8s - Problemas de Diseño y Regresión

DISEÑOS DE INVESTIGACIÓN DE OPERACIONES
PROBLEMAS DE DISEÑOS EXPERIMENTALES
Urbina Avendaño Francisco Dampier
Campos Guerrero Ivan Antony
Universidad Nacional de Piura
Facultad de Ingeniería Industrial
Escuela Profesional de Ingeniería Informática
Docente: Ing.Teobaldo León García
12 de octubre del 2020

2
Ejercicio 13.14 4
Resolución. 5
Ejercicio 13.16 8
Resolución. 9
Ejercicio 13.18 12
Resolución. 13
Ejercicio 14.1 16
Resolución. 17
Ejercicio 14.2 19
Resolución 20
Ejercicio 14.3 24
Resolución. 25
Ejercicio 14.16 28
Resolución. 29
Ejercicio 14.17 33
Resolución. 34
Ejercicio 11.1 38
Resolución. 41
Ejercicio 11.2 43
Resolución. 44
Ejercicio 11.3 45
Resolución. 46
Ejercicio 11.4 48
Resolución. 49
Ejercicio 11.5 50
Resolución. 51
Ejercicio 11.15 53
Resolución. 54
Ejercicio 11.16 55
3
Resolución. 55
Ejercicio 11.17 57
Resolución. 57
Ejercicio 12.2 58
Resolución. 59
Ejercicio 12.5 61
Resolución. 62
Ejercicio 12.12 64
Resolución. 66
Ejercicio 12.17 68
Resolución. 68
Ejercicio 12.25 69
Resolución. 69
4
Ejercicio 13.14
El Departamento de Alimentación y Nutrición Humana de Virginia Tech realizó el estudio
Loss of Nitrogen Through Sweat by Preadolescent Boys Consuming Three Levels of
Dietary Protein para determinar la pérdida de nitrógeno por transpiración con varios
niveles dietéticos de proteínas. En el experimento participaron 12 hombres pre
adolescentes cuyas edades iban de 7 años 8 meses a 9 años 8 meses, y a quienes se les
calificó clínicamente saludables. Cada muchacho estuvo sujeto a una de tres dietas
controladas en las cuales consumía 29, 54 y 84 gramos de proteínas por día. Los siguientes
datos representan la pérdida de nitrógeno corporal por transpiración, en miligramos,
recabados durante los dos días últimos del periodo de experimentación:
NIVEL DE PROTEÍNAS
29 GRAMOS 54 GRAMOS 84 GRAMOS
190 318 390
266 295 321
270 271 396
438 399
402
a) Realice un análisis de varianza a un nivel de significancia de 0.05, para demostrar que las
pérdidas medias de nitrógeno por transpiración son diferentes con los tres niveles de
proteínas.
5
b) Utilice una prueba de Tukey para determinar cuáles niveles de proteínas difieren
significativamente entre sí en la pérdida media de nitrógeno.
Resolución.
a).
Análisis de la Varianza para el modelo:
Yij = μ + τi + εij
Planteamiento de las hipótesis:
Ho: N_1 = N_2 =N_3
Ha: Al menos un nivel de proteína es diferente a los demás
Nivel de Significancia:
α = 0,05
RESUMEN
Grupos Cuenta Suma Promedio Varianza
29 Gramos 3 726 242 2032
54 Gramos 5 1724 344.8 5150.7
84 Gramos 4 1506 376.5 1383
ANÁLISIS DE
VARIANZA
Origen de las Suma de Grados de Promedio de F Probabili Valor crítico

variaciones cuadrados libertad los cuadrados dad para F
Entre grupos 32974.86 2 16487.43333 5.14949784 0.032298 4.256494729

7
Dentro de los grupos 28815.8 9 3201.755556
6
Total 61790.667 11
Conclusión
A un nivel de significancia α = 0.05, obtenemos F2,9,0.05 =4.256 de la tabla correspondiente
y puesto que Fo = 5.149 > F2,9,0.05 =4.256, se rechaza Ho con un α = 0.05 y se concluye
que las pérdidas medias de nitrógeno por transpiración son diferentes en al menos uno
de los tres niveles de proteínas.
b).
Medias
Dietas NMedia Desv.Est. IC de 95%

29 GRAMOS 3242.0 45.1 (168.1; 315.9)
54 GRAMOS 5344.8 71.8 (287.6; 402.0)
84 GRAMOS 4376.5 37.2 (312.5; 440.5)
Desv.Est. agrupada = 56.5841
Agrupar información utilizando el método LSD de Fisher y una confianza de 95%
Dietas N Media Agrupación
84 GRAMOS 4 376.5 A
54 GRAMOS 5 344.8 A
29 GRAMOS 3 242.0 B
Las medias que no comparten una letra son significativamente diferentes.

7
Conclusión
Los niveles de proteínas que difieren significativamente entre sí en la pérdida media de
nitrógeno son 29 gramos con 54 gramos y 29 gramos con 84 gramos; siendo
significativamente iguales en la pérdida media de nitrógeno 54 gramos y 84 gramos.

8
Ejercicio 13.16
Se realizó una investigación para determinar la fuente de reducción en el rendimiento de
cierto producto químico. Se sabía que la pérdida en el rendimiento ocurría en el licor madre,
es decir, el material eliminado en la etapa de filtración. Se pensaba que mezclas distintas del
material original podrían ocasionar reducciones diferentes del rendimiento en la etapa de licor
madre. A continuación se presentan los resultados de la reducción porcentual para tres lotes
de cada una de cuatro mezclas seleccionadas con anterioridad.
Mezcla
1 2 3 4
25,6 25,2 20,8 31,6
24,3 28,6 26,7 29,8
27,9 24,7 22,2 34,3
a) Haga el análisis de varianza al nivel de significancia α = 0.05.
b) Utilice la prueba de Duncan de rango múltiple para determinar cuáles mezclas difieren.
c) Resuelva el inciso b usando la prueba de Tukey.

