Probem As Re Sueltos Dis Exper

Se utiliza cuando la sigma es conocida o el número de datos es mayor que 30.
(n>
Prueba de dos colas porque el signo de la hipótesis alterna

es diferente.
2) Estadístico de prueba.
Zc= 11.5 – 12/ (1.1 / √49) = -0.5/ 0.157 = -3.185
Z = media de muestra - media de hipótesis ) / (sigma / raiz (n) ) = -3.181818
3) Calculo de estadístico Z de alfa.
Zt = -1.644854
4) Observar la localización sobre el estadístico calculado a partir de datos de la muestra.
Se rechaza la hipótesis nula. Es decir, los enanos no cavan 12 mts. en promedio.
5) Calculo de intervalo de confianza.
IC = medis +/- Z de alfa en 2 * ( s / raiz(n) )
Int Sup 11.24

Int Sup 11.76
Si la media de la hipótesis no se encuentra en el intervalo rechazar H0
6) Determinación del valor t, que es la probabilidad correspondiente a Zt
0.0007363753 Como p-value es menor que alfa en 2 entonces se rechaza la hipótesis

Prueba de cola Izquierda por tener el signo menor q
Alfa
-2.05 -0.244
2) Estadístico de prueba.
Zc= 4477 – 4511/ (1.128 / √144) = -0.2446809
Z = media de muestra - media de hipótesis ) / (sigma / raiz (n) ) =
3) Calculo de estadístico Z de alfa.
Zt = -2.053749
-2.326348
4) Observar la localización sobre el estadístico calculado a partir de datos de la muestra.
Se acepta la hipótesis nula

5) Calculo de intervalo de confianza.
IC = medis +/- Z de alfa en 2 * ( s / raiz(n) )
Int Sup 4,670

Int Sup 4,284
Si la media de la hipótesis se encuentra en el intervalo se acepta H0
6) Determinación del valor t, que es la probabilidad correspondiente a Zt
0.403351778 Como p-value es mayor que alfa en 2 entonces se rechaza la hipótesis
Se aplica cuando el tamaño de muestra n es menor a 30
Para 2 colas en la T se proporciona el valor de alfa, no el de alfa en 2.
Para proeba de una cola se proporciona el valor de 2 por alfa, ya que internamente divide entre 2 lo qu
Los grados de libertad para una población son n-1 y para 2 poblaciones ( n1 + n2 - 2)
3) Determinar el alfa. 2.262

2.262 -0.61
No se rechaza la hipótesis nula.
4) Intervalos de confianza
Int Inf 8,579

Int Sup 13,975
Se acepta hipótesis nula
5) Determinar el valor p-value. 0.5594029
Como p-value es mayor a alfa/2 no se rechaza H0.
Como es una cola alfa se multiplica por 2

0.31
Int Inf 4,458

Int Sup 5,776
Se acepta hipótesis nula
5) Determinar el valor p-value. 0.7634863
Como p-value es mayor a alfa/2 no se rechaza H0.
Si la media de la muestra hubiera sido 6000
Como es una cola alfa se multiplica por 2
0.31

Int Inf 5,341

Int Sup 6,659
Se rechaza la hipótesis nula
Se rechaza la nula se acepta la alterna.

Por tanto la vida útil es mayor a 5000
El tamaño de muestra es igual mayor a 30
Sigma p = raiz (p* (1-p)) / n ) Esta p es la de la hipótesis
Z = ( p de muestra -p de hipótesis ) / sigma t
Sigma P 0.021908902 Z = 2.282177
3) Determinar el alfa. -2.054
-2.054
Int Inf 0.405

Int Sup 0.495
Ejercicio 211 Alfa = 95%
Tipo 1 Tipo 2 Ho: mu1 - mu2 = 0

65 64 Ha: mu1- mu2 <> 0
81 71
57 83
66 59
82 65
82 56
67 69
59 74
75 82
70 79
1) Prueba de dos variamzas (sirve de base para la prueba T de medias)
F-Test Two-Sample for Variances
Tipo 1 Tipo 2
Mean 70.4 70.2
Variance 85.82222 87.73333333 var1 / var2
Observations 10 10
df 9 9 F 0.978217
F 0.978217 F de alfa 3.178893
P(F<=f) one-tail 0.487183
F Critical one-tail 0.314575
F-Test Two-Sample for Variances
Tipo 2 Tipo 1
Mean 70.2 70.4
Variance 87.73333 85.82222222
Observations 10 10
df 9 9
F 1.022268 Seleccionar F1 y F2 de manera que F se mayor a uno
P(F<=f) one-tail 0.487183 Si p es mayor de alfa no se rechaza H0 y las varianzas so
F Critical one-tail 3.178893
No se rechaza la hipótesis
Prueba T de igualdad de dos medias para varianzas iguales.
t-Test: Two-Sample Assuming Equal Variances
Tipo 1 Tipo 2
Mean 70.4 70.2
Variance 85.82222 87.73333333
Observations 10 10
Pooled Variance 86.77778
Hypothesized Mean 0
df 18
t Stat 0.048008
P(T<=t) one-tail 0.481119
t Critical one-tail 1.734064
P(T<=t) two-tail 0.962239
t Critical two-tail 2.100922
Las medias son iguales

ero de datos es mayor que 30. (n>30)
de la hipótesis alterna
-3.18 -1.64 1.64
en promedio.
2 entonces se rechaza la hipótesis nula.

2 entonces se rechaza la hipótesis nula.
maño de muestra n es menor a 30 o no se tiene historial sobre el proceso y la sigma es desconocida
-0.606131
e internamente divide entre 2 lo que pongamos.
nes ( n1 + n2 - 2)
0.31018
1.711
2.651113
1.711
es igual mayor a 30
la de la hipótesis
2.28
var1 / var2
e manera que F se mayor a uno
no se rechaza H0 y las varianzas son iguales
Fecha 12- Sep -06
EJERCICIO DE ANOVA
Ejemplo: Ejemplo: Se tienen 14 empleados

TRATAMIENTOS
I c=1 c=2 c=3 J
Programa 1 Programa 2 Programa 3
r=1 85 80 82
r=2 72 84 80
r=3 83 81 85
r=4 80 78 90
r=5 82 88
Medias 80 81 85 Xj
Media de medias o 82.14
CALCULO DE SCT CALCULO DE SCTr
Datos Promedio Factor C1 C2

80 82.1429 4.591837 Promedio 80.0 81.0
82 82.1429 0.020408 No. 4 5
85 82.1429 8.163265
72 82.1429 102.8776 82.1 Promedio General
83 82.1429 0.734694
80 82.1429 4.591837 C1 C2
84 82.1429 3.44898 Factor 18.37 6.53
81 82.1429 1.306122
78 82.1429 17.16327 SCTR = 65.71429
82 82.1429 0.020408
80 82.1429 4.591837
85 82.1429 8.163265
90 82.1429 61.73469
88 82.1429 34.30612
SCT = 251.7143 CALCULO DE SCE
SCE = 186
TIPOS DE VARIACIÓN Y SUMAS DE CUADRADOS
1. Variación total entre los 14 empleados, su puntuación no fue igual con todos
VARIACIÓN TOTAL RESPECTO A LA MEDIA GENERAL
r c
SCT =∑ ∑ ( Xij− X )2
i=1 j=1
SCT = (85-82.14)2 + (72-82.14)2+(83-82.14)2+.....+(88-82.14)2
SCT = 251.7
2. Variació o variación entre programa 1, programa 2 y programa 3

EFECTO DE LA MEDIA DE CADA TRATAMIENTO RESPECTO A LA MEDIA GENERAL
r
SCTR =∑ r j ( X j−X )2
j=1
SCTR = 4(79.5 - 81.3333)2 + 5(81 - 81.3333)2 + 5(85 - 81.333)2

SCTR = 65.71
3. Variación dentro de un tratamiento o muestra o programa dado que no todos los empleados dentro de un mismo p
VARIACIÓN DENTRO DEL TRATAMIENTO O VARIACIÓN DEL ERROR
CADA VALOR RESPECTO A LA MEDIA DE SU TRATAMIENTO
r c
SCE =∑ ∑ ( X ij−X j )2
i =1 j=1
SCE ###
4. GRADOS DE LIBERTAD
Grados de libertad totales = n - 1 = 14-1 = 13

Grados de libertad de los tratamientos = c - 1 = 3 - 1 = 2
Grados de libertad del error = gl. Totales - gl. Tratamientos = 13 - 2 = 11
gl SCT = gl SCTR + gl SCE
gl SCE = gl SCT - gl SCTR = (n -1) - (c - 1) = n -c
5. CUADRADOS MEDIOS (Suma Cuadrados/ Grados libertad)

CMT = Cuadrado medio total = SCT / (n-1 19.4
CMTR = Cua 32.9
CME = Cuadrado medio del error = SCE/ g 16.9
6. ESTADÍSTICO DE PRUEBA Fc Y ESTADÍSTICO F CRÍTICO DE ALFA
Fc = CMTR / CME= 1.9467456
Falfa , gl.numerador ,gl .denomin ador =F α ,c−1, n−c
Cálculo de F con Excel

=DISTR.F.INV(ALFA, GL. TR, GL. ERR) =DISTR.F.INV(0.05, 2, 11) = 3.982297957
NO RE RECHAZO
Distr. F
Como Fc es menor a Falfa no se rechaza Ho y las medias son iguales.
7. VALOR P DE Fc
P = distr.f(Fc, gl. SCTr, gl. SCE) = distr.f(1.946, 2, 11) = 0.18898099

Como P es mayor a alfa no se rechaza Ho
CONCLUSION: NO HAY SUFICIENTE EVIDENCIA PARA RECHAZAR HO, LAS MEDIAS DE LOS TRATAMIENTO
TABLA DE ANOVA
FUENTE DESUMA DE GRADOS DCUADRADO
CUADRADOS LIBERTAD MEDIO
Entre muestSCTR c-1 CMTR CMTR/CME
Dentro de mSCE n-c CME
Variación total SCT n-1 CMT
Regla: No rechazar si la F de la muestra es menor que la F de Excel para una cierta alfa
EJERCICIOS
1. Cuatro catalizadores que pueden afectar la concentración de un componente en una mezcla líquida d
Se obtienen las siguientes concentraciones:
Catalizador
A B C D
58.2 56.3 50.1 52.9
57.2 54.5 54.2 49.9
58.4 57 55.4 50
55.8 55.3 51.7
54.9
Datos Media
58.20 54.4875 13.78266 A
57.20 54.4875 7.357656 Promedio 56.9
58.40 54.4875 15.30766 No. 5
55.80 54.4875 1.722656 29.10078
54.90 54.4875 0.170156
56.30 54.4875 3.285156 SCTr 85.67583
54.50 54.4875 0.000156
57.00 54.4875 6.312656
55.30 54.4875 0.660156 SCT error 34.56167
50.10 54.4875 19.25016
54.20 54.4875 0.082656
55.40 54.4875 0.832656 G.L.
52.90 54.4875 2.520156 Totales 15
49.90 54.4875 21.04516 Tratamient 3
50.00 54.4875 20.13766 Errores 12
51.70 54.4875 7.770156
CMT = 8.015833
SCT 120.2375 CMTR = 28.55861
CME = 2.880139
Prueb de Tukey-Kramer Análisis de varianza de un factor
Sup Inf RESUMEN

A-B -2.256 4.506 Grupos Cuenta
A-C -0.014 7.347 A 5
A-D 2.394 9.156 B 4
B-C -1.308 6.391 C 3
B-D 1.086 1.086 D 4
C-D -1.741 5.958
ANÁLISIS DE VARIANZA
Origen de las variaciones
Suma de cuadrados
Entre grup 85.67583
Dentro de l 34.56167
Prueb de Tukey-Kramer Total 120.2375
A B C
B -2.256
4.506
C -0.014 -1.308
7.347 6.391
D 2.394 1.086 -1.741

9.156 8.214 5.958
PRUEBA DE FISHER
Intervals for (column level mean) - (row level mean)
A B C
B -1.356
3.606
C 0.966 -0.283
6.367 5.366
D 3.294 2.035 -0.716

8.256 7.265 4.933
EJERCICIO 3.6
RecubrimieConductividad
1 143
1 141
1 150
1 146
2 152
2 149
2 137
2 143
3 134
3 136
3 132
3 127
4 129
4 132
4 127
4 129
A) HAY DIFERENCIA EN LA CONDUCTIVIDAD DEBIDA AL TIPO DE RECUBRIMIENTO?

One-way ANOVA: Conductividad versus Recubrimiento
Source DF SS MS F P
Recubrimiento 3 844.7 281.6 14.30 0.000
Error 12 236.3 19.7
Total 15 1080.9
S = 4.437 R-Sq = 78.14% R-Sq(adj) = 72.68%
Hay diferencia significativa debida al tipo de recubrimiento pues el valor P es 0
B) MEDIA GLOBAL Y EFECTOS DE TRATAMIENTOS
Media global: 137.9375

efectos de los tratamientos:
tratam. media
1 145 7.0625
2 145.25 7.3125
3 132.2 -5.7375
4 129.2 -8.7375
C) INTERVALOS DE CONFIANZA
MSE = 19.7
Raiz MSE / 1.109617
t tablas: 2.178813 t tablas: 3.05454
cantidad ±: 2.417648 cantidad ±: 4.793292
diferencia de las medi 15.8
recubrimiento 4 recubrimientos 1 y 4
126.7824 131.6176 11.00671 20.59329
D) METODO LSD DE FISHER

Fisher 95% Individual Confidence Intervals
All Pairwise Comparisons among Levels of Recubrimiento
Simultaneous confidence level = 81.57%
Recubrimiento = 1 subtracted from:
Recubrimiento Lower Center Up No hay diferencias significativas entre la µ1 y µ2

2 -6.586 0.250 7.086 y tampoco entre la µ4 y µ3. Las medias de los
3 -19.586 -12.750 -5.914 recubrimientos 1 y 2 sn mayores que las medias
4 -22.586 -15.750 -8.914 de los recubrimientos 3 y 4
Recubrimiento ---------+---------+---------+---------+
2 (----*-----)
3 (----*-----)
4 (-----*-----)
---------+---------+---------+---------+
-12 0 12 24
Recubrimiento Lower Center Upper

3 -19.836 -13.000 -6.164
4 -22.836 -16.000 -9.164
Recubrimiento ---------+---------+---------+---------+
3 (-----*-----)
4 (-----*----)
---------+---------+---------+---------+
-12 0 12 24
Recubrimiento Lower Center Upper ---------+---------+---------+---------+

4 -9.836 -3.000 3.836 (-----*----)
---------+---------+---------+---------+
-12 0 12 24
F) RECOMENDACIÓN AL FABRICANTE
Efectivamente el recubrimiento 4 es el de menor conductividad, aunque podría

usar también el recubrimiento 3 pues no tiene diferencias significativas en
promedio con el 4.
Ejemplo: Se tienen 14 empleados seleccionados al azar que se someten a
3 diferentes cursos de entrenamiento: Programa 1, Programa 2 y Programa 3.
Como los empleados se seleccionan aleatoriamente para cada programa
el diseño se denomina DISEÑO COMPLETAMENTE ALEATORIZADO
Se observa el aprovechamiento de los empleados en los programas:
CALCULO DE G.L. TABLA ANOVA
C3 Totales 13 Sum de C G.L.

