MII. ING.

EDGAR JAVIER SILVA

Examen escrito
65%
Practicas ,tareas, participacin y evaluacin
continua
35%

Probabilidad y Estadstica Douglas C. Montgomery Mc Graw Hill

Probabilidad y Estadstica para Ingeniera y Ciencias Mendenhall
Prentice Hall

Diseo de Experimentos, Douglas C. Montgomery

http://mathworld.wolfram.com/classroom/classes/Probabilityand
Statistics.html

Regresin lineal simple.
Prueba de hiptesis en la regresin lineal simple.
Calidad del ajuste en regresin lineal simple.
Estimacin y prediccin por intervalo en
regresin lineal simple.
Regresin lineal mltiple.
Pruebas de hiptesis en regresin lineal mltiple.
Intervalos de confianza y prediccin en regresin
mltiple.

Existe alguna relacin entre el grado de
oscuridad nocturna, la temperatura ambiente
y el apetito de los ratones?
Existe alguna relacin entre el numero de
homicidios y el grado de estudios alcanzados
en los diferentes municipios?
Para investigar la correlacin entre dos
variables, en estadstica se han creado los
coeficientes de correlacin que permiten
expresar cuantitativamente el grado de
relacin que existe entre las dos variables.
Operativos que se
implentan en el mes.
Numero de automviles
robados
2 10
3 15
4 20
5 25
6 30
7 34
2; 10
3; 15
4; 20
5; 25
6; 30
7; 35
0
5
10
15
20
25
30
35
40
0 2 4 6 8
Operativos
N

a
u
t
o
m
o
v
i
l
e
s

r
o
b
a
d
o
s
Serie1
-1 0 +1
Correlacin Negativa Correlacin Positiva
No hay
0
2
4
6
8
10
12
14
16
18
0 2 4 6 8
Serie1
r=
+0.8
0
2
4
6
8
10
12
14
16
18
0 2 4 6 8
Serie1
r = -0.7
0
5
10
15
20
25
30
35
40
0 2 4 6 8
Serie1
r = 0

CORRELACIN

VALOR O RANGO

Perfecta

|R| = 1

Excelente

0.9 <= |R| < 1

Buena

0.8 <= |R| < 0.9

Regular

0.5 <= |R| <0.8

Mala

|R|< 0.5


r = n(XY) (X)(Y)
[n(X
2
) (X)
2
][n(Y
2
) (Y)
2
]

n es el nmero de pares de observaciones.
x es la suma de valores de la variable x
y es la suma de valores de la variable y

X Y X
2
XY Y
2


2 10
3 15
4 20
5 25
6 30
7 34
27
Numero de
anuncios por
hora
X
Ventas
semanales

Y
X
2
XY Y
2


4 5
7 12
3 4
6 8
10 11
30 40 210 274 370
Coeficiente de determinacin: es la proporcin de
la variacin total en la variable dependiente Y que
se explica por, o se debe a, la variacin en la
variable independiente X


r
2
= coeficiente de determinacin


Dibuja la siguiente
ecuacin.
Y =2X +3

x y
0
1
2
3
Damos valores
X para
encontrar los
correspondient
es de Y
Y = 3X + 5 x y
0
1
2
m =
b =
Numero de
anuncios por
hora
X
Ventas
semanales

Y
X
2
XY Y
2


4 5
7 12
3 4
6 8
10 11
30 40 210 274 370
Cul es la diferencia entre un grafico de
dispersin y la ecuacin de regresin?
m = pendiente de la recta




