Beruflich Dokumente
Kultur Dokumente
impunidad”
“EVALUACIÓN CONTINUA DE
ESTADISTICA.”
CURSO: Estadística Y Diseños Experimentales
DOCENTE:
Ing. Luis Álvarez Soto
ALUMNO:
1
EVALUACION CONTINUA
1.- Se toman 8 medidas del diámetro interno de los anillos para pistones del motor de
un automóvil. Los datos (en mm) son:
74,001 74.003 74.015 74.000 74.005 74.002 74.005 74.004
Construya un diagrama de puntos y realice un comentario con respecto a los datos.
Diagrama de Puntos
3
Número de datos
2
1
0
73.998 74 74.002 74.004 74.006 74.008 74.01 74.012 74.014 74.016
Diametros internos de los anillos en mm.
Número de observaciones: 8
Media: 74004,4
Desviación estándar: 4,65794
Comentario: El valor de la moda para el diámetro interno de los anillos de los pistones es
74.005mm y el valor que se encuentra más alejado al promedio es 74.0015mm.
2
a.- Construya una gráfica de series de tiempo, para estos datos. Comente el resultado.
270
250
Fuerza de tirantez
230
210
190
170
0 10 20 30 40
Fila
Comentario: Se observa que los datos tomados tienen la forma de una función senozoidal, por lo
tanto, todas las experimentaciones al ser graficadas secuencialmente, tienden a formar ciclos cada vez
más irregulares, lo que nos permite suponer la diversidad de prototipos con diferentes fuerzas de
tirantez.
3.- Un artículo publicado en una revista de ingeniería, presenta datos de viscosidad de un lote
de cierto proceso químico. La siguiente es una muestra de estos datos.
13. 14. 15. 15. 14. 14. 15. 14. 14. 14. 14. 16. 13. 15. 12. 14. 14. 15. 15. 16.
3 5 3 3 3 8 2 5 6 1 3 1 1 5 6 6 3 4 2 8
14. 13. 15. 14. 15. 15. 15. 13. 14. 15. 15. 15. 15. 16. 14. 15. 17. 14. 14. 14.
9 7 2 5 3 6 8 3 1 4 2 2 9 5 8 1 0 9 8 0
15. 13. 15. 13. 14. 14. 14. 14. 16. 16. 14. 16. 14. 15. 14. 15. 14. 16. 14. 15.
8 7 1 4 1 8 3 3 4 9 2 9 9 2 4 2 6 4 2 7
16. 14. 13. 15. 14. 15. 16. 13. 15. 14. 14. 14. 13. 13. 15. 14. 12. 16. 16. 15.
0 9 6 3 3 6 1 9 2 4 0 4 7 8 6 5 8 1 6 6
a) Construya una tabla de frecuencias con los datos de viscosidad del proceso químico.
Límite Límite Frecuencia Frecuencia Frecuencia
Clase Inferior Superior Punto Medio Frecuencia Relativa Acumulada Rel. Acum.
menor o igual 12.0 0 0.0000 0 0.0000
1 12.0 12.6 12.3 1 0.0125 1 0.0125
2 12.6 13.2 12.9 2 0.0250 3 0.0375
3 13.2 13.8 13.5 8 0.1000 11 0.1375
4 13.8 14.4 14.1 17 0.2125 28 0.3500
5 14.4 15.0 14.7 15 0.1875 43 0.5375
6 15.0 15.6 15.3 21 0.2625 64 0.8000
7 15.6 16.2 15.9 8 0.1000 72 0.9000
8 16.2 16.8 16.5 5 0.0625 77 0.9625
9 16.8 17.4 17.1 3 0.0375 80 1.0000
10 17.4 18.0 17.7 0 0.0000 80 1.0000
mayor de 18.0 0 0.0000 80 1.0000
3
b) Grafique un histograma con la tabla de frecuencia anterior.
Ojiva de Frecuencia
Acumulada
Frecuencia acumulada porcentual (%)
120
100
95
100 86
80 71
60
44
40
15
20
4
0
13.3 14.0 14.7 15.4 16.1 16.8 17.5
Viscocidad
4
d) Determine el percentil 30 y percentil 70.