85.0 Tratamient 2 SCTr 65.71 2
5 Errores 11 SCE 186.00 11
SCT 251.71 13
CALCULO DE LAS MEDIAS 0.05 : Valor de alfa
C3
40.82 CMT = 19.362637363
CMTR = 32.857142857
CME = 16.909090909
6. ESTADÍSTICO DE PRUEBA Fc Y ESTADÍSTICO F CRÍTICO DE ALFA
Fc = CMTR / CME= 1.9467456
Falfa , gl. numerador ,gl . denomin ador =F α ,c −1, n−c

Análisis de varianza de un factor
RESUMEN
Grupos Cuenta Suma Promedio Varianza
Programa 4 320 80 32.66667
Programa 5 405 81 5
Programa 5 425 85 17
Origen de las Suma
variaciones
de cuadrados
Grados de
Promedio
libertad de los cuadrados
Fc ProbabilidadF de alfa
Entre grup 65.71429 2 32.85714 1.943164 0.189377 3.982298
Dentro de l 186 11 16.90909
Total 251.7143 13
os empleados dentro de un mismo programa obtuvieron los mismos puntajes. Se denomina Variación dentro de los tratamientos.
AS MEDIAS DE LOS TRATAMIENTOS SON IGUALES
VALOR F
CMTR/CME
componente en una mezcla líquida de tres componentes están siendo investigado.
B C D
55.775 53.23333 51.125
4 3 4
6.630625 4.718802 45.22563
Fc= 9.9157062256
3.4902948195
P = distr.f(Fc, gl. SCTr, gl. SCE) = distr.f(9.915, 3, 12) =

0.001436
Como P es menor a alfa SE RECHAZA Ho
e varianza de un factor
One-way ANOVA: A, B, C, D
Suma Promedio Varianza Analysis of Variance

284.5 56.9 2.31 Source DF SS MS
223.1 55.775 1.209167 Factor 3 85.68 28.56 9
159.7 53.23333 7.723333 Error 12 34.56 2.88
204.5 51.125 2.0825 Total 15 120.24
Indi
Base
DE VARIANZA Level N Mean StDev ----
GradosPromedio
de libertad
de los cuadrados
F Probabilidad
Valor crítico para F A 5 56.900 1.520
3 28.55861 9.915706 0.0014356283 3.490295 B 4 55.775 1.100
12 2.880139 C 3 53.233 2.779
D 4 51.125 1.443 (---
15 ----
Pooled StDev = 1.697 5
Diferencia Factor Inferior Superior

A-B 1.13 2.48 -1.36 3.61
A-C 3.67 2.70 0.97 6.37
A-D 5.78 2.48 3.29 8.26
B-C 2.54 2.82 -0.28 5.37
B-D 4.65 2.61 2.04 7.26
C-D 2.11 2.82 -0.72 4.93
BRIMIENTO?
Prom de C Fc Probl F de alfa
32.86 1.943 0.1894 3.9823
16.91
Analysis of Variance
Source DF SS MS F P
Factor 2 65.7 32.9 1.94 0.189
Error 11 186.0 16.9
Total 13 251.7
Individual 95% CIs For Mean
Based on Pooled StDev
Level N Mean StDev --+---------+---------+---------+----
Programa 4 80.000 5.715 (----------*----------)
Programa 5 81.000 2.236 (----------*---------)
Programa 5 85.000 4.123 (----------*---------)
--+---------+---------+---------+----
Pooled StDev = 4.112 76.0 80.0 84.0 88.0
Boxplots of Programa - Programa
de los tratamientos.
Proceso manual
Catalizador
A B
58.2 56.3
57.2 54.5
58.4 57
55.8 55.3
54.9
Proceso manual por pasos

Probar a un Nivel de confianza del 95% si hay
Concluir comparando Fc vs Falfa
Concluir en base a gráficas del intervalo de co
Identificar las medias que son diferentes por T
Determinar los residuos y probar su normalida
Si se busca maximizar la respuesta ¿En qué
concentració
A 58.2
B 56.3
C 50.1
D 52.9
Paso 1
Calcular los promedios de cada tratamiento
catalizador promedio
A 56.9
B 55.775
C 53.23333
D 51.125
Promedio 54.4875
Paso 2 Calcular la suma de cuadrados tot

SST =SUMAxMENOSY2 en funciones
, B, C, D
Concentrac
1 58.2
SS MS F P 2 56.3
85.68 28.56 9.92 0.001 3 50.1
34.56 2.88 4 52.9
5 57.2
Individual 95% CIs For Mean 6 54.5
Based on Pooled StDev 7 54.2
Mean StDev ------+---------+---------+---------+ 8 49.9
56.900 1.520 (-----*----) 9 58.4
55.775 1.100 (-----*-----) 10 57
53.233 2.779 (------*-------) 11 55.4
51.125 1.443 (-----*------) 12 50
------+---------+---------+---------+ 13 55.8
1.697 51.0 54.0 57.0 60.0 14 55.3
15 51.7
16 54.9
Paso 3 Calcular suma de cuadrados de lo

catalizador
a
b
c
d
SCTrat 85.67583
Paso 4 Calcular la suma de cuadrados de

SSE=SST-Sstra
SSE=
Paso 5 Determinar los grados de libertad

gl SST
gl Sstra
gl SSE
Paso 6 Determinar las varianzas o cuadra

Mstra= Sstra / gl Sstra
MSE= SSE / gl SSE=
Paso 7 Calcular el estadistico Fc

Fc= Mstra / MSE
FC
Paso 8 Calcular el estadistico F de alfa do

Falta= distri. F. inv(0.05,3, 12)
falfa
De acuerdo a estos resultados Fc
de rechazo
Paso 9 Calcular el valor de probabilidad P

P = dist.f (Fc, gl Mstra, glMSE) dis
Paso 10 Determinar la tabla ANOVA de Min

Source DF SS MS
Factor 3 85.68 28.56
Error 12 34.56 2.88
Total 15 120.24
Paso 11 Calcular los intervalos de confianz

IC= Yi. MEDIA±TALFA/2, N-a*RAI
n=5
n=4
n=3
n=4
para Y1
IC=
para Y1
IC=
Prueba de Tukey
talfa=qalfa(alfa,1,glSCE)*raiz(MSE/r)
talfa= q0.05(,1,12) de tablas obtenemos
talfa= 4.747225
raiz(MSE/n 0.848549
Tukey indica que cualquier diferencia en valor

correspondiente par de medias de la població
56.9 Y1
55.775 Y2
53.23333 Y3
51.125 Y4
RESI1 FITS1
1.3 56.9
0.3 56.9
1.5 56.9
-1.1 56.9
-2 56.9
0.525 55.775
-1.275 55.775
1.225 55.775
-0.475 55.775
-3.13333 53.2333
0.96667 53.2333
2.16667 53.2333
1.775 51.125
-1.225 51.125
-1.125 51.125
0.575 51.125
Residuals Ver
(responses
Residual
-1
-2
-3
51 52 53
---------+----
--*---------)
---------+----
88.0
Catalizador
C D
50.1 52.9
54.2 49.9
55.4 50
51.7
manual por pasos

un Nivel de confianza del 95% si hay diferencia entre catalizadores
omparando Fc vs Falfa
n base a gráficas del intervalo de confianza de medias
las medias que son diferentes por Tukey o DMS
ar los residuos y probar su normalidad
ca maximizar la respuesta ¿En qué niveles se debe operar el proceso?
concentración
57.2 58.4 55.8 54.9 56.9
54.5 57 55.3 55.775
54.2 55.4 53.23333
49.9 50 51.7 51.125
54.4875
os promedios de cada tratamiento
Calcular la suma de cuadrados total SST

=SUMAxMENOSY2 en funciones matematicas
Y^
54.4875
54.4875
54.4875
54.4875
54.4875
54.4875
54.4875
54.4875
54.4875
54.4875
54.4875
54.4875
54.4875
54.4875
54.4875
54.4875
120.2375 calculo de la sumaxmenosy^2
Calcular suma de cuadrados de los tratamientos

promedios Y.. Promed diferencias
56.9 54.4875 2.4125 5.820156 29.10078
55.775 54.4875 1.2875 1.657656 6.630625
53.23333 54.4875 -1.254167 1.572934 4.718802
51.125 54.4875 -3.3625 11.30641 45.22563
Sctrat 85.67583
Calcular la suma de cuadrados del error

SSE=SST-Sstra
34.56167
Determinar los grados de libertad totales, de trat y error

15 n-1
3
12 Source DF SS MS F P
Factor 3 85.68 28.56 9.92 0.001
Determinar las varianzas o cuadrados medios Error 12 34.56 2.88
Mstra= Sstra / gl Sstra 28.55861 Total 15 120.24
MSE= SSE / gl SSE= 2.880139
S = 1.697 RSq = 71.26% RSq(adj) = 64.07%
Calcular el estadistico Fc
Fc= Mstra / MSE
9.916
Calcular el estadistico F de alfa donde alfa es (0.05)

Falta= distri. F. inv(0.05,3, 12)
3.490
De acuerdo a estos resultados Fc es mayor que Falfa si se encuentra en la region
de rechazo
Calcular el valor de probabilidad P correspondiente a Fc

P = dist.f (Fc, gl Mstra, glMSE) dist.f.(9.916, 3 0.0014 < .05 Podemos aceptar que hay diferencia de las medias de los tratamient
Determinar la tabla ANOVA de Minitab

Source DF SS MS F P
Factor 3 85.68 28.56 9.92 0.001
Error 12 34.56 2.88 En estar parte verificamos que los resultados de F son similares a los calculos manuales de Fc.
Total 15 120.24
Calcular los intervalos de confianza para las medias

IC= Yi. MEDIA±TALFA/2, N-a*RAI talfa/2 = dist.t.inv(0.025,2.532638
13)
1.073339 Individual 95% CI
1.200029 Pooled StDev
1.385641 Level N Mean StDev ++
1.2 C1 5 56.900 1.520
C2 4 55.775 1.100
C3 3 53.233 2.779 (*
59.61838 C4 4 51.125 1.443 (*)
54.18162 ++
50.0 52.5
59.93924
53.86076 Los intervalos no se traslapan concluimos
a(alfa,1,glSCE)*raiz(MSE/r)
q0.05(,1,12) de tablas obtenemos
4.028251
ca que cualquier diferencia en valor absoluto de mas de 4.028 implica que el

diente par de medias de la población son significativamente diferentes.
Y1-Y2 1.125
Y1-Y3 3.666667
Y1-Y4 5.775 Significativo
Y2-Y3 2.541667
Y2-Y4 4.65 Significativo
Y3-Y4 2.108333
Normal Probability Plot of the Residuals

(responses are C1, C2, C3, C4)
99
95
90
80
70
rcent
60
50
99
95
90
80
70
Percent
60
50
40
30
20
10
1
-4 -3 -2 -1 0 1 2 3 4
Residual
Residuals Versus the Fitted Values

La grafica nos muestra la normalidad de los datos y los re

un patron definido por lo que se consideran normales.
Permite
observar
la normalidad
de los
residuos
51 52 53 54 55 56 57
Fitted Value
S F P
6 9.92 0.001
% RSq(adj) = 64.07%
ncia de las medias de los tratamientos.
os calculos manuales de Fc.
Individual 95% CIs For Mean Based on
Pooled StDev
StDev ++++
1.520 (*)
1.100 (*)
2.779 (*)
1.443 (*)
++++
50.0 52.5 55.0 57.5
o se traslapan concluimos que las medias si son diferentes.
4
a la normalidad de los datos y los residuales no tienen

or lo que se consideran normales.
EJERCICIOS DEL TEXO DE DISEÑO DE EXPERIMENTOS DE MONTGOME
CLASE 3 26 de Septiembre
ANOVA DE DOS VÍAS
Problema 4.2
Días
Solución 1 2 3 4
1 13 22 18 39
2 16 24 17 44
3 5 4 1 22
Datos Promedio Factor

13 18.75 33.06 CALCULO DE G.L.
22 18.75 10.56
18 18.75 0.56 Totales 11
39 18.75 410.06 Columnas 3
16 18.75 7.56 Renglones 2
24 18.75 27.56 Errores 6
17 18.75 3.06
44 18.75 637.56
5 18.75 189.06
4 18.75 217.56 CALCULO DE LAS MEDIAS
1 18.75 315.06
22 18.75 10.56 CMT = 169.30
CMTr = 553.46
SCT = 1862.25 CMTc = 234.50
CME = 8.64
Columnas
C1 C2 C3
Promedio 11.3 16.7 12.0 35.0
No. 3 3 3 3
18.8 Promedio General

Falf,g=αc−1n.umerdoi C1 C2 C3 C4
Factor 165.02 13.02 136.69 792.19
SCTr = 1106.92
rc
SCT(Xij−)=∑ 2
j=1i
rc
SCT(Xij−)∑= 2
Renglón
j=1i C1 C2 C3
Promedio 23.0 25.3 8.0
No. 4 4 4
r C1 C2 C3
CTRS2−X)(r=j∑ Factor 72.25 169.00 462.25
j=1
SCTc = 703.50
SCTE = 51.83
rc Análisis de varianza de dos factores con una sola muestra por grupo
SCE2)−X(=ji ∑ RESUMEN Cuenta Suma Promedio Varianza
j=1i
1 4 92 23 127.333333
2 4 101 25.25 168.916667
3 4 32 8 90
1 3 34 11.3333333 32.3333333
2 3 50 16.6666667 121.333333
3 3 36 12 91
4 3 105 35 133
Suma de cuadrados
Grados de
Promedio
libertad de los cuadradosF Probabilidad
Filas 703.5 2 351.75 40.7170418 0.00032316
Columnas 1106.91667 3 368.972222 42.7106109 0.00019248
Error 51.8333333 6 8.63888889
Total 1862.25 11
Falf,g=αc−1n.umerdoi Analysis of Variance for Datos

Source DF SS MS F P
renglone 2 703.50 351.75 40.72 0.000
Columnas 3 1106.92 368.97 42.71 0.000
Error 6 51.83 8.64
Total 11 1862.25
Individual 95% CI
renglone Mean ---+---------+---------+---------+--------
1 23.0 (-----*-----)
2 25.3 (-----*-----)
3 8.0 (-----*-----)
---+---------+---------+---------+--------
6.0 12.0 18.0 24.0
Individual 95% CI
Columnas Mean --+---------+---------+---------+---------
1 11.3 (----*----)
2 16.7 (----*----)
3 12.0 (----*----)
4 35.0 (----*----)
--+---------+---------+---------+---------
8.0 16.0 24.0 32.0
Problema 4.7
Horno
Vel. De agitación 1 2 3 4
5 8 4 5 6
10 14 5 6 9
15 14 6 9 2
20 17 9 3 6