b= ordenada al origen

=
2 2
) ( ) (
) )( ( ) (
X X n
Y X XY n
m

= ) / ( / n X m n Y b
Se tiene inters en examinar la
tasa de matrimonios y de
divorcios por millar de
habitantes en Tijuana para aos
seleccionados. Las tasas para 8
aos, segn el encargado de los
municipios son:
1. Trace un diagrama de dispersin
localizando la tasa de
matrimonios en el eje x , y la
tasa de divorcios en el eje y.
2. Si se desea predecir la tasa de
divorcios con base en la tasa de
matrimonios,Cul es la variable
independiente?
3. Con base en el diagrama de
dispersin ,parece existir alguna
relacin entre la tasa de
matrimonios y la tasa de
divorcios?.
4. Determine la ecuacin de
regresin con la formula y
despus con el programa Excel.
Ao Tasa de
matrimonios
Tasa de
divorcios
1905 10.0 0.8
1925 10.3 1.5
1935 10.4 1.7
1945 12.2 3.5
1955 9.3 2.3
1965 9.3 2.5
1975 10.1 4.9
1985 10.2 5.0
Ao Grado de
responsabilidad
Tasa de
divorcios
1905 10.0 0.8
1925 10.3 1.5
1935 10.4 1.7
1945 12.2 3.5
1955 9.3 2.3
1965 9.3 2.5
1975 10.1 4.9
1985 10.2 5.0
x y x
2
xy y
2

Resultados de las autoridades en el combate a la
delincuencia. Se han presentado cifras oficiales y
no oficiales que confirman el importante
incremento de la actividad delictiva en nuestro
pas. Dado que el problema de inseguridad en
Mxico est adquiriendo una dimensin cada vez
mayor, imponindole un importante costo a la
sociedad, la inseguridad se ha convertido para
muchos mexicanos en el principal reto del pas. Por
ello es necesario evaluar si los esfuerzos realizados
en los ltimos aos por las autoridades
responsables han tenido algn efecto en el control
y combate de la delincuencia o se hace necesario
un cambio en las estrategias hasta ahora
utilizadas.
Recursos
invertidos en
MMP =
X
ndice de
Criminalidad
(presuntos
delincuentes
por cada
100000 hab.)
= Y
X
2
Y
2
XY
2000 159
4000 160
6000 158
8000 160
10000 160
20000 160
Mes Temperatura promedio mes Numero de violaciones
Enero 14 6
Febrero 16 15
Marzo 22 21
Abril 25 20
Mayo 32 45
Junio 31 42
Julio 26 37
Agosto 28 40
Septiembre 25 31
Octubre 21 18
Noviembre 15 12
Diciembre 12 5
Encuentra la ecuacin de regresin para los
siguientes datos:
La recta de regresin representa nuestra mejor
estimacin de los datos Y a partir de los valores de
X correspondientes. Sin embargo, a menos que la
relacin entre X y Y sea perfecta, la mayor parte de
los reales de Y no estarn sobre la lnea de
regresin.
As pues, cuando la relacin es imperfecta,
necesariamente habr errores, en la prediccin y
ser til conocer la magnitud de stos.
La medicin de los errores de prediccin
requiere el calculo del error estndar de la
estimacin. Este error es similar a la
desviacin estndar.

Estadsticas de la regresin
Coeficiente de correlacin mltiple 0.85558115
Coeficiente de determinacin R^2 0.7320191
R^2 ajustado 0.70522101
Error tpico 0.43380824
Observaciones 12
m, es la pendiente de la recta de
regresin

b, es la ordenada al origen
Error estndar de la estimacin al predecir Y dado X
2
) ( ) (
/
2

=

n
XY m Y b Y
x Sy
Aplicacin

Para el siguiente ejercicio encontrar (tabla anexa en la siguiente
diapositiva)

1. Coeficiente de correlacin
2. Coeficiente de determinacin
3. m= pendiente
4. b= ordenada al origen
5. Ecuacin de regresin y=m x +b
6. Grafico de dispersin.
7. Error estndar de estimacin
8. Si un alumno tiene un coeficiente intelectual de 141, cual ser la
calificacin estimada de acuerdo a la formula de regresin.
9. Grafica la ecuacin de regresin, toma los valores de x de la
tabla y para los de y toma los que salen de aplicar la formula
de regresin.
2
) ( ) (
/
2

=

n
XY m Y b Y
x Sy
Estudiante N CI coeficiente
intelectual
Promedio
calificaciones
Y de acuerdo a la
ecuacin de
regresin
y=m x + b
1 110 1.0
2 112 1.6
3 118 1.2
4 119 2.1
5 122 2.6
6 125 1.8
7 127 2.6
8 130 2.0
9 132 3.2
10 134 2.6
11 136 3.0
12 138 3.6
El error estndar de estimacin es una medida vlida para utilizarla
al fijar intervalos de confianza cuando el tamao de la muestra es
grande, y en alguna forma la dispersin con respecto a la recta de
regresin est distribuida de manera normal.
Cuando el tamao muestral es muy pequeo, debe introducirse un
factor de correccin para una muestra pequea.
Un intervalo de confianza se determinar para:
El valor medio de Y para un valor dado de X
Un valor individual de Y para un valor dado de X
Para el primer caso:

+
2
2
) (
) ( 1
) . (

x
x
n
x Sy t Y
En donde:
Y es el valor pronosticado para cualquier valor X seleccionado.
X es cualquier valor seleccionado de X
es la media de las x
n es el nmero de observaciones
Sy.x es el error estndar de la estimacin (error tpico)
t es el valor t tomado de la tabla t student, para n-2 grados de
libertad.
Probabilidad de una sola cola.
Valores t de Student y probabilidad P asociada
en funcin de los grados de libertad gl.
Si deseas, la
probabilidad de dos
colas, multiplica por
dos esta fila
Para el siguiente problema, determinar el error estndar de
estimacin (error tpico), pronosticar los valores de Y' en
base a la ecuacin de regresin y los limites de confianza
para un valor de x=6 y una Y pronosticada de 8 con un
95% de confianza.
vendedor Puntuacin
de prueba x
Real Y Pronosticada
Y
Limite
inferior
Limite
superior
Arturo 4 5
Jorge 7 12
Sal 3 4
Marco 6 8 8
Gonzalo 10 11
Total 30 40
Puedes usar Excel para
determinar la ecuacin de
regresin y el error estndar
de estimacin
Respuesta: los limites de confianza de 95% para el
valor de Y de 8 son 5.9 y 10.05
Interpretacin: para una x=6, existe una probabilidad de 0.95
de que sus ventas promedio semanales estn en el intervalo
entre $5.9 y $10.05
Ejercicios de repaso:
Dadas las siguientes matrices:

a. Encuentra el orden de las matrices
A, B, C y D
b. Cul es el orden del producto AD?
c. Multiplica A por D
d. Multiplica B por C
e. Cul es el orden del producto BC?
f. Encuentra A
T

g. Encuentra x, y, z, w
| |
(

=
(

=
=
(

=
1 0
2 3
2
1
8 1
5 4
3 1
D
C
B
A
(

=
(

1 0
0 1
4 2
1 1
w z
y x
Operaciones con Matrices en Excel

Dadas las siguientes matrices, contesta las preguntas y encuentra lo
que se te pide:
(
(
(
(
(
(

=
4
2
2
1
1
Y
(
(
(
(
(
(

=
5 1
4 1
3 1
2 1
1 1
X
1.- El orden de la matriz Y es?
2.- El orden de la matriz X, es?
3.- El orden de la matriz X
T
, es?
4.- El orden de la matriz X
T
X ?
5.- Encuentra la inversa de la matriz X
6.- Encuentra X
T
7.- Multiplica estas dos matrices X
T
X
8.- Multiplica la transpuesta de X por Y
9.- Encuentra la inversa X
T
X
Ejercicio 3

Realiza las siguientes operaciones

1. AB
2. A
T
3. AA
T

4. A
-1
5. (AA
T
)
-1



(
(
(
(
(
(

=
(
(
(
(
(
(

=
1 1 0
1 0 6
1 2 7
1 0 0
1 3 2
3 2 1 0 1
0 0 1 0 1
0 0 0 3 1
2 1 0 2 1
4 5 0 1 1
B
A
El anlisis de regresin mltiple estudia la relacin de una variable
dependiente con dos o ms variables independientes.
El modelo de regresin mltiple toma la forma siguiente:
c | | | | + + + + + =
p p
x x x y ...
2 2 1 1 0
ECUACIN DE REGRESIN MLTIPLE ESTIMADA
p p
x b x b x b b y + + + + = ...
2 2 1 1 0

y gorrito, indica el valor estimado de

y , variable dependiente.
Punto de
datos
Valor de y x1 x2 xk Error
aleatorio
no
observable
1 y1 X11 X12 X1k 1
2 y2 X21 X22 X2k 2


n yn xn1 xn2 xnk k

El modelo lineal general se puede expresar en
forma de matriz como:

Y=X +
(
(
(
(
(
(

=
yn
y
y
y
Y
...
3
2
1
(
(
(
(
(
(

=
xnk xn xn
k x x x
k x x x
k x x x
X
... 2 1 1
... ... ... ... ...
3 ... 32 31 1
2 ... 22 21 1
1 ... 12 11 1
(
(
(
(
(
(

=
k
|
|
|
|
|

...