Percentiles
5.0% 13.3
10.0% 13.7
25.0% 14.3
30.0% 14.3
50.0% 14.9
70.0% 15.3
75.0% 15.55
90.0% 16.25
95.0% 16.7
Q1= 14.3
Q3=15.55
Entonces el Rango intercuartilico será:
𝑅𝑄 = 𝑄3 − 𝑄1 = 1,225
La dispersión de la distribución de viscosidades es de 1,225; es decir que los datos varían entre esa
distancia, este valor se usa para construir los diagramas de caja y bigote, que sirven para visualizar
la variabilidad de una variable y comparar distribuciones de la misma variable; además de ubicar
valores extremos.
f) Construya un diagrama de caja, con los datos de la tabla anterior.
12 13 14 15 16 17
viscosidad del proceso químico
5
g) ¿Cuál es el valor del promedio de los datos?
Recuento 80
Promedio 14.8988
Mediana 14.9
Promedio 14.8988
La diferencia se da porque el promedio es la sumatoria de todos los datos entre el número de
datos , mientras que la
j) ¿Cuál es el valor del coeficiente de asimetría? ¿Qué implica este valor? Comente
Coeficiente de asimetría = 0.07913789
Es el sesgo de la distribución, es decir el grado de asimetría alrededor de la mediana.
k) Determine el valor de la curtosis. ¿Este valor se puede vincular con alguna propiedad
de los datos?
Curtosis -0.262819
Curtosis Estandarizada -0.47984
Cuan más cerca estén los datos del promedio, implicarán más repetición o frecuencia tal como
lo define la curtosis de valor -0.262819.
4.- Se analizan los discos de policarbonato de un proveedor para determinar su resistencia a las
ralladuras y a los golpes. A continuación, se resumen los resultados obtenidos al analizar 100
muestras
Sean A: el evento donde el disco tiene una alta resistencia a los golpes y B evento donde el disco
tiene una alta resistencia a las ralladuras. Determine
a) El número de discos en A ∩ B,
6
b) El número de discos en A’
d) Determine la probabilidad de :
P(A)
P(A’)
P(A∩B)’
P(AU B)
P(A’U B)
5.- Se inspecciona un lote de 140 chips mediante la selección de una muestra de cinco de ellos.
Suponga que 10 chips no cumplen con los requerimientos del cliente.
a) ¿Cuál es el número de muestras distintas posibles?
Se seleccionan 5 chips al azar de los 140 chips. Entonces hallamos todas las formas posibles
de hacerlo:
𝐶5140 = 140.139.138.137.136 = 50 035 863 360
Se tiene cerca de 50 mil millones de posibilidades de muestra de 5 chips.
b) ¿Cuántas muestras de cinco contienen exactamente un chip que no cumple con los
requerimientos?
7
Debemos seleccionar 1 chip de los 10 chips que no cumplen con los requerimientos del
cliente y simultáneamente seleccionaremos 4 chips de los 130 que si cumplen con los
requerimientos. Ambos sucesos son independientes entre ellos.
𝐶110 . 𝐶4130 = 10. (130.129.128.127) = 2 726 131 200
Podemos obtener más de dos millones y medio de muestras que contengan exactamente un
chip que no cumple con los requerimientos.
c) ¿Cuántas muestras de cinco contienen exactamente un chip que cumple con los
requerimientos?
Para hallar las muestras precisadas, debemos seleccionar 1 chip de los 130 chips que cumplen
con los requerimientos y simultáneamente, 4 chips de los que no cumplen los requerimientos.
Ambos sucesos son mutuamente independientes.
𝐶1130 . 𝐶410 = 130. (10.9.8.7) = 655 200
Tenemos más de 6 mil muestras que contengan exactamente un chip que cumpla con los
requerimientos.
8
249 0,006541538
251 0,005867699 Normal
238 0,010627311
210 0,015462178
0,4 Media,Desv. Est.
198 0,012440751 0,1
199 0,012778461
183 0,006890639 0,3
213 0,015757287
densidad
236 0,011372223
0,2
245 0,007977983
209 0,015316702
212 0,015682986 0,1
185 0,007609676
187 0,00835095
218 0,015757287 0
-5 -3 -1 1 3 5
190 0,00948765
x
175 0,004349744
178 0,005230207
175 0,004349744
190 0,00948765
7.- Se utilizan dos máquinas para llenar botellas de plástico con detergente para maquinas
lavaplatos. Se sabe que las desviaciones estándar del volumen de llenado son σ1 = 0.10 onzas de
líquido, y σ2 = 0.15 onzas de líquido para las dos máquinas respectivamente., Se toman dos
muestras aleatorias n1 = 12 botellas de la maquina 1 y n2 = 10 botellas e la maquina 2. Los
volúmenes promedio de llenado son ẍ1 = 30.87 onzas de líquido y ẍ2 = 30.68 onzas de líquido.
