EVALUACION CONTINUA DEL CURSO: DISEÑO

EXPERIMENTAL – INGENIERIA METALURGICA

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 diagrama de
2.5 puntos y
realice un
2 comentario
con respecto
1.5 a los datos.

0.5

0
74 74 74 74 74 74 74 74 74 74

COMENTARIO: Como se observa en el gráfico, la mayoría de estos diámetros

se muestran una vez, ese dato lo indica la frecuencia; que nos expresa la
cantidad de datos. El diámetro de 74.005mm, su frecuencia es 2, y no solo
ellos sino también se puede interpretar a este valor como la moda. También
se puede observar una cierta discordancia con el diámetro de 74.015mm,
en el aspecto que se encuentra alejado de los otros diámetros, pero no en la
frecuencia puesto que esta es 1.

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).

2 2 2 2
4 2 4 0
1 0 9 9
2 1 2 2
5 9 5 1
8 4 1 2
2 2 2 1
3 4 3 8
7 5 8 5
2 2 2 1
1 0 1 8
0 9 0 7
1 2 1 2
9 0 9 1
4 1 8 8
2 1 1 1
2 9 9 9
5 5 9 0
2 2 1 1
4 5 8 7
8 5 3 5
2 2 2 1
0 4 1 7
3 5 3 8
1 2 2 1
9 3 3 7
5 5 6 5
2 2 2 1
4 2 4 9
9 0 5 0

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

GRA F I CO SER I ES - TI EMP O

FUERZA DE TIRANTES - CONECTOR

270 FUERZA DE TIRANTES - CONECTOR

175
178
250 183
185
187
230 190
194
195
210 198
199
201
190 203
209
210
170 212
0 10 20 30 40 213
TIEMPO 218
220
225
235

COMENTARIO:
En esta grafica a lo largo de ese tiempo (años), se ha visto una distribución
en líneas generales normal, ya que ninguno de los datos presenta cierta
 anomalía en el tiempo ni en la fuerza de los tirantes. En los primeros 11
intervalos (cada intervalo con un ancho de clase de dos) o en otras palabras
hasta el año 22, se puede ver la mayor fuerza de los tirantes para un
conector. Luego en los tres próximos intervalos o hasta el año 28, de
muestra un deceso en esta fuerza de los tirantes, luego nuevamente
aumenta, pero finalmente 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.

Tabla de Frecuencias para VISCOSIDAD

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 12.625 12.3125 1 0.0125 1 0.0125
2 12.625 13.25 12.9375 2 0.0250 3 0.0375
Histograma
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
24
5 14.5 15.125 14.8125 13 0.1625 45 0.5625
6 15.125
20
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
16.375 17.0 16.6875 8 0.1000 80 1.0000
frecuencia

mayor de 17.0 0 0.0000 80 1.0000

12

8
b) Grafique un histograma con la tabla de frecuencia anterior.
4

0
12 13 14 15 16 17
viscosidad
COMENTARIO:

En el histograma se puede evidenciar una mayor viscosidad en el cuarto

intervalo y una menor en el primero. Asimismo, es un histograma de las
frecuencias absolutas.

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

aproximado que corresponde al valor del 80 % de los datos para la
viscosidad.

Histograma

80

60
frecuencia

40

20

0
12 13 14 15 16 17
viscosidad
d) Determine el percentil 30 y percentil 70.

Fórmula para hallar el percentil:

P X =n ( 100X )+ 0.5
 Para hallar el percentil 30:
30
P30=80 ( 100 )+ 0.5
P30=24.5
Ordenando los datos de menor a mayor, se tomarán las posiciones 24
y 25, donde se encuentras los números 14.3 y 14.3 respectivamente,
la suma y división entre 2 de estos es el P30, que es 14.3.
 Para hallar el percentil 70:

70
P70=80 ( 100 )+ 0.5
P70=56.5
Se tomarán las posiciones 56 y 57, donde se encuentran los números
15.3 y 15.3 respectivamente. La suma y división entre 2 de estos es
el P70, que es 15.3.

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

Resumen Estadístico para VISCOSIDAD

Rango 4.4
Cuartil Inferior 14.3
Cuartil Superior 15.55
Rango 1.25
Intercuartílico

COMENTARIO:
Este dato es hallado a partir de la diferencia del cuartil superior e
inferior. Además, el número que se encuentra entre estos datos es la
media por lo cual decimos que los datos se encuentran
estrechamente relacionados y con una amplitud deseada. Por lo cual
el rango intecuartilico es evidencia de lo antes mencionado ya que su
valor no es muy alto.