9
Resolución.
a).
Ho: M_1 = M_2 =M_3=M_4
Ha: Al menos un tipo de mezcla es diferente a los demás.
α = 0,05
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
MEZCLA 3 119.65 39.883 7.10 0.012
Error 8 44.92 5.615
Total 11 164.57
Conclusión
A un nivel de significancia α = 0.05, obtenemos F3,8,0.05 = 4.066 de la tabla correspondiente y
puesto que Fo = 7.10 > F3,8,0.05 =4.066, se rechaza Ho con un α = 0.05 y se concluye que
las reducciones en el rendimiento medio de cierto producto químico son diferentes en al
menos uno de las cuatro mezclas.
b).
Medias
10
MEZCLA N Media Desv.Est. IC de 95%
1 3 25.93 1.82 (22.78; 29.09)
2 3 26.17 2.12 (23.01; 29.32)
3 3 23.23 3.08 (20.08; 26.39)
4 3 31.90 2.26 (28.75; 35.05)
Comparaciones en parejas de Fisher
Agrupar información utilizando el método LSD de Fisher y una confianza de

95%
MEZCL
A N Media Agrupación
4 3 31.90 A
2 3 26.17 B
1 3 25.93 B
3 3 23.23 B

11
Conclusión
12
La media de las reducciones en el rendimiento de cierto producto químico en las Mezclas 1, 2
y 3 son significativamente iguales a un nivel de confianza de α = 0.05, difiriendo en la Mezcla
4.
Ejercicio 13.18
Los siguientes datos son valores de presión (psi) en un resorte de torsión para valores distintos
del ángulo entre las vueltas del resorte en posición libre.
Ángulo
67 71 75 79 83
83 84 86 87 89 90
85 85 87 87 90 92
85 88 88 90
86 88 88 91
86 88 89
87 90
13
Calcule un análisis de varianza de un solo factor para este experimento y plantee sus
conclusiones acerca del efecto que tiene el ángulo sobre la presión en el resorte. (Tomado de
C. R. Hicks, Fundamental Concepts in the Design of Experiments, Holt, Rinehart y Winston,
Nueva York, 1973).
Resolución.
Ho: A_1 = A_2 =A_3 = A_4 =A_5
Ha: Al menos un ángulo difiere con respecto a los demás.
α = 0,05
ANGULO 4 99.02 24.756 21.40 0.000
Error 20 23.14 1.157
Total 24 122.16
Conclusión
14
A un nivel de significancia α = 0.05, obtenemos F4,20,0.05 = de la tabla correspondiente y
puesto que Fo = 24.756 > F4,20,0.05 = 2.866 , se rechaza Ho con un α = 0.05 y se concluye
que valores medios de presión (psi) en un resorte de torsión son diferentes en al menos
uno de los cinco ángulos entre las vueltas del resorte en posición libre.
Medias
ANGULO N Media Desv.Est. IC de 95%
67 2 84.00 1.41 (82.41; 85.59)
71 6 85.500 1.049 (84.584; 86.416)
75 1 87.818 1.079 (87.142; 88.495)

1
79 4 90.000 0.816 (88.878; 91.122)
83 2 91.00 1.41 (89.41; 92.59)
Agrupar información utilizando el método LSD de Fisher y una confianza de

95%
ANGULO N Media Agrupación
83 2 91.00 A
79 4 90.000 A
75 11 87.818 B
71 6 85.500 C
67 2 84.00 C

15
Conclusión
16
La media de los valores de presión (psi) en un resorte de torsión en los Ángulos 83 y 79 son
significativamente iguales; y en los Ángulos 71 y 67 son significativamente iguales a un nivel
de confianza de α = 0.05, difiriendo de los cinco el ángulo 75.
Ejercicio 14.1
Se realizó un experimento para estudiar los efectos de la temperatura y el tipo de horno sobre
la vida de un componente en particular. En el experimento se utilizaron 4 tipos de horno y 3
niveles de temperatura. Se asignaron 24 piezas al azar, 2 para cada combinación de
tratamientos y se registraron los siguientes resultados.
Temperatura (°F) Horno
O1 O2 O3 O4
500 227 214 225 260
221 259 236 229
550 187 181 232 246
208 179 198 273

17
600 174 198 178 206
202 194 213 219
A un nivel de significancia de 0.05 pruebe las hipótesis de que
a) Las diferentes temperaturas no tienen efecto en la vida del componente.
b) Los diferentes hornos no tienen efecto en la vida del componente.
c) No hay interacción entre el tipo de horno y la temperatura.
Resolución.
Yijk = μ + αi + βj + (αβ)ij + eijk
H01: T_1 = T_2 = T_3
Ha1: Al menos un efecto es diferente de los demás.
H02: O_1 = O_2 = O_3 = O_4
H03: (TO)34 = 0
18
α = 0,05
Información del factor
Factor Niveles Valores
Temperatu 3 500; 550;

ra 600
Horno 4 O1; O2;

O3; O4
Modelo 11 13283 1207.6 3.78 0.015
Lineal 5 10157 2031.4 6.36 0.004
Temperatura 2 5194 2597.0 8.13 0.006
Horno 3 4963 1654.4 5.18 0.016
Interacciones de 2 6 3126 521.0 1.63 0.222

términos
Temperatura*Horno 6 3126 521.0 1.63 0.222
Error 12 3833 319.5
Total 23 17117
Conclusión
a).
A un nivel de significancia α = 0.05, obtenemos F2,12,0.05 = 3.885 de la tabla correspondiente
y puesto que Fo = 8.13 > F2,12,0.05 = 3.885, se rechaza Ho1 con un α = 0.05 y se concluye al
menos un efecto de temperatura es diferente a los demás, deduciendo que las diferentes
temperaturas si tienen efecto en la vida del componente.
b).
19
puesto que Fo =5.18 > F3,12,0.05 = 3.49 , se rechaza Ho2 con un α = 0.05 y se concluye que
los diferentes hornos si tienen efecto en la vida del componente.
c).
puesto que Fo = 1.63 < F6,12,0.05 = 2.99, se acepta Ho3 con un α = 0.05 y se concluye que
las interacciones entre temperaturas y hornos afectan en forma significativamente igual
en la vida de un componente en particular. es decir no hay interacción entre el tipo de
horno y la temperatura que influya en la vida útil del componente.
Ejercicio 14.2
El Departamento de Nutrición Humana y Alimentos del Virginia Tech realizó un estudio
titulado Vitamin C Retention in Reconstituted Frozen Orange Juice sobre la estabilidad de la
vitamina C en el concentrado de jugo de naranja congelado reconstituido y almacenado en un
refrigerador durante un periodo de hasta una semana. Se probaron 3 tipos de concentrado de
jugo de naranja congelado en 3 períodos distintos, los cuales se refieren al número de días
transcurridos desde que se mezcló el jugo hasta que se probó. Se registraron los resultados en
miligramos de ácido ascórbico por litro. Utilice un nivel de significancia de 0.05 para probar
las hipótesis de que:
a) No hay diferencias en el contenido de ácido ascórbico entre las diferentes marcas de
concentrado de jugo de naranja.
b) No existen diferencias en el contenido de ácido ascórbico para distintos periodos.
c) No hay interacción entre las marcas de concentrado de jugo de naranja y el número de días
transcurridos desde que el jugo se mezcló hasta que se probó.