¿Las dos máquinas tienen igual volumen de llenado de detergente?
MÁQUINA 1 MÁQUINA 2
σ1 0.1 σ2 0.15
n1 12 n2 10
̅𝟏
𝒙 30.87 ̅𝟐
𝒙 30.68
𝟐 𝝈𝟐 𝝈𝟐 𝟐 𝝈𝟐 𝝈𝟐
𝒙𝟏− 𝒙𝟐 − 𝒛𝟏⁄ √ 𝟏 − 𝟐 ≤ 𝝁𝟏 − 𝝁𝟐 ≤ 𝒙𝟏− 𝒙𝟐 + 𝒛𝟏⁄ √ 𝟏 − 𝟐
𝟐 𝒏𝟏 𝒏𝟐 𝟐 𝒏𝟏 𝒏𝟐
Datos:
Promedio muestral 1 30.87
9
Promedio muestral 2 30.68
Desv est: 1 0.1
Desv est: 2 0.15
Tamaño de muestra 1 12
Tamaño de muestra 2 10
Confianza 90%
α/2 5%
Z 1.644853627
Datos:
Promedio muestral 1 30.87
Promedio muestral 2 30.68
Desv est: 1 0.1
Desv est: 2 0.15
Tamaño de muestra 1 12
Tamaño de muestra 2 10
Confianza 95%
α/2 3%
Z 1.959963985
𝟐 𝝈𝟐 𝝈𝟐 𝟐 𝝈𝟐 𝝈𝟐
𝒙𝟏− 𝒙𝟐 − 𝒛𝟏⁄ √ 𝟏 − 𝟐 ≤ 𝝁𝟏 − 𝝁𝟐 ≤ 𝒙𝟏− 𝒙𝟐 + 𝒛𝟏⁄ √ 𝟏 − 𝟐
𝟐 𝒏𝟏 𝒏𝟐 𝟐 𝒏𝟏 𝒏𝟐
10
Datos:
Promedio muestral 1 30.87
Promedio muestral 2 30.68
Desv est: 1 0.1
Desv est: 2 0.15
Tamaño de muestra 1 12
Tamaño de muestra 2 10
Confianza 95%
α 5%
Z 1.644853627
8.- Se piensa que la concentración del ingrediente activo de flotación, es afectada por el tipo de
catalizador utilizada en el proceso de fabricación. Se sabe que la desviación estándar de la
concentración activa es de 3 gr/lt, sin importar el tipo de catalizador utilizado. Se realizan 10
observaciones con cada catalizador, y se obtiene los datos siguientes:
Catalizador 1 57.9 66.2 65.4 65.4 65.2 62.6 67.6 63.7 67.2 71.0
Catalizador 2 66.4 71.7 70.3 69.3 64.8 69.6 68.6 69.4 65.3 68.8
Catalizador 1 Catalizador 2
̅𝟏
𝒙 65.22 𝑥̅2 68.42
𝝈𝟏 3.44 𝜎2 2.22
𝒏𝟏 10 𝑛2 10
a) Encuentre un intervalo de confianza del 95 % para la diferencia entre las medias de las
concentraciones activas suponiendo que ambas varianzas son iguales.
Comparación de Medias
Intervalos de confianza del 95.0% para la media de CATALIZADOR 1: 65.22 +/- 2.46399
[62.756, 67.684]
Intervalos de confianza del 95.0% para la media de CATALIZADOR 2: 68.42 +/- 1.59096
[66.829, 70.011]
Intervalos de confianza del 95.0% intervalo de confianza para la diferencia de medias
Suponiendo varianzas iguales: -3.2 +/- 2.72394
11
b) Encuentre un intervalo de confianza del 95% para la diferencia entre las
concentraciones activas promedio, suponiendo que las varianzas no son iguales.