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

 Gráfico de Caja y Bigotes

17

16

15
viscosidad

14

13

12

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

Promedio 14.898
8

h) Determine el valor de la desviación Estándar muestral.

X
Desviación Estándar 0.98037628
Muestral
i) Determine el
valor de la mediana. Compare con el promedio. Explique si hubiera
diferencia.
Promedio 14.8988
Mediana 14.9

COMENTARIO

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

COMENTARIO Coeficiente de 0.0791378

asimetría (g) 9
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 -
0.26281
9

 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.- 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 provienen de una distribución normal.

2 2 2 2
4 2 4 0
1 0 9 9
2 1 2 2
5 9 5 1
8 4 1 2
2 2 2 1
3 4 3 8
7 5 8 5
2 2 2 1
1 0 1 8
0 9 0 7
1 2 1 2
9 0 9 1
4 1 8 8
2 1 1 1
2 9 9 9
5 5 9 0
2 2 1 1
4 5 8 7
8 5 3 5
2 2 2 1
0 4 1 7
3 5 3 8
1 2 2 1
9 3 3 7
5 5 6 5
2 2 2 1
 4 2 4 9
9 0 5 0

SOLUCION:

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

Comentario. - En la grafico podemos apreciar la existencia de una

alta probabilidad de que los datos obtenidos provengan de una
distribución normal, debido a su comportamiento visto, son datos con
un comportamiento estables.

5.- 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 n 2
= 10 botellas e la maquina 2. Los volúmenes promedio de llenado
son ẍ 1 = 30.87 onzas de líquido y ẍ2 = 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.
X1
Nivel de 30.87
σ1
confianza 0.1
90%
n1 12
1.644853
0.0986649
z(α/2)
X2
Límite Inferior 30.68634
σ2
Limite 0.15
0.2813350
n2
Superior 10 6
 COMENTARIO: Las dos máquinas no tienen el mismo volumen, ya que el
intervalo de confianza al 90% no incluye el valor del 0, en ningún momento
estas distribuciones son iguales; ósea la diferencia de medias no es igual.

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.

X1 30.87 Nivel de
σ1 0.1 confianza 95%
n1 12 1.959963
X2 30.68 z(α/2) 98
σ2 0.15 Límite Inferior 0.08116757
n2 10 Limite Superior 0.29883243
COMENTARIO:
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.

X1 30.87 Nivel de
σ1 0.1 confianza 99%
2.575829
n1 12
z(α/2) 3
X2 30.68
0.0469699
Límite Inferior
σ2 0.15 4
Limite
n2 0.3330300
10
Superior 6

COMENTARIO:

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.

6.- 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:

Cataliza 57. 66. 65. 65. 65. 62. 67. 63. 67. 71.
dor 1 9 2 4 4 2 6 6 7 2 0
 Cataliza 66. 71. 70. 69. 64. 69. 68. 69. 65. 68.
dor 2 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 desconocida.

a) Encuentre un intervalo de confianza del 95 % para la

diferencia entre las medias de las concentraciones activas
suponiendo que ambas varianzas son iguales.

Catalizador 1 Catalizador 2
Promedio 65.22 68.42
Varianza 11.864 4.946222222
N 10 10
Sp 2.899156966
t(α/2,n1+n2-2) 2.10092204
Limite inferior -5.92393453
Limite superior -0.47606547
COMENTARIO:
Al 95% de confianza, las distribuciones no son iguales ya que en el
intervalo no se encuentra el valor de 0; por lo tanto, sus respectivos
promedios no se demuestran que lleguen a ser iguales.

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

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

Catalizador 1 Catalizador 2

COMENTARIO:

A partir de la estimación de los intervalos, podemos notar que no existe la

presencia del 0 entre estos por lo cual estas distribuciones no son iguales lo
que hace entender que existe una diferencia estadísticamente significativa
entre las medias de las dos muestras, con un nivel de confianza del 95.0%.

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.

7.- 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 19 19 17 17 19
6 3 2 7 6 8
18 20 21 19 18 18
8 7 0 7 5 8
20 18 19 20 20 18
5 5 4 6 0 9
18 18 17 20 19 20
7 9 8 1 7 3
19 21 20 18 19 19
4 3 5 0 2 2

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.
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

COMENTARIO:
Entonces con los cálculos realizados, podemos notar que no
rechazamos Ho al 95% ósea aceptamos que las distribuciones pueden
ser iguales, asimismo estos datos no apoyan para afirmar que
temperatura de deflexión de la tubería 2 sea mayor que la tubería 1.
b) Calcule 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

COMENTARIO
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.