2
1
0
(
(
(
(
(
(

=
n
c
c
c
c
c
...
3
2
1
El modelo lineal
general se puede
expresar en forma
de matriz como
Y=X +
Ecuacin de matrices de mnimos cuadrados (Ecuacin de
regresin)
Ecuacin de regresin aplicando matrices:


( ) Y X X X
T T
= |

Solucin de mnimos cuadrados:

Esta solucin te da los valores de la pendiente y la
ordenada al origen en el caso mas sencillo, en los
dems casos te da los valores de
( ) Y X X X
T T
1

= |
Aplicacin 1
Encuentre la lnea de mnimos cuadrados para los datos de
compresin de aislante que se dan en la tabla.
Muestra Presin Compresin
x y
1 1 1
2 2 1
3 3 2
4 4 2
5 5 4
(
(
(
(
(
(

=
4
2
2
1
1
Y
(
(
(
(
(
(

=
5 1
4 1
3 1
2 1
1 1
X
Y=0.7x -0.1
Aplicacin 2

Una compaa de electricidad quiere predecir el consumo
mensual de energa elctrica de un hogar en funcin del
tamao x de la casa y con base en el modelo:


c | | | + + + =
2
2 1 0
x x y
Tamao de la casa Consumo mensual
X, Pies cuadrados Y , kilowatts hora
1,290 1,182
1,350 1,172
1,470 1,264
1,600 1,493
1,710 1,571
1,840 1,711
1,980 1,804
2,230 1,840
2,400 1,956
2,930 1,954
(
(
(
(
(
(
(
(
(
(
(
(
(
(

=
954 , 1
956 , 1
840 , 1
804 , 1
711 , 1
591 , 1
493 , 1
264 , 1
172 , 1
182 , 1
Y
(
(
(
(
(
(
(
(
(
(
(
(
(
(

=
1822500 350 , 1 1
) 290 , 1 ( 290 , 1 1
2
X
Y=-1216+2.39893x-0.00045x
2

Aplicacin: (Tarea)
Utilice el mtodo de mnimos cuadrados para ajustar el modelo
E(y)=
0
+
1
x , a los seis puntos de datos que se indican en la
tabla.

x 1 2 3 4 5 6
y 1 2 2 3 5 5
a. Construya la matriz Y y X
b. Calcule X
T
X y X
T
Y
c. Utilice el software para verificar que
( )
(
(
(

35
2
35
7
35
7
15
13
1
X X
T
d. Obtenga la matriz (matriz solucin del
sistema.
e. Determine la ecuacin de prediccin
Tarea:

Crear un video, con alguno de los temas visto en clase, donde se
explique el tema, este tema ira dirigido a los alumnos, para explicar
el tema seleccionado, desde la parte bsica, teora, que utilidad
tiene el tema, como lo aplico, con preguntas y respuestas, ejercicio
de aplicacin(2), conclusiones.

Esta tarea se har en equipos de mximo 5 personas y tendr valor
dentro del rubro de tareas.
El video deber subirse a la pagina de youtube, con el nombre del
tema.
Fecha limite para subirlo: 30 de Abril
Estimacin de la varianza
2
de (error) en un
modelo de regresin mltiple.

Puesto que la varianza casi nunca se conoce por adelantado,
debemos utilizar los datos muestra para estimar su valor.

s
2
= (SSE)/(n Nmero de parmetros en el modelo)

Donde:
T T T
SSE Y Y X Y | =
Por ejemplo para la diapositiva
anterior, n=6 y como vas ha
calcular solamente
0
y
1
,
entonces el nmero de parmetros
de beta es 2
Recordando
Encuentre la lnea de mnimos cuadrados para los datos de
compresin de aislante que se dan en la tabla. Despus que
ya la encontraste, encuentra el valor de la varianza s
2
y de la
desviacin estndar.
Muestra Presin Compresin
x y
1 1 1
2 2 1
3 3 2
4 4 2
5 5 4
Y=0.7x -0.1
s
2
= 0.367
)

2 / i i
estndar estimado error t | |
o

ii i
c s t
2 /

o
|
Donde t
/2
se basa en el nmero de grados de
libertad asociados a s.

