Master de Tecnologia Ambiental

Curso Tratamiento de datos 2010

Prof. Antonio J. Lozano

Alvaro Guerrero Bonilla
DNI. 16614863

Ejercicio 1

= 1,2
n

Datos
1
2
3
4
5
6
7
8
9
10
11
12
13
14

0,84
1,02
1,03
1,05
1,09
1,12
1,13
1,26
1,31
1,34
1,35
1,36
1,46
1,55

(X-Xmed)^2
0,13531888
0,03529031
0,03163316
0,02491888
0,01389031
0,00771888
0,00606173
0,00271888
0,01043316
0,01746173
0,02020459
0,02314745
0,06357602
0,11706173

Xmed
1,207857143
Sc2
0,03918736
Sc
0,19795798
a) Para determinar normalidad de las medidas => Test Shapro-WilK
n=14
=0,05
De la tabla coef A(n-i)+1
A(n-i)+1
X(n-i)+1 - Xi
(1)
(2)
i
(1)*(2)
1
0,5251
0,71
0,372821
2
0,3318
0,44
0,145992
3
0,246
0,33
0,08118
4
0,1802
0,3
0,05406
5
0,124
0,25
0,031
6
0,0727
0,19
0,013813
7
0,024
0,13
0,00312
b=
0,701986
Calculamos W => Wexp= b^2/((n-1)*Sc2) =
0,96731409
Wn, (Tabla S-W ) =
0,874
Como Wexp > Wn, =>No hay evidencia para decir que la distribucion de datos no es normal.
b)Resolver un contraste de hiptesis adecuado para estudiar si la concentracin promedio
medida por los laboratorios difiere de la real (1.2 mg/L).
Conocemos la media real = 1,2 mg/L
Hipotesis :
Region critica
Ho : = o
|Xmd-o| Sc*t(n-1,1-/2)
H1 : o
|Xmd-o|=

0,00785714

De la tabla de T de Student para n=13 e intervalo de confianza 0,975

t=
2,16
Sc*t(1,1-/2) =
0,42758924
Como |Xmd-o|< Sc*t(1,1-/2) => las mediciones de laboratorio no difieren de la medicion real

Alvaro Guerrero Bonilla

DNI 16614863

1 de 5

Master de Tecnologia Ambiental

Curso Tratamiento de datos 2010

Prof. Antonio J. Lozano

Alvaro Guerrero Bonilla
DNI. 16614863

Ejercicio 2

Datos
1
2
3
4
5
6
7
8
9

38,27
38,6
38,67
41,87
42,85
43,67
44,05
44,66
46,19

(X-Xmed)^2
14,6093827
12,195616
11,7116049
0,04938272
0,57422716
2,48938272
3,83289383
6,59348272
16,7917827

Xmed
42,09222222
Sc2
8,605969444
Sc
2,933593265
F0(x) = e^(-e^(-(x-)))
Donde :
=1,28255/Sc ; = Xmed - (0,5772/)
=1,28255/Sc =
0,43719421
= Xmed - (0,5772/) =
40,7719852
(x-)*-1
Tenemos una variable aleatoria continua, con funcion de distribucion F(x) desconocida => utilizamos Test
Kolmogorov - Smirnof
Hipotesis : Ho:F(x) = F0(x) para todo x
H1 : F(x) F0(x) para algun x
Fo(X(i))
(x-)*-1
e^(-(x-)) e^(-e^(-(x-))) (
(a)
(b)
c)
i X(i)
i/n
(i-1)/n
1
38,27 0,11111111
0 1,09385344 2,98575736
0,050501241
2
38,6 0,22222222 0,11111111 0,94957935 2,5846222
0,075424569
3
38,67 0,33333333 0,22222222 0,91897575 2,50672157
0,081535109
4
41,87 0,44444444 0,33333333 -0,48004573 0,6187551
0,538614544
5
42,85 0,55555556 0,44444444 -0,90849606 0,40313005
0,66822519
6
43,67 0,66666667 0,55555556 -1,26699531 0,2816767
0,75451758
7
44,05 0,77777778 0,66666667 -1,43312912 0,23856127
0,787760423
8
44,66 0,88888889 0,77777778 -1,69981759 0,18271685
0,833003986
9
46,19
1 0,88888889 -2,36872473 0,09360002
0,910646934
Dmax

|i/n-F0(xi)|
0,06060987
0,14679765
0,25179822
0,0941701
0,11266963
0,08785091
0,00998265
0,0558849
0,08935307
0,25179822

|F0(xi)
(i-1)/(n)|
0,05050124
0,03568654
0,14068711
0,20528121
0,22378075
0,19896202
0,12109376
0,05522621
0,02175805

En la tabla Kolmogorov-Smirnof buscamos D para n=9 y =0,05

D(9,0.05)=
0,43001
Tenemos D(9,0.05)> Dmax , entonces no tenemos evidencias para rechazar que los datos se ajuste a una distribucion tipo
Gumble.