8 7.6875 0.10 CALCULO DE G.L.
4 7.6875 13.60
5 7.6875 7.22 Totales 15
6 7.6875 2.85 Columnas 3
14 7.6875 39.85 Renglones 3
5 7.6875 7.22 Errores 9
6 7.6875 2.85
9 7.6875 1.72
14 7.6875 39.85
9 7.6875 1.72
2 7.6875 32.35 CMT = 17.70
17 7.6875 86.72 CMTr = 55.06
9 7.6875 1.72 CMTc = 7.40
3 7.6875 21.97 CME = 8.67
6 7.6875 2.85
SCT = 265.44
Columnas
C1 C2 C3 C4
Promedio 13.3 6.0 5.8 5.8
No. 4 4 4 4
C1 C2 C3 C4
Factor 123.77 11.39 15.02 15.02
SCTr = 165.19
Renglón
C1 C2 C3 C4
Promedio 5.750 8.500 7.750 8.750
No. 4 4 4 4
C1 C2 C3 C4
Factor 15.02 2.64 0.02 4.52
SCTc = 22.19
SCTE = 78.06
Análisis de varianza de dos factores con una sola muestra por grupo
RESUMEN Cuenta Suma Promedio Varianza

5 4 23 5.75 2.91666667
10 4 34 8.5 16.3333333
15 4 31 7.75 25.5833333
20 4 35 8.75 36.25
1 4 53 13.25 14.25
2 4 24 6 4.66666667
3 4 23 5.75 6.25
4 4 23 5.75 8.25
Suma de cuadrados
Grados de
Promedio
Filas 22.1875 3 7.3958 0.8527 0.4995
Columnas 165.1875 3 55.0625 6.3483 0.0133
Error 78.0625 9 8.6736
Total 265.4375 15
Two-way ANOVA: dat2 versus Reng2, Col2
Analysis of Variance for dat2

Source DF SS MS F P
Reng2 3 22.19 7.40 0.85 0.500
Col2 3 165.19 55.06 6.35 0.013
Error 9 78.06 8.67
Total 15 265.44
Individual 95% CI
Reng2 Mean -+---------+---------+---------+---------+
1 5.8 (------------*------------)
2 8.5 (------------*------------)
3 7.8 (------------*------------)
4 8.8 (------------*------------)
-+---------+---------+---------+---------+
2.5 5.0 7.5 10.0 12.5
Individual 95% CI
Col2 Mean ----+---------+---------+---------+-------
1 13.3 (---------*--------)
2 6.0 (--------*---------)
3 5.8 (--------*---------)
4 5.8 (--------*---------)
----+---------+---------+---------+-------
3.5 7.0 10.5 14.0
CUADRADO LATINO
Operador
Orden de Ensamblaje 1 2 3 4
1 C = 10 D = 14 A=7 B=8
2 B=7 C = 18 D = 11 A=8
3 A=5 B = 10 C = 11 D=9
4 D = 10 A = 10 B = 12 C = 14
10 14 7 8
7 18 11 8
5 10 11 9
10 10 12 14

10 10.25 0.06 CALCULO DE G.L.
7 10.25 10.56
5 10.25 27.56 Totales 15
10 10.25 0.06 Columnas 3
14 10.25 14.06 Renglones 3
18 10.25 60.06 Letras 3
10 10.25 0.06 Errores 6
10 10.25 0.06
7 10.25 10.56
11 10.25 0.56
12 10.25 3.06 CMT = 10.20
8 10.25 5.06 CMTr = 17.17
8 10.25 5.06 CMTc = 6.17
9 10.25 1.56 Letras 24.1666667
14 10.25 14.06 CME = 1.75
SCT = 153.00
Columnas
C1 C2 C3 C4
Promedio 8.0 13.0 10.3 9.8
No. 4 4 4 4
C1 C2 C3 C4
Factor 20.25 30.25 0.00 1.00
SCTr = 51.50
Renglón
C1 C2 C3 C4
Promedio 9.750 11.000 8.750 11.500
No. 4 4 4 4
C1 C2 C3 C4
Factor 1.00 2.25 9.00 6.25
SCTc = 18.50
A B C D
5 7.00 10 10
10 10.00 18 14
7 12.00 11 11
8 8.00 14 9
Promedio 7.5 9.25 13.25 11

No. 4 4 4 4
C1 C2 C3 C4
Factor 30.25 4.00 36.00 2.25
SCTc = 72.50
SCTE = 10.50
Datos Renglon Columna Letra

10 1 1 C Corrida en Minitab
7 2 1 B
5 3 1 A Stat
10 4 1 D Lineal General Models
14 1 2 D
18 2 2 C
10 3 2 B
10 4 2 A
7 1 3 A
11 2 3 D
11 3 3 C
12 4 3 B
8 1 4 B
8 2 4 A
9 3 4 D
14 4 4 C
Problema 4.14 Pp. 167 4.14
Día
Lote 1 2 3 4 5
1 A=8 B=7 D=1 C=7 E=3
2 C=11 E=2 A=7 D=3 B=8
3 B=4 A=9 C=10 E=1 D=5
4 D=6 C=8 E=6 B=6 A=10
5 E=4 D=2 B=3 A=8 C=8
8 7 1 7 3
11 2 7 3 8
4 9 10 1 5
6 8 6 6 10
4 2 3 8 8

8 5.88 4.49
11 5.88 26.21
4 5.88 3.53
6 5.88 0.01
4 5.88 3.53
7 5.88 1.25
2 5.88 15.05
9 5.88 9.73 CALCULO DE G.L.
8 5.88 4.49
2 5.88 15.05 Totales 24
1 5.88 23.81 Columnas 4
7 5.88 1.25 Renglones 4
10 5.88 16.97 Letras 4
6 5.88 0.01 Errores 12
3 5.88 8.29
7 5.88 1.25
1 5.88 23.81
6 5.88 0.01 CMT = 8.61
8 5.88 4.49 CMTr = 3.86
3 5.88 8.29 CMTc = 3.06
8 5.88 4.49 Letras 35.36
5 5.88 0.77 CME = 3.13
10 5.88 16.97
8 5.88 4.49
SCT = 206.64
Columnas
C1 C2 C3 C4 C5
Promedio 6.6 5.6 5.4 5.0 6.8
No. 5 5 5 5 5
C1 C2 C3 C4 C5
Factor 2.59 0.39 1.15 3.87 4.23
SCTr = 12.24
Renglón
C1 C2 C3 C4 C5
Promedio 5.200 6.200 5.800 7.200 5.000
No. 5 5 5 5 5
C1 C2 C3 C4 C5
Factor 2.31 0.51 0.03 8.71 3.87
SCTc = 15.44
A B C D E
8 4 11 6 4
9 7 8 2 2
7 3 10 1 6
8 6 7 3 1
10 8 8 5 3
Promedio 8.4 5.6 8.8 3.4 3.2

No. 5 5 5 5 5
C1 C2 C3 C4 C5
Factor 31.75 0.39 42.63 30.75 35.91
SCTc = 141.44
SCTE = 37.52
Problema 4 Una empresa de taxis intenta crear un sistema de rutas que minimice el tiempo que se p
manejando a ciertas localidades. El tiempo que toma viajar en cada ruta por los taxis se
muestra a continuación: El taxista es la variable de bloqueo.
Var. Bloqueo Factor - Ruta

Taxista 1 2 3 4
1 12 15 17 13
2 18 18 18 17
3 10 11 15 9
4 13 12 12 15
5 18 14 12 15
totales 71 70 74 69
prom col 14.2 14 14.8 13.8
Paso 1 Media genera 14.2
Paso 2 medias de renglones 71 5
Paso 3 medias de columnas 14 4
Paso 4 SST 153.2
datos media gral SCT

12 14.2 4.84
18 14.2 14.44
10 14.2 17.64
13 14.2 1.44
18 14.2 14.44
15 14.2 0.64
18 14.2 14.44
11 14.2 10.24
12 14.2 4.84
14 14.2 0.04
17 14.2 7.84
18 14.2 14.44
15 14.2 0.64
12 14.2 4.84
12 14.2 4.84
13 14.2 1.44
17 14.2 7.84
9 14.2 27.04
15 14.2 0.64
15 14.2 0.64
SCT= 153.2
Paso 5 Suam de caudrados de renglones y columnas

Prom reng media sct reng
14.25 14.2 0.01
17.75 14.2 50.41
11.25 14.2 34.81
13 14.2 5.76
14.75 14.2 1.21
sct reng 92.2
Prom de col media sct col

14.2 14.2 0
14 14.2 0.2
14.8 14.2 1.8
13.8 14.2 0.8
sct col 2.8
Paso 6 SCE= sct-sc reng- sccol 58.2
Paso 7 Grados de libertad de reng y col.
g.l.SCT: n-1 19 Totales

gl SCTre= a- 4 reng
gl SCTcol= b 3 col
g.l. error: (a- 12 Error
Paso 8 Suma de cuadrados renglones y de colunnas

MStr= 23.050
MStc= 0.933
MSE= 4.850
Pado 9 Calculo de las Fc para renglones y columnas
Fc renglones= 4.753
Fc columnas= 0.192
Paso 10 Calculo de F alfa para renglones y colunmas

F alfa reng= 3.25916673
F alfa col= 3.49029482
Paso 11 Prueba de sugnificancia
4.752 > 3.2592la ruta del taxi es un factor significativo para el tiempo del recorrido
0.1924 < 3.490el taxista no es significativo para el tiempo del recorrido
Residual Plots for 1, 2, 3, 4

Probability Plot of datos Normal Probability Plot of the Residuals Residuals Versus the Fitt
Normal - 95%CI 99 5.0
99
Mean 14.2 90 2.5
Residual
Percent
StDev 2.840
95 N 20 50 0.0
AD 0.496
90 -2.5
P-Value 0.189 10
80 -5.0
1
70 -5.0 -2.5 0.0 2.5 5.0 14.0 14.4
Residual Fitted Value
Percent
60
50
Histogram of the Residuals
40
30 3
20
Frequency
2
10
5 1
1 0
5 10 15 20 25 -4 -2 0 2 4
Residual
datos
Rutas
Taxista 1 2 3 4 RESI1
1 12 15 17 13 -2.2
2 18 18 18 17 3.8
3 10 11 15 9 -4.2
4 13 12 12 15 -1.2
5 18 14 12 15 3.8
Individual 95% CIs For Mean Based on
Level N Mean StDev ++++
1 5 14.200 3.633 (*)
2 5 14.000 2.739 (*)
3 5 14.800 2.775 (*)
4 5 13.800 3.033 (*)
++++
12.0 14.0 16.0 18.0
Se observa una relacion significativa porque las medias se traslapan

Con turkey
Tukey 95% Simultaneous Confidence Intervals
All Pairwise Comparisons
Lower Center Upper ++++
2 5.753 0.200 5.353 (*)
3 4.953 0.600 6.153 (*)
4 5.953 0.400 5.153 (*)
++++
3.5 0.0 3.5 7.0
2 subtracted from:
3 4.753 0.800 6.353 (*)
4 5.753 0.200 5.353 (*)
++++
3.5 0.0 3.5 7.0
3 subtracted from:
4 6.553 1.000 4.553 (*)
++++
3.5 0.0 3.5 7.0
Según las graficas no tenemos diferencia entre las medias
Problema 4.15
Un ingeniero industrial investiga el efecto de cuatro métodos de ensamblaje A, B, C, D sobre el tiempo de en
un componente de televisores a color. Se selecionan 4 operadores para el estudio, ademas el ingeniero sab
los métodos de ensamblaje producen fatiga, de tal modo que el tiempo requerido para el último ensamblaje
mayor que para el primero, independientemente del método, es decir, se desarrolla una tendencia en el tiem
ensablaje requerid. Para tomar en cuenta esta fuente de variabilidad, el ingeniero emplea el diseño del cuad
que se presenta a continuación. Analizar los datos de este experimento (alfa = .0.05) y sacar las concluisone
Orden de ensamblaje OPERADOR

1 2 3
1 C 10 D 14 A
2 B 7 C 18 D
3 A 5 B 10 C
4 D 10 A 10 B
operador P
1 2 3 4 N
10 14 7 8
7 18 11 8
5 10 11 9
10 10 12 14
De acuerdo al resultado de la tabla de Minitab determinamos
lo siguiente.
Source DF Seq SS Adj SS Adj MS F P
C3 3 18.500 18.500 6.167 3.52 0.089 no significativo.
C2 3 51.500 51.500 17.167 9.81 0.010 significativo
C4 3 72.500 72.500 24.167 13.81 0.004 significativo
Error 6 10.500 10.500 1.750
Total 15 153.000
S = 1.32288 RSq = 93.14% RSq(adj) = 82.84%
Calumna Renglon Factor RES1

10 1 1 C -0.5
7 1 2 D -0.75
5 1 3 A 1.25
10 1 4 B 0
14 2 1 B 0.75
18 2 2 C 1.25
10 2 3 D -0.5
10 2 4 A -1.5
7 3 1 A 0
11 3 2 B -0.75
11 3 3 C -0.75
12 3 4 D 1.5
8 4 1 D -0.25
8 4 2 A 0.25
9 4 3 B 0
14 4 4 C 0
Se realiza la prueba de normalidad de los datos y se determina que tienen un comportamiento normal
Probability Plot of C1
Normal
99
Mean 10.25
StDev 3.194
95 N 16
AD 0.372
90
P-Value 0.377
80
70
Percent
60
50
40
30
20
Probability Plot of C1
Normal
99
Mean 10.25
StDev 3.194
95 N 16
AD 0.372
90
P-Value 0.377
80
70
Percent
60
50
40
30
20
10
1
5 10 15 20
datos
Se analisan los resuduales y se determina tambien que tienen una distribucion normal.
Probability Plot of RESI1

Normal - 95%CI
99
Mean -1.66533E-16
StDev 0.8367
95 N 16
AD 0.456
90
P-Value 0.232
80
70
Percent
60
50
40
30
20
10
1
-3 -2 -1 0 1 2 3
RESI1
NTOS DE MONTGOMERY
TABLA ANOVA
Sum de C G.L. Prom de C Fc Probl

SCTc 1106.92 3 368.97 42.711 0.0001925
SCTr 703.50 2 351.75 40.717 0.00028269
SCE 51.83 6 8.64
SCT 1862.25 11
LAS MEDIAS 0.05 : Valor de alfa
Valor crítico para F
5.14325285
4.75706266
TABLA ANOVA

SCTc 165.19 3 55.06 6.3483 0.0133
SCTr 22.19 3 7.40 0.8527 0.4995
SCE 78.06 9 8.67
LAS MEDIAS SCT 265.44 15

0.05 : Valor de alfa
1) Se encontraron diferencias respecto al tipo de horno.

