95% para
N Media Desv.Est. media μ
10 91,020 2,994 0,947 (88,878; 93,162)
μ: media de MUESTRA
Se sabe con un nivel de confianza del 95% que la proporción de discos defectuosos que no pasan la
prueba en esa población está entre 0.015 y 0.044.
Ejemplo 10
Se considera cierto cambio en un proceso de fabricación de partes componentes. Se toman muestras del
procedimiento existente y del nuevo para determinar si éste tiene como resultado una mejoría. Si se
encuentra que 75 de 1500 artículos del procedimiento actual son defectuosos y 80 de 2000 artículos del
procedimiento nuevo también lo son, encuentre un intervalo de confianza de 90% para la diferencia real
en la fracción de defectuosos entre el proceso actual y el nuevo.
Prueba e IC para dos proporciones
Método
p₁: proporción donde Muestra 1 = Evento
p₂: proporción donde Muestra 2 = Evento
Diferencia: p₁ - p₂
Estadísticas descriptivas
Muestra N Evento Muestra p
Muestra 1 1500 75 0,050000
Muestra 2 2000 80 0,040000
Estimación de la diferencia
IC de 90% para la
Diferencia diferencia
0,01 (-0,001731; 0,021731)
IC basado en la aproximación a la normal
Prueba
Hipótesis nula H₀: p₁ - p₂ = 0
Hipótesis alterna H₁: p₁ - p₂ ≠ 0
Método Valor Z Valor p
Aproximación normal 1,40 0,161
Exacta de Fisher 0,159
-0.0017<P1-P2<0.0217
Como el intervalo contiene el valor de cero, no hay razón para creer que el nuevo procedimiento
producirá una disminución significativa en la proporción de artículos defectuosos comparado con el
método existente.
Ejemplo 16
En la fabricación de discos compactos una variable de interés es la densidad mínima (grosor) de la capa
de metal, la cual no debe ser menor de 1.5 micras. Se sabe por experiencia que la densidad mínima del
metal casi siempre ocurre en los radios 24 y 57, aunque en el método actual también se miden los radios
32, 40 y 48. Se hacen siete lecturas en cada radio dando un total de 35 lecturas, de las cuales sólo se usa
la mínima. A continuación, se presenta una muestra histórica de 18 densidades mínimas:
1,81; 1,97 ;1,93 ;1,97 ;1,85 ;1,99 ;1,95 ;1,93 ;1,85 ;1,87 ;1,98 ;1,93 ;1,96; 2,02; 2,07;1,92;1,99 ;1,93
a) Argumente estadísticamente si las densidades mínimas individuales cumplen con la
especificación de 1.5 micras.
Estadísticas descriptivas
Error Límite
estándar superior
de la de 95%
N Media Desv.Est. media para μ
18 1,9400 0,0646 0,0152 1,9665
μ: media de GROSOR DISCOS
Prueba
Hipótesis nula H₀: μ = 1,5
Hipótesis alterna H₁: μ < 1,5
Valor T Valor p
28,89 1,000
Observando por regla empírica, es decir; la media y la mediana, es fácil identificar que la especificación de
1.5 micras no se cumple debido a que las dos se encuentran con valores de 1.94, muy alejados de 1.5.
Estadísticas
Error
estándar
de la
Variable N N* Media media Desv.Est. Mínimo Q1 Mediana Q3 Máximo
DENSIDAD 18 0 1,9400 0,0152 0,0646 1,8100 1,9075 1,9400 1,9825 2,0700
Media
Mediana
20
Datos
15
10
5
BASCULA1 BASCULA2
16
15
14
Datos
13
12
11
10
9
BASCULA1 BASCULA2
Prueba
Hipótesis nula H₀: diferencia_μ = 0
Hipótesis alterna H₁: diferencia_μ ≠ 0
Valor T Valor p
-2,21 0,055
Ejercicio 27. Se realiza un estudio para comparar dos tratamientos a aplicarse a los frijoles crudos, con
el objetivo de reducir el tiempo de cocción. Un tratamiento (T1) es a base de bicarbonato de sodio, y el
otro, T2, es a base de cloruro de sodio o sal común. La variable de respuesta es el tiempo de cocción en
minutos. Se hacen siete replicas. Los datos se muestran en la siguiente tabla:
Estadísticas descriptivas
Error
Muestra N Media Desv.Est. estándar
de la
media
Tratamiento 14 1,500 0,519 0,14
Orden 14 4,00 2,08 0,55
Estimación de la diferencia
IC de 95% para
Diferencia la diferencia
-2,500 (-3,726; -1,274)
Prueba
Hipótesis nula H₀: μ₁ - µ₂ = 0
Hipótesis alterna H₁: μ₁ - µ₂ ≠ 0
Valor T GL Valor p
-4,37 14 0,001
Ho se rechaza, así que las medias de los tratamientos no son iguales.
Como v-p < 0.05, El factor tipo de cuero influye sobre la calidad de las suelas
12,5
Datos
10,0
7,5
5,0
A B C D
DCL
Ejemplo 4.2
Comparación de cuatro marcas de llantas. Una compañía de mensajería está interesada en determinar
cuál marca de llantas tiene mayor duración en términos del desgaste. Para ello se planea un experimento
en cuadro latino, en el que se comparan las cuatro marcas de llantas sometiéndolas a una prueba de 32
000 kilómetros de recorrido, utilizando cuatro diferentes tipos de auto y las cuatro posiciones posibles
de las llantas en el auto. Así, el factor de interés es el tipo de llanta o marca, y se controlan dos factores
de bloques: el tipo de carro y la posición de la llanta en el carro. Estos factores de bloques se controlan
ya que, por experiencia, se sabe que el tipo de carro y la posición de la llanta tienen efecto en el des gaste
de la misma.
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
LLANTA(Tratam) 3 5,688 1,896 0,37 0,775
CARRO(Fila) 3 16,188 5,396 1,07 0,431
POSICION(Columna) 3 103,687 34,562 6,83 0,023
Error 6 30,375 5,062
Total 15 155,937
DCGL
Ejemplo 4.3
En el caso de ejemplo 4.1, donde se comparan cuatro métodos de ensamble y se tiene el factor de bloque
operador, se podrían tener dos factores de bloque adicionales: orden en el se hace el ensamble y lugar
donde se hace. De acuerdo con esto, el diseño en cuadro grecolatino se observa en la tabla 4.10.
FACTORIAL 2X3