Para nuestro ejemplo anterior n=5 y los grados de
libertad son n-2.
Cuando nos dicen 95% de confianza, buscamos un
5% en la tabla (t student) dividido entre dos
0.05/2=0.025
Qu es c
ii
?

Por ejemplo, de la matriz
( )
(

1 . 0 3 . 0
3 1 . 1
1
X X
T
C
00
=1.1 C
11
=0.1
Qu es s ? Es la desviacin estndar
Aplicacin
En una instalacin de produccin, es muy importante para la
gerencia estimar con exactitud las horas/hombre requeridas para
llevar a cabo una tarea, a fin de tomar decisiones como el nmero
correcto de obreros que debe contratar, la fecha de entrega que debe
proponer al cliente, o decisiones de anlisis de costos relativas a los
presupuestos. Un fabricante de tambores para calderas quiere
utilizar regresin para predecir el nmero de horas/hombre
necesarias para erigir los tambores en proyectos futuros. Con este
fin, recabo datos para 35 calderas. Adems de las horas/hombre (y),
las variables que se midieron fueron la capacidad de la caldera (X1,
en lb/h), la presin diseada la caldera (X2, en libras por pulgada
cuadrada)
Tipo de caldera (X3=1 si es para la industria, 0 si es para
servicios) y tipo de tambor (X4=1 si es vapor de agua, 0 si es
de lodo). Los datos se proporcionan en la siguiente tabla
(consulta el archivo de Excel)
a. Encuentre la ecuacin de regresin para este modelo con 4
variables
b. En base a la ecuacin anterior , predice , cuantas horas
hombre le llevara producir una caldera de 130,000 lb/hr,
presin de 375 libras por pulgada cuadrada, Industrial,
para uso Vapor.
c. Encuentra la desviacin estndar para
0
d. Establece un intervalo de confianza de 95% para
0

Realiza lo anterior, en una hoja de
Excel, grbalo y envalo como
tarea.
Probabilidad de una sola cola.
Valores t de Student y probabilidad P asociada
en funcin de los grados de libertad gl.
Si deseas, la
probabilidad de dos
colas, multiplica por
dos esta fila
El error estndar de la estimacin en el anlisis de regresin
mltiple mide el error para valores de Y con respecto al plano
de regresin, si intervienen dos variables independientes.
1
) (
) 12 . (
2


=

k n
Y Y
Sy
n= nmero de datos

k= nmero de parmetros de los cuales depende y
O sea, de cuantos valores depende Y, puede ser que Y dependa solo de
X1, pero tambin puede depender de X1, X2
Vendedor Puntuacin
de prueba
X1
Calificacin
de
desempeo
X2
Ventas
semanales
Y
Ventas
semanales
Pronosticad
as
Y
Y-Y (Y-Y)
2


Arturo 4 2 5 5.35
Arnulfo 7 5 12
Sal 3 1 4
Marco 6 4 8
Gonzalo 10 6 11 11
2.65
Clculos necesarios para obtener el error
estndar mltiple de la estimacin.
Sy.12= 1.151
Completar la tabla y encontrar el
error estndar de estimacin.
n=5
k=2
Familia de diseos para comparar
tratamientos.
Diseo complementario al azar y ANOVA.
Comparaciones o pruebas de rangos
mltiples.
Verificacin de los supuestos del modelo.
Eleccin del tamao de muestra.
Suponga que renuncio el gerente de la sucursal
oeste de una empresa dedicada a comercializar
artculos de limpieza y se considera que tres
vendedores pueden ocupar ese puesto. Los tres
tienen la misma antigedad, educacin, etc. Para
tomar una decisin, se sugiri examinar los
registros de ventas mensuales de cada uno, en la
siguiente tabla se muestran sus registros.
Qu prueba la ANOVA


La prueba se basa en la idea de que si las muestras
provienen de la misma poblacin, la varianza de la muestra
combinada deber ser igual a las varianzas de las muestras
individuales, dado que el nivel y la dispersin sern
homogneos.
En cambio, si las poblaciones de las que vienen la muestras
son diferentes (y tienen niveles diferentes), la varianza de la
combinacin ser mayor que las varianzas individuales.
La prueba ANOVA usa las varianzas para evaluar la
significacin separando, por un lado, la varianza entre
muestras y por otro lado, la varianza al interior de las
muestras.