20
Tiempo (días)
Marca 0 3 7
Richfood 52,6 54,2 49,4 49,2 42,7 48,8
49,8 46,5 42,8 53,2 40,4 47,6
Sealed-Sweet 56 48 48,8 44 49,2 44
49,6 48,4 44 42,4 42 43,2
Minute Maid 52,5 52 48 47 48,5 43,3
51,8 53,6 48,2 49,6 45,2 47,6
Resolución
H01:M_Richfood = M_Sealed-Sweet= M_Minute Maid
Ha1: Al menos una de las marcas difieren del resto.

21
H02: 0 = 3 = 7
Ha2 : Al menos uno de los tiempos(días) difieren al resto.
H03 : (M_Richfood0)11 = (M_Richfood1)12 = · · · = (M_Minute Maid7)33
Ha3: Al menos una de las (Marca Tiempo)ij difieren al resto.
α = 0,05
ANÁLISIS DE VARIANZA DE DOS FACTORES CON VARIAS MUESTRAS POR

GRUPOS
RESUMEN 0 3 7 Total
Richfood
Cuenta 4 4 4 12
Suma 203.1 194.6 179.5 577.2
Promedio 50.775 48.65 44.875 48.1
Varianza 11.4291667 18.5966667 15.8625 19.0090909
Sealed-Sweet
Cuenta 4 4 4 12
Suma 202 179.2 178.4 559.6
Promedio 50.5 44.8 44.6 46.6333333
Varianza 13.9066667 7.68 10.08 16.7987879
Minute Maid
Cuenta 4 4 4 12
Suma 209.9 192.8 184.6 587.3

22
Promedio 52.475 48.2 46.15 48.9416667
Varianza 0.64916667 1.14666667 5.55 9.57719697
Total
Cuenta 12 12 12
Suma 615 566.6 542.5
Promedio 51.25 47.2166667 45.2083333
Varianza 7.91909091 10.7015152 9.08628788
ANÁLISIS DE VARIANZA
Origen de las Suma de Grados de Promedio F Probabilida Valor crítico para

variaciones cuadrados libertad de los d F
cuadrados
Muestra 32.7516667 2 16.3758333 1.7359 0.19533141 3.354130829

3702 4
Columnas 227.211667 2 113.605833 12.042 0.00018254 3.354130829

903
Interacción 17.3216667 4 4.33041667 0.4590 0.76502527 2.727765306

5026 6
Dentro del grupo 254.7025 27 9.43342593
Total 531.9875 35
a).
A un nivel de significancia α = 0.05, de la tabla correspondiente y puesto que Fo = 1.7359 <
Ftabla= 3.354130829, se acepta Ho1 con un α = 0.05 y se concluye que no existe diferencia
en los contenidos de ácido ascórbico entre las diferentes marcas de concentrado de jugo de
naranja
23
b).
A un nivel de significancia α = 0.05, de la tabla correspondiente y puesto que Fo = 12.042903
> Ftabla= 3.354130829, se rechaza Ho2 con un α = 0.05 y se concluye que existe existen
diferencias en el contenido de ácido ascórbico medio para distintos periodos.
c).
A un nivel de significancia α = 0.05, obtenemos F6,12,0.05 = 2.99 de la tabla
correspondiente y puesto que Fo = 0.45905026 < Ftabla= 2.727765306 se acepta Ho3 con
un α = 0.05 y se concluye que no hay interacción entre las marcas de concentrado de jugo de
naranja y el número de días transcurridos desde que el jugo se mezcló hasta que se probó.
24
Ejercicio 14.3
Se estudió el desempeño de 3 cepas de ratas en una prueba de laberintos en 2 condiciones
ambientales diferentes. Se registraron las puntuaciones de error de las 48 ratas:
Cepa
Ambiente Brillante Mezclada Torpe
Libre 28 12 33 83 101 94
22 23 36 14 33 56
25 10 41 76 122 83
36 86 22 58 35 23
Restringido 72 32 60 89 136 120
48 93 35 126 38 153
25 31 83 110 64 128
91 19 99 118 87 140
Utilice un nivel de significancia de 0.01 para probar las hipótesis de que
a) no hay diferencia en las puntuaciones de error para ambientes diferentes;
b) no existe diferencia en las puntuaciones de error para cepas diferentes;
c) no hay interacción entre los ambientes y las cepas de las ratas.

25
Resolución.
H01: A_Libre = A_Restringido
H02: C_Brillante = C_Mezclada = C_Torpe
H03: (A_LibreBrillante )11=· · · =(A_RestringidoTorpe)23
Ha1: Al menos uno de los ambientes difiere al resto.
Ha2 : Al menos uno de los cepas difiere al resto.
Ha3: Al menos una de las (ambiente cepa)ij difiere al resto.
α = 0,01
RESUMEN Brillante Mezclada Torpe Total
Libre
Cuenta 8 8 8 24
Suma 242 363 547 1152

26
Promedio 30.25 45.375 68.375 48
Varianza 576.785714 614.83928 1341.125 1027.21739

6
Restringido
Cuenta 8 8 8 24
Suma 411 720 866 1997
Promedio 51.375 90 108.25 83.2083333
Varianza 896.267857 933.71428 1664.7857 1650.25906

6 1
Total
Cuenta 16 16 16
Suma 653 1083 1413
Promedio 40.8125 67.6875 88.3125
Varianza 806.429167 1253.6958 1826.7625

3
ANÁLISIS DE VARIANZA
Origen de las Suma de Grados Promedi F Probabili Valor crítico

variaciones cuadrados de o de los dad para F
libertad cuadrado
s
Muestra 14875.52083 1 14875.52 14.8076 0.000398 4.0726537

083 0856 816 59
Columnas 18154.16667 2 9077.083 9.03564 0.000544 3.2199422

333 3077 791 93
Interacción 1235.166667 2 617.5833 0.61476 0.545562 3.2199422

333 3836 862 93
Dentro del 42192.625 42 1004.586

grupo 31
27
Total 76457.47917 47
a).
A un nivel de significancia α = 0.01, de la tabla correspondiente y puesto que Fo =
14.8076086 > Ftabla = 7.279561145, se rechaza Ho1 con un α = 0.01 y se concluye que si
hay diferencia en las puntuaciones de error para ambientes diferentes
b).
A un nivel de significancia α = 0.01, de la tabla correspondiente y puesto que Fo
=9.035643077 > Ftabla =3.219942293 , se rechaza Ho2 con un α = 0.01 y se concluye
existe diferencia en las puntuaciones de error para cepas diferentes;
c).
A un nivel de significancia α = 0.01, de la tabla correspondiente y puesto que Fo =
0.614763836 < Ftabla =3.219942293, se acepta Ho3 con un α = 0.01 y se concluye no hay
interacción entre los ambientes y las cepas de las ratas.