Ejercicio 3

Alvaro Guerrero Bonilla

DNI 16614863

2 de 5

Master de Tecnologia Ambiental

Curso Tratamiento de datos 2010

Prof. Antonio J. Lozano

Alvaro Guerrero Bonilla
DNI. 16614863

Observadas
Presencia
Ausencia
Totales

Umbra

Solana
14
36
50

Totales
22
38
60

36
74
110

Tenemos n pruebas , cada prueba a tenido p1 priobabilidades de resultado => Realizamos un estudio categorico de
datos
Hipotesis :
Ho: Clasificacion por filas es independiente de clasificacion por columnas
H1: Clasificacion por filas es dependiente de clasificacion por columnas
Numero de filas =
2
Numero de columnas =
2
Utilizamos Test de Fisher => PHo = (nf1!*nf2!*nc1!*nc2!/n! )* (1/(n1,1!*n1,2!*n2,1!*n2,2!)
(nf1!*nf2!*nc1!*
nc2!/n! )
1,9607E+117
(1/(n1,1!*n1,2!*n
2,1!*n2,2!)
5,2453E-119
PH0 =
0,102845933
Comparamos Pho con /2 =>
0,103 > 0,025
Por lo tanto rechazamos la independencia entre filas y columnas
Entonces no podemos afirmar que existe algun tipo de preferencia

Ejercicio 4

Construir diagramas de control para valor promedio y variabilidad de produccion

Muestra

Valores
1
2
3
4
5
6
7
8
9
10

44
46
47
42
46
48
49
51
49
46

46
46
48
44
43
46
48
46
42
48

X"=
1/k*Xmed Ri

Xmed
48
52
48
48
47
48
52
53
48
44

50
46
44
44
46
44
48
48
46
50

48
44
44
48
50
48
49
48
46
47

47,2
46,8
46,2
45,2
46,4
46,8
49,2
49,2
46,2
47

R"= 1/k*ri
6
8
4
6
7
4
4
7
7
6

47,02

5,9

Como no conocenos , ni , debemos estimar limites tentativos.

Tenemos 10 muestras con n = 5 datos por muestra
En tabla - Constantes de diagrama de control :
Con n=5 Obtenemos factores para limite de control:
Para limites de la media :
A2 =
0,577
Para limites de R
D3 =
D4 =

0
2,115

Limites para la media :

Linea central = X" =
Linea superior =X"+A2*R"=
Linea inferior =X"-A2*R"=

47,02
50,4243
43,6157

Linea central = R" =

Linea inferior =R"*D3=
Linea superior = R"*D4 =

5,9
0
12,4785

Diagrama de control por valor promedio

Alvaro Guerrero Bonilla

DNI 16614863

3 de 5

Master de Tecnologia Ambiental

Curso Tratamiento de datos 2010

Prof. Antonio J. Lozano

Alvaro Guerrero Bonilla
DNI. 16614863

Grafico de control Media (X")

Lim.sup

52

50,4243
50,4243
50,4243
50,4243
50,4243
50,4243
50,4243
50,4243
50,4243
50,4243

50
48

Lim.sup
V. medio

46

Xmed
44

Lim.inf

42

V. medio
Xmed
47,02
47,02
47,02
47,02
47,02
47,02
47,02
47,02
47,02
47,02

47,2
46,8
46,2
45,2
46,4
46,8
49,2
49,2
46,2
47

Lim.inf

V. medio
R
5,90
5,90
5,90
5,90
5,90
5,90
5,90
5,90
5,90
5,90

6,00
8,00
4,00
6,00
7,00
4,00
4,00
7,00
7,00
6,00

43,62
43,62
43,62
43,62
43,62
43,62
43,62
43,62
43,62
43,62

40
1

10

Grafico de control R
Lim.sup
14,00
12,00
10,00
Lim.sup

8,00

V. medio
6,00

4,00

Lim.inf

12,48
12,48
12,48
12,48
12,48
12,48
12,48
12,48
12,48
12,48

Lim.inf
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00

2,00
0,00
1

10

Ejercicio 5

Obtener toda la informacion posible sobre la diferencia de resistencia de los 2 plasticos :

Hipotesis de contraste :
Ho :x=y
H1 :xy

Alvaro Guerrero Bonilla

DNI 16614863

4 de 5

Master de Tecnologia Ambiental

Curso Tratamiento de datos 2010

Prof. Antonio J. Lozano

Alvaro Guerrero Bonilla
DNI. 16614863

Paso 1 . Hipotesis comparacion varianzas:

Ho :Var(x) =Var(y)
H1 :Var(x) Var(y)
Primero Comparamos el estadistico del test de Levene (Significancia) con el rango se confianza , donde :
Si Significancia > => Se asume igual varianza
Si Significancia < => No se asume igual varianza
Tenemos : 0,108 > 0,05 => asumimos igual varianza , por lo tanto solo trabajamos con la informacion correspondiente a esta opcion.
La columna t muestra el valor del estadstico t observado en las muestras, calculado como el cociente entre la diferencia de medias de las
muestras y el error estndar de la diferencia.
El nmero de grados de libertad se muestra en la columna "gl" , que para el test t de muestras independientes es igual al nmero total
de casos en las dos muestras menos 2.
Paso 2. Hipotesis comparacion medias:
Ho: X"=Y"
Ho: X"Y"
Comparamos Sig. (bilatearl) con ; como el valor de significancia bilateral 0,019 < 0,05 , rechazamos la hipotesis nula
y aceptamos que las medias son diferentes.
Podemos observar que la diferencia de medias = -2.3928 , con un error de 8,8546
Los rangos de los intervalos de confianza son :
inferior =
-4,332
superior =
-4,6356

Alvaro Guerrero Bonilla

DNI 16614863

5 de 5