2) La velocidad de agitación no tiene diferencia.
3.8625
3.8625
TABLA ANOVA

SCTc 51.50 3 17.17 9.8095 0.0099
SCTr 18.50 3 6.17 3.5238 0.0885
Letras 72.50 3 24.17 13.8095238 0.00421304
SCE 10.50 6 1.75
LAS MEDIAS
SCT 153.00 15
1) Se encontraron diferencias respecto al tipo de horno.

2) La velocidad de agitación no tiene diferencia.
Analysis of Variance for Datos, using Adjusted SS for Tests

Columna 3 51.500 51.500 17.167 9.81 0.010
Renglon 3 18.500 18.500 6.167 3.52 0.089
Letra 3 72.500 72.500 24.167 13.81 0.004
Error 6 10.500 10.500 1.750
Total 15 153.000
Corrida en Minitab
Lineal General Models
datos2 renglon2 Columna2 Letras2

8 1 1 A
11 2 1 C
4 3 1 B
6 4 1 D
4 5 1 E
7 1 2 B
2 2 2 E
9 3 2 A
8 4 2 C
2 5 2 D
1 1 3 D
7 2 3 A
10 3 3 C
6 4 3 E
3 5 3 B
7 1 4 C
3 2 4 D
1 3 4 E
6 4 4 B
8 5 4 A
3 1 5 E
8 2 5 B
5 3 5 D
10 4 5 A
8 5 5 C
TABLA ANOVA
SCTc 12.24 4 3.06 0.9787 0.4550
SCTr 15.44 4 3.86 1.2345 0.3476
Letras 141.44 4 35.36 11.3091684 0.00048765
SCE 37.52 12 3.13
LAS MEDIAS
SCT 206.64 24
Factor Type Levels Values

renglon2 fixed 5 1 2 3 4 5
Columna2 fixed 5 1 2 3 4 5
Letras2 fixed 5 A B C D E
Analysis of Variance for datos2, using Adjusted SS for Tests

renglon2 4 15.440 15.440 3.860 1.23 0.348
Columna2 4 12.240 12.240 3.060 0.98 0.455
Letras2 4 141.440 141.440 35.360 11.31 0.000
Error 12 37.520 37.520 3.127
Total 24 206.640
A=8 B=7 D=1 C=7 E=3
C=11 E=2 A=7 D=3 B=8
B=4 A=9 C=10 E=1 D=5
D=6 C=8 E=6 B=6 A=10
E=4 D=2 B=3 A=8 C=8
que minimice el tiempo que se pasa

jar en cada ruta por los taxis se
totales prom reng

57 14.25 Proceso manual por pasos
71 17.75 Probar a un nivel del 5% identificar si hay rutas más rápidas y si afecta el taxista.
45 11.25 Fc Taxi, Fc Ruta
52 13 N Falfa Taxi y Ruta
59 14.75 20 Obtener los residuos y hacer una prueba de normalidad
284 Concluir comparando Fc Taxi y Fc Ruta vs Falfa
Concluir en base a gráficas del intervalo de confianza de medias
14.2 Identificar las medias que son diferentes por Tukey o DMS
prom Tot Si se busca minimizar la respuesta ¿En qué ruta se debe operar ?
reng
col
a el tiempo del recorrido
del recorrido
Residual Plots for 1, 2, 3, 4

y Plot of the Residuals Residuals Versus the Fitted Values
Las graficas nos indican que tiene un comportamiento normal
5.0 por el P valor y los resuduales no siguen un patron anormal.
2.5
Residual
0.0
-2.5
-5.0
0.0 2.5 5.0 14.0 14.4 14.8
esidual Fitted Value
of the Residuals
0 2 4
esidual
RESI2 RESI3 RESI4

1 2.2 -0.8
4 3.2 3.2
-3 0.2 -4.8
-2 -2.8 1.2
0 -2.8 1.2
+
+
7.0
+
+
7.0
+
+
7.0
A, B, C, D sobre el tiempo de ensamblaje de

studio, ademas el ingeniero sabe que todos
erido para el último ensamblaje puede ser
arrolla una tendencia en el tiempo de
niero emplea el diseño del cuadrado latino que
= .0.05) y sacar las concluisones apropiadas
ADOR
3 4
7 B 8
11 A 8
11 D 9
12 C 14
4
16
o significativo.
n comportamiento normal
F de alfa
4.7571
5.1433
F de alfa
3.8625
3.8625
F de alfa
4.7571
4.7571
4.7571
F P
81 0.010
52 0.089
81 0.004
F de alfa
3.2592
3.2592
3.2592
F P
23 0.348
98 0.455
31 0.000
das y si afecta el taxista.
DISEÑOS DE EXPERIMENTOS FACTORIALES
Ejercicio
Problema 5.5
Contenido de Cobre en %
Temperatura 40 60
50 17 16
20 21
75 12 18
9 13
100 16 18
12 21
125 21 23
17 21
124 151
15376 22801
Contenido de Cobre en %
Temperatura 40 60
50 289 256
400 441
75 144 324
81 169
100 256 324
144 441
125 441 529
289 441
Factor 13986.28125
SSt 1076.71875
Ssa 156.09375
SSb 698.34375
SSs 968.21875
Ssab 113.78125
Sse 108.5
General Linear Model: datos versus Temp, Cobre
Factor Type Levels Values

Temp fixed 4 50 75 100 125
Cobre fixed 4 40 60 80 100
Analysis of Variance for datos, using Adjusted SS for Tests

Temp 3 156.094 156.094 52.031 7.67 0.002
Cobre 3 698.344 698.344 232.781 34.33 0.000
Temp*Cobre 9 113.781 113.781 12.642 1.86 0.133
Error 16 108.500 108.500 6.781
Total 31 1076.719
Least Squares Means for datos
Temp Mean SE Mean

50 21.88 0.9207
75 17.38 0.9207
100 21.00 0.9207
125 23.38 0.9207
Cobre
40 15.50 0.9207
60 18.88 0.9207
80 21.00 0.9207
100 28.25 0.9207
Interaction Plot - Data Means for datos
Temp
50
30
75
100
125
Mean
20
10
40 60 80 100
Cobre
Mea
20
10
40 60 80 100
Cobre
Main Effects Plot - Data Means for datos
T emp Cobre
27
24
datos
21
18
15
RESIDUALES
id FITS1 RESI1 datos

1 18.5 -1.5 17
2 18.5 -2.5 16
3 23.0 1.0 24
4 27.5 0.5 28
5 10.5 1.5 12
6 15.5 2.5 18
7 14.5 2.5 17
8 29.0 -2.0 27
9 14.0 2.0 16
10 19.5 -1.5 18
11 24.0 1.0 25
12 26.5 3.5 30
13 19.0 2.0 21
14 22.0 1.0 23
15 22.5 0.5 23
16 30.0 -1.0 29
17 18.5 1.5 20
18 18.5 2.5 21
19 23.0 -1.0 22
20 27.5 -0.5 27
21 10.5 -1.5 9
22 15.5 -2.5 13
23 14.5 -2.5 12
24 29.0 2.0 31
25 14.0 -2.0 12
26 19.5 1.5 21
27 24.0 -1.0 23
28 26.5 -3.5 23
29 19.0 -2.0 17
30 22.0 -1.0 21
31 22.5 -0.5 22
32 30.0 1.0 31
Problema 5.11 Temperatura

Posición 800 825
1 570 1063
565 1080
583 1043
2 528 988
547 1026
521 1004
3314 6204
10982596 38489616
Temperatura
Posición 800 825
1 324900 1129969
319225 1166400
339889 1087849
2 278784 976144
299209 1052676
271441 1008016
Factor 9072380.0556
SSt 958690.94444
Ssa 7160.0555556
SSb 945342.11111
SSs 953320.27778
Ssab 818.11111111
Sse 5370.6666667
Main Effects Plot - Data Means for datos
Posc Temp
1000
900
datos
800
700
600
900
datos
800
700
600
Interaction Plot - Data Means for datos
Posc
1
1050
2
950
850
Mean
750
650
550
800 825 850

Temp
RESIDUALES
FITS1 RESI1
573 -3
1062 1
555 10
532 -4
1006 -18
532 -6
573 -8
1062 18
555 -45
532 15
1006 20
532 6
573 10
1062 -19
555 35
532 -11
1006 -2
532 0
Problema 5 Se está estudiando el rendimiento para un proceso industrial, los dos factores de
temperatura y presión. Se utilizan tres niveles de cada factor, con los resultados s
Presión en libras / pulg. 2

Temperatura 250 260
86.3 84
20 86.1 85.2
88.5 87.3
40 89.4 89.9
89.1 90.2
60 91.7 93.3
Proceso manual por pasos

Probar a un nivel del 5% identificar si hay los factores o las interacciones son sign
Obtener los residuos y hacer una prueba de normalidad
Determinar los efectos de los factores principales y de las interacciones
Obtener las gráficas factoriales e identificar en cuales seleccionar los diferentes n
Si se quiere maximizar el rendimiento, ¿en que niveles conviene operar el proces
Paso 1 Medias de renglones y columnas
86.3 84 85.8
86.1 85.2 87.3
88.5 87.3 89
89.4 89.9 90.3
89.1 90.2 91.3
91.7 93.3 93.7
Prom columnas 88.5 88.3 89.6
-0.3 -0.5 0.8
0.08 0.23 0.59
Paso 2 Determinar SSA

SSA= 100.403
SSB= 5.410
Paso 3 Promedio de pares

86.2 84.6 86.55
88.95 88.6 89.65
90.4 91.75 92.5

Paso 4 SSAB = n * (prom pares- prom gral.)-SSA-SSB
prom pares-prom gral^2 55.2 SSAB=
Paso 5 datos media yijk-y…^2

86.3 88.8 6.25
86.1 88.8 7.29
88.5 88.8 0.09
89.4 88.8 0.36
89.1 88.8 0.09
91.7 88.8 8.41
84 88.8 23.04
85.2 88.8 12.96
87.3 88.8 2.25
89.9 88.8 1.21
90.2 88.8 1.96
93.3 88.8 20.25
85.8 88.8 9
87.3 88.8 2.25
89 88.8 0.04
90.3 88.8 2.25
91.3 88.8 6.25
93.7 88.8 24.01
SST= 127.96
Paso 6 SSE=SST-SSA-SSB-SSAB
SSE= 17.560
Paso 7 Calculo de la nova por minitab
presion 2 5.410 5.410 2.705 1.39 0.299
temperatura 2 100.403 100.403 50.202 25.73 0.000
presion*temperatura 4 4.587 4.587 1.147 0.59 0.680
Error 9 17.560 17.560 1.951
Total 17 127.960
Paso 8 Calculo de residuales
86.3 0.1
86.1 86.2 -0.1
88.5 -0.45
89.4 88.95 0.45
89.1 -1.3
91.7 90.4 1.3
84 -0.6
85.2 84.6 0.6
87.3 -1.3
89.9 88.6 1.3
90.2 -1.55
91.75
93.3 91.75 1.55
85.8 -0.75
87.3 86.55 0.75
89 -0.65
90.3 89.65 0.65
91.3 -1.2
93.7 92.5 1.2
Paso 9 Prueba de normalidad

(response is datos)
99
95
90
80
70
Percent
60
50
40
30
20
10
1
-3 -2 -1 0 1 2 3
Standardized Residual
Paso 10 Grafica de factoriales
Main Effects Plot (data means) for datos

presion temperatura
92
91
90
Mean of datos
89
88
87
86
85
250 260 270 20 40 60
87
86
85
250 260 270 20 40 60
Problema 5.6
Se estudian los factores que influyen en la resistencia a la ruptura de una fibra sintética, se eligen 4 maq
produccion y 3 operadores, se corre un doe factorial utilizando fibra del mismo lote de produción. Los re
son los siguientes
OPERADOR
OPERADOR 1 2 3
109 110 108
1 110 115 109
110 110 111
2 112 111 109
116 112 114
3 114 115 119
a) Analizar los datos y sacar conclusiones. Uilizar alfa = 0.05

b) Construir las gráficas de los residuales apropiadas y comentar la adecuación del modelo
Se realiza el arreglo en minitab con las sig caracteristicas.

Multilevel Factorial Design
Factors: 2 Replicates: 2
Base runs: 12 Total runs: 24
Base blocks: 1 Total blocks: 1
Number of levels: 3, 4
StdOrder RunOrder PtType Blocks

1 1 1 1
2 2 1 1
3 3 1 1
4 4 1 1
5 5 1 1
6 6 1 1
7 7 1 1
8 8 1 1
9 9 1 1
10 10 1 1
11 11 1 1
12 12 1 1
13 13 1 1
14 14 1 1
15 15 1 1
16 16 1 1
17 17 1 1
18 18 1 1
19 19 1 1
20 20 1 1
21 21 1 1
22 22 1 1
23 23 1 1
24 24 1 1

(response is datos)
99
95
90
80
70
Percent
60
50
40
30
20
10
1
-3 -2 -1 0 1 2 3
De minitab obtenemos la tabla anova:
operador 2 160.333 160.333 80.167 21.14 0.000
maquina 3 12.458 12.458 4.153 1.10 0.389
operador*maquina 6 44.667 44.667 7.444 1.96 0.151
Error 12 45.500 45.500 3.792
Total 23 262.958
S = 1.94722 RSq = 82.70% RSq(adj) = 66.84%
Interaction Plot (data means) for datos

120.0 operador
1
2
3
117.5
120.0 operador
1
2
3
117.5
115.0
Mean
112.5
110.0
1 2 3 4
maquina

operador maquina
116
115
114
Mean of datos
113
112
111
110
1 2 3 1 2 3 4
Prob 5.7 Un ingeniero mecánico estudia la fuerza de empuje desarrollada por una taladradora. Sospecha que la v
y la velocidad de alimentación del material son los factores más importantes. Seleiona 4 velocidades de
una velocidad de taladro alta y otra baja elegidas para representar las condiciones de operación extrem
obtiene los siguientes resultados
Analizar los datos y sacar conclusiones. Utilizar alfa = 0.05
Velocidad VELOCIDAD DE ALIMENTACIÓN

de taladro 0.015 0.030 0.045
125 2.7 2.45 2.6
2.78 2.49 2.72
200 2.83 2.85 2.86
2.86 2.8 2.87
0.015 0.03 0.045
2.7 2.45 2.6
125 2.78 2.49 2.72
2.83 2.85 2.86
200 2.86 2.8 2.87
2.7925 2.6475 2.7625
Promedios por celdas
2.74 2.47 2.66

2.845 2.825 2.865
SSA SST FUENTE SS

0.009264 412.090000 Taladro 0.148
0.009264 408.848400 Alimentiac. 0.093
0.148225 TalxAlim 0.042
406.828900 Error 0.021
SSB 405.619600 Total 0.303
0.000756 422.302500
0.013806 420.660100
0.000006
0.008556 406.022500
0.092500 408.040000
416.160000
SSAB 411.278400
410.467600
406.224025 405.619600
421.480900 405.216900
407.030625 410.062500
413.715600 405.619600
405.418225
407.838025 402.403600
403.608100 404.814400
3275.783100 6551.587000
6551.325475
SSE
0.020800
Verificacion por minitab. Se realiza un arreglo con las siguientes caracteristicas
Multilevel Factorial Design
Number of levels: 2, 4
El arreglo obtenido es el siguiente:

}
1 1 1 1
2 2 1 1
3 3 1 1
4 4 1 1
5 5 1 1
6 6 1 1
7 7 1 1
8 8 1 1
9 9 1 1
10 10 1 1
11 11 1 1
12 12 1 1
13 13 1 1
14 14 1 1
15 15 1 1
16 16 1 1
La tabla de anova nos arroja los siguientes resultados:
Source DF Seq SS Adj SS Adj MS F
vel. taladrado 1 0.148225 0.148225 0.148225 57.01
vel. alimentacion 3 0.092500 0.092500 0.030833 11.86
vel. taladrado*vel. alimentacion 3 0.041875 0.041875 0.013958 5.37
Error 8 0.020800 0.020800 0.002600
Total 15 0.303400
Los datos se comportan de manera normal.

