UNIVERSIDAD NACIONAL DE SAN

AGUSTÍN
FACULTAD DE INGENIERIA DE PROCESOS
ESCUELA PROFESIONAL DE ING
METALURGICA

CURSO: DISEÑOS EXPERIMENTALES

METALURGICOS
TEMA:
EVALUACION CONTINUA

INTEGRANTE:
FIERRO TORRES Diego Edson

DOCENTE:
ING, Luis Alberto Alvarez Soto

Arequipa – Perú
2019
 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
2.5

1.5

0.5

0
74 74 74 74 74 74 74 74 74 74

COMENTARIO: En el grafico se puede observar que los datos se muestran una

vez

Cabe mencionar que estos datos nos indican la frecuencia es decir la cantidad
de cada uno de ellos, el diámetro de 74,005 mm su frecuencia es 2 se puede
dar a conocer que también podría ser la moda se puede notar una discordancia
con el diámetro de 74.015mm ya que se encuentra alejado de otros diámetros

2.- En una prueba de Laboratorio se mide la fuerza de tirantez de un conector.

Los siguientes son los datos obtenidos ( y registrados en orden ) para 40
muestras bajo prueba ( de arriba hacia abajo y de izquierda a derecha ).

24 220 249 209

1
25 194 251 212
8
23 245 238 185
7
21 209 210 187
0
19 201 198 218
4
22 195 199 190
5
24 255 183 175
8
20 245 213 178
 3
19 235 236 175
5
24 220 245 190
9

a.- Construya una gráfica de series de tiempo, para estos datos. Comente el
resultado.

GRAFICA DE SERIES DE TIEMPO

300

250
FUERZA DE TIRANTEZ

200

150

100

50

0
0 5 10 15 20 25 30 35 40 45
ORDEN DE MEDICIONES

COMENTARIO:

En la grafica indica que a lo largo del tiempo representado en años se ha visto

una distribución en líneas generales normales ninguno presenta anomalías, se
puede apreciar que hasta el año 22 se puede ver la mayor fuerza de los
tirantes de un conector. Los 3 próximos intervalos muestran un deceso en esta
fuerza de los tirantes, luego esta vuelve a descender, siendo esta última parte
la más baja en el gráfico.

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.
13.3 14.5 15.3 15.3 14.3 14.8 15.2 14.5 14.6 14.1 14.3 16.1 13.1 15.5 12.6 14.6 14.3 15.4 15.2 16.8
14.9 13.7 15.2 14.5 15.3 15.6 15.8 13.3 14.1 15.4 15.2 15.2 15.9 16.5 14.8 15.1 17.0 14.9 14.8 14.0
15.8 13.7 15.1 13.4 14.1 14.8 14.3 14.3 16.4 16.9 14.2 16.9 14.9 15.2 14.4 15.2 14.6 16.4 14.2 15.7
16.0 14.9 13.6 15.3 14.3 15.6 16.1 13.9 15.2 14.4 14.0 14.4 13.7 13.8 15.6 14.5 12.8 16.1 16.6 15.6

a) Construya una tabla de frecuencias con los datos de viscosidad del

proceso químico.
 Límite Límite Frecuenci Frecuencia Frecuencia
a
Clase Inferior Superior Punto Medio Frecuenci Relativa Acumulada Rel. Acum.
a
menor o 12.0 0 0.0000 0 0.0000
igual
1 12.0 12.625 12.3125 1 0.0125 1 0.0125
2 12.625 13.25 12.9375 2 0.0250 3 0.0375
3 13.25 13.875 13.5625 8 0.1000 11 0.1375
4 13.875 14.5 14.1875 21 0.2625 32 0.4000
5 14.5 15.125 14.8125 13 0.1625 45 0.5625
6 15.125 15.75 15.4375 20 0.2500 65 0.8125
7 15.75 16.375 16.0625 7 0.0875 72 0.9000
8 16.375 17.0 16.6875 8 0.1000 80 1.0000
mayor de 17.0 0 0.0000 80 1.0000

b) Grafique un histograma con la tabla de frecuencia anterior.