Comparación de Medias
Intervalos de confianza del 95.0% para la media de CATALIZADOR 1: 65.22 +/- 2.46399
[62.756, 67.684]
Intervalos de confianza del 95.0% para la media de CATALIZADOR 2: 68.42 +/- 1.59096
[66.829, 70.011]
Intervalos de confianza del 95.0% intervalo de confianza para la diferencia de medias
Sin suponer varianzas iguales: -3.2 +/- 2.75739
c) Compare la longitud del intervalo de confianza calculado en el inciso (a) con la longitud
del intervalo de confianza obtenido, con los datos y consideraciones anteriores (b); que
intervalo es mayor y por qué?
𝜎1 2 𝜎2 2 𝜎1 2 𝜎2 2
(𝑥̅1 − 𝑥̅2 ) − 𝑡0 ∗ √ + ≤ 𝜇1 − 𝜇2 ≤ (𝑥̅1 − 𝑥̅2 ) + 𝑡0 ∗ √ +
𝑛1 𝑛2 𝑛1 𝑛2
-5.9629 ≤ 𝜇1 − 𝜇2 ≤ -0.4371
Al 95% de confianza
DIFERENCIA DE LOS INTERVALOS
a) b)
5.4481 5.5259
Diferencia 0.0778
9.- Se investiga la temperatura de deflexión bajo carga para dos tipos diferentes de tubería de
plástico. Para ello se toman dos muestras aleatorias, cada una de 15 especímenes, anotando las
temperaturas de deflexión observadas (oF) . Los resultados son los siguientes:
Tipo 1 Tipo 2
206 193 192 177 176 198
188 207 210 197 185 188
205 185 194 206 200 189
187 189 178 201 197 203
194 213 205 180 192 192
12
Muestra 1 Muestra 2
Tam. Muestra 𝑛1 15 𝑛2 15
Promedio 𝑥1 196.4 𝑥2 192.07
Desv. Estan. 𝑠1 10.48 𝑠2 9.44
Varianza 𝑠12 109.83 𝑠22 89.07
Significancia 0.05
a) ¿Los datos apoyan la afirmación de que la temperatura de deflexión bajo carga para la
tubería de tipo 2 es mayor que para la tubería de tipo 1? Para llegar a una conclusión
utilice α = 0.05 y suponga que las varianzas de ambas poblaciones son iguales.
¿ 𝜇2 > 𝜇1 ? 𝑒𝑠 𝑙𝑜 𝑚𝑖𝑠𝑚𝑜 ¿ 𝜇1 < 𝜇2 ?
α= 0.05
𝐶𝑜𝑛 𝜎1 = 𝜎2 2
2
𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 < 𝜇2
α= 0.05
𝑡𝑐𝑟𝑖𝑡𝑖𝑐𝑜 = 𝑡1−𝛼 , 𝑛1+𝑛2−2
= 𝑡0.975 , 28 = 2.4671
2
𝑅𝐶 = {𝑡 /𝑡 < −2.4671}
𝑥̅1 − 𝑥̅2
𝑡=
2 2
√𝑠𝑝 + 𝑠𝑝
𝑛1 𝑛2
(𝑛1 − 1)𝑠12 + (𝑛2 − 1)𝑠22 𝑠𝑝2 = 99.447619
𝑠𝑝2 =
𝑛1 + 𝑛2 − 2
𝑡= 1.19002349 ∉ 𝑅𝐶
Entonces se acepta Ho por lo tanto se rechaza Hi, es decir que la deflexión en la tubería 2 no es mayor
que de la tubería 1
P= 0.1239
Valor P = 0.1239 > 0.05 entonces se acepta Ho y esto es que la deflexion en la tuberia 2 no es
mayor que de la tuberia 1
13
c) Construya diagramas de caja para las dos muestras. ¿Estas graficas apoyan la hipótesis
de que las varianzas son iguales? Escriba una interpretación práctica para estas
gráficas.
Gráfico Caja y Bigotes
TIPO 1
TIPO 2
10.- El motor de un cohete se fabrica al unir dos tipos de propulsores; uno de encendido y
uno de impulso. Se piensa que la resistencia al esfuerzo cortante de la unión es una función
lineal de la edad en semanas del propulsor cuando se arma el motor. En la tabla siguiente
aparece la información recolectada.