28
Ejercicio 14.16
Considere una situación experimental que implique los factores A, B y C, en la que se supone
un modelo de efectos fijos de 3 factores de la forma yijkl = μ + αi + βj + γk + (βγ)jk + ijkl. Se
considera que todas las demás interacciones no existen o son despreciables. Los datos se
presentan en seguida.
B1 B2
c1 c2 c3 c1 c2 c3
A1 4.0 3.4 3.9 4.4 3.1 3.1
4.9 4.1 4.3 3.4 3.5 3.7
A2 3.6 2.8 3.1 2.7 2.9 3.7
3.9 3.2 3.5 3.0 3.2 4.2
A3 4.9 3.3 3.6 3.6 2.9 2.9
3.7 3.8 4.2 4.2 3.3 3.5
A4 3.6 3.2 3.2 3.2 2.9 3.6
3.9 2.8 3.4 3.4 3.2 4.3
a) Haga una prueba de significancia sobre la interacción BC al nivel α = 0.05.

29
b) Desarrolle pruebas de significancia sobre los efectos principales A, B y C usando un
cuadrado medio del error agrupado, con un nivel α = 0.05.
Resolución.
yijkl = μ + αi + βj + γk + (βγ)jk + ijkl.
H01: A_1 = A_2 = A_3 =A_4
H02: B_1 = B_2
H03: C_1 = C_2 =C_3
H04: A_1*B_1 = … = A_4*B_2
H05: A_1*C_1 = … = A_4*C_3
H06: B_1*C_1 = … = B_2*C_3
H07: A_1*B_1*C_1 = … = A_4**B_2*C_3
Ha: Al menos un efecto es diferente de los demás.

30
α = 0,05
B 2 1; 2
C 3 1; 2; 3
A 4 1; 2; 3; 4
SC MC Valor
Fuente GL Ajust. Ajust. F Valor p
Modelo 14 7,932 0,5665 2,99 0,005
Lineal 6 5,425 0,9042 4,77 0,001
B 1 1,203 1,2033 6,35 0,017
C 2 2,062 1,0308 5,44 0,009
A 3 2,160 0,7200 3,80 0,019
Interacciones de 2 2 1,062 0,5308 2,80 0,075

términos
31
B*C 2 1,062 0,5308 2,80 0,075

términos
B*C*A 6 1,445 0,2408 1,27 0,298
Error 33 6,255 0,1895
Falta de ajuste 9 1,875 0,2083 1,14 0,374
Error puro 24 4,380 0,1825
Total 47 14,187
a)
A un nivel de significancia α = 0.05, obtenemos F2,33,0.05 =3.28491 de la tabla
correspondiente y puesto que Fo = 2.80> F2,33,0.05 = 3.885, se admite Ho6 con un α = 0.05
concluyendo que la interacción B*C en forma igual en los datos presentados.
b)
Ho1:HA un nivel de significancia α = 0.05, obtenemos F3,33,0.05 =2.89156352 de la tabla
correspondiente y puesto que Fo = 3.80> F3,33,0.05 =2.89156352, se rechaza Ho1 con un α =
0.05, concluyendo que la media de los valores del factor A afecta en forma diferenciada
a los datos presentados.

32
Ho2:HB un nivel de significancia α = 0.05, obtenemos F1,33,0.05 =4.1392525 de la tabla
correspondiente y puesto que Fo = 6.35> F1,33,0.05 = 4.1392525, se rechaza Ho2 con un α =
0.05 concluyendo que la media de los valores del factor B afecta en forma diferenciada a
los datos presentados.
Ho3:HC un nivel de significancia α = 0.05, obtenemos F2,33,0.05 =3.28491 de la tabla
correspondiente y puesto que Fo = 5.44> F2,33,0.05 = 3.885, se rechaza Ho3 con un α = 0.05,
concluyendo que la media de los valores del factor c afecta en forma diferenciada a los
datos presentados.
33
Ejercicio 14.17
Los siguientes datos son medidas de un experimento donde se usaron 3 factores, A, B y C,

todos de efectos fijos.
C1 C2 C3
B1 B2 B3 B1 B2 B3 B1 B2 B3
A1 15.0 14.8 15.9 16.8 14.2 13.2 15.8 15.5 19.2
18.5 13.6 14.8 15.4 12.9 11.6 14.3 13.7 13.5
22.1 12.2 13.6 14.3 13.0 10.1 13.0 12.6 11.1
A2 11.3 17.2 16.1 18.9 15.4 12.4 12.7 17.3 7.8
14.6 15.5 14.7 17.3 17.0 13.6 14.2 15.8 11.5
18.2 14.2 13.4 16.1 18.6 15.2 15.9 14.6 12.2
a) Haga pruebas de significancia sobre todas las interacciones a un nivel α = 0.05.
b) Realice pruebas de significancia sobre los efectos principales a un nivel α = 0.05.
c) Dé una explicación de la forma en que una interacción significativa enmascara el efecto del
factor C.
Resolución.
yijkl = μ + αi + βj + γk + (βγ)jk + ijkl.

34
H01: A_1 = A_2
H02: C_1 = C_2 =C_3
H03: B_1=B_2=B_3
H04: A_1*C_1 = … = A_2*C_3
H05: A_1*B_1 = … = A_2*B_3
H06: C_1*B_1 = … = C_3*B_3
H07: A_1*C_1*B_1 = … = A_2*C3*B_3
Ha: Al menos un efecto es diferente de los demás.
α = 0,05

35
C 3 1; 2; 3
B 3 1; 2; 3
A 2 1; 2
MC
Fuente GL SC Ajust. Ajust. Valor F Valor p
Modelo 17 187,244 11,014 2,68 0,006
Lineal 5 76,210 15,242 3,71 0,008
C 2 17,651 8,826 2,15 0,132
B 2 56,318 28,159 6,85 0,003
A 1 2,241 2,241 0,54 0,465

términos
C*B 4 21,561 5,390 1,31 0,285
C*A 2 31,203 15,601 3,79 0,032
B*A 2 31,471 15,736 3,83 0,031