(response is datos)
99
95
90
80
70
Percent
60
50
40
30
20
10
1
-3 -2 -1 0 1 2
70
Percent
60
50
40
30
20
10
1
-3 -2 -1 0 1 2
Se observa una interaccion y es significativa entre la velocidad del taladro y la velocidad de la alimentac
y es significativa por el valor de P de la tabla anova.

vel. taladrado
2.9 125
200
2.8
Mean
2.7
2.6
2.5
0.015 0.030 0.045 0.060

vel. alimentacion
Problema 5.17 El departamento de control de calidad de una planta de acabados textiles estudia el efecto de varios fac
teñido de una tela de algodón y fibras sintéticas utilizada para fabricar camisas para caballero. Se selecc
operadores, tres duraciones de ciclo y dos temperaturas, y se tiñeron 3 ejemplares de tela pequeños baj
conjunto de condiciones. La tela terminada se comparó con un patrón y se le asignó una evaluación num
Los datos se presentan enseguida, analizarlos y sacar conclusiones. Comentar la adecuación del model
TEMPERATURA
DURACIÓN 300˚
DEL Operador
CICLO 1 2 3
23 27 31
24 28 32
40 25 26 29
36 34 33
35 38 34
50 36 39 35
28 35 26
24 35 27
60 27 34 25
Se realizo un diseño factorial con las siguientes caracteristicas.
Number of levels: 3, 2, 3

1 1 1 1
2 2 1 1
3 3 1 1
4 4 1 1
5 5 1 1
6 6 1 1
7 7 1 1
8 8 1 1
9 9 1 1
10 10 1 1
11 11 1 1
12 12 1 1
13 13 1 1
14 14 1 1
15 15 1 1
16 16 1 1
17 17 1 1
18 18 1 1
19 19 1 1
20 20 1 1
21 21 1 1
22 22 1 1
23 23 1 1
24 24 1 1
25 25 1 1
26 26 1 1
27 27 1 1
28 28 1 1
29 29 1 1
30 30 1 1
31 31 1 1
32 32 1 1
33 33 1 1
34 34 1 1
35 35 1 1
36 36 1 1
37 37 1 1
38 38 1 1
39 39 1 1
40 40 1 1
41 41 1 1
42 42 1 1
43 43 1 1
44 44 1 1
45 45 1 1
46 46 1 1
47 47 1 1
48 48 1 1
49 49 1 1
50 50 1 1
51 51 1 1
52 52 1 1
53 53 1 1
54 54 1 1
De acuerdo a la grafica se considera que los datos tienen un comportamiento normal

(response is datos)
99
95
90
80
70
Percent
60
50
40
30
20
10
1
-3 -2 -1 0 1 2 3
La tabla Anova de minitab nos indica los resutados siguientes.
ciclo 2 436.000 436.000 218.000 66.51 0.000
temperatura 1 50.074 50.074 50.074 15.28 0.000
operador 2 261.333 261.333 130.667 39.86 0.000
ciclo*temperatura 2 78.815 78.815 39.407 12.02 0.000
ciclo*operador 4 355.667 355.667 88.917 27.13 0.000
temperatura*operador 2 11.259 11.259 5.630 1.72 0.194
ciclo*temperatura*operador 4 46.185 46.185 11.546 3.52 0.016
Error 36 118.000 118.000 3.278
Total 53 1357.333

300 350 1 2 3
ciclo
35
40
50
ciclo 30 60
25
temperatura
35
300
350
temperatura 30
25
operador
Podemos ver claramente en el grafico las interaccione

ademas del ciclo y el operador y una interaccion triple
SS T =SS A + SS B +SS AB + SS E
Grados. de .libertad . totales=abn−1
Grados. de .libertad . de . A=a−1
ntenido de Cobre en % Grados. de .libertad . de . B=b−1
80 100
Grados. de .libertad . de . AB=( a−1 )( b
24 28 175 30625 Grados. de .libertad . de . Error=an ( n−
22 27
a b n 2
17 27 139 19321 y . ..
12 31 SS T =∑ ∑ ∑ y 2ijk −
25 30 168 28224
i=1 j=1 k =1 abn
23 23
a
23 29 187 34969 1 2 y . .. 2
22
168
31
226
SS A = ∑
y −
bn i=1 i. . abn
28224 51076
a
1 y . . .2
ntenido de Cobre en %
80 100
SS B = ∑2
y −
an i =1 . j . abn
a b
576 784
1 y . . .2
484
289
729
729
SSs= ∑∑ 2
y −
n i=1 j=1 ij . abn
144 961
625 900 SS AB =SS S −SS A −SS B
529 529
529 841 SS E =SS T −SS A −SS B −SS AB =SS T −SS
484 961
Temperatura 40 60 80
50 1369 1369 2116
75 441 961 841
100 784 1521 2304
125 1444 1936 2025
La tabla ANOVA queda como:
Fuente de Suma de Grados de Cuadrado

variación cuadrados libertad medio
Tratamiento A SSA a-1 MSA
Tratamiento SSB b-1 MSB
InteracciónA SSAB (a-1)(b-1) MSAB
Error SSE ab(n-1) MSE
Total SST abn-1
Tratamiento Sum Cuadr Gl Cuadr med

Trat A 156.09375 3 52.0313
Trat B 698.34375 3 232.7813
F P Trat AB 113.78125 6 18.9635
7.67 0.002
34.33 0.000 Error 108.5 16 6.7813
1.86 0.133 Total 1076.71875 31 34.7329
40 60 80
50 18.5 18.5 23
mp 75 10.5 15.5 14.5
50 100 14 19.5 24
75
100
125 19 22 22.5
125
35
50
30
75
25 10
12
20
15
10
5
35
50
30
75
25 10
12
20
15
10
0
40 60 80 100
Temp
27.00 Temp
tos 25.00 50 21.88
75 17.38
23.00
100 21.00 Temp
21.00 125 23.38
Cobre 19.00
17.00
15.00
50 75 100 125
Cobre
27
25 Cobre
40 15.5
23
60 18.875 Cobre
21 80 21
19 100 28.25
17
15
40 60 80 100
Prom Celda Residuo

18.5 -1.5
18.5 -2.5
23.0 1.0
27.5 0.5
10.5 1.5
15.5 2.5
14.5 2.5
29.0 -2.0
14.0 2.0
19.5 -1.5
24.0 1.0
26.5 3.5
19.0 2.0
22.0 1.0
22.5 0.5
30.0 -1.0
18.5 1.5
18.5 2.5
23.0 -1.0
27.5 -0.5
10.5 -1.5
15.5 -2.5
14.5 -2.5
29.0 2.0
14.0 -2.0
19.5 1.5
24.0 -1.0
26.5 -3.5
19.0 -2.0
22.0 -1.0
22.5 -0.5
30.0 1.0
850
SS T =SS A + SS B +SS AB
565
510
6569 43151761
Grados. de .libertad . t
590 Grados. de .libertad . d
526 6210 38564100 Grados. de .libertad . d
538
532
Grados. de .libertad . d
3261
10634121
Grados. de .libertad . d
a b n
SS T =∑ ∑ ∑ y 2ijk−
i=1 j=1 k =1
a
850
1 2 y ..
319225
SS A =
bn i=1
∑ y i . .−
abn
260100
a
348100
1 y..
276676
SS B = ∑
an i =1
y 2. j .−
abn
a b
1 y
SSs= ∑∑
n i=1 j=1
y 2ij .−
ab
SS A =
bn
∑ y i . .− abn
i=1
a
1 y..
SS B =
an
∑ y 2. j .− abn
i =1
289444
a b
283024
1 y
SSs= ∑ ∑
n i=1 j=1
y 2ij .−
ab
SS AB =SS S −SS A−SS B
800 825 850
1 2951524 10150596 2772225 SS E =SS T −SS A−SS B
2 2547216 9108324 2547216
Tratamiento Sum Cuadr Gl Cuadr med Fc Probabilidad

Trat A 7160.06 1 7160.06 16.00 0.002
Trat B 945342.11 2 472671.06 1056.12 0.000
Trat AB 818.11 2 409.06 0.91 0.427
Error 5370.67 12 447.56

Total 9072380.06 17 533669.42

Posc 1 7160 7160 7160 16.00 0.002
Temp 2 945342 945342 472671 1056.12 0.000
Posc*Temp 2 818 818 409 0.91 0.427
Error 12 5371 5371 448
Total 17 958691
T emp
Posc
1
2
datos Prom Celda Residuo

570 572.67 1142.7
1063 1062 2125.0
565 555 1120.0
528 532 1060.0
988 1006 1994.0
526 532 1058.0
565 572.67 1137.7
1080 1062 2142.0
510 555 1065.0
547 532 1079.0
1026 1006 2032.0
538 532 1070.0
583 572.67 1155.7
1043 1062 2105.0
590 555 1145.0
521 532 1053.0
1004 1006 2010.0
532 532 1064.0
oceso industrial, los dos factores de interés son
de cada factor, con los resultados siguientes:
en libras / pulg. 2
270 Datos Niveles
85.8 Temperaturas 20, 40, 60 Grados 3 a
87.3 Presion 250, 260, 270 psi 3 b
89 Replicas n= 2
90.3
91.3
93.7
actores o las interacciones son significativas
ales y de las interacciones

n cuales seleccionar los diferentes niveles
e niveles conviene operar el proceso?
Prom
-3.02 9.10
85.8
0.27 0.07
89.1
2.75 7.56 b=3
91.6 n=2
88.8 n=2 16.73 100.403333
Media genera a=3
0.90
5.41
4.58666667
F P
1.39 0.299 No es significativa.
25.73 0.000 La temp. Es significativa debido al valor de P
0.59 0.680 La interaccion no es significativa
Residuals Versus presion Residuals Versus temperatura
(response is datos) (response is datos)
2 2
1
0 0
-1 -1
-2 -2
250 255 260 265 270 20 30 40 50 60
presion temperatura
De acuerdo a las graficas nos indica que los datos tienen un comportamiento normal
y lo verificamos con la grafica de residuales de presion y temperatura.

93 presion
250
92 260
270
91
90
89
Mean
88
87
86
85
84
20 40 60
60 temperatura
86
85
84
20 40 60
60 temperatura
No hay interaccion entre los factores presion y temperatura.
Para maximizar el rendimiento del proceso es necsario trabajar a una presion de 270 psi
y a una temperatura de 60°
La optimizacion del proceso se lleva acabo cuando logramos operar el proceso a una presion de
y a temperatura de 60° ya que para un proceso alcanzo apenas los 260 psi a la misma temperat
una fibra sintética, se eligen 4 maquinas de

del mismo lote de produción. Los resultados
4
110
108
114
112
120
117
decuación del modelo
Design
operador maquina datos FITS1 RESI1

1 1 109 109.5 -0.5
1 2 110 112.5 -2.5
1 3 108 108.5 -0.5
1 4 110 109 1
2 1 110 111 -1
2 2 110 110.5 -0.5
2 3 111 110 1
2 4 114 113 1
3 1 116 115 1
3 2 112 113.5 -1.5
3 3 114 116.5 -2.5
3 4 120 118.5 1.5
1 1 110 109.5 0.5
1 2 115 112.5 2.5
1 3 109 108.5 0.5
1 4 108 109 -1
2 1 112 111 1
2 2 111 110.5 0.5
2 3 109 110 -1
2 4 112 113 -1
3 1 114 115 -1
3 2 115 113.5 1.5
3 3 119 116.5 2.5
3 4 117 118.5 -1.5
La grafica nos indica que los datos tienen un comportamiento normal
El operador es significativo para la resistencia de la fibra sintetica

Las maquinas no son significativas
La interaccion no es significativa.
La grafica nos indica que hay una interaccion entre el operador y la maquina
son embargo en los datos de la anova indica que no son significativos.
Se determina que la resistencia de la fibra optica se maximiza cuando se trabaja

con el operador 3 y en la maquina 4.
una taladradora. Sospecha que la velocidad de taladro

rtantes. Seleiona 4 velocidades de almentación y usa
s condiciones de operación extremas.
NTACIÓN
0.060
2.75
2.86
2.94
2.88
0.06
2.75
2.86 2.66875
2.94
2.88 2.86125
2.8575 2.765
2.805
2.91
gl MS Fc Falfa P
1.000 0.148 57.010 5.318 6.60528E-05 Todos los valoresson significativos para
3.000 0.031 11.859 4.066 0.002581528 explicar la variacion de la fuerza del
3.000 0.014 5.369 4.066 0.025567461 taladro.
8.000 0.003
15.000 0.020
glo con las siguientes caracteristicas

vel. taladradovel. alimentacion datos FITS1 RESI1
125 0.015 2.7 2.74 -0.04
125 0.03 2.45 2.47 -0.02
125 0.045 2.6 2.66 -0.06
125 0.06 2.75 2.805 -0.055
200 0.015 2.83 2.845 -0.015
200 0.03 2.85 2.825 0.025
200 0.045 2.86 2.865 -0.005
200 0.06 2.94 2.91 0.03
125 0.015 2.78 2.74 0.04
125 0.03 2.49 2.47 0.02
125 0.045 2.72 2.66 0.06
125 0.06 2.86 2.805 0.055
200 0.015 2.86 2.845 0.015
200 0.03 2.8 2.825 -0.025
200 0.045 2.87 2.865 0.005
200 0.06 2.88 2.91 -0.03
dj SS Adj MS F P
48225 0.148225 57.01 0.000 Todos los valoresson significativos para
92500 0.030833 11.86 0.003 explicar la variacion de la fuerza del
41875 0.013958 5.37 0.026 taladro.
20800 0.002600
Plot of the Residuals

is datos)
0 1 2 3
ized Residual
0 1 2 3
ized Residual
ladro y la velocidad de la alimentacion.

