Beruflich Dokumente
Kultur Dokumente
S
I 10 77.5 mm 3.071 mm
II 12 68.1 mm 2.601 mm
Suponiendo que la longitud de los tornillossiguen una distribucin normal, y en base a estos
resultados, el jefe de produccin est de acuerdo con la informacin proporcionada por el
departamento de control de calidad? Use o = 0.05.
Solucin:
X1: Longitud del tornillo tipo I (en mm)
X2: Longitud del tornillo tipo II (en mm)
Paso 1: Prueba de hiptesis de la razn de varianzas
Ho:
2
2
2
1
o o =
H1:
2
2
2
1
o o =
Nivel de significacin: o = 0.05
En Minitab:
Estadsticas/Estadsticas bsicas/2 varianzas
Opciones.
Aceptar/ Aceptar
Prueba e IC para dos varianzas
Mtodo
Hiptesis nula Sigma(1) / Sigma(2) = 1
Hiptesis alterna Sigma(1) / Sigma(2) not = 1
Nivel de significancia Alfa = 0.05
Estadsticas
Muestra N Desv.Est. Varianza
1 10 3.071 9.431
2 12 2.601 6.765
Relacin de deviaciones estndar = 1.181
Relacin de varianzas = 1.394
Intervalos de confianza de 95%
IC para IC para
Distribucin relacin de relacin de
de los datos Desv.Est. varianza
Normal (0.623, 2.335) (0.389, 5.454)
Pruebas
Estadstica
Mtodo GL1 GL2 de prueba Valor P
Prueba F (normal) 9 11 1.39 0.594
Como Valor p = 0.594> o= 0.05 No se Rechaza Ho
Conclusin: Con un nivel de significacin del 5%, las varianzas poblacionales son homogneas.
Paso 2: Prueba de hiptesis de dos medias poblacionales
Ho: 10
I II
s
H1: 10
I II
>
Nivel de significacin: o = 0.05
En Minitab
Estadsticas/Estadsticas bsicas/T de 2 muestras
Opciones.
Aceptar/ Aceptar
Prueba T de dos muestras e IC
Error
estndar
de la
Muestra N Media Desv.Est. media
1 10 77.50 3.07 0.97
2 12 68.10 2.60 0.75
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 9.40
Lmite inferior 95% de la diferencia: 7.32
Prueba T de diferencia = 10 (vs. >): Valor T = -0.50 Valor P = 0.688 GL = 20
Ambos utilizan Desv.Est. agrupada = 2.8222
Como Valor p = 0.688 > o= 0.05 entonces no se Rechaza Ho
Conclusin: Con un nivel de significacin del 5%, no se puede afirmar que la longitud promedio
del tornillo tipo I excede a la longitud promedio del tornillo tipo II en ms de 10 mm, por lo tanto el
jefe de produccin no est de acuerdo con la informacin proporcionada por el departamento de
control de calidad.
Prueba de hiptesis de diferencia de proporciones
Una fbrica produce dos tipos de productos A y B en dos turnos diferentes. Se desea observar el
nmero de productos defectuosos en ambos turnos, para este fin se tomaron dos muestras una de
cada turno de trabajo, y se registr la cantidad de productos defectuosos.Los resultados se
muestran en la siguiente tabla:
Turno
Producto
A B
Defectuosos No defectuosos Defectuosos No defectuosos
Maana 20 200 50 300
Tarde 5 150 25 200
a)Suponga que las muestras de cada turno son independientes, Se puede afirmar que en el turno
de la maana se producen menos productos defectuosos que en el turno de la tarde? Use = 0.05.
Solucin:
X
M
: N de productos defectuosos del turno Maana X
M
=
70 n
M
= 570
X
T
: N de productos defectuosos del turno Tarde X
T
=
30 n
T
= 380
123 . 0 570 / 70 = =
.
M
p
079 . 0 380 / 30 = =
.
M
p
Ho:
M T
P P >
H1:
M T
P P <
Nivel de significacin: o = 0.05
En Minitab
Estadsticas/Estadsticas bsicas/ 2 Proporciones
Opciones.
Aceptar/Aceptar
Prueba e IC para dos proporciones
Muestra X N Muestra p
1 70 570 0.122807
2 30 380 0.078947
Diferencia = p (1) - p (2)
Estimado de la diferencia: 0.0438596
Lmite superior 95% de la diferencia: 0.0759384
Prueba para la diferencia = 0 vs. < 0: Z = 2.16 Valor P = 0.985
Como Valor p = 0.985 > o= 0.05 entonces no se Rechaza Ho
Conclusin: Con un nivel de significacin del 5%, no se puede afirmar que en el turno de la
maana se producen menos productos defectuosos que el turno tarde.
b)Suponga que las muestras de cada tipo de producto son independientes, Se puede afirmar que
la proporcin de productos defectuosos tipo A en el turno maana es distinta a la proporcin de
productos defectuosos tipo B turno maana?Use = 0.04.