términos
C*B*A 4 26,799 6,700 1,63 0,188
Error 36 148,040 4,112
Total 53 335,284
36
a) Interacciones A,B,C.
Ho4:HCA un nivel de significancia α = 0.05, obtenemos F2,36,0.05 =3.25944631 de la
tabla correspondiente y puesto que Fo = 3.79 > F2,36,0.05 =3.25944631, se rechaza Ho4
con un α = 0.05, concluyendo que la interacción A*C afecta en forma diferenciada
en los datos presentados.
Ho5:HBA un nivel de significancia α = 0.05, obtenemos F2,36,0.05 =3.25944631 de la
tabla correspondiente y puesto que Fo = 3.83 > F2,36,0.05 =3.25944631, se rechaza Ho5
con un α = 0.05, concluyendo que la interacción A*B afecta en forma diferenciada
en los datos presentados.
Ho6:HCB un nivel de significancia α = 0.05, obtenemos F4,36,0.05 =2.63353209 de la
tabla correspondiente y puesto que Fo = 1.31 < F4,36,0.05 =2.63353209, se admite Ho6
con un α = 0.05, concluyendo que la interacción C*B afecta en forma igual en los
datos presentados.
Ho7:HACB un nivel de significancia α = 0.05, obtenemos F4,36,0.05 =2.63353209, de la
tabla correspondiente y puesto que Fo = 1.63 > F4,36,0.05 =2.63353209,, se admite Ho7
con un α = 0.05, concluyendo que la interacción A*C*B afecta en forma igual en los
datos presentados.
37
b)
Ho1:HA un nivel de significancia α = 0.05, obtenemos F1,36,0.05 =4.11316528 de la tabla
correspondiente y puesto que Fo = 0.54 > F1,36,0.05 =4.11316528, se admite Ho1 con un α
= 0.05, concluyendo que la media de los valores del factor A afecta en forma igual a los
datos presentados.
Ho2:HC un nivel de significancia α = 0.05, obtenemos F2,36,0.05 =3.25944631 de la tabla
correspondiente y puesto que Fo = 2.15 > F2,36,0.05 =3.25944631, se admite Ho2 con un α
= 0.05, concluyendo que la media de los valores del factora afecta en forma diferenciada
a los datos presentados. concluyendo que la media de los valores del factor C afecta en
forma igual a los datos presentados.
Ho3:HB un nivel de significancia α = 0.05, obtenemos F2,36,0.05 =3.25944631 de la tabla
correspondiente y puesto que Fo = 6.85 > F2,36,0.05 =3.25944631, se rechaza Ho3 con un
α = 0.05, concluyendo que la media de los valores del factora afecta en forma
diferenciada a los datos presentados. concluyendo que la media de los valores del factor
B afecta en forma diferenciada a los datos presentados.

38
c)
El efecto principal C es insignificante, pero la interacción AC la enmascara, ya que es
significativa.
Ejercicio 11.1
Se realizó un estudio en Virginia Tech para determinar si ciertas medidas de la fuerza estática
del brazo influyen en las características de “levantamiento dinámico” de un individuo.
Veinticinco individuos se sometieron a pruebas de fuerza y luego se les pidió que hicieran una
prueba de levantamiento de peso, en el que el peso se elevaba en forma dinámica por encima
de la cabeza. A continuación se presentan los datos.
Individual Fuerza del Brazo, x Levantamiento dinámico,y

39
1 17.3 71.7
2 19.3 48.3
3 19.5 88.3
4 19.7 75.0
5 22.9 91.7
6 23.1 100.0
7 26.4 73.3
8 26.8 65.0
9 27.6 75.0
10 28.1 88.3
11 28.2 68.3
12 28.7 96.7
13 29.0 76.7
14 29.6 78.3
15 29.9 60.0
16 29.9 71.7
17 30.3 85.0
18 31.3 85.0
19 36.0 88.3
20 39.5 100.0
21 40.4 100.0
22 44.3 100.0
23 44.6 91.7
24 50.4 100.0
25 55.9 71.7
40
a) Estime los valores de β0 y β1 para la curva de regresión lineal μy|x= β0+ β1 x
b) Calcule un estimado puntual de μY|30.
c) Grafique los residuales en comparación con las x (fuerza del brazo). Comente los
resultados.
Resolución.
a).
Curva de regresión lineal: μy|x= β0+ β1 x
Ecuación de regresión
Y = 64.53 + 0.561x
Donde:
Y: Levantamiento dinámico.
41
X = Fuerza del Brazo
De lo que se obtiene:
β0 : 64.53
- Interpretación: β0 representa el término autónomo o independiente, en donde si la
fuerza de brazo aplicada es cero entonces el levantamiento dinámico será 64.53.
β1 :0.561
- Interpretación: Por cada unidad de fuerza de brazo existirá un aumento de 0.561 en el
levantamiento dinámico.
b).
Configuración
Valor de
Variable configuración
Fuerza del 30
Brazo, x
Predicción
EE de
Ajuste ajuste IC de 95% IP de 95%
81.3561 2.67469 (75.8231; 86.8891) (53.3324; 109.380)
Estimado puntual de μY|30 será 81.3561 a un nivel de confianza del 95%.
c). Gráfica de residuales en comparación con las x (fuerza del brazo)

42
Se puede observar que el valor de los residuales (diferencia entre Valor observado y el Valor
calculado) de los valores de X, difieren entre sí de manera muy notoria.
Ejercicio 11.2
Las siguientes son las calificaciones de un grupo de 9 estudiantes en un informe de medio
semestre (x) y en el examen final (y):
x 77 50 71 72 81 94 96 99 67
y 82 66 78 34 47 85 99 99 68
a) Estime la recta de regresión lineal.

43
b) Calcule la calificación final de un estudiante que obtuvo 85 de calificación en el informe de
medio semestre.
Resolución.
a).
Curva de regresión lineal: μy|x= β0+ β1 x
Ecuación de la Recta: Y = 12.06 + 0.7771X
Lo que significa que si en el informe medio (x) obtiene una nota igual a cero, entonces la nota
del examen final (y) será 12.06.
Por cada punto obtenido en en el informe medio (x) su nota de examen final (y) aumentará en
0.7771.
b).
44
Configuración
Valor de
X 85
Predicción
EE de
Ajuste ajuste IC de 95% IP de 95%
78.1194 7.06602 (61.4109; (29.1385;

94.8278) 127.100)
La calificación final de un estudiante que obtuvo 85 de calificación en el informe de medio
semestre es de 78.1194 en promedio.
Ejercicio 11.3
Se registraron las cantidades de un compuesto químico y que se disuelve en 100 gramos de
agua a distintas temperaturas x:
x (°C) y (gramos)
0 8 6 8
15 12 10 14
30 25 21 24
45
45 31 33 28
60 44 39 42
75 48 51 44
a) Calcule la ecuación de la recta de regresión.
b) Grafique la recta en un diagrama de dispersión.
c) Estime la cantidad de producto químico que se disolverá en 100 gramos de agua a 50°C.
Resolución.
a)
Ecuación de la recta de regresión
y= 5.83 + 0.5676 x
Donde:
Y: Gramos de agua
X: Temperatura
De lo que se obtiene:
β0 : 5.83
- Interpretación: β0 representa el término autónomo o independiente, si la temperatura
es cero entonces los gramos de agua serán 583
β1 :0.5676
46
- Interpretación: Por cada unidad de temperatura existirá un aumento de 56.76 en los
gramos de agua.
b)
Según el gráfico que se presenta se puede deducir que la curva es normal, ya que los puntos
están alrededor de la línea siguiendo el mismo patrón de la recta.
c)
Configuración
Valor de
x (°C) 50
Predicción
Ajuste EE de ajuste IC de 95% IP de 95%

47
34.2063 0.674703 (32.7760; (28.5682;

35.6367) 39.8445)
La cantidad de producto químico que se disolverá en 100 gramos de agua a 50°C es de
34.2063 en promedio.
Ejercicio 11.4
Para fines de calibración se recabaron los siguientes datos, los cuales permitirían determinar
la relación entre la presión y la lectura correspondiente en la escala.
Presión, x (lb/pulg2) Lectura en la escala, y
10 13
10 18
10 16
10 15
10 20
50 86
50 90
50 88
50 88
50 92
a) Calcule la ecuación de la recta de regresión.

