No

U(0,1)

10
3
N(, )

Alfa

0.05

i) Intervalo conf. para la media

1
2
3
4
5
6
7
8

0.458915
0.201622
0.307869
0.043953
0.812709
0.961188
0.263525
0.235069

9.690497827
7.492472065
8.494304228
4.880367126
12.66377547
15.29391914
8.102452817
7.833232196

Media Muestral
Desviacin Estndar
t_
Intervalo Confianza
LI
LS

9
10
11
12
13
14
15
16
17

0.471751
0.233828
0.864731
0.277428
0.67113
0.006497
0.709844
0.431706
0.275146

9.787395616
7.821107562
13.30547363
8.228501931
11.32911078
2.548141173
11.65878347
9.483898861
8.208033724

H0: =
H1:
t_0
p-valor
t_alfa/2 (regin crtica)
H1: >
p-valor

18
19
20
21
22
23
24
25
26
27
28
29
30

0.709447
0.413105
0.020105
0.575857
0.179489
0.332753
0.679737
0.785787
0.886684
0.589643
0.377087
0.769778
0.63968

11.6553078
9.341306829
3.845238681
10.57391539
7.248057348
8.703031487
11.40089105
12.37566395
13.62723668
10.67988102
9.060575763
12.21434929
11.07280699

H0: =
H1:
_0
p-valor
H1: >
p-valor

9.620658
2.847539
2.04523
1.063288
8.557369
10.68395

ii) Test T para la media

10
10
0 =

Regin crtica: {|t_0| >= t_a

10

iii) Test Chi Cuadrado para la varianza

9
9

02 = (


/
Regin crtica: {|t_0| >= t_alfa/2}

= ( 1)

2
2

Se est estudiando el layout de una planta de fabricacin. El diseo actual es L1 y se sabe que en la planta se estn fabricand
por da. Para estudiar un nuevo layout L2 se ha desarrollado un modelo de simulacin de la planta en el que se han obtenido
simulacin de cada layout. Se pide probar con un nivel de significacin alfa del 5%:
- Si los resultados del modelo para L1 son diferentes de la tasa media de produccin observada en la planta.
- Si L2 permite lograr una mayor tasa de produccin que L1.

1
2
3
4
5
6

Tasa de Produccin
L1
L2
8
12
12
13
15
14
11
15
10
18
8
15

Media L1
Media L2
VAR L1
VAR L2

iv) Test T para la media L1

7
8
9
10
11
12

10
13
12
8
11
11

13
12
16
16
14
13

H0: =
H1:
t_0
p-valor

13
14
15
16
17
18
19
20

14
12
11
11
13
11
11
12

16
12
14
15
14
13
13
11

H0: 2-1=0
H1: 2-1>0
0

t_obs
p-valor

21

12

14

22

13

13

23

12

12

24
25

15
12

12
13

11.5
11.5

v) Test T para la diferencia de medias

Conclusiones:
El modelo L1 reproduce adecuadamente los
Opciones: resultados de la planta.
El modelo L1 presenta diferencias
significativas con la planta.
Eleccin
Opciones: L2 mejora los resultados de L1
L2 no mejora los resultados de L1
Eleccin

ue en la planta se estn fabricando una media de 11'5 unidades

a planta en el que se han obtenido 25 observaciones de la

vada en la planta.

Test para la diferencia de medias:

2
Muestra de n1 valores con media 1 y varianza 1
.
2
Muestra de n2 valores con media 2 y varianza 2
.

H0: 2-1=0
H1: 2-1>0
Estadstico del test:
=

2 1 0
2
2
1
2
+
1
2

Distribucin del estadstico: Distribucin T de Student con grados de

libertad donde:
=

2
2
1
2
+
1
2
2

2
2
1
2
1
2
+
1 1 2 1

Modelo:

_0
_1
_2
_3
_4

= 0 + 1 1 + 2 2 + 3 12 + 4 1 2 +

x1

x2

x1^2

x1x2

1
1
1
1
-1

3.682
1.559
1.472
0.395
3.741
0.391
3.045
1.747

4.287 13.557470 15.78332 3.220846

0.592 2.430654 0.92354 4.923602
3.668 2.165797 5.397602 6.999942
3.180 0.155757 1.255207 8.591817
2.328 13.996368 8.711232 5.969329
1.044 0.153053 0.408549 6.914259
1.928 9.274935 5.872164 6.29435
3.054 3.052673 5.335063 6.971839

6.742756
4.658541
2.907544
3.475681
12.35478
2.180018
9.376408
3.51831

0.676
2.197
1.253
3.377
0.550
3.442
4.173
4.511
2.421
1.463
1.017
0.910
1.314
0.548
1.198
0.645
2.222
1.540
3.943
2.784
0.585
4.051
0.713
2.544
3.167
1.947
1.269
3.336
4.879
0.867