Pruebas de Bondad de Ajuste
1. Los proyectos de construccin que llegan a la empresa constructora Lder S.A. pueden ser
atendidos en una de 3 categoras diferentes: urgente, prioridad normal y fila de espera. El
departamento de ingeniera ha estimado hace mucho tiempo que el 25%,40% y 35% de los
proyectos son presentados respectivamente como urgentes, prioridad normal y fila de espera.
Este mes se han presentado simultneamente 25 proyectos a la empresa constructora donde 8
proyectos son urgentes, 7 son de prioridad normal y 10 son de fila de espera. Se desea probar si
la proporcin histrica de proyectos ha cambiado. Use o=0.05
Solucin:
Ho: La proporcin histrica de proyectos no ha cambiado ( PU = 0.25, PN= 0.40, PF = 0.35)
H1: La proporcin histrica de proyectos ha cambiado
Nivel de significacin: o = 0.05
Ingreso de datos al Minitab
Estadsticas/Tabla/Prueba de bondad de ajuste Chi-cuadrada..
Aceptar.
Prueba Chi-cuadrada de bondad de ajuste para conteos observados en variable
Uso de nombres de categoras en Proyecto
Conteos Proporcin Contribucin
Categora Observado histricos de prueba Esperado a Chi-cuad.
urgente 8 0.25 0.25 6.25 0.490000
prioridad normal 7 0.40 0.40 10.00 0.900000
fila de espera 10 0.35 0.35 8.75 0.178571
N GL Chi-cuad. Valor P
25 2 1.56857 0.456
Como Valor P = 0.456 >o = 0.05 entonces Ho no se rechaza.
Conclusin: Con un nivel de significacin del 5%, no se puede afirmar que la proporcin histrica de
proyectos ha cambiado.
2. En una fbrica de fierros de construccin el jefe de control de calidad est interesado en determinar
a qu distribucin se ajustara el nmero de defectos encontrados en cada fierro de construccin.
Para tal fin recoge la informacin en una muestra de 183 fierros del mismo tipo. Dicha informacin
se muestra en la siguiente tabla:
N de defectos 0 1 2 3 4 5
N de fierros 68 59 22 10 15 9
El jefe de control de calidad utilizara un nivel de significacin del 5% para realizar la prueba
respectiva. A qu conclusin llega?
Solucin:
X = nmero de defectos en los fierros de construccin
Ho: El nmero de defectos en los fierros de construccin sigue una distribucin de Poisson.
H1: El nmero de defectos en los fierros de construccin no sigue una distribucin de Poisson.
Nivel de significacin: o = 0.05
Ingreso de datos al Minitab
Estadsticas/Estadsticas bsicas/ Prueba de bondad de ajuste para Poisson
Aceptar.
Prueba de bondad de ajuste para distribucin de Poisson
Columna Datos: N de defectos
Columna Frecuencia: N de fierros
Media de Poisson para N de defectos = 1.30055
N de Probabilidad Contribucin
defectos Observado de Poisson Esperado a Chi-cuad.
0 68 0.272383 49.8461 6.6117
1 59 0.354247 64.8271 0.5238
2 22 0.230357 42.1553 9.6367
3 10 0.099863 18.2750 3.7470
>=4 24 0.043150 7.8965 32.8406
N N* GL Chi-cuad. Valor P
183 0 3 53.3597 0.000
Como Valor P = 0.000 < o = 0.05 entonces Ho se rechaza
*verificar tambin con el Chi-cuad = 53.3597
Conclusin: Con un nivel de significacin del 5%, se puede afirmar que el nmero de defectos en los
fierros de construccin no sigue una distribucin de Poisson.
3. La oficina de inspectora de locales pblicos realiza cuatro inspecciones cada da y desea analizar
la distribucin del nmero de locales sancionados por incumplimiento de las normas de
seguridad. Para ello recopila informacin a lo largo de 300 das de trabajo, obtenindose los
resultados que se muestran en la tabla:
N de locales sancionados 0 1 2 3 4
N de das 65 100 90 20 25
Al nivel de significacin del 5%, se puede afirmar que el nmero de locales sancionados por da
sigue una distribucin binomial?