Número de Resistencia y Edad x
observación (psi) (semanas)
1 2158.70 15.50
2 1678.15 23.75
3 2316.00 8.00
4 2061.30 17.00
5 2207.50 5.00
6 1708.30 19.00
7 1784.70 24.00
8 2575.00 2.50
9 2357.90 7.50
10 2277.70 11.00
11 2165.20 13.00
12 2399.55 3.75
13 1779.80 25.00
14 2336.75 9.75
15 1765.30 22.00
16 2053.50 18.00
14
17 2414.40 6.00
18 2200.50 12.50
19 2654.20 2.00
20 1753.70 21.50
a) Dibuje un diagrama de dispersión de los datos ¿Parece plausible utilizar como modelo
de regresión una línea recta?
Gráfico de RESISTENCIA (PSI) vs EDAD (SEMANAS)
2800
2600
RESISTENCIA (PSI)
2400
2200
2000
1800
1600
0 5 10 15 20 25
EDAD (SEMANAS)
Los puntos en el diagrama realizado parecen tener una asociación negativa, indicaría esto que
a medida que aumente la resistencia el tiempo disminuye.
15
Gráfico del Modelo Ajustado
RESISTENCIA (PSI) = 2625.39 - 36.9618*EDAD (SEMANAS)
2800
2600
RESISTENCIA (PSI)
2400
2200
2000
1800
1600
0 5 10 15 20 25
EDAD (SEMANAS)
16
SSe 176601.8231
muestra 20
Sxx 1114.659375
σ2 9811.212392
f) Obtenga los valores ajustados ŷi que corresponden a cada valor observado yi. Haga una
grafico de ŷ contra yi y haga un comentario sobre la forma que tendría esta grafica si
la relación lineal entre la resistencia al esfuerzo y la edad fuese perfectamente
determinista (sin error). ¿La grafica indica que la edad es un regresor razonable para
el modelo?
Ei Y.est
108.50 2050.20
-67.98 1746.13
-10.63 2326.63
66.38 1994.92
-229.70 2437.20
-212.91 1921.21
47.78 1736.92
45.66 2529.34
12.84 2345.06
11.64 2216.06
22.85 2142.35
-83.72 2483.27
79.74 1700.06
74.62 2262.13
-45.33 1810.63
95.44 1958.06
14.05 2400.35
17
39.72 2160.78
106.43 2547.77
-75.36 1829.06
Sí, debido a que se infiere que mientras al aumentar el y^ la resistencia aumenta, y con respecto a la
edad pasa lo contrario.
g) Realice una grafico de donde considere a ŷi como ordenada y al error como abscisas.
2500.00
2000.00
1500.00
1000.00
500.00
0.00
-250.00 -200.00 -150.00 -100.00 -50.00 0.00 50.00 100.00 150.00
𝑥 = 20
𝑌 = 𝐵0 + 𝐵1 𝑋 = 2641.49 − 36.86𝑋 = 2641.49 − 36.86(20) = 1884.3481
18
11.- Se efectúa un estudio sobre el desgaste de un cojinete (y) y su relación con x1 =
viscosidad del aceite y x2 = carga. Se obtienen los datos siguientes:
Y X1 X2
193 1.6 850
230 15.5 816
172 22.0 1058
91 43.0 1201
113 33.0 1357
125 40.0 1115
1000
500
0
0 50 100 150 200 250
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,93
Coeficiente de determinación R^2 0,86
R^2 ajustado 0,77
Error típico 25,55
Observaciones 6
19
b. Ajuste un modelo de regresión lineal múltiple a los datos de la tabla anterior.
d. Ajuste un modelo de regresión lineal múltiple con un término de interacción entre los
datos.
Error Estadístico
Parámetro Estimación Estándar T Valor-P
B0 125.202 197.03 0.635444 0.5901
B1 7.77765 7.48005 1.03979 0.4076
B2 0.0951177 0.219791 0.432765 0.7074
B3 -0.00920874 0.00753116 -1.22275 0.3460
ANAVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 12991.5 3 4330.5 7.73 0.1167
Residuo 1120.49 2 560.243
Total (Corr.) 14112.0 5
e. Utilice el modelo del inciso d para hacer una predicción cuando x1 = 25 y x2 = 1000.