Sra.
Lourdes
Sr.
Gabriel
Sr.
Manuel
15 15 19
10 10 12
9 12 16
5 11 16
16 12 17
Media
muestral
11 12 16
x
1
x
1
2


x
2


x
2
2


x
3


x
3
2


15 15 19
10 10 12
9 12 16
5 11 16
16 12 17
Tc 195
n
c
5
x
2
734 1306 2727
x
1
x
1
2


x
2


x
2
2


x
3


x
3
2


15 225 15 225 19 361
10 100 10 100 12 144
9 81 12 144 16 256
5 25 11 121 16 256
16 256 12 144 17 289
Tc 55 60 80 195
n
c
5 5 5 15
x
2
687 734 1306 2727
SST = [ Tc
2
/ n
c
] ( x)
2
/ N

SST = [ Tc
2
/ n
c
] ( x)
2
/ N

= [ (55)
2
/5 + ] (195)
2
/15
= 2605 2535
= 70


SSE = (x
2
)

- [ Tc
2
/ n
c
]

SSE = (x
2
)

- [ Tc
2
/ n
c
]

= (15)
2
+ (10)
2
++(17)
2
- [ (55)
2
/5
+ (60)
2
/5 + (80)
2
/5 ]
= 2727 2605
= 122


SST = 70
SSE = 122
K = Numero de tratamientos (vendedores) = 3
N = Numero total de observaciones=15
Paso 1:
Hiptesis nula: Ho expresa que no hay
diferencia significativa entre las ventas
medias de los tres vendedores.

1
=
2
=
3

Paso 2: Elegir el nivel de significacin:
para este ejemplo se eligi el nivel 0.05


Fuente de
variacin
Suma de
cuadrados
Grados
de
libertad
Cuadrado
medio
Entre
tratamientos
SST K-1
SST/ K-1 = MSTR
En los
tratamientos
SSE N-K
SSE/ N-K = MSE
Total Total SS
F = MSTR / MSE
La regla de decisin indica que si el valor
calculado de F es menor que o igual al valor
critico de 3.89, la hiptesis nula se acepta.

Nota: el valor critico lo obtienes de la tabla F,
consultar el archivo adjunto de la tabla de
Fisher.
Regin de rechazo
1. Compare
2. Multiple Samples
3. Multiple-sample
Comparison
4. OK
5. Seleccionas tus
tres variables a
comparar
6. Luego le das clic
en el :
7. OK
Cmo lo hago en el Statgraphics.?

Primero captura tus datos en columnas, cada
categora en una columna.

En el desarrollo de un nuevo producto alimenticio se
desea comparar el efecto del tipo de envase y
proceso de envasado (asociado al tipo de envase)
sobre la vida de anaquel del producto. Existen tres
tipos de envases. Surgen algunas preguntas.


Cuntos artculos envasados con cada tipo de envase
comparar?
Cmo seleccionar los envases?
Existe diferencia estadstica entre los das de duracin,
usando los diferentes tipos de envase?
Nota: No es lo mismo decir que las medias de las muestras
son diferentes a decir que existe evidencia estadstica de que
las medias de las muestras son diferentes.

A continuacin se muestra un ejemplo, donde se muestrean tres
tipos de envases y se determinan los das de duracin.
Los datos obtenidos se muestran en la tabla siguiente
Factor: Tipo de
envase y envasado
Respuesta: Daz de duracin Media
A

23, 28, 21, 27, 35, 41, 37, 30, 32, 36 31
B

35, 36, 29, 40, 43, 49, 51, 28, 50, 52 41.3
C

50, 43, 36, 34, 45, 52, 52, 43, 44, 34 43.3
Aplicacin
Plantea la hiptesis nula y la hiptesis alternativa.