Solucin:
En Minitab
Ho: El nmero de locales sancionados sigue una distribucin Binomial
H1: El nmero de locales sancionados no sigue una distribucin Binomial
Nivel de significacin: o = 0.05
= E(X) = E(XOi)/E(Oi) = 440/300= 1.47
En la distribucin binomial E(X) = n*p p = 1.47/4 = 0.3675 (probabilidad de xito)
calculando las probabilidades para los valores de X:
En Minitab
Copiando las probabilidades obtenidas en el Minitab:
Estadsticas/Tablas/Prueba Chi-cuadrada de bondad de ajuste (una variable)
Prueba Chi-cuadrada de bondad de ajuste para conteos observados en variable: Oi
Conteos Proporcin Contribucin
Categora Observado histricos de prueba Esperado a Chi-cuad.
1 65 0.160045 0.160045 48.014 6.0096
2 100 0.371962 0.371962 111.589 1.2035
3 90 0.324181 0.324181 97.254 0.5411
4 20 0.125572 0.125572 37.672 8.2897
5 25 0.018240 0.018240 5.472 69.6898
N GL Chi-cuad. Valor P
300 4 85.7337 0.000
Como Valor P = 0.000 < o = 0.05 entonces Ho se rechaza
*verificar tambin con el Chi-cuad = 85.7337
Conclusin: Con un nivel de significacin del 5%, se puede afirmar que el nmero de locales
sancionados no sigue una distribucin de Binomial.
Prueba de independencia
Un proceso de produccin emplea cinco tipos de mquinas (M1,M2,M3,M4,M5) en sus tres
operaciones de desplazamiento (D1,D2,D3). Se obtuvo una muestra de 165 fallas de acuerdo con
la mquina y operacin de desplazamiento en la que ocurri la falla registrndose los resultados
en las columnas Desplazamiento y Mquinas en la Base de datosLab6_2013_01. Pruebe con un
nivel de significacin del 1% si existe independencia entre la operacin de desplazamiento y la
falla de la mquina.
Solucin:
Ho: La operacin de desplazamiento es independiente de la falla de la mquina
H1: La operacin de desplazamiento no es independiente de la falla de la mquina
Nivel de significacin: o = 0.01
Estadsticas/Tablas/Tabulacin cruzada y Chi cuadrada.
Estadsticas tabuladas: Desplazamiento, Mquina
Filas: Desplazamiento Columnas: Mquina
M1 M2 M3 M4 M5 Todo
D1 10 12 8 14 8 52
11.66 9.14 11.03 10.72 9.45 52.00
D2 15 8 13 8 12 56
12.56 9.84 11.88 11.54 10.18 56.00
D3 12 9 14 12 10 57
12.78 10.02 12.09 11.75 10.36 57.00
Todo 37 29 35 34 30 165
37.00 29.00 35.00 34.00 30.00 165.00
Contenido de la celda: Conteo
Conteo esperado
Chi-cuadrada de Pearson = 6.002, GL = 8, Valor P = 0.647
Chi-cuadrada de la tasa de verosimilitud = 6.042, GL = 8, Valor P = 0.643
Como Valor P = 0.647> o = 0.01 entonces Ho no se rechaza
*verificar tambin con el Chi-cuad = 6.002
Conclusin: Con un nivel de significacin del 1% la operacin de desplazamiento es independiente
de la falla de la mquina.
Anlisis de regresin lineal simple
Suponga que un ingeniero de una empresa dedicada a la fabricacin de soldadura en puntos de
aluminio desea predecir la resistencia al esfuerzo cortante (kg) en funcin al dimetro de la
soldadura (cm). Para ello toma una muestra de tamao 10 cuyos valores se encuentran en la base
de datos Lab6_2013_01.
a) Realice el diagrama de dispersin de estas variables.
Solucin:
Grfica/Grfica de dispersin
Aceptar.
b) Estime la ecuacin de regresin.
Estadsticas/Regresin/ Regresin
Aceptar..
Anlisis de regresin: Resistencia vs. Diametro
La ecuacin de regresin es
Resistencia = 1.48 + 2.53 Diametro
Predictor Coef SE Coef T P
Constante 1.482 1.298 1.14 0.287
Diametro 2.5309 0.7128 3.55 0.008
S = 1.27927 R-cuad. = 61.2% R-cuad.(ajustado) = 56.3%
Anlisis de varianza
Fuente GL SC CM F P
Regresin 1 20.632 20.632 12.61 0.008
Error residual 8 13.092 1.637
Total 9 33.724