48
b) En esta aplicación el propósito de la calibración es estimar la presión a partir de una lectura
observada en la escala. Estime la presión para una lectura en la escala de 54, usando ˆx = (54
– b0)/b1.
Resolución.
a)
y = -1.70 + 1.8100 x
Donde:
y: Lectura en la escala
x: Presión (lb/pulg2)
b)
ˆx = (54 – b0)/b1.
ˆx = (54 - -1.70) / 1.8100
ˆx = 30.773
La presión para una lectura en la escala de 54 es igual a 30.773.
Ejercicio 11.5
Se realizó un estudio sobre la cantidad de azúcar convertida en cierto proceso a distintas
temperaturas. Los datos se codificaron y registraron como sigue:

49
Temperatura, x
Azúcar convertida, y
1 8.1
1.1 7.8
1.2 8.5
1.3 9.8
1.4 9.5
1.5 8.9
1.6 8.6
1.7 10.2
1.8 9.3
1.9 9.2
2 10.5
b) Calcule la cantidad media de azúcar convertida que se produce cuando se registra una
temperatura codificada de 1.75.
c) Grafique los residuales en comparación con la temperatura. Comente sus resultados.
Resolución.
a)
y = 6.414 + 1.809 x
50
Donde
Y: Azúcar convertida
X: Temperatura
b)
Configuración
Valor de
Temperatura, 1.75
x
Predicción
Ajuste EE de ajuste IC de 95% IP de 95%
9.57955 0.243145 (9.02951; (8.04642;

10.1296) 11.1127)
51
La cantidad media de azúcar convertida que se produce cuando se registra una temperatura
codificada de 1.75 será igual a 9.57955 en promedio.
c)
Se puede observar que el valor de los residuales (diferencia entre Valor observado y el Valor
calculado) de los valores de Temperatura (X), difieren entre sí de manera no muy notoria.
Ejercicio 11.15
Remítase al ejercicio 11.1 de la página 398
a) evalúe S2
52
b) Pruebe la hipótesis de que β1 = 0 en comparación con la alternativa de que β1 ≠ 0 a un
nivel de significancia de 0.05, e interprete la decisión resultante.
Resolución.
a)
Regresión 1 735.14 735.14 4.17 0.053
Fuerza del 1 735.14 735.14 4.17 0.053

Brazo, x
Error 23 4056.32 176.36
Falta de ajuste 22 3987.88 181.27 2.65 0.455
Error puro 1 68.45 68.45
Total 24 4791.46
S2: La variabilidad de los datos con respecto a su media de 176.36.
b)
Planteamiento de Hipótesis
Ho: β1 = 0
Ha: β1 ≠ 0
Nivel de significancia
53
α=0.05
Interpretación
A un nivel de significancia α = 0.05, obtenemos Valor de p = 0.053 > α=0.05 , se acepta Ho
con un α = 0.05 y se concluye que no hay diferencia significativa entre la media de las
fuerzas de los brazos.
Ejercicio 11.16
Remítase al ejercicio 11.2 de la página 398,
a) evalúe S2
b) construya un intervalo de confianza de 95% para β0
c) construya un intervalo de confianza de 95% para β1.
Resolución.
a)
SC
MC
Fuente GL Ajust. Ajust. Valor F Valor p
Regresión 1 1219 1218.9 3.21 0.116

54
x 1 1219 1218.9 3.21 0.116
Error 7 2654 379.1
Total 8 3873
S2: La variabilidad de las calificaciones con respecto a su media de 379.1
b)
Coeficientes Error Estadísti Proba Inferior Superior Inferio Superi

típico co t bilida 95% 95% r or
d 95.0% 95.0%
Intercepción 12.06232107 34.6611 0.34800 0.738 -69.89839 94.0230321 - 94.023

9872 646 06579 5 69.898 0321
39
x 0.777141599 0.43342 1.79301 0.116 - 1.80203311 - 1.8020

6797 6963 06437 0.247749 4 0.2477 3311
92 4992
Intervalo de confianza de 95% para β0 que es el término independiente: [-69.89838, 94.0230]
Al contener a cero en el intervalo se deduce que β0 no es significativo, es decir es
inconsistente.
c)
Intervalo de confianza de 95% para β1 que acompaña a las calificaciones de medio semestre:
[-0.247748, 1.8020]. Al contener a cero en el intervalo se deduce que β0 no es significativo,
es decir es inconsistente.
55
Ejercicio 11.17
Remítase al ejercicio 11.5 de la página 398
a) evalúe s2.
b) construya un intervalo de confianza de 95% para β0.
c) construya un intervalo de confianza de 95% para β1.
Resolución.
a)
G SC MC Valor Valor
Fuente L Ajust. Ajust. F p
Regresión 1 3.600 3.6001 9.00 0.015
Temperatura, 1 3.600 3.6001 9.00 0.015

x
Error 9 3.602 0.4002
Total 1 7.202
0
S2: La variabilidad de las calificaciones con respecto a su media de 0.4002
b)
Coeficien Error Estadíst Proba Inferi Superior Inferi Super

tes típico ico t bilida or 95% or ior
d 95% 95.0 95.0
% %
56
Intercepción 6.413636 0.92463 6.93637 6.786 4.321 8.5053128 4.321 8.505

364 8018 5361 5E-05 9598 78 9598 3128
5 5 8
Temperatura 1.809090 0.60316 2.99931 0.014 0.444 3.1735502 0.444 3.173

,x 909 7336 8431 9729 6316 19 6316 5502
2
Intervalo de confianza de 95% para β0 que es el término independiente: [4.3219, 8.5053] Al
no contener al cero en el intervalo se deduce que β0 es significativo, es decir válido para el
modelo.
c)
Intervalo de confianza de 95% para β1 que es el término independiente: [0.4446, 3.1735] Al
no contener al cero en el intervalo se deduce que β1 es significativo, es decir válido para el
modelo.
Ejercicio 12.2
En Applied Spectroscopy se estudiaron las propiedades de reflectancia infrarroja de un
líquido viscoso que se utiliza como lubricante en la industria electrónica. El experimento que
se diseñó consistió en medir el efecto de frecuencia de banda, x1, y el espesor de película, x2,
sobre la densidad óptica, y, usando un espectrómetro infrarrojo Perkin-Elmer Modelo 621.
(Fuente: Pacansky, J., England, C. D. y Wattman, R.,1986).
y x1 x2
0.231 740 1.1