d) Suponga que, si la temperatura de deflexión promedio para la

tubería de tipo 2 es mayor que la de la tubería 1, tanto como
5 oF, entonces es importante detectar esta diferencia con una
probabilidad de al menos 0.90. Para este problema, ¿resulta
adecuada le selección n1 = n2 = n = 15

µ Temp. De deflexion bajo carga

Ho µ1 = µ2
H1 µ1 < µ2
α 0.9
 X1 196.4 Rechazamos Ho si: ItoI < -t(α,n1+n2-2)
X2 192.066667 1.19002349 < -1.31252678
N1 15 Entonces NO rechazamos Ho
N2 15
S1 10.4799128
S2 9.4375138
Sp 9.97234271
to 1.19002349
t(α,n1+n2-2) 1.31252678
COMENTARIO:
No, a partir de esa condición se sigue aceptando Ho, a pesar
que se cambió el α a 0.90 y que la diferencia entre los
promedios es cercano a 5.

8.- 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 Resistenc Edad x

de ia y (semana
observaci (psi) s)
ón
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?
Si, a pesar que otras graficas muestran lo mismo solo con cierta
variación en las curvas, en realidad cualquier grafica es buena para
representar el modelo.

Gráfico de RESISTENCIA (PSI) vs EDAD (SEMANAS)

2800

2600

2400
RESISTENCIA (PSI)

2200

2000

1800

1600
0 5 10 15 20 25
EDAD (SEMANAS)

Gráfico del Modelo Ajustado

RESISTENCIA (PSI) = 2625.39 - 36.9618*EDAD (SEMANAS)

2800

2600

2400
RESISTENCIA (PSI)

2200

2000

1800

1600
0 5 10 15 20 25
EDAD (SEMANAS)
 b) Encuentre las estimaciones de mínimos cuadrados para la
pendiente y la ordenada al origen del modelo de regresión
lineal simple.

Pendiente B1 -36.9617966
Intercepto Bo 2625.38546

Coeficientes
Mínimos Estándar Estadístico
Cuadrados

Parámetr Estimado Error T Valor-P

o
Intercepto 2625.39 45.3468 57.8957 0.0000
Pendiente -36.9618 2.96681 -12.4584 0.0000
c) Estime σ2 y los
errores estándar de β0 y β1 de los regresores del modelo
lineal.

Mínimos Estándar Estadístico

Cuadrados
Parámetr Estimado Error T Valor-P
σ^2 8828.09113
o
Intercepto 2625.39 45.3468 57.8957 0.0000
Pendiente -36.9618 2.96681 -12.4584 0.0000 Regresión Simple -
RESISTENCIA (PSI)
vs. EDAD (SEMANAS)
Variable dependiente: RESISTENCIA (PSI) (Y)
Variable independiente: EDAD (SEMANAS) (X)
Lineal: Y = a + b*X

Coeficientes
Mínimos Estándar Estadístico
Cuadrados
Parámetr Estimado Error T Valor-P
o
Intercepto 2625.39 45.3468 57.8957 0.0000
Pendiente -36.9618 2.96681 -12.4584 0.0000

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

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

El StatAdvisor
La salida muestra los resultados de ajustar un modelo lineal para describir la relación entre
RESISTENCIA (PSI) y EDAD (SEMANAS). La ecuación del modelo ajustado es

RESISTENCIA (PSI) = 2625.39 - 36.9618*EDAD (SEMANAS)

Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relación
estadísticamente significativa entre RESISTENCIA (PSI) y EDAD (SEMANAS) con un nivel de
confianza del 95.0%.

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 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?

Si, la edad es un regresor razonable, ya que como se puede observar

en la gráfica hay una alta probabilidad que con los datos trabajados
provengan de una distribución normal. Comparando esta grafica con
la “resistencia vs edad” existe similitud ya que los puntos no están
tan dispersos de la gráfica.

Gráfica Y^ vs ERROR
12

10

0
0 2 4 6 8 10 12

g) Realice una grafico de donde considere a ŷi como ordenada y

al error como abscisas.

COMENTARIO:
Se observa mayor tendencia de los puntos en el lado izquierdo, esto
indicando que error en muchos casos fue negativo o con resultados
no muy altos, lo que quiere decir que el Y^ fue mayor que el Yi.

h) Si el modelo es adecuado, Estime la resistencia al esfuerzo

promedio de un motor construido con un propulsor armado
hace 20 semanas.
En el modelo:

RESISTENCIA (PSI) = 2625.39 - 36.9618*EDAD

(SEMANAS)
Calculando la resistencia:
y=2625.39−36.9618∗20
y=1886.154
Entonces, es un resultado relacionado a la gráfica, no muy distante de ella,
que argumenta la idea antes mencionada, que a menor resistencia mayor
edad.
9.- 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. 816
0 5
17 22. 105
2 0 8
91 43. 120
0 1
11 33. 135
3 0 7
12 40. 111
5 0 5

a. Realice una gráfica y verifique si los datos corresponderían a un

modelo de regresión lineal múltiple.