Histograma

18

15

12
frecuencia

0
12 13 14 15 16 17
VISCOSIDAD

c) Grafique un ojiva de frecuencia acumulada, y determine el valor

aproximado que corresponde al valor del 80 % de los datos para la
viscosidad.
 OJIVA DE FRECUENCIA ACUMULADA

100

80

60
porcentaje

40

20

0
12 13 14 15 16 17
VISCOSIDAD

• EL VALOR APROXIMADO AL 80% DE LOS DATOS PARA

VISCOSIDAD ES 15,8

d) Determine el percentil 30 y percentil 70.

Para hallar el percentil 30:

Percentil 30 :14.3

Para hallar el percentil 70:

Percentil 70 :15.3

e) ¿Cuál es el valor del rango intercuartilico? . Comente el resultado.

El rango intercuartílico es pequeño, lo que indica que los datos no están

muy dispersos

f) Construya un diagrama de caja, con los datos de la tabla anterior.

 Gráfico de Caja y Bigotes

17

16
VISCOSIDAD

15

14

13

12

g) ¿Cuál es el valor del promedio de los datos?

PROMEDIO: 14.8988

h) Determine el valor de la desviación Estándar muestral.

DESVIACIÓN ESTÁNDAR: 0.980376

i) Determine el valor de la mediana. Compare con el promedio. Explique si

hubiera diferencia.
MEDIANA: 14.9

Existe una mínima diferencia entre estos valores, lo cual indica la

presencia de valores muy extremos y que estos datos no presentan una
distribución normal, por más mínima que sea la diferencia

j) Cuál es el valor del coeficiente de asimetría?. ¿Qué implica este valor?

Comente
COEFICIENTE DE ASIMETRÍA: 0.079137889

Se refiere a si la curva que forman los valores de la serie presenta la

misma forma a izquierda y derecha de un valor central (media
aritmética). En este caso g > 0 por lo tanto presenta una distribución
asimétrica positiva; existe mayor concentración de valores a la derecha
de la media que a su izquierda

k) Determine el valor de la curtosis. ¿ Este valor se puede vincular con

alguna propiedad de los datos ?
CURTOSIS: -0.262819
 •Esta relacionada al coeficiente de asimetría, ya que la curtosis es la
medida de forma que mide cuan achatada o escarpada esta una curva o
distribución, y como sabemos el coeficiente de asimetría es la curva que
forman los valores.

4.- Se analizan los discos de policarbonato de un proveedor para determinar su

resistencia a las rayadura y a los golpes. A continuación se resumen los
resultados obtenidos al analizar 100 muestras
Resistencia golpes
alta baja
alta 80 9
Resistencia rayadura
baja 6 5

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 rayaduras. Determine

a) El número de discos en A ∩ B,

b) El número de discos en A’

c) El número de discos en A U B. Dibuje un diagrama de Venn que

represente los datos, en cada uno de los casos.

d) Determine la probabilidad de
• P(A)
0.80+0.06=0.86
 • P(A’)
0.09+0.05=0.14
• P(A∩B)’
0.09+0.05+0.06=0.2
• P(AUB)
0.80+0.06+0.09=0.95
• P(A’UB)
0.80+0.09+0.05=0.94

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?

b) ¿Cuántas muestras de cinco contienen exactamente un chip que no

cumple con los requerimientos?

1. se toma 8 medidas del diametro interno de los anillos para pistones del motor

c) ¿Cuántas muestras de cinco contienen exactamente un chip que

cumple con los requerimientos?

6.- En el problema 2, se realiza una prueba de Laboratorio y se mide la fuerza

de tirantez de un conector. Los siguientes son los datos obtenidos ( y
registrados en orden ) para 40 muestras bajo prueba ( de arriba hacia abajo y
de izquierda a derecha ), determine si los datos proviene de una distribución
normal.

24 220 249 209

1
25 194 251 212
8
23 245 238 185
7
21 209 210 187
0
19 201 198 218
4
22 195 199 190
5
 24 255 183 175
8
20 245 213 178
3
19 235 236 175
5
24 220 245 190
9

PRUEBA DE NORMALIDAD
2.5
2
1.5
1
0.5
0
170 180 190 200 210 220 230 240 250 260 270
-0.5
-1
-1.5
-2
-2.5

Se puedo observar que los puntos obtenidos pueden llegar a formar una
función lineal , por lo que la prueba seria positiva.