vel. taladrado vel. alimentacion
vel. taladrado
125
200 2.85
2.80
Mean of datos
2.75
2.70
2.65
125 200 0.015 0.030 0.045 0.060
xtiles estudia el efecto de varios factores sobre el

r camisas para caballero. Se seleccionaron 3
3 ejemplares de tela pequeños bajo cada
n y se le asignó una evaluación numérica
Comentar la adecuación del modelo
MPERATURA
350˚
Operador
1 2 3
24 38 34
23 36 36
28 35 39
37 34 34
39 38 36
35 36 31
26 36 28
29 37 26
25 34 24
ciclo temperatura operador datos FITS1 RESI1

40 300 1 23 24 -1
40 300 2 27 27 0
40 300 3 31 30.6667 0.33333
40 350 1 24 25 -1
40 350 2 38 36.3333 1.66667
40 350 3 34 36.3333 -2.33333
50 300 1 36 35.6667 0.33333
50 300 2 34 37 -3
50 300 3 33 34 -1
50 350 1 37 37 0
50 350 2 34 36 -2
50 350 3 34 33.6667 0.33333
60 300 1 28 26.3333 1.66667
60 300 2 35 34.6667 0.33333
60 300 3 26 26 0
60 350 1 26 26.6667 -0.66667
60 350 2 36 35.6667 0.33333
60 350 3 28 26 2
40 300 1 24 24 0
40 300 2 28 27 1
40 300 3 32 30.6667 1.33333
40 350 1 23 25 -2
40 350 2 36 36.3333 -0.33333
40 350 3 36 36.3333 -0.33333
50 300 1 35 35.6667 -0.66667
50 300 2 38 37 1
50 300 3 34 34 0
50 350 1 39 37 2
50 350 2 38 36 2
50 350 3 36 33.6667 2.33333
60 300 1 24 26.3333 -2.33333
60 300 2 35 34.6667 0.33333
60 300 3 27 26 1
60 350 1 29 26.6667 2.33333
60 350 2 37 35.6667 1.33333
60 350 3 26 26 0
40 300 1 25 24 1
40 300 2 26 27 -1
40 300 3 29 30.6667 -1.66667
40 350 1 28 25 3
40 350 2 35 36.3333 -1.33333
40 350 3 39 36.3333 2.66667
50 300 1 36 35.6667 0.33333
50 300 2 39 37 2
50 300 3 35 34 1
50 350 1 35 37 -2
50 350 2 36 36 0
50 350 3 31 33.6667 -2.66667
60 300 1 27 26.3333 0.66667
60 300 2 34 34.6667 -0.66667
60 300 3 25 26 -1
60 350 1 25 26.6667 -1.66667
60 350 2 34 35.6667 -1.66667
60 350 3 24 26 -2
amiento normal
iduals
2 3
Adj MS F P
218.000 66.51 0.000 Significativo
50.074 15.28 0.000 Significativo
130.667 39.86 0.000 Significativo
39.407 12.02 0.000 Interaccion no significativa
11.546 3.52 0.016 Triple Interaccion significativa

ciclo temperatura
ciclo 36.0
35
40
34.5
50
30 60 33.0
31.5
25
Mean of datos
30.0
temperatura
35
300
40 50 60 300 350
350
30
operador
36.0
34.5
25
33.0
31.5
30.0
1 2 3
mente en el grafico las interacciones significativas entre la duracion del ciclo y la temperatura
el operador y una interaccion triple entre ciclo, operador y temperatura.
SS AB + SS E
ad . totales=abn−1
ad . de . A=a−1
ad . de . B=b−1
ad . de . AB=( a−1 )( b−1 )
ad . de . Error=an ( n−1 )
2
y . ..
y 2ijk −
abn
y . .. 2
−
abn
y . . .2
−
abn
y . . .2
.−
abn
−SS B
−SS B −SS AB =SS T −SS S
100
3025
3364
2809
3600
Factor
F
F=MSA/MSE
F=MSB/MSE
MSAB/MSE
Fc Probabilidad F de alfa
7.67 0.0021266 4.7571
34.33 0.0000003 4.7571
2.80 0.0468182
100
27.5
29
26.5
30
50
75
100
125
50
75
100
125
80 100
Temp
125
Cobre
100
SS T =SS A+ SS B +SS AB + SS E
Grados. de .libertad . totales=abn−1
Grados. de .libertad . de . A=a−1
Grados. de .libertad . de . B=b−1
Grados. de .libertad . de . AB=(a−1 )( b−1 )
Grados. de .libertad . de . Error=an ( n−1 )
a b n 2
y . ..
SS T =∑ ∑ ∑ y 2ijk −
i=1 j=1 k =1 abn
a
1 2 y . .. 2
SS A =
bn i=1
∑ y i . .−
abn
a
1 y . . .2
SS B = ∑ 2
y −
an i =1 . j . abn
a b
1 y . . .2
SSs= ∑∑ y −2
n i=1 j=1 ij . abn
SS A =
bn
∑ y i . .− abn
i=1
a
1 y . . .2
SS B =
an
∑ y 2. j .−
abn
i =1
a b
1 y . . .2
SSs= ∑ ∑ y ij .− 2
n i=1 j=1 abn
SS AB =SS S −SS A −SS B
SS E =SS T −SS A−SS B −SS AB =SS T −SS S
F de alfa
18.51
19.00
Residuals Versus temperatura
(response is datos)
30 40 50 60
temperatura
comportamiento normal
jar a una presion de 270 psi
s operar el proceso a una presion de 270 psi

nas los 260 psi a la misma temperatura.
dor y la maquina
a cuando se trabaja
oresson significativos para
ariacion de la fuerza del
taladro.
resson significativos para
iacion de la fuerza del
s) for datos
vel. alimentacion
0.030 0.045 0.060

means) for datos
temperatura
300 350
TAREA 1. PRUEBA DE HIPÓTESIS
2.2 Supuestamente la viscosidad de un detergente líquido debe promediar 800 centistokes a 25 C. Se

colrcta una muestra aleatoria de 16 lotesde detergentes, y la viscosidad promedio es de 812. Supongase
que la desviación estándar de 25 centistokes.
Sigma conocida se utiliza Z
a) Enunciar la hipótesis que debería enunciarse.
Ho: m = 800
Ha: m <> 800
b) Probar la hipótesis nula a a = 0.05 ¿A qué conclusión llega?
Z = media de muestra - media de hipótesis ) / (sigma / raiz (n) ) = 1.9200
c) ¿Cuál es el valor de p para esta prueba? 0.0274 0.055 Por ser la prueba de dos colas
d) Encontrar el intervalo de confianza al 95% para la media.
Int Inf 799.8

Int Sup 824.3
No se rechaza hipótesis nula
2.3 Los diámetros de las flechas de acero producidos porcierto proceso de manufactura deberán tener un
promedio de 0.255 pulgadas. Se sabe que el diámetro tiene una desviación estándar de 0.0001 pulgadas
Una muestra aleatoria de 10 flechas tienen un diámetro promedio de 0.2545 pulgadas.
a) Establecer la hipótesis apropiada para la media m.
Ho: m = 0.255
Ha: m <> 0.255
b) Probar la hipótesis nula a a = 0.05 ¿A qué conclusión llega?
Z = (media de muestra - media de hipótesis ) / (sigma / raiz (n) ) = -15.81
c) ¿Cuál es el valor de p para esta prueba? 0.0000
d) Encontrar el intervalo de confianza al 95% para la media.
Int Inf 0.254438

Int Sup 0.254562
Se Rechaza hipótesis nula

2.5 La vida de anaquel de una bebida carbohidratadaes motivo de interés.Se seleccionan 10 botellas al azar
y se prueban, obteniendose los siguientes resultados:
Días
108 138 131.00
124 163 19.5448203
124 159
106 134
115 139
a) Establecer que la vida de anaquel excede a 120 días. Establecer la hipótesis apropiada para
establecer la afirmación.
Ho: m <=120
Ha: m >120
b) Probar la hipótesis nula a a = 0.01 ¿A qué conclusión llega? Test of mu = 120 vs mu < 120
t = (media de muestra - media de hipótesis ) / (sigma / raiz (n) ) = 1.78 Variable N Mean S
ej 5 10 131.00 19
c) ¿Cuál es el valor de p para esta prueba? 0.054 Variable 99.0% Upper Bou
ej 5 148.45 1.7
d) Encontrar el intervalo de confianza al 99% para la vida de anaquel
Int Inf 113.56 2.821

Int Sup 148.44
Se ACEPTA la hipótesis nula
2.7 El tiempo pára preparar un instrumento eléctrico es una variable aleatoria medidas en horas que sigue una
distribución normal. El tiempo de preparación de 16 de estos instrumentos elegidos al azar es:
Horas
159 280 101 212
224 379 179 264 Media
222 362 168 250 241.5
149 260 485 170
a) Quiere saberse se el tiempo de reparación promedio exede a 225 horas. Establecer la hipótesis apropiada
para inverstigar esta cuestión.
Ho: m =< 225

Ha: m > 225
b) Probar las hipótesis que se formulen en el inciso a. ¿A que conclusiones se llega? Utilizar a = 0.05.
Z = media de muestra - media de hipótesis ) / (sigma / raiz (n) ) = 0.6685
c) Encontrar el valor p para la prueba. 1.746
d) Construir un intervalo de confianza de 95% para el tiempo de preparación promedio.
Int Inf 198.41

Int Sup 284.59
2.9 Se utilizan dos máquinas para llenar botellas de plastico con un volumen neto de 16 onzas. Puede suponerse
que el proceso de llenado es normal, con desviación estándar de s1= 0.015 y s2 = 0.018. El departamento de
ingeniería de calidad sospechan que ambas máquinas llenan el mismo volumen neto, sin importar que este volumen
es de 16 onzas o no. Se realiza un experimento tomando una muestra aleatoria de cada máquina:
Máquina 1 Máquina 2
16.03 16.02
16.04 15.97
16.05 15.96
16.05 16.06
16.02 15.99
16.01 16.03
15.96 16.04
15.98 16.02
16.02 16.01
15.99 16.00
Promedios 16.015 16.01
Prueba F para varianzas de dos muestras
Media 16.01 16.015
Varianza 0.0009555556 0.00091667
Observaciones 10 10
Grados de libertad 9 9
F 1.042
P(F<=f) una cola 0.476
Valor crítico para F (una cola) 3.179
Por lo tanto se tiene que ambas muestras tienen la misma varianza.
a) Enunciar la hipótesis para probarse el experimento.
Ho: m1 = m2
Ha : m1<> m2
b) Probar esta hipótesis utiliizando a = 0.05. ¿A qué conclusiones llegas?
Prueba t para dos muestras suponiendo varianzas iguales
Media 16.015 16.01
Varianza 0.00092 0.00096
Observaciones 10 10
Varianza agrupada 0.0009361111
Diferencia hipotética de las medias 0
Grados de libertad 18
Estadístico t 0.365
P(T<=t) una cola 0.360
Valor crítico de t (una cola) 1.734
P(T<=t) dos colas 0.719
Valor crítico de t (dos colas) 2.101
Por lo tanto ambas muestras tienen igaldad de medias

c) Encontrar el valor p para la prueba? 2.101
d) Encontrar el intervalo de confianza de 95% para la diferencia en el volumen de llenado promedio

de las dos máquinas. Valor p 0.700
Muestra 1 Muestra 2
Int Inf 16.008 16.003
Int Sup 16.022 16.017
Se interceptan los intervalos de confianza.
2.14 Se hacen 20 observaciones de una uniformidad de grabado en obleas de silicon duranteun experimento
de evaluación de un grabado de plasma. Los datos son los siguientes:
5.34 6.65 4.76 5.98 7.25

6.00 7.55 5.54 5.62 6.21 var Gl
5.97 7.35 5.44 4.39 4.98 0.790448 20.00
5.25 6.35 4.61 6.00 5.32
a) Construir una estimación con intervalo de confianza de 95% de s2?

Estadístico
Int Sup Muestra 1 Int Inf 0.975 0.025 32.8523269
1.686 0.790 0.457 9.59 34.17 8.90651648
b) Probar la hipótesis que s2= 1.0, utilizar a = 0.05. ¿A qué conclusiones llegas?
Ho: s2 = 1.0 El 1 esta dentro del intervalo de confianza.

Ha: s2 <> 1.0
Estadístico de prueba:
(n-1)S2 / sigma 2 = 15.02
No se rechaza hipótesis nula
c) Comentar el supuesto de normalidad y su papel en este problema.
d) Verificar la normalidad construyendo una gráfica de probabilidad normal. ¿A que conclusiones llegas?
2.15 Doce inspectores midieron el diámetro de un cojinete de bolas,utilizando cada uno dos tipos de calibradores.
Los resultados fueron:
Inspector Medición 1 Medición 2

1 0.256 0.264
2 0.265 0.265
3 0.266 0.264
4 0.267 0.266
5 0.267 0.267
6 0.265 0.268
7 0.267 0.264
8 0.267 0.265
9 0.265 0.265
10 0.268 0.267
11 0.268 0.268
12 0.265 0.269
Promedio 0.2655 0.266

0.264 0.256
Media 0.2662 0.2664
Varianza 2.963636E-06 1.45455E-06
Observaciones 11 11
F 2.038
Las varianzas son iguales.
a) Existe diferencia significativa entre ambas mediciones de las dos muestras? Utilizar a = 95%
0.256 0.264
Media 0.266 0.266
Varianza 1.454545E-06 2.96364E-06
Observaciones 11 11
Varianza agrupada 2.209091E-06
Estadístico t 0.287 DUDA.
P(T<=t) una cola 0.389 Nota No importa el orden
Valor crítico de t (una cola) 1.725 de las variables
Las mediaa son iguales para ambas muestras
b) Encontrar el valor p para la prueba del inciso a. 2.086
c) Construir un intervalo de confianza al 95% para las diferencias en el diámetros promedio para los dos
tipos de calibradores. Valor p 0.695
Muestra 1 Muestra 2
Int Inf 0.2649 0.2656
Int Sup 0.2661 0.2664
2.17 Se estudia la temperatura de deflexión bajo carga de dos formulaciones diferentesde un tubo de
plastico ABS.Dos muestras de 12 observaciones cada una, se preparan utilizando cada formulación
y las temperaturas de de flexión (en F) se presentan abajo:
Formulación 1 Formulación 2
206 177
188 197
205 206
187 201
193 176
207 185
185 200
189 197
192 198
210 188
194 189
178 203
Promedio 194.5 193.08
a) Construir la gráfica de probabilidad normal para ambas muestras, ¿estas graficas apoyan
el supuesto de normalidad e igualdad de varianza de ambas muestras?
Media 194.500 193.083
Varianza 103.545 98.992
Observaciones 12 12
F 1.046
Igualdad de varianza entre las muestras
b) Las muestras apoyan la afirmación de que las temperaturas promedio de deflexión bajo carga
de la formulación 1 excede la de la formulación 2? Utilizar a = 95%
Media 194.50 193.08
Varianza 103.55 98.99
Observaciones 12 12
Estadístico t 0.345
c) Cuál es el valor p para la prueba del inciso a? 0.367
2.19 En la fabbricación de semiconductores es común el uso de grabado químico humedo para eliminar el
silicio.de la parte posterior de la oblea.antes de la metalización. La rapidez del grabado es una característica
importante de este proceso. Se están evaluando dos soluciones de grabado diferentes. Se grabaron ocho
obleas seleccionadas al azar en cada solución y las cifras de rapidez de grabado (en milesimas de pulgada se
observan a continuación:
Solución 1 Solución 2
9.9 10.2
9.4 10.0
10.0 10.7
10.3 10.5
10.6 10.6
10.3 10.2
9.3 10.4
9.8 10.3
Promedio 10.0 10.4
a) Los datos indican que la afirmaciónde que ambas soluciones tienen la misma rapidez de grabado promedio
es verdadera? Utilizar a = 0.05 y suponer igualdad de varianza.
Solución 1 Solución 2
Media 9.950 10.363
Varianza 0.203 0.054
Observaciones 8 8
Estadístico t -2.302
Ambas soluciones tienen la misma rapidez.
b) Encontrar el intervalo de confianza al 95% para la diferencia de la rapidez de grabado promedio.