Ho:

Ha:

Realiza la ANOVA, utilizando el statgraphics. ( Pega aqu la ANOVA)


Estadsticamente hay diferencia entre los tipos de envase ? Cul es el
valor de p-value?


Si estadsticamente hay diferencia entre las medias de los das de
duracin cuando se usan los diferentes tipos de envase, entonces
ahora se utiliza otro tipo de prueba estadstica para conocer cual de
ellos es el mejor o si no hay diferencia entre ellos.

Esta prueba estadstica se llama Mnima diferencia significativa LSD

Para usar el procedimiento de la LSD, simplemente se
comparan las diferencias observadas entre cada par de
promedios (medias) con el valor correspondiente de la
LSD.

Si

/ X
i
- X
j
/ > LSD , se concluye que las medias
poblacionales
i
y
j
son diferentes.

Qu es X
i
, X
j
?
Son las medias del tiempo de duracin para cada uno de
los tratamientos (Tipo de envase y envasado)


LSD = t
/2, N-a

SME (1/ n
i
+ 1/ n
j
)

Qu son cada una de estas variables?

LSD = Esta es la constante que vas ha calcular y que se va
ha servir como parmetro de comparacin.
t
/2 , N-a
= Valor que se obtiene de la tabla de la
distribucin t

= Nivel de Significancia
N = Total de datos
a = Numero de Tratamientos.

SME = Cuadrado Medio de error en los tratamientos ( esta
informacin se obtiene con la ANOVA)

n
i
, n
j
= Numero de datos en cada tratamiento

PRIMERO: Calculas la media de cada uno de los tratamientos

Cul es la media para el tratamiento A? ________
Cul es la media para el tratamiento B? ________
Cul es la media para el tratamiento C? ________


SEGUNDO: Encuentras el valor absoluto de la diferencia de cada
par de medias
Para este caso A-B, A-C, B-C


Ya no te acuerdas que es el valor absoluto!
A que brbaro!

A - B = / 31 41.3 / = 10.3

B - C =

A - C =

TERCERO: Encuentras la t de student para t
/2
alfa = 0.05 y
N-a =
30- 3= 27 utiliza las tablas de la distribucin t.


CUARTO: Encuentras SME que es el cuadrado medio de error en los
tratamientos (esta informacin la tienes en tu ANOVA)


QUINTO: Encuentras el LSD.



CONCLUSIONES E INTERPRETACION

Para tus conclusiones apyate en esto:
/ X
i
- X
j
/ > LSD , se concluye que las medias poblacionales
i
y
j

son diferentes.



AHORA UTILIZA EL STATGRAPHICS, PARA REALIZAR ESTE
PROCEDIMIENTO:

1. COMPARE
2. MULTIPLE SAMPLES
3. MULTIPLE SAMPLE COMPARISON
4. TABULAR OPTION (BOTON AMARILLO LADO
IZQUIERDO)
5. SELECCIONA LA ANOVA Y LA PRUEBA MULTIPLE RANGE
TESTS

Guarda tus resultados en una hoja de Word y envala
como tarea, correspondiente a este tema.

Una prueba es de una cola cuando la hiptesis alterna, H1,
establece una direccin, como:
H0 : el ingreso medio de las mujeres es menor o igual al
ingreso medio de los hombres.
H1 : el ingreso medio de las mujeres es mayor que el de los
hombres.

Distribucin de muestreo para el valor estadstico z, prueba
de una cola, nivel de significancia de .05

Una prueba es de dos colas cuando no se establece una
direccin especfica de la hiptesis alterna H1, como:

H0 : el ingreso medio de las mujeres es igual al ingreso medio
de los hombres.
H1 : el ingreso medio de las mujeres no es igual al ingreso
medio de los hombres.