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 n 1 = 12
botellas de la maquina 1 y n2 = 10 botellas e la maquina 2 . Los volúmenes
promedio de llenado son ẍ 1 = 30.87 onzas de líquido y ẍ 2 = 30 .68 onzas de
líquido. ¿Las dos máquinas tienen igual volumen de llenado de detergente?

a) Construya un intervalo de confianza bilateral del 90 % para la

diferencia entre las medias del volumen de llenado.

Nivel de Límite Inferior 0.09866494

confianza 90% Limite
z(α/2) 1.64485363 Superior 0.28133506
Las dos máquinas no tienen el mismo
volumen, ya que el intervalo de confianza al 90% no incluye el valor
 b) Construya un intervalo de confianza bilateral del 95 % para la
diferencia entre las medias de volumen de llenado. Compare el
ancho de este intervalo con el ancho del calculado en el inciso a.

Nivel de
Límite Inferior 0.08116757 confianza 95%
Limite Superior 0.29883243 z(α/2) 1.95996398

Las dos máquinas no tienen el mismo volumen de llenado, ya que el

intervalo al 95% no incluye el valor del 0, por consiguiente estas
distribuciones no son iguales y la diferencia de medias no es igual.

c) Construya un intervalo de confianza superior del 95 %, para la

diferencia de medias del volumen de llenado.

Nivel de Límite Inferior 0.04696994

confianza 99% Limite Superior 0.33303006
z(α/2) 2.5758293

Al 99%, los volúmenes de llenado no son iguales, ya que en el intervalo de

confianza no incluye al valor del 0, lo que implica que sus distribuciones son
distintas y sus medias no son iguales al igual que su deferencia.

8.- Se piensa que la concentración del ingrediente activo de flotacion, 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:

Catalizado 57. 66. 65. 65. 65. 62. 67. 63. 67. 71.
r1 9 2 4 4 2 6 6 7 2 0
Catalizado 66. 71. 70. 69. 64. 69. 68. 69. 65. 68.
r2 4 7 3 3 8 6 6 4 3 8

Suponga que la concentración activa está distribuida normalmente y que la

varianza de la concentración activa de ambos tipos de catalizadores es
desconocido.
 a) Encuentre un intervalo de confianza del 95 % para la diferencia entre las
medias de las concentraciones activas suponiendo que ambas varianzas
son iguales.

catalizado catalizado Sp 2.899156

r1 r2 9
PROMEDI 65.22 68.42 t(α/2,n1+n2 2.100922
O -2)
VARIANZA 11.864 4.94622 limite -5.92393
N 10 10 inferior
limite -0.476065
Las distribuciones no son iguales al 95% superior de
confianza ya que en el intervalo no se
encuentra el valor de 0

b) Encuentre un intervalo de confianza del 95% para la diferencia entre las

concentraciones activas promedio, suponiendo que las varianzas no son
iguales.

Sp 2.1199052
a) catalizador catalizador t(α/2,n1+n2 16.813864
1 2 -2)
PROMEDI 65.22 68.42 limite -
O inferior 5.9485471
VARIANZA 11.864 4.94622 limite -
N 10 10 superior 0.4514528

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?

La longitud del intervalo de confianza del inciso “a” es 5.44786906 y la

longitud del intervalo del inciso “b” es 5.497094397. Se calcula que
mayor intervalo de confianza tiene el inciso “b” porque en este caso se
asume que las varianzas son diferentes, y es lo más correcto asumir en
estos casos ya que teóricamente se comprueba que estas varianzas si
son diferentes generando un mayor intervalo, pero aun así nos
demostramos que las distribuciones lleguen hacer iguales.

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
20 193 192 177 17 198
6 6
18 207 210 197 18 188
8 5
20 185 194 206 20 189
5 0
18 189 178 201 19 203
a) ¿Los datos 7 7 apoyan la afirmación
de que la 19 213 205 180 19 192 temperatura de
deflexión bajo 4 2 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.