Valor p 0.695
Muestra 1 Muestra 2
Int Inf 9.84 10.31
Int Sup 10.06 10.42
c) Usar graficas de probabilidad normal para investigar la adecuación de los supuestos de normalidad e igualdad
de la varianza
Problema 6.9
Tabla ANOVA
A=-1, B=-1 A=+1, B=-1 A=-1, B=+1 A=+1, B=+1 A= -1
(1) = a= b= ab=
Vidrio Emp.1 A= +1
19.99 18.42 23.93 19.65
(1) a b= ab=
SSA = 2.13890625 Gl A 1 MSA= 2.13890625
SSB = 1.67055625 Gl B 1 MSB = 1.67055625
SSAB = 0.45900625 Gl AB 1 MSAB= 0.45900625
SST = 5.91559375 15
SSE = 1.647125 GL E 12 MSE= 0.13726042
b = 23.93 ab = 19.65
(1) =19.99 a = 18.42
Fórmulas en página 220 Coeficientes de la ecuación de regresión

Efecto de A= -0.73125 Coef. A -0.365625
Efecto de B= 0.64625 Coef. B 0.323125
Efecto de AB -0.33875 Coef. AB -0.169375
Constante 5.124375
Gran media
Y est = 5.124 - 0.36*A + 0.323*B - 0.1693*

FITS RESIDUALS
Residuos = Yobs - Y est Yobs Yest Residual o error
A=-1 B=-1 5.12 #VALUE! #VALUE!
A=-1 B=-1 4.98 4.9975 -0.0175
A=-1 B=-1 4.89 4.9975 -0.1075
A=-1 B=-1 5 4.9975 0.0025
A=+1 B=-1 4.95 #VALUE! #VALUE!

A=+1 B=-1 4.27 #VALUE! #VALUE!
4.95 #VALUE! #VALUE!
4.25 #VALUE! #VALUE!
b = 23.93 ab = 19.65
(1) =19.99 a = 18.42

5.49
4.75875
A= -1 A= +1 B = -1 B= +1
B= -1 4.80125 B= +1 5.4475 Promedios para los

A= -1 5.12 4.89 6.65 6.24 efectos principales
5.49 4.98 5 5.49 5.55
4.95 4.95 5.28 4.91
A= +1 4.27 4.25 4.75 4.71
4.75875
Promedios para las gráficas de interacción

A= -1 B= -1 4.9975
A= -1 B= +1 5.9825
A= +1 B = -1 4.605
A= +1 B= +1 4.9125
R cuadrada = SS modelo / SS total SSA = 2.13890625

SS modelo = SSA + SSB + SSAB SSB = 1.67055625
SSAB = 0.45900625
SS modelo = 4.26846875
SST = 5.91559375
R cuadrada= 0.72156218 72.15% SSE = 1.647125
R cuad ajustada = 1- (SSE / gl SSE) / (SST / Gl. SST) = 0.65195273
El modelo explica el 65.2% del total de la variabilidad observada
Fc = t cuadrada
Efectos Coeficientes t p
A -3.95 0.002 15.6025
B 3.49 0.004 12.1801
AB -1.83 0.092 3.3489
p = distr. T para tc y dos colas

grados de libertad = Numero de datos - Número de parámetros del modelo (constante + A + B + AB =4)
Gl t = 12
=DISTR.T(3.95,12,2) 0.002
=DISTR.T(3.49,12,2) 0.00446335
=DISTR.T(1.83,12,2) 0.09218756
NOTA: Cuando no hay más que una réplica en los resultados

la única forma de identificar los factores significativos es por medio
de la gráfica normal de efectos principales
Cuando no se tienen al menos dos réplicas, no se puede calcular
el término de error en Minitab
6.23 Una sola réplica

Designs Full Factorial
Ejemplo Experimentos de Taguchi
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI CON RELACIÓN S/N
Paso 1. Identificar el problema: problemas con planicidad excesiva

Paso 2. Establecer objetivo: Minimizar la variación en la planicidad
Paso 3. Formar el equipo de trabajo multidisciplinario
Paso 4. Identificar los factores que pueden influir en el problema y sus interacciones probables
a) Con lluvia de ideas e Ishikawa
b) Con un Análisis de Modo y Efecto de Falla
c) Con un diagrama de árbol
d) Con un diagrama de interrelaciones
En este caso:
Factor Descripción Nivel 1 Nivel 2

A Temperatura del horno 1500 ºF 1600 ºF
B Presión de prensado 200 psi 220 psi
C Velocidad de recocido 8 seg 12 seg
D Velocidad de alimentación ref. 80 gal/min 100gal/min
G Tipo de modelo chico grande
H Templabilidad del material 25 Rc 30 Rc
AxC Interacción
AxD Interacción
Paso 5. Identificar los factores de ruido que no podemos controlar o que no queremos controlar
Pero que si tenemos que mantener en niveles fijos durante la experimentación (G y H)
Paso 6. Establecer el Arreglo Interno utilizando las tablas y gráficas lineales

Una de las alternativas fue la siguiente, usando un arreglo L8 (7 columnas para factores e interacciones):
A B e C AxC AxD D Este será el arreglo

Nº 1 2 3 4 5 6 7 interno y consiste de 8
condiciones
experimentales/renglones
Paso 7. Establecer el Arreglo externo con los factores de ruido, en este caso L4
G H
Nº 1 2 3
1 1 1 1
2 1 2 2
3 2 1 1
4 2 2 1
G H
Nº 1 2 3
1 1 1 1
2 1 2 2
3 2 1 1
4 2 2 1
La columna 3 no se utiliza por tanto se elimina
Paso 8. El diseño experimental completo combinando arreglos interno y externo es:
Las 32 lecturas son las siguientes:
A B e C AxC
Nº 1 2 3 4 5
1 1 1 1 1 1
2 1 1 1 2 2
3 1 2 2 1 1
4 1 2 2 2 2
5 2 1 2 1 2
6 2 1 2 2 1
7 2 2 1 1 2
8 2 2 1 2 1
Paso 9. Realizar los experimentos con las combinaciones de factores y niveles indicadas en el
arreglo interno, haciendo una réplica por cada una de las combinaciones del
arreglo externo.
Paso 10. Determinar la relación S/N para las respuestas de los experimentos como sigue:
Como estamos en un caso de nominal es mejor, el índice apropiado es:
 
SN= 10 log   Sm  Vm  /  r * Vm   ; donde Sm=   Yi  2 / r y Vm=  Yi 2  Sm /  r  1
En este caso en particular, r= 4, cada índice se calcula a partir de 4 lecturas

individuales.
1a. Condición Para la primera condición experimental o renglón Nº 1, se tienen las lecturas
siguientes: 1.1, 1.2, 1.3, 1.1, con un total de 4.7
El cálculo del índice es:
Sm= (1.1+1.2+1.3+1.1)2/4= 5.5225

Vm= (1.12+1.22+1.32+1.12)= 0.00916
SN= 10 log   5.5225  0.00916  /  4 * 0.00916   = 21.7714
 
Vm=  Yi  Sm /  r  1
2
1 2 3 4 Nº
1.1 1.2 1.3 1.1 1
1.2 1.3 1.2 1.3 2
2 2.1 2.2 2.1 3
2.1 2.2 2.1 2 4
1 1.4 1.2 1.3 5
1.2 1.3 1.5 1 6
1.6 2.1 2.4 2 7
1.5 2 2.3 2.5 8
Paso 11. Determinar la suma de cuadrados de los factores e interacciones
Para el factor A se tiene:
A1 = Total de las lecturas tomadas bajo el nivel 1 del factor A

= 21.7714+26.7071+28.2036+28.2036= 104.8857

=17.0927+15.5397+15.7186+13.5420= 61.8750
SSA = (A2 – A1) /Número total de lecturas SN

=(61.8750 – 107.8857)2/8= 231.2413, con 1 g.l.
A B e C AxC
Nº 1 2 3 4 5
1 1 1 1 1 1
2 1 1 1 2 2
3 1 2 2 1 1
4 1 2 2 2 2
5 2 1 2 1 2
6 2 1 2 2 1
7 2 2 1 1 2
8 2 2 1 2 1
Paso 12. Construir la tabla ANOVA de variabilidad S/N donde los grados de libertad para
las columnas es 1.
La tabla ANOVA total es:
Factor SS Gl V
A 231.2413 1 231.2413
B 2.5751 1 2.5751
C 0.1764 1 0.1764
AxC 9.4284 1 9.4284
AxD 3.888 1 3.888
D 2.3047 1 2.3047
e 16.0135 1 16.0135
Conclusión, no es significativo el efecto del factor A por ser Fc < Falfa
Paso 13. Para mejorar la resolución del diseño podemos incluir las SS de los
factores menos significativos en el error como sigue:
a) Incluir en el error los factores C y D

Factor SS Gl V
A 231.2413 1 231.2413
B 2.5751 1 2.5751
AxC 9.4284 1 9.4284
AxD 3.888 1 3.888
e 18.49 3 6.16333333
Conclusión: El factor A es significativo
b) Se incluyen los factores B y la interacción AxD
Factor SS Gl V
A 231.2413 1 231.2413
AxC 9.4284 1 9.4284
Error 24.96 5 4.992
Conclusión: Sólo el factor A sigue siendo significativo
c) Incluyendo el término de interacción AxC

Factor SS Gl V
A 231.2413 1 231.2413
Error 34.3861 6 5.73
Conclusión: El único factor significativo es A
Paso 14. Obtener las gráficas factoriales para la S/N con los promedios
de los factores en nivel 1 y nivel 2
A1 26.22 AxC1
A2 15.47 AxC2
B1 20.28 AxD1
B2 21.41 AxD2
C1 20.7
C2 21
D1 20.31 Para tener la minima variablidad
D2 21.38 se toma el nivel A1 (siempre máximo en S/N)
1 2 Conclusión: El factor A tiene influencia

significativa en la variabilidad
20.845
Media S/N B C D AxC
A Los otros factores e interacciones no afectan

la variabilidad
Pasos 15. Determinar los factores que afectan a la media

utilizando los promedios de las respuestas originales
1 2 3 4 Promedio
1.1 1.2 1.3 1.1 1.175
1.2 1.3 1.2 1.3 1.250
2 2.1 2.2 2.1 2.100
2.1 2.2 2.1 2 2.100
1 1.4 1.2 1.3 1.225
1.2 1.3 1.5 1 1.250
1.6 2.1 2.4 2 2.025
1.5 2 2.3 2.5 2.075
Paso 16. Determinar la suma de cuadrados de los promedios para cada factor
e interacción:
A B e C AxC AxD D
Nº 1 2 3 4 5 6 7 1 2 3 4 Total Promedio
1 1 1 1 1 1 1 1 1.1 1.2 1.3 1.1 4.7 1.175
2 1 1 1 2 2 2 2 1.2 1.3 1.2 1.3 5.0 1.250
3 1 2 2 1 1 2 2 2.0 2.1 2.2 2.1 8.4 2.100
4 1 2 2 2 2 1 1 2.1 2.2 2.1 2.0 8.4 2.100
5 2 1 2 1 2 1 2 1.0 1.4 1.2 1.3 4.9 1.225
6 2 1 2 2 1 2 1 1.2 1.3 1.5 1.0 5.0 1.250
7 2 2 1 1 2 2 1 1.6 2.1 2.4 2.0 8.1 2.025
8 2 2 1 2 1 1 2 1.5 2.0 2.3 2.5 8.3 2.075
Totales 13.200
=1.175+1.250+2.100+2.100= 6.625

= 1.225+1.250+2.075+2.025= 6.575
SSA = (A2 – A1) 2 /Número total de lecturas promedios

= (6.625 – 6.575)2/8= 0.0003
Similarmente para el factor B se tiene
B1 = 1.175+1.250+1.225+1.250= 4.900
B2 = 2.100+2.100+2.025+2.075= 8.300
SSB = (B2 - B1 )2/8= (4.900-8.300) 2/8= 1.4450
Paso 17. Construir la tabla de ANOVA de promedios

Y así sucesivamente
SSC = 0.0028 , SSAxC= 0.0000, SSAxD= 0.0003

SSD = 0.0013 , SSe= 0.0028
La tabla ANOVA es:
Efecto SS G.l. V Fexp

A 0.0003 1 0.0003 0.11
B 1.4450 1 1.4450 513.75
C 0.0028 1 0.0028 1.00
AxC 0.0000 1 0.0000 0.00
AxD 0.0003 1 0.0003 0.11
D 0.0013 1 0.0013 0.44
e 0.0028 1 0.0028
Totales1.4525 8
Conclusión: El factor B tiene efecto en la media
Paso 18. Construir la gráfica factorial

Promedios
1 2 B1
Promedio de 1.65 B2
promedios
B
Conclusión: como el objetivo del experimento es reducir

la planicidad al menor valor posible, entonces se
selecciona el nivel B1.
NOTA: Si existe conflicto entre los niveles de un factor que afecte

a ambos la media y la variabilidad, se le da prioridad al
nivel que maximize la relación S/N ya que de esta forma
se minimiza la variabilidad del proceso y se hace menos
sensible a variaciones en los factores de ruido (proceso robusto)
Paso 20. Conclusión el proceso se opera con las siguientes condiciones:
A en nivel 1 y B en nivel 1
Los demas factores (C y D) se seleccionan los más económicos
Se realiza un experimento de comprobación para asegurar
que es la solución correcta
Paso 19. La respuesta estimada con A en nivel 1 y B en nivel 1 es:
Y = (A1 - media total) + (B1 - media total) + media total
A1 prom = 1.656 Suma de promedios cuando A =1 / 4

B1 prom = 1.225
Media total = 1.65
Y est = (1.656-1.65)+(1.225-1.65) + 1.65

Yest = 1.231
TAREA:
16 aviones de papel
Arreglo L8 2 réplicas
Factor A = Ancho de alas