Distribucin de muestreo para el valor estadstico z, prueba
de dos colas, nivel de significancia de 0.05
Dos regiones de 0.025
Diseos en bloques completos al azar.
Diseo de cuadro latino.
Diseo de cuadro grecolatino


En cualquier experimento, la variabilidad que
surge de un factor perturbador puede afectar los
resultados. En general, un factor perturbador
puede definirse como un factor del diseo que
probablemente tenga un efecto sobre la
respuesta, pero en el que no existe un inters
especifico. En ocasiones un factor perturbador es
desconocido y no controlable; es decir se
desconoce la existencia de ese factor e incluso
puede tener niveles variables mientras se est
realizando el experimento.
La aleatorizacin es la tcnica de diseo que se
utiliza para protegerse contra estos factores
perturbadores que siempre estn amenazando
nuestros experimentos. En otros casos, el factor
perturbador es conocido pero no controlable.
Cuando la fuente de variabilidad perturbadora es
conocida y controlable, puede usarse una tcnica
de diseo llamada formacin de bloques para
eliminar de manera sistemtica su efecto sobre
las comparaciones estadsticas entre los
tratamientos.

La formacin de bloques es una tcnica de diseo en
extremo importante que se utiliza ampliamente en la
experimentacin industrial.

En muchos experimentos adems de que me interesa
investigar la influencia de un factor controlado sobre la
variable de respuesta, existe una fuente de variacin
adicional (bloque) que puede y debe ser sistematizada y
controlada durante el experimento, con el propsito de
disminuir el error experimental y obtener mejores
conclusiones sobre el factor controlado.
De esta manera el error experimental se reducir, y la
precisin del diseo aumentar.

Fuente de
Variacin
Suma de
Cuadrados
Grados de
libertad
Cuadrado medio F
Tratamientos SS
Tratamientos
a-1 MS
T
=SS
Tratamientos
/ a-1 MS
T
/ MS
E


Bloques
(factor
perturbador)
SS
Bloques
b-1 SS
Bloques
/ b-1

Error
SS
E
(a-1)(b-1) MS
E
=SS
E
/ (a -1)(b 1)

Total
SS
T
N-1
Anlisis de Varianza de un diseo de bloques completos
aleatorizado

a = Numero de tratamientos
b = Numero de bloques
N = Total de datos muestreados = a b
b a
SC
T
= Yij
2
- Y
2
..
/N
j =1 i =1

SC
TRAT
= Yi
2
/b - Y
2
..
/N

SC
BLOQUE
= Y
j
2
/a - Y
2
..
/N

SC
ERROR
= SC
T
- SC
TRAT
- SC
BLOQUE



Conceptos bsicos en diseos factoriales.
Diseos factoriales con dos factores.
Diseos factoriales con tres factores.
Diseo factorial general
Modelos de efectos aleatorios.

En muchos experimentos interviene el
estudio de los efectos de dos o ms
factores. En general, los diseos factoriales
son los mas eficientes para este tipo de
experimentos. Por diseo factorial se
entiende que en cada ensayo o rplica
completa del experimento se investigan
todas las combinaciones posibles de los
niveles de los factores.
Por ejemplo, si el factor A tiene a niveles y
el factor B tiene b niveles, cada replica
contiene todas las ab combinaciones de los
tratamientos. Cuando los factores estan
incluidos en un diseo factorial, es comn
decir que estn cruzados.
Un ingeniero est diseando una batera que se
usar en un dispositivo que se someter a
variaciones de temperatura extremas. El nico
parmetro del diseo que puede seleccionar en
este punto es el material de la placa o nodo de
la batera, y tiene tres elecciones posibles.
Cuando el dispositivo est fabricado y se envi al
campo, el ingeniero no tendr control sobre las
temperaturas extremas en las que operar el
dispositivo.
El ingeniero decide probar tres materiales de la
placa con tres niveles de temperatura que son
consistentes con el medio ambiente donde se
usar finalmente el producto. Se prueban cuatro
bateras con cada combinacin del material de la
placa y la temperatura, y las 36 pruebas se corren
de manera aleatoria.
Cules son los factores?
Cada factor cuantos niveles maneja?
Menciona las diferentes combinaciones o
tratamientos.
Qu haras para correr este experimento
en orden aleatorio?
Cuntas replicas se hicieron?
NO PASES A LA SIGUIENTE LAMINA

SI NO CONTESTASTES

LAS PREGUNTAS ANTERIORES
El efecto de un factor se define como el
cambio en la respuesta producido por un
cambio en el nivel del factor. Con
frecuencia se le llama efecto principal
porque se refiere a los factores de inters
primario en el experimento.