57
0.107 740 0.62
0.053 740 0.31
0.129 805 1.1
0.069 805 0.62
0.03 805 0.31
1.005 980 1.1
0.559 980 0.62
0.321 980 0.31
2.948 1235 1.1
1.633 1235 0.62
0.934 1235 0.31
Resolución.
α = 0,05
Coeficientes
Término Coef EE del coef. IC de 95% Valor T Valor p FIV
Constante -3.373 0.636 (-4.811; -5.30 0.000

-1.934)
x1 0.003617 0.000612 (0.002232; 5.91 0.000 1.00

0.005001)
x2 0.948 0.361 (0.131; 1.764) 2.63 0.028 1.00
58
SC MC Valo Valo
Fuente GL SC Sec. Contribución Ajust. Ajust. rF rp
Regresi 2 6.901 82.28% 6.901 3.4504 20.9 0.000

ón 0
x1 1 5.763 68.71% 5.763 5.7627 34.9 0.000

1
x2 1 1.138 13.57% 1.138 1.1381 6.89 0.028
Error 9 1.486 17.72% 1.486 0.1651
Total 11 8.387 100.00%
b0 =-3.373 , b1 =0.003617, b2 =0.948
Y^ =-3.373 + 0.003617 x1 + 0.948 x2
Conclusión:
Cuando x1 de frecuencia de banda y x2 el espesor de la película son=0
entonces ‘y’ e igual -3.373
Por cada unidad de x1 ,y aumenta en 0.003617

59
Por cada unidad de x ,y aumenta en 0.948
Ejercicio 12.5
Se cree que la energía eléctrica que una planta química consume cada mes se relaciona con la
temperatura ambiental promedio, x1, el número de días del mes, x2, la pureza promedio del
producto, x3, y las toneladas fabricadas del producto, x4. Se dispone de datos históricos del
año anterior, los cuales se presentan en la siguiente tabla.
y x1 x2 x3 x4
240 25 24 91 100
236 31 21 90 95
290 45 24 88 110
274 60 25 87 88
301 65 25 91 94
316 72 26 94 99
300 80 25 87 97
296 84 25 86 96
267 75 24 88 110
276 60 25 91 105
288 50 25 90 100
261 38 23 89 98
60
Resolución.
Coeficientes
EE del
Valor
Término Coef coef. T Valor p FIV
Constante -103 208 -0.49 0.636
X1 0.605 0.369 1.64 0.145 2.32
X2 8.92 5.30 1.68 0.136 2.16
X3 1.44 2.39 0.60 0.567 1.34
X4 0.014 0.734 0.02 0.986 1.01
Regresi 4 4957.24 1239.31 5.11 0.030

ón
X1 1 653.63 653.63 2.69 0.145
X2 1 687.93 687.93 2.83 0.136
X3 1 87.68 87.68 0.36 0.567
X4 1 0.08 0.08 0.00 0.986
Error 7 1699.01 242.72
Total 11 6656.25
b0 =-103 , b1 =0.605, b2 =8.92,b3=1.44,b5=0.014
Y^ = -103 + 0.605 X1 + 8.92 X2 + 1.44 X3 + 0.014 X4

61
X1 = 75°F, X2 = 24 días, X3 = 90%, X4 = 98 toneladas.
Reemplazamos los valores de x1, x2,x3,x4:
Y^ =¿-103 + 0.605(75) + 8.92 (24) + 1.44 (90) + 0.014 (98)
Y^ = 287.427
Conclusión:
la temperatura ambiental promedio, x1, el número de días del mes, x2, la pureza promedio del
producto, x3, y las toneladas fabricadas del producto, x4.
Cuando x1 ,x2,x3,x4 es igual =0 entonces al reemplazar los valores de x1,x2,x3,x4 es
igual Y^ =287.427
Ejercicio 12.12
Los siguientes datos reflejan información obtenida en 17 hospitales de la marina
estadounidense ubicados en diversos sitios del mundo. Los regresores son variables de la
carga de trabajo, es decir, conceptos que dan como resultado la necesidad de personal en un
hospital. A continuación se presenta una descripción breve de las variables:

62
y = horas de trabajo mensuales,
x1 = carga diaria promedio de pacientes,
x2 = exposiciones de rayos X mensuales,
x3 = días-cama ocupados por mes,
x4 = población elegible en el área/1000,
x5 = duración promedio de la estancia de un paciente, en días.
Sitio x1 x2 X3 X4 X5 y
1 15.57 2463 472.92 18.0 4.45 566.52
2 44.02 2048 1339.75 9.5 6.92 696.82
3 20.42 3940 620.25 12.8 4.28 1033.15
4 18.74 6505 568.33 36.7 3.90 1003.62
5 49.20 5723 1497.60 35.7 5.50 1611.37
6 44.92 11,520 1365.83 24.0 4.60 1613.27
7 55.48 5779 1687.00 43.3 5.62 1854.17
8 59.28 5969 1639.92 46.7 5.15 2160.55
9 94.39 8461 2872.33 78.7 6.18 2305.58
10 128.02 20,106 3655.08 180.5 6.15 3503.93
11 96.00 13,313 2912.00 60.9 5.88 3571.59
12 131.42 10,771 3921.00 103.7 4.88 3741.40
13 127.21 15,543 3865.67 126.8 5.50 4026.52
14 252.90 36,194 7684.10 157.7 7.00 10,343.81

63
15 409.20 34,703 12,446.33 169.4 10.75 11,732.17
16 463.70 39,204 14,098.40 331.4 7.05 15,414.94
17 510.22 86,533 15,524.00 371.6 6.35 18,854.45
Resolución.
Coeficientes
EE del
Término Coef coef. Valor T Valor p FIV
Constante 2595 1339 1.94 0.079
X1 -24 125 -0.19 0.853 9720.