Factor B = Longitud del avión
Factor C = Peso en punta
Factor D = Diseño del avión
Factor de ruido = H = Inclinación del lanzamiento
n=4
B= -1 B= +1
5.12 4.89 6.65 6.24
4.98 5 5.49 5.55
4.95 4.95 5.28 4.91
4.27 4.25 4.75 4.71
Fc p value Falfa
15.5828337 0.00193647 4.74722535 signif
12.1707065 0.00447443 4.74722535 signif
3.34405403 0.09239677 4.74722535 No signif
e la ecuación de regresión
0.36*A + 0.323*B - 0.1693*A*B

RESIDUALS
Residual o error
e111
e112
e113
e114
e211
e212
e213
e214
Promedios para los
fectos principales
nte + A + B + AB =4)
vel 2
00 ºF
0 psi
seg
0gal/min
ande
Rc
entación (G y H)
ores e interacciones):
arreglo
siste de 8
es/renglones
1 2 2 1
H 1 2 1 2
G 1 1 2 2
AxD D
6 7 1 2 3 4
1 1 1.1 1.2 1.3 1.1
2 2 1.2 1.3 1.2 1.3
2 2 2 2.1 2.2 2.1
1 1 2.1 2.2 2.1 2
1 2 1 1.4 1.2 1.3
2 1 1.2 1.3 1.5 1
2 1 1.6 2.1 2.4 2
1 2 1.5 2 2.3 2.5
Totales= 11.7 13.6 14.2 13.3
o es:

Sm /  r  1
r de 4 lecturas
en las lecturas
Sm Vm Sn (dB)
5.5225 0.00916 21.771
6.25 0.00333 26.707
17.64 0.00666 28.203
17.64 0.00666 28.203
6.0025 0.02916 17.092
6.25 0.04333 15.539
16.4025 0.10916 15.718
17.2225 0.18916 13.524
AxD D SN
6 7 dB
1 1 21.771
2 2 26.707
2 2 28.203
1 1 28.203
1 2 17.092
2 1 15.539
2 1 15.718
1 2 13.524
Fexp F0.05, 1, 1
14.44 161.447639 0.16381736
0.16 p value
0.01
0.59
0.24
0.14
Fexp F0.05, 1, 1
#DIV/0! 10.1279645 #DIV/0!
#DIV/0! p value
#DIV/0!
#DIV/0!
Fexp F0.05, 1, 1
46.3223758 6.60789097 0.00104299
1.88870192
Fexp F0.05, 1, 1
40.3141361 5.98737761 0.00071529
p value
19.76
21.93
20.15
21.54
máximo en S/N)
AxD
ones no afectan
F0.05,1,1 = 161.447639
p value = 0.02808921
1.225
2.075
nto es reducir
posible, entonces se
TAREA 2. ANOVA
3.1 Se estudia la resistencia del cementoportlnd. Puede usarse económicamente cuatro diferentes
técnicas de mezclado. Se hancolectado los siguientes datos:
Tecnica de mezclado
datos 1 datos 2 datos 3 datos 4

1 3129 3000 2856 2890
2 3200 3300 2975 3150
3 2800 2900 2985 3050
4 2600 2700 2600 2765
Datos Promedio Factor C1

3129 2931.25 39105.1 Promedio 2932.3
3200 2931.25 72226.6 No. 4
2800 2931.25 17226.6
3000 2931.25 4726.6
3300 2931.25 135976.6 C1
2900 2931.25 976.6 Factor 4
2700 2931.25 53476.6
2856 2931.25 5662.6 SCTR =
2975 2931.25 1914.1
2985 2931.25 2889.1
2600 2931.25 109726.6
2890 2931.25 1701.6
3150 2931.25 47851.6
3050 2931.25 14101.6 CALCULO DE SCE
2765 2931.25 27639.1
SCE = 609171.5
SCT = 644927
RESUMEN
1 4 11875 2968.75 15190.25
2 4 12625 3156.25 18489.5833
3 4 11735 2933.75 11722.9167
4 4 10665 2666.25 6556.25
Suma de cuadrados
Grados de
Promedio
Entre grupos 489050 3 163016.667 12.5496385 0.000520474
Dentro de los 155877 12 12989.75
Total 644927 15
3.4 Se llevó acabo un experimento a fin de determinar si cuatro temperaturas de cocoón específicas afectan la
densidad de cierto tipo de ladrillo. El xeperimento produjo los siguientes resultados:
Temperatura Densidades
100 21.8 21.9 21.7 21.6 21.7
125 21.7 21.4 21.5 21.4
150 21.9 21.8 21.8 21.6 21.5
175 21.9 21.7 21.8 21.4

21.8 21.67 0.0163 Promedio 21.7
21.7 21.67 0.0008 No. 4
21.9 21.67 0.0519
21.9 21.67 0.0519 21.7 Promedio General
21.9 21.67 0.0519
21.4 21.67 0.0741 C1
21.8 21.67 0.0163 Factor 0.018
21.7 21.67 0.0008
21.7 21.67 0.0008 SCTR =
21.5 21.67 0.0297
21.8 21.67 0.0163
21.8 21.67 0.0163
21.6 21.67 0.0052
21.4 21.67 0.0741
21.6 21.67 0.0052 CALCULO DE SCE
21.4 21.67 0.0741
21.7 21.67 0.0008 SCE = 0.397308642
21.5 21.67 0.0297
SCT = 0.5161
RESUMEN
100 5 108.7 21.74 0.013
125 4 86 21.5 0.02
150 5 108.6 21.72 0.027
175 4 86.8 21.7 0.04666667
Suma de cuadrados
Grados de
Promedio
Entre grupos 0.156 3 0.052 2.024 0.157
Dentro de los 0.360 14 0.026
Total 0.516 17
3.10 Se determinó el tiempo de respuesta en milisegundos para tres diferentes tipos de circuitos que podrían
usarse en un mecanismo de desconexión automática. Los resultados se muestran en la siguiente tabla:
Tipo de circuito Tiempos de respuesta

1 9 12 10 8 15
2 20 21 23 17 30
3 6 5 8 16 7

9 13.80 23.0400 Promedio 10.8
12 13.80 3.2400 No. 5
10 13.80 14.4400
15 13.80 1.4400
20 13.80 38.4400 C1
21 13.80 51.8400 Factor 45.000
23 13.80 84.6400
17 13.80 10.2400 SCTR =
30 13.80 262.4400
6 13.80 60.8400
5 13.80 77.4400
8 13.80 33.6400
16 13.80 4.8400
7 13.80 46.2400 CALCULO DE SCE
SCT = 746.4 SCE = 202.8
RESUMEN
1 5 54 10.8 7.7
2 5 111 22.2 23.7
3 5 42 8.4 19.3
Suma de cuadrados
Grados de
Promedio
Entre grupos 543.6 2 271.8 16.0828402 0.0004023258
Dentro de los 202.8 12 16.9
Total 746.4 14
3.11 Se estudia la vida activa de los fluidos aislantes en una carga acelerada de 35 kV. Se han obtenido datos de un
para cuatro tipos de fluidos. Los resultados fueron los siguientes:
Tipo de fluido Vida (en horas) con 35 kV de carga

1 17.6 18.9 16.3 17.4 20.1
2 16.9 15.3 18.6 17.1 19.5
3 21.4 23.6 19.4 18.5 20.5
4 19.3 21.1 16.9 17.5 18.3

17.6 19.09 2.23 Promedio 18.7
18.9 19.09 0.04 No. 6
16.3 19.09 7.79
17.4 19.09 2.86 19.1 Promedio General
20.1 19.09 1.02
21.6 19.09 6.29 C1
16.9 19.09 4.80 Factor 1.170
15.3 19.09 14.38
18.6 19.09 0.24 SCTR =
17.1 19.09 3.97
19.5 19.09 0.17
20.3 19.09 1.46
21.4 19.09 5.33
23.6 19.09 20.33
19.4 19.09 0.10 CALCULO DE SCE
18.5 19.09 0.35
20.5 19.09 1.98 SCE = 65.993
22.3 19.09 10.29
19.3 19.09 0.04
21.1 19.09 4.03
16.9 19.09 4.80
17.5 19.09 2.53
18.3 19.09 0.63
19.8 19.09 0.50
SCT = 96.16
RESUMEN
1 6 111.9 18.65 3.811
2 6 107.7 17.95 3.439
3 6 125.7 20.95 3.531
4 6 112.9 18.8166667 2.41766667
Suma de cuadrados
Grados dePromedio
Entre grupos 30.165 3 10.055 3.047 0.052
Dentro de los 65.993 20 3.300
Total 96.158 23
CALCULO DE G.L.
C2 C3 C4 Totales 15
2975.0 2854.0 2963.8 Tratamientos 3
4 4 4 Errores 12
edio General
CALCULO DE LAS MEDIAS
C2 C3 C4
7656 23870 4225 CMT = 42995.1333
CMTR = 11918.5
35756 CME = 50764.2917
3.4902996
específicas afectan la
CALCULO DE G.L.
C2 C3 C4 Totales 17
21.5 21.7 21.7 Tratamientos 3
3 4 3 Errores 14
edio General
C2 C3 C4
0.089 0.009 0.002 CMT = 0.03035948
CMTR = 0.03960082
0.11880 CME = 0.02837919
3.344
circuitos que podrían

siguiente tabla:
CALCULO DE G.L.
C2 C3 Totales 14
22.2 8.4 Tratamientos 2
5 5 Errores 12
edio General
C2 C3
352.800 145.800 CMT = 53.31
CMTR = 271.80
543.6 CME = 16.90
Prueb de Tukey-Kramer
Sup
A-B -19.12
A-C -5.32
B-C 6.08

3.8852903117
Se han obtenido datos de una prueba
ga
21.6
20.3
22.3
19.8
CALCULO DE G.L.
C2 C3 C4 Totales 23
18.0 21.0 18.8 Tratamientos 3
6 6 6 Errores 20
edio General
C2 C3 C4
7.820 20.720 0.454 CMT = 4.18
CMTR = 10.06
30.165 CME = 3.30

3.098
TABLA ANOVA
Sum de C G.L. Prom de C Fc P

SCTr 35755.50 3 11918.50 0.235 0.8704
SCE 609171.50 12 50764.29
SCT 644927.00 15
Se acepta Ho, las medias son iguales

TABLA ANOVA

SCTr 0.12 3 0.04 1.395 0.2854
SCE 0.40 14 0.03
SCT 0.52 17

TABLA ANOVA

SCTr 543.60 2 271.80 16.083 0.0004
SCE 202.80 12 16.90
SCT 746.40 14
Se rechaza la prueba, al menos una media es diferente

Prueba de Fisher
Inf Diferencia Factor Inferior Superior

-3.68 A-B -11.40 5.66 -17.06 -5.74
-5.32 A-C 2.40 5.66 -3.26 8.06
21.52 B-C 13.80 5.66 8.14 19.46
TABLA ANOVA

SCTr 30.17 3 10.06 3.047 0.0525
SCE 65.99 20 3.30
SCT 96.16 23
F de alfa
3.4903
F de alfa
3.3439
F de alfa
3.8853
F de alfa
3.0984

Probem As Re Sueltos Dis Exper

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Probem As Re Sueltos Dis Exper

Загружено:

Авторское право:

Se utiliza cuando la sigma es conocida o el número de datos es mayor que 30.

Prueba de dos colas porque el signo de la hipótesis alterna

Zc= 11.5 – 12/ (1.1 / √49) = -0.5/ 0.157 = -3.185

Z = media de muestra - media de hipótesis ) / (sigma / raiz (n) ) = -3.181818

3) Calculo de estadístico Z de alfa.

4) Observar la localización sobre el estadístico calculado a partir de datos de la muestra.

Se rechaza la hipótesis nula. Es decir, los enanos no cavan 12 mts. en promedio.

5) Calculo de intervalo de confianza.

IC = medis +/- Z de alfa en 2 * ( s / raiz(n) )

Int Sup 11.24

Si la media de la hipótesis no se encuentra en el intervalo rechazar H0

6) Determinación del valor t, que es la probabilidad correspondiente a Zt

0.0007363753 Como p-value es menor que alfa en 2 entonces se rechaza la hipótesis

Zc= 4477 – 4511/ (1.128 / √144) = -0.2446809

Z = media de muestra - media de hipótesis ) / (sigma / raiz (n) ) =

3) Calculo de estadístico Z de alfa.

4) Observar la localización sobre el estadístico calculado a partir de datos de la muestra.

Se acepta la hipótesis nula

IC = medis +/- Z de alfa en 2 * ( s / raiz(n) )

Int Sup 4,670

Si la media de la hipótesis se encuentra en el intervalo se acepta H0

6) Determinación del valor t, que es la probabilidad correspondiente a Zt

0.403351778 Como p-value es mayor que alfa en 2 entonces se rechaza la hipótesis

Se aplica cuando el tamaño de muestra n es menor a 30

Z = media de muestra - media de hipótesis ) / (sigma / raiz (n) ) =

Para 2 colas en la T se proporciona el valor de alfa, no el de alfa en 2.

3) Determinar el alfa. 2.262

No se rechaza la hipótesis nula.

Int Inf 8,579

Se acepta hipótesis nula

5) Determinar el valor p-value. 0.5594029

Como p-value es mayor a alfa/2 no se rechaza H0.

Z = media de muestra - media de hipótesis ) / (sigma / raiz (n) ) =

3) Determinar el alfa. 1.711

Como es una cola alfa se multiplica por 2

No se rechaza la hipótesis nula.

Int Inf 4,458

Se acepta hipótesis nula

5) Determinar el valor p-value. 0.7634863

Como p-value es mayor a alfa/2 no se rechaza H0.

Si la media de la muestra hubiera sido 6000

Z = media de muestra - media de hipótesis ) / (sigma / raiz (n) ) =

3) Determinar el alfa. 1.711

Como es una cola alfa se multiplica por 2

No se rechaza la hipótesis nula.

Int Inf 5,341

Se rechaza la hipótesis nula

Se rechaza la nula se acepta la alterna.

El tamaño de muestra es igual mayor a 30

Sigma p = raiz (p* (1-p)) / n ) Esta p es la de la hipótesis

Z = ( p de muestra -p de hipótesis ) / sigma t

Sigma P 0.021908902 Z = 2.282177

3) Determinar el alfa. -2.054

Int Inf 0.405

Ejercicio 211 Alfa = 95%

Tipo 1 Tipo 2 Ho: mu1 - mu2 = 0

1) Prueba de dos variamzas (sirve de base para la prueba T de medias)

F-Test Two-Sample for Variances

F-Test Two-Sample for Variances

Prueba T de igualdad de dos medias para varianzas iguales.

t-Test: Two-Sample Assuming Equal Variances

Las medias son iguales

-3.18 -1.64 1.64

2 entonces se rechaza la hipótesis nula.

maño de muestra n es menor a 30 o no se tiene historial sobre el proceso y la sigma es desconocida

e internamente divide entre 2 lo que pongamos.