µ Temp. De deflexion bajo carga

Ho µ1 = µ2
H1 µ1 > µ2
α 0.05

Rechazamos Ho si: ItoI > t(α,n1+n2-2)

1.19002349 > 1.70113093
Entonces NO rechazamos Ho
b) C
a lc
ule un valor P para la prueba del inciso a.

P-valor 0.873086637

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

220

210

200

190

180

170
TIPO 1 TIPO 2

Al ser esta una medida de dispersión, para comprobar su igualdad con

estas graficas al menos el promedio o la mediana deben ser iguales, al no
ser el caso se dice que las varianzas no son iguales y teóricamente también
esta comprobado

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.

Numero de Resistencia y Edad x

observació (psi) (semanas)
n
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
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?

Motor de un Cohete
Resistencia (PSI) = 2625.39 - 36.9618*Edad (Semanas)
b) Encuentre las
2800
estimaciones de
2600 mínimos
cuadrados para
2400
la pendiente y la
Resistencia (PSI)

2200
ordenada al
2000 origen del
modelo de
1800
regresión lineal
1600
simple.
0 5 10 15 20 25
Edad (Semanas)

Pendiente B1 -36.9617966
Intercepto Bo 2625.38546

c) Estime σ2 y los errores estándar de β0 y β1 de los regresores del modelo

lineal.

σ^2 8828.09113

Regresión Simple - RESISTENCIA (PSI) vs. EDAD (SEMANAS)

Variable dependiente: RESISTENCIA (PSI) (Y)
Variable independiente: EDAD (SEMANAS) (X)
Lineal: Y = a + b*X

Coeficientes
Mínimos Estánd Estadísti
Cuadrados ar co
Parámet Estimado Error T Valor-
ro P
Intercept 2625.39 45.346 57.8957 0.0000
o 8
Pendien -36.9618 2.9668 -12.4584 0.0000
te 1

Análisis de Varianza
Fuente Suma de Gl Cuadrado Razón- Valor-P
Cuadrados Medio F
Modelo 1.52282E6 1 1.52282E6 155.21 0.0000
Residuo 176602. 18 9811.21
Total 1.69942E6 19
(Corr.)

Coeficiente de Correlación = -0.946616

R-cuadrada = 89.6081 porciento
R-cuadrado (ajustado para g.l.) = 89.0308 porciento
Error estándar del est. = 99.0516
Error absoluto medio = 74.2133
Estadístico Durbin-Watson = 1.80601 (P=0.3569)
Autocorrelación de residuos en retraso 1 = 0.0482611

d) Pruebe la hipótesis de Ho : β1 = 0 contra H1 : β1 ≠ 0 , utilizando el

procedimiento del análisis de la varianza con α = 0.05.

Ho B1=0 to -26.8900382
H1 B1≠0 t(α/2,n-2) 2.10092204

Se rechaza Ho si: ltol > t (α/2, n-2)

26.8900382 > 2.10032204

Entonces si se rechaza Ho, al 95% de confianza aceptando la hipótesis

alternativa señalando que la pendiente es diferente de 0.

e) Determine el coeficiente de determinación del modelo. ( R 2).

R^2 0.89608118
f) Obtenga los valores ajustados ŷ i 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?

g) Realice una grafico de donde considere a ŷ i como ordenada y al error

como abscisas.
h) Si el modelo es adecuado, Estime la resistencia al esfuerzo promedio de
un motor construido con un propulsor armado hace 20 semanas..-

11.- Se efectúa un estudio sobre el desgaste de un cojinete (y) y su

relación con x1 = viscosidad del aceite y x 2 = carga. Se obtienen los datos
siguientes:

Y X1 X2
19 1.6 850
3
23 15.5 816
0
17 22.0 1058
2
91 43.0 1201
11 33.0 1357
3
12 40.0 1115
5
 a. Realice una gráfica y verifique si los datos corresponderían a un modelo
de regresión lineal multiple.

Como se puede apreciar en la gráfica, el comportamiento de los datos en la

representación visual, corresponde a un modelo de regresión lineal múltiple, es
decir que existe una alta probabilidad de que el enunciado sea correcto.

b. Ajuste un modelo de regresión lineal múltiple a los datos de la tabla

anterior.