59
X2 -0.0132 0.0804 -0.16 0.873 1.39
X3 2.03 3.94 0.52 0.616 9017.

74
X4 -1.23 8.98 -0.14 0.893 22.71
X5 -526 254 -2.07 0.063 3.88
G MC Valor Valor
Fuente L SC Ajust. Ajust. F p
Regresi 5 491820745 98364149 148.60 0.000
ón
X1 1 23667 23667 0.04 0.853

64
X2 1 17756 17756 0.03 0.873
X3 1 176215 176215 0.27 0.616
X4 1 12488 12488 0.02 0.893
X5 1 2843134 2843134 4.30 0.063
Error 11 7281274 661934
Total 16 499102019
b0 =2595 , b1 =-24, b2 =-0.0132,b3=2.03,b4=-1.23,b5=-526
Y^ =2595 - 24 X1 - 0.0132 X2 + 2.03 X3 - 1.23 X4 - 526 X5
b0 =2595 , b1 =-24, b2 =-0.0132,b3=2.03,b4=-1.23,b5=-526
· Cuando b1, b2,b3,b4,b5 son =0 entonces ‘ ^y ’las horas de trabajo son = 2595
· b1 =-24: Por cada unidad ,’^y ’ las horas de trabajo disminuye en -24
· b2 =-0.0132: Por cada unidad de ,’^y ’ las horas de trabajo disminuye 0.0132
· b3=2.03:Por cada unidad de ,’^y ’ las horas de trabajo aumenta en 2.03
· b4=-1.23:Por cada unidad de ,’^y ’ las horas de trabajo disminuye en -1.23
· b5=-526: Por cada unidad de ,’^y ’ las horas de trabajo disminuye en -526
65
Ejercicio 12.17
Para los datos del ejercicio 12.2 de la página 450, estime σ 2
Resolución.
σ 2= es dado por la suma de cuadrados del error dividida entre sus grados de libertad.
SC SC Val Valor
Fuente GL Sec. Contribución Ajust. MC Ajust. or F p
Regresi 2 6.901 82.28% 6.901 3.4504 20.9 0.000

ón 0
x1 1 5.763 68.71% 5.763 5.7627 34.9 0.000

1
x2 1 1.138 13.57% 1.138 1.1381 6.89 0.028
Error 9 1.486 17.72% 1.486 0.1651
Total 11 8.387 100.00%
n=12
K=2
Grados de libertad =n−(k + 1)=12-2-1
Grados de libertad =9
SCE=1.486
σ 2=CME = SCE / n −( k+1)
1.486
σ 2= =0.1651
9
conclusión :
66
para poder deducir el estimador de la varianza se selecciona de la tabla de analisis de
varianza la fila de error.
El estimador de la varianzaσ 2en x1 ,x2 con respecto a su media es de 0.1651
Ejercicio 12.25
Utilice los datos del ejercicio 12.2 de la página 450 y el estimado de σ 2 del ejercicio 12.17
para calcular intervalos de confianza de 95% para la respuesta predicha y la respuesta media
cuando x1 = 900 y x2 =1.00.
Resolución.
Coeficientes
Valor
Término Coef EE del coef. IC de 95% T Valor p FIV
Constante -3.373 0.636 (-4.811; -1.934) -5.30 0.000
x1 0.003617 0.000612 (0.002232; 5.91 0.000 1.00

0.005001)
x2 0.948 0.361 (0.131; 1.764) 2.63 0.028 1.00
Y^ = -3.373 + 0.003617 x1 + 0.948 x2

Reemplazamos los valores de x1, x2:
Datos para encontrar la respuesta media cuando :

67
x1 = 900 y x2 =1.0
Y^ =-3.373 + 0.003617 (900)+ 0.948(1) =0.8303
t 0.025= 2.262 para 9 grados de libertad
SCT= 8.387 SCR= 6.901 n-p=9
Se =√ ❑
Se=0.4063
Fórmula
0.4516 < μY |x1=900,x2=1 < 1.2083
−0.1640 < y0 < 1.8239.

8s - Problemas de Diseño y Regresión

Cargado por

Copyright:

Formatos disponibles

8s - Problemas de Diseño y Regresión

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

8s - Problemas de Diseño y Regresión

Cargado por

Copyright:

Formatos disponibles

DISEÑOS DE INVESTIGACIÓN DE OPERACIONES

PROBLEMAS DE DISEÑOS EXPERIMENTALES

Urbina Avendaño Francisco Dampier

Campos Guerrero Ivan Antony

Universidad Nacional de Piura

Facultad de Ingeniería Industrial

Escuela Profesional de Ingeniería Informática

Docente: Ing.Teobaldo León García

12 de octubre del 2020

El Departamento de Alimentación y Nutrición Humana de Virginia Tech realizó el estudio

Loss of Nitrogen Through Sweat by Preadolescent Boys Consuming Three Levels of

niveles dietéticos de proteínas. En el experimento participaron 12 hombres pre

datos representan la pérdida de nitrógeno corporal por transpiración, en miligramos,

recabados durante los dos días últimos del periodo de experimentación:

29 GRAMOS 54 GRAMOS 84 GRAMOS

190 318 390

266 295 321

270 271 396

significativamente entre sí en la pérdida media de nitrógeno.

Planteamiento de las hipótesis:

Ho: N_1 = N_2 =N_3

Ha: Al menos un nivel de proteína es diferente a los demás

Grupos Cuenta Suma Promedio Varianza

29 Gramos 3 726 242 2032

54 Gramos 5 1724 344.8 5150.7

84 Gramos 4 1506 376.5 1383

Origen de las Suma de Grados de Promedio de F Probabili Valor crítico

Entre grupos 32974.86 2 16487.43333 5.14949784 0.032298 4.256494729

A un nivel de significancia α = 0.05, obtenemos F2,9,0.05 =4.256 de la tabla correspondiente

de los tres niveles de proteínas.

Dietas NMedia Desv.Est. IC de 95%

Las medias que no comparten una letra son significativamente diferentes.

Los niveles de proteínas que difieren significativamente entre sí en la pérdida media de

nitrógeno son 29 gramos con 54 gramos y 29 gramos con 84 gramos; siendo

significativamente iguales en la pérdida media de nitrógeno 54 gramos y 84 gramos.

Se realizó una investigación para determinar la fuente de reducción en el rendimiento de

de cada una de cuatro mezclas seleccionadas con anterioridad.

25,6 25,2 20,8 31,6

24,3 28,6 26,7 29,8

27,9 24,7 22,2 34,3

a) Haga el análisis de varianza al nivel de significancia α = 0.05.

c) Resuelva el inciso b usando la prueba de Tukey.

Planteamiento de las hipótesis:

Ho: M_1 = M_2 =M_3=M_4

Ha: Al menos un tipo de mezcla es diferente a los demás.

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

MEZCLA 3 119.65 39.883 7.10 0.012

Error 8 44.92 5.615

A un nivel de significancia α = 0.05, obtenemos F3,8,0.05 = 4.066 de la tabla correspondiente y

las reducciones en el rendimiento medio de cierto producto químico son diferentes en al

menos uno de las cuatro mezclas.

MEZCLA N Media Desv.Est. IC de 95%

1 3 25.93 1.82 (22.78; 29.09)

2 3 26.17 2.12 (23.01; 29.32)

3 3 23.23 3.08 (20.08; 26.39)

4 3 31.90 2.26 (28.75; 35.05)

Desv.Est. agrupada = 2.36960

Comparaciones en parejas de Fisher