Grafico de Regresion Lineal Multiple

240

210

180
observado

150

120

90
90 120 150 180 210 240
predicho

COMENTARIO. – 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 R^2 0.86124453

- Para el segundo modelo:

Coeficiente de determinación R^2 0.92060051

10.- 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:

SUMATORIA PROMEDIO
49 9.8
a. Dibuje diagramas de cajas 77 15.4
comparativos, de los porcentajes 88 17.6 de
algodón. 108 21.6
54 10.8
 Gráfico Caja y Bigotes

25

22

19
respuesta

16

13

10

7
MADERA 15% MADERA 20% MADERA 25% MADERA 30% MADERA 35%

b. Realice una prueba de hipótesis de:

H0: µ15 = µ20 = µ25 = µ30 = µ35
H1: µ15 ≠ µ20… (por lo menos uno diferente). Utilice un nivel
de confianza del 95%.

Tabla ANAVA

Fuente Suma de Gl Cuadrado Medio Razón-F Valor-P

Cuadrados
Tratamiento 475.76 4 118.94 14.76 0.0000
Error 161.2 20 8.06
Total (Corr.) 636.96 24

f(α,a-1,a(n-1)) 2.8660814
Rechazamos Ho si:
Fo > f (α, a-1, a(n-1))
14.76 > 2.8660814
Entonces, si rechazamos Ho por lo cual aceptamos la hipótesis
alternativa donde por lo menos alguna distribución o promedio es
diferente, y comprobado teóricamente y en una gráfica se evidencia
eso.

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

MADERA 15% -2.8 -2.8 5.2 1.2 0.8

MADERA 20% -3.4 1.6 -3.4 2.6 2.6
MADERA 25% -3.6 0.4 0.4 1.4 1.4
MADERA 30% -2.6 3.4 0.4 -2.6 1.4
MADERA 35% -3.8 -0.8 0.2 4.2 0.2
 COMENTARIO.- Como se puede observar, el comportamiento de los
puntos obtenidos en la gráfica es de carácter aleatorio, lo que nos
indica resultados positivos ayudando a nuestro discernimiento en el
análisis estadístico.

d. De validar H1, realice la comparación de promedios por

cualquier método de comparación (Tuckey, LSD, Múltiples
Duncan, a elección).
Haciendo los respectivos cálculos para cada operación.
 Comparando µ15 - µ20:
-10.89 ≤ µ15 - µ20 ≤ -0.31
Rpta: No son iguales
 Comparando µ15 - µ25:
-13.09 ≤ µ15 - µ25 ≤ -2.51
Rpta: No son iguales
 Comparando µ15 - µ30:
-17.09 ≤ µ15 - µ30 ≤ -6.51
Rpta: No son iguales
 Comparando µ15 - µ35:
-6.29 ≤ µ15 - µ35 ≤ 4.29
Rpta: Si son iguales
 Comparando µ20 - µ25:
-7.49 ≤ µ20 - µ25 ≤ 3.09
Rpta: Si son iguales
 Comparando µ20 - µ30:
-11.49 ≤ µ20 - µ30 ≤ -0.91
Rpta: No son iguales
 Comparando µ20 - µ35:
-0.69 ≤ µ20 - µ35 ≤ 9.89
Rpta: Si son iguales
  Comparando µ25 - µ30:
-9.29 ≤ µ25 - µ30 ≤ 1.29
Rpta: Si son iguales
 Comparando µ25 - µ35:
1.51 ≤ µ25 - µ35 ≤ 12.09
Rpta: No son iguales
 Comparando µ30 - µ35:
5.51 ≤ µ30 - µ35 ≤ 16.09
Rpta: No son iguales

11.- 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) 2 3 2
2 1 5
+ - - a 3 4 2
2 3 9
- + - b 3 3 5
5 4 0
+ + - ab 5 4 4
5 7 6
- - + c 4 4 3
4 5 8
+ - + ac 4 3 3
0 7 6
- + + bc 6 5 5
0 0 4
+ + + abc 3 4 4
9 1 7

a. Estime los efectos de los factores. ¿Cuáles de estos efectos resultan

ser mayores?. Se recomienda, para esta etapa, utilizar gráficos.
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?.
d. Cuales niveles de a,b y c, recomendaría usted.