Compare esta predicción con el valor calculado en el inciso c.
y = 125.202 + 7.77765 x1 + 0.0951177 x2 - 0.00920874 x1x2
f.
Desgaste (y) = 125.202 + 7.77765 (25) + 0.0951177 (1000)- 0.00920874 (25000)
Desgaste (y) = 184.542
Se deduce que el desgaste del cojinete a una viscosidad de 25, una carga de 1000 y una
interacción entre viscosidad y carga se produce un desgaste de 184.542
𝑅 2 = 𝑟 2 ∗ 100 = 77
20
El 77% de la variación de desgaste está explicada por la asociación con la viscosidad del aceite y la
carga por el modelo de regresión.
25
22
19
respuesta
16
13
10
7
15 20 25 30 35
21
Criterio de aceptación y rechazo:
Cuando Ho Es decir
NO SE Los tratamientos son
RECHAZA iguales
o bien
nivel de significancia
SE Existe al menos un
RECHAZA nivel que produce un
o bien efecto significativo al
𝛼.
nivel de significancia
25
22
19
respuesta
16
13
10
7
15 20 25 30 35
22
Casos Media Grupos
Homogéneos
15 5 11.8 X
20 5 15.4 X
25 5 15.6 X
35 5 16.0 X
30 5 16.4 X
15 - 20 -3.6 7.03315
15 - 25 -3.8 7.03315
15 - 30 -4.6 7.03315
15 - 35 -4.2 7.03315
20 - 25 -0.2 7.03315
20 - 30 -1.0 7.03315
20 - 35 -0.6 7.03315
25 - 30 -0.8 7.03315
25 - 35 -0.4 7.03315
30 - 35 0.4 7.03315
13.- Un Ingeniero está interesado en el efecto que tiene la rapidez de corte (A), la configuración
(B) y el ángulo de corte (C), sobre la duración de la herramienta. Se eligieron dos niveles de
cada factor y se realiza un diseño factorial 23 con tres replicas. Los resultados se muestran a
continuación:
A B C Combinación Replicas
de
Tratamientos
- - - (1) 22 31 25
+ - - a 32 43 29
- + - b 35 34 50
+ + - ab 55 47 46
- - + c 44 45 38
+ - + ac 40 37 36
- + + bc 60 50 54
+ + + abc 39 41 47
a. Estime los efectos de los factores. ¿Cuáles de estos efectos resultan ser mayores? Se
recomienda, para esta etapa, utilizar gráficos.
23
Gráfico de Interacciones
50 angulo de corte
-1
1
47
44
duracion
41
38
35
32
-1 1
velocidad de corte
Gráfico de Interacciones
50 angulo de corte
-1
1
46
duracion
42
38
34
30
-1 1
configuracion
Gráfico de Interacciones
50 velocidad de corte
-1
1
47
44
duracion
41
38
35
32
-1 1
angulo de corte
24
b. Utilice el análisis de varianza, a fin de confirmar sus conclusiones para el inciso a. Nivel
de confiabilidad del 95%.
Análisis de Varianza para duracion - Suma de Cuadrados Tipo III
EFECTOS PRINCIPALES
El StatAdvisor
La tabla ANOVA descompone la variabilidad de duración en contribuciones debidas a varios
factores. Puesto que se ha escogido la suma de cuadrados Tipo III (por omisión), la contribución de
cada factor se mide eliminando los efectos de los demás factores. Los valores-P prueban la
significancia estadística de cada uno de los factores. Puesto que 3 valores-P son menores que 0.05,
estos factores tienen un efecto estadísticamente significativo sobre duración con un 95.0% de nivel
de confianza.
El StatAdvisor
La tabla ANOVA particiona la variabilidad de duración en piezas separadas para cada uno de los
efectos. entonces prueba la significancia estadística de cada efecto comparando su cuadrado medio
contra un estimado del error experimental. En este caso, 3 efectos tienen una valor-P menor que 0.05,
indicando que son significativamente diferentes de cero con un nivel de confianza del 95.0%.
25
Por los resultados obtenidos anteriormente se puede concluir que: los efectos significativos son:
rapidez de corte, configuración, Angulo de corte y la interacción de rapidez de corte y la
configuración. Los niveles recomendados para obtener mayor resistencia son nivel alto de rapidez
de corte, nivel alto de configuración y nivel bajo del ángulo de corte.
26