0.833
4.968
0.291
1.065
2.223
0.608
2.696
0.032
1.642
1.717
1.496
1.563
0.734
2.722
0.914
3.494
3.094
3.674
2.967
1.677
2.636
4.750
3.661
1.566
4.257
0.898
3.477
0.939
0.732
0.601

2.402582
2.077056
3.747919
13.24607
2.852911
14.80126
14.0325
25.74436
6.948772
3.807555
3.026303
2.879183
3.809255
3.078978
3.452338
3.301349
4.377415
2.927721
11.75578
8.542477
3.021106
6.968144
3.27231
7.596678
4.97194
5.886935
2.944101
13.27307
26.84144
2.698051

0.456847
4.825726
1.568775
11.400910
0.303049
11.844431
17.415099
20.346022
5.861341
2.139236
1.034877
0.828739
1.725920
0.299785
1.435303
0.416109
4.936251
2.371615
15.545724
7.749753
0.342407
16.407445
0.508161
6.471054
10.029524
3.790548
1.610507
11.130474
23.801737
0.751231

0.562736
10.91338
0.363906
3.596517
1.223909
2.092859
11.25204
0.144316
3.975781
2.511268
1.521782
1.422588
0.964793
1.490407
1.094989
2.253916
6.874974
5.657751
11.70024
4.6679
1.542488
19.23975
2.609892
3.984573
13.48146
1.748757
4.412281
3.132608
3.570944
0.520856

2.396992
6.378246
5.500913
8.63914
7.745952
11.87633
6.601087
12.56786
7.44697
6.715663
4.508105
5.484166
5.61705
8.127693
4.676171
8.07648
6.174195
6.578319
4.684735
7.127026
8.071146
0.839422
9.742848
6.404947
6.553931
6.448503
6.859136
8.64368
10.75894
3.583915

Residuo

-E(y)

y-E(y)

2.998
2.011
3.631
3.375
3.740
0.637
1.970
1.326
0.761
0.814
2.786
1.973

0.061 8.985588 0.184296 8.355326

3.794 4.043154 7.628199 7.150606
2.836 13.185876 10.29693 6.414965
3.316 11.388709 11.19132 5.630895
2.756 13.985888 10.30587 4.713725
0.160 0.406098 0.102095 4.897159
2.393 3.880814 4.713978 7.660598
2.642 1.758398 3.503308 6.943846
1.120 0.578388 0.851834 4.183706
0.891 0.662797 0.725033 5.161099
2.952 7.763285 8.224541 4.231439
2.081 3.890782 4.10401 5.228443

12.86037
3.219405
10.35584
7.888333
11.17554
2.101471
4.529722
3.223056
2.607142
2.642457
6.276824
4.839885

Media Y
SS_y
SS_reg
SS_res

SS_reg + SS_res
0

i) Ajuste por mnimos cuadrados

_4

_3

s_
R^2
F
SS_reg

ii) Inferencia sobre los parmetros

t_
p-valor
IC_
LI
LS

_2

_1

_0

s_e
gdl
SS_res

Se est desarrollando un modelo que permita estimar el tiempo que un operario tarda en procesar un bloque de material en
contiene el bloque y del porcentaje de aprovechamiento del material (1-tD). Se dispone de 36 observaciones de estos tiemp
Se pide:
i) Ajustar el modelo 1: = 1 + 0

ii) Ajustar el modelo 1: = 0 + 1 1 1 + 0,5 2 3 2 4 3

Donde T es el tiempo, P es el nmero de partes y x_L2 y x_L3 son variables auxiliares . x_L2 es igual a 1 si la observacin es p
contrario. x_L3 es igual a 1 si la observacin es para el operario L3 y 0 en caso contrario. Si las dos variables auxiliare
corresponde a L1.

i) Modelo 1
No Partes 1-tD corregida Operario Tiempo
1
2
0
L1
28
2
7
0.719266055
L1
202
3
7
1
L1
224
4
6
0.239755352
L1
137
5
0
0
L1
11
6
10
0.64733945
L1
255
7
3
1
L1
92
8
4
1
L1
96
9
3
0.839143731
L1
91
10
4
1
L1
85
11
5
0.143853211
L1
79
12
1
0.359633028
L1
46