Y=350.696689-1.27153741*X1-0.15366026*X2

c. Utilice el modelo para predecir el desgaste cuando x 1 = 25 y x2 =

1000.

Y=165.247994

d. Ajuste un modelo de regresión lineal múltiple con un término de

interacción entre los datos.

Y=125.201666+7.77764729*X1+0.09511774*X2-0.00920874*X1*X2
 e. Utilice el modelo del inciso d para hacer una predicción cuando x 1 =
25 y x2 = 1000. Compare esta predicción con el valor calculado en el
inciso c.

Y=184.5421921 este es el valor calculado con el modelo del inciso d. mientras

que el valor

calculado del inciso c. es Y=165.247994

f. Determine el coeficiente de determinación de ambos modelos.

- Para el primer modelo:

Coeficiente de determinación 0.8612445

R^2 3

- Para el segundo modelo:

Coeficiente de 0.9206005
determinación R^2 1

12.- En el diseño y análisis de experimentos tercera edición, se describe un

experimento en el que el fabricante está interesado en la resistencia a la
tensión de una fibra sintética, se sospecha que la resistencia está relacionada
con el porcentaje de algodón de la fibra. Para ello se emplea 5 niveles de
porcentaje de algodón y se corren 5 réplicas en orden aleatorio, con ello se
obtienen los datos siguientes:

Porcentaje Observaciones
de
Algodón
15 7 7 15 11 9
20 12 17 12 18 18
25 14 18 18 19 19
30 19 25 22 19 23
35 7 10 11 15 11

a. Dibuje diagramas de cajas comparativos, de los porcentajes de algodón.

b. Realice una prueba de hipótesis de:
H0: 15 = µ20 = µ25 = µ30 = µ35 Algodon
H1: µ15 ≠ µ20…. (por lo menos
uno 29

26

23

20
Dattos

17

14

11

5
1 2 3 4 5
diferente). Utilice un
nivel de confianza del 95%.

Fuente Suma de G Cuadrado Razón-F Valor-P

Cuadrados l Medio
Tratamie 475.76 4 118.94 14.76 0.0000
nto
Error 161.2 2 8.06
0
Total 636.96 2
(Corr.) 4

Rechazamos Ho si:
Fo > f (α, a-1, a(n-1))
14.76 > 2.8660814

c. Realice una gráfica de probabilidad normal de los residuos.

Algodon

10

2
Residuo

-2

-6

-10
1 2 3 4 5
Observacion
 d. De validar H1, realice la comparación de promedios por cualquier método
de comparación (Tuckey, LSD, Múltiples Duncan, a elección).

Comparación L.I. L.S.

U15-U20 -10.970601 -0.22939903
U15-U25 -13.170601 -2.42939903
U15-U30 -17.170601 -6.42939903
U15-U35 -6.37060097 4.37060097
U20-U25 -7.57060097 3.17060097
U20-U30 -11.570601 -0.82939903
U20-U35 -0.77060097 9.97060097
U25-U30 -9.37060097 1.37060097
U25-U35 1.42939903 12.170601
U30-U35 5.42939903 16.170601

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 de Replicas
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.

La
configuración(x2)
es el mayor
efecto
b. Utilice el análisis de varianza, a fin de confirmar sus conclusiones para el
inciso a. Nivel de confiabilidad del 95%.
c. Analice los residuos. ¿Existen problemas evidentes?.

Duracion de la Herramienta
d. Cuales niveles de a,b y c,
recomendaría
usted.
10

replica
Combinación A B C replica II
Residuos

0 I
-1 - - - 18,2 18.9
a
-10
+ - - 27,2 24.0
b - + - 15.9 14.5
ab Rapidez de Corte
+Configuracion
+Muestras - 41.0
Angulo de Corte
43.9
c - - + 12.9 14.4
ac + - + 22.4 22.5
bc - + + 15.1 14.2
abc + + + 36.3 39.9

Se recomendaría el nivel “b”, puesto que tiene un mayor efecto que los
otros.