Partes

Tiempo
2
7
7
6
0
10
3
4
3
4
5
1

28
202
224
137
11
255
92
96
91
85
79
46

13
14
15
16
17
18
19
20
21
22

4
6
7
6
6
0
0
8
8
5

0.269724771
1
0.357142857
0.75
0.833333333
0
0
0.8125
0.40625
1

L1
L2
L2
L2
L2
L2
L2
L2
L2
L2

70
101
105
139
141
3
4
213
128
128

4
6
7
6
6
0
0
8
8
5

70
101
105
139
141
3
4
213
128
128

23
24
25
26
27
28
29
30
31
32
33
34
35

4
4
5
5
5
0
5
3
6
10
9
10
8

0.375
0.5625
0.15
0.7
0.85
0
1
1
0.693333333
0.572
0.635555556
1
0.195

L2
L2
L2
L2
L2
L2
L2
L2
L3
L3
L3
L3
L3

49
88
80
124
162
5
155
72
118
242
306
237
218

4
4
5
5
5
0
5
3
6
10
9
10
8

49
88
80
124
162
5
155
72
118
242
306
237
218

s_
R^2
F
SS_reg
t_
p-valor
IC_
LI
LS

36

0.288888889

L3

179

179

procesar un bloque de material en funcin del nmero de partes que

e 36 observaciones de estos tiempos para tres operarios L1, L2 y L3.

2 es igual a 1 si la observacin es para el operario L2 y 0 en caso

Si las dos variables auxiliares son iguales a 0 entonces la observacin

i) Modelo 2
Partes

_0

ln(Partes+1)

s_e
gdl
SS_res

ln(1-tD corregida+0,5)

x_L2

x_L3
x_L3

ln(Tiempo)

x_L2

ln(1-tD corregida)

s_
R^2
F
SS_reg
t_
p-valor
IC_
LI
LS

Indicar si se deben de incluir las siguientes variables en el modelo:

Opciones:

S
No

ln(Partes+1)
ln(1-tD corregida)
x_L2
x_L3

Qu modelo es mejor:
Opciones:
Eleccin

M1
M2

ln(Partes+1) _0

les en el modelo:

s_e
gdl
SS_res

Enunciado
Se est desarrollando un termmetro digital para medir temperaturas en un rango entre -10C y 100C en el que se emplea
funcin de la temperatura. Para la calibracin de dicho sensor, se ha realizado un conjunto de pruebas en laboratorio de form
entre voltaje y temperatura.
Se pide:
i) Realizar una grfica de dispersin del voltaje frente a la temperatura.
ii Realizar un ajuste de regresin de la temperatura frente al voltaje para obtener la recta de calibracin del sensor
iii) Realizar un nuevo ajuste de regresin para un modelo cuadrtico de la temperatura frente al voltaje (del tipo
iv) Estimar la temperatura correspondiente a una medicin de voltaje igual a 0,5V con cada uno de los dos modelos.
v) Obtener los intervalos de confianza y los p-valores de los test de los parmetros para los dos modelos
vi) Demostrar mediante el test F para la comparacin de modelos anidados si el trmino V^2 mejora la prediccin.
Alfa
V

V^2

0,05

ii)

0
0.2
0.4
0.6
0.8
1
1.2
1.4

-2.014
6.118
-4.618
6.818
10.760
13.965
11.162
15.138

1.6
1.8
2
2.2
2.4
2.6
2.8

25.310
30.200
25.101
27.928
39.857
41.554
41.954

t_
p-valor
IC_
LI
LS

3
3.2
3.4
3.6
3.8
4
4.2
4.4
4.6
4.8
5

53.718
51.941
57.678
63.613
73.816
70.433
78.587
81.226
81.184
99.923
94.517

SCE1
SCE2
k-g
n-k+1
F
p-valor

s_
R^2
F
SS_reg

_0

s_e
gdl
SS_res

v)

vi)

Test F para comparacin de m

Modelo 1: = 0 +
Modelo 2: = 0 +

H0: +1 = =
H1: Algn parmetro del mode

Estadstico del test:

Modelo escogido
M1
M2

Distribucin del estadstico: F d

y n-k+1 en el denominador.
Obtener el p-valor con la distri

0C en el que se emplea un sensor que proporciona un voltaje en

as en laboratorio de forma que se pueda determinar la relacin

120.000
100.000
80.000

acin del sensor = 0 + 1 .

ltaje (del tipo = 0 + 1 + 2 2).
los dos modelos.

60.000
40.000
20.000
0.000

ora la prediccin.

-20.000 0

iv)
iii)

Modelo 1
V^2

_0

s_
R^2
F
SS_reg

s_e
gdl
SS_res

t_
p-valor
IC_
LI
LS
para comparacin de modelos anidados (muestra de n datos):
0 + 1 1 + + +
0 + 1 1 + + + + +

= 0
gn parmetro del modelo 2 no contenido en 1 distinto de 0.

stico del test:

1 2

=
2
+1

bucin del estadstico: F de Snedecor con k-g g.d.l. en el numerador

1 en el denominador.
valor con la distribucin F de cola derecha.

V
T
Modelo 2
V
T