Vous êtes sur la page 1sur 7

www.monografias.

com

Anlisis de los mtodos estadsticos a la solucin de problemas tcnicoEconmicos que existen cotidianamente en nuestra sociedad.
Indice
1. Introduccin
2. Desarrollo
3. Diseo de experimento
4. Series Cronolgicas
5. Conclusiones
6. Bibliografa

1. Introduccin
Podemos decir que en estos tiempos en el entorno empresarial cubano se hace muy poco uso y quizs
nulo de las tcnicas y mtodos estadsticos que resultan de vital importancia en la solucin de dismiles
problemas que se dan a diario en nuestras empresas, mientras el mundo de la informtica se desarrolla
cada vez ms y son muchos los programas que han surgido entre los que se encuentran varios de
anlisis estadsticos.
Nuestro trabajo se desarroll con el fin de conocer la situacin del peso de las gallinas pertenecientes a
la Unidad Econmica Bsica Frank Pas de Moa en funcin de la cantidad de pienzo y agua que
consumen, as como la influencia de los alimentos que ingerimos a diario y los distintos horarios del da
en los valores de presin arterial.
2. Desarrollo
Regresin Lineal Simple Y Mltiple
Problema 1.
En la Unidad Econmica Bsica Frank Pas de Moa se desea conocer el peso promedio que
alcanzarn las gallinas en el prximo trimestre. A final de cada trimestre estas gallinas son distribuidas a
la poblacin y se inicia nuevamente el ciclo de crecimiento.
Se conoce la cantidad de pienzo y agua consumida por estas juega un papel determinante en el peso de
las mismas.
En el actual trimestre se realiz un estudio donde se obtuvieron los datos para 35 gallinas. (Ver anexo
1). (Los datos recopilados no son reales).
Anlisis de la Regresin Simple.
Variables:
Variable dependiente: Y. Peso de las gallinas en libras (lb.).

Variable independiente: X. Cantidad de pienzo consumida en kilogramos (Kg.)


Dcima de la pendiente.
Planteamiento de las hiptesis:
Si se acepta H0 : la variable no es significativa.(No existe relacin lineal entre Y y X ).
Si se rechaza H0 la variable es significativa (Existe relacin lineal entre Y y X ).
F. variacin
Regresin
Residuos
Total

S.C
153,198
55,815
209,013

G.L
1
33
34

C.M
153,198
1,69136

F
90,58

P
0,0000

El coeficiente de correlacin = 0,856131(las variables se encuentran relacionadas linealmente en un


85,6131%).
R2 = 73,2959 (Se ha eliminado un 73,2959 % de los errores con la regresin).
El error estndar = 1,30052
Como el valor de probabilidad es 0,0000<0,05 se RH 0 lo que quiere decir que el pienzo es determinante
en el peso de las gallinas.
La ecuacin determinada para esta estimacin es:
Dcima de la falta de ajuste.
(El modelo lineal proporciona un buen ajuste).
(El modelo lineal no proporciona un buen ajuste).
El modelo que mejor ajusta es el Square Root-X
F. variacin
F.A
E.P

S.C
36,1583
19,6567

G.L
24
9

C.M
1,5066
2,18407

F
0,69

P
0,7771

Como el valor de probabilidad 0,7771>0,10 se AH0 por lo que el modelo proporciona un buen ajuste.
Anlisis de la Regresin mltiple:
Variables:
Variable dependiente: Y. Peso de las gallinas en libras (lb.).

Variable independiente: X1 .cantidad de pienzo consumida en kilogramos (Kg.).


Variable independiente: X2 .cantidad de agua consumida en litros (L.).

Dcima de la pendiente
F. variacin
Regresin
Residuos
Total

S.C
177,586
31,4272
209,013

G.L
2
32
34

C.M
88,7929
0,982099

F
90,41

P
0,0000

R2 = 84,964 %
R2 ajustada =84,0243 %
Error estndar =0,991009
Error medio absoluto = 0,742858
Estadstico de Durbin Watson = 1,76054.
Como la probabilidad es menor que 0,05 entonces se RH 0, lo que indica que algunas de estas variables
son tiles para hacer estimaciones del peso de las gallinas (Y).
Mtodo paso a paso.(paso alante )
Con este mtodo podemos determinar cules variables del modelo son significativas.
Estadgrafo para entrar = 4,14911
Estadgrafo para remover = 4,14911
En el paso nmero cero tenemos cero variables en el modelo con 34 G.L para el error y un coeficiente
de determinacin de 0,00 %.
En el paso nmero uno adicionamos la variable X1 con un estadgrafo para entrar de 87,4949 y como
este valor es mayor que 4,14911 esta variable queda en el modelo con 33 G.L para el error y un
coeficiente de determinacin de 72,61 %.
En el paso nmero dos adicionamos la variable X2 con un estadgrafo para entrar de 26,2859 y como
este valor es mayor que 4,14911 esta variable queda en el modelo con 32 G.L para el error y un
coeficiente de determinacin de 84,96 %.
Como podemos observar, tanto el pienzo como el agua que consumen las gallinas son significativas en
el peso de las mismas.
El modelo tiene la siguiente ecuacin:

Verificacin de supuestos:
Normalidad:
Si aproximadamente el 95 % de los residuos estn en el intervalo de, entonces no hay razn para
rechazar el supuesto de normalidad.
El intervalo es (-1,982018; 1,982018)
Se cumple el supuesto de normalidad ya que el 94,29 % de los errores aleatorios se encuentran
dentro del intervalo indicado.
Homocedasticidad:
(Hay Homocedasticidad)
Algn difiere (No hay Homocedasticidad)
n =35
c=3
p =3
S.C Residual G.1 = 22, 2067
S.C Residual G.2 = 24,306
F = 1, 0945345
1,0945345<2,57693
Se acepta H0 por lo que se cumple el supuesto de Homocedasticidad.
No autocorrelacin:
(No hay autocorrelacin).
(Hay autocorrelacin)
n =35
dl =1,343
dv =1,584

RH0
0

AH0

1,343 1,584

RH0
2,416

2,657

d =1,76054. Se encuentra en la regin de aceptacin por lo que se cumple este supuesto.


No multicolinialidad:
(No hay multicolinialidad)
(Si hay multicolinialidad)
R.C:
R.C:
> 4,13927
Se RH0 por lo no se cumple el supuesto de no multicolinialidad.
Haciendo un pronstico del peso que debera alcanzar una gallina para un consumo de pienzo de 10,6
Kg. y 9 L de agua obtuvimos un valor de 10,5669 con un error estndar 1,04204.
3. Diseo de experimento
Problema 2.
En un estudio realizado por el ministerio de salud pblica se obtuvo que la mayor parte de la poblacin
cubana que padece de Hipertensin Arterial se concentra en las provincias orientales. Segn criterios
mdicos una de las causas fundamentales de tal enfermedad es el rgimen alimenticio que llevan las
personas. Se pudo observar adems que los alimentos que se consumen no provocan el mismo efecto
en la presin para los distintos horarios del da.
Es inters de todos conocer cules son los alimento que podemos consumir en mayor o menor medida,
los horarios en que son menores y mayores los valores de tensin arterial, as como la mejor y la peor
combinacin de estos factores.
Para darle respuestas a estas interrogantes se tomaron muestras de valores de presin por 6 das en
diferentes horarios del da de una persona. (Ver anexo 2).

Anlisis de varianza para datos tipo III


F. variacin
S.C
G.L
P. Efectos
A: Factor A.
1733,33
2
B: Factor H.
1200,0
2
C: Rplic.
5,55556
1
Interaccin
AB
266,667
4
AC
311,111
2
BC
44,4444
2
Residuos
88,8889
4
Total
3650,0
17

C.M

866,667
600
5,55556

39,00
27,00
0,25

0,0024
0,0048
0,6433

66,6667
155,556
22,2222
22,2222

3,00
7,00
1,00

0,1562
0,0494
0,4444

Analizando el P-value del factor A. se obtuvo que para se rechaza H 0 lo que significa que hay
diferencias significativas entre los alimentos que se consumen, por lo que la variable es significativa en
la inestabilidad de la presin.
Haciendo el mismo anlisis para el factor H. se obtuvo que para se rechaza H 0 lo que significa que hay
diferencias significativas entre los horarios del da en que se toma la presin, por lo que la variable es
significativa en la inestabilidad de la presin.
Haciendo el anlisis para las rplicas se obtuvo que para se acepta H 0 lo que significa que la variable
no es significativa en la inestabilidad de la presin.
En las interacciones tenemos que solo es significativa la interaccin del factor A con las rplicas.
Para obtener en cules horarios y en cules alimentos estn estas diferencias significativas se uso del
mtodo de Duncan obtenindose:
Pruebas de rangos mltiples para los datos por el Factor A.
Mtodo de Duncan con 95 %
Factor A.
Conteo
Media LS
Verduras
6
118,333
Harina
6
135,0
Sal
6
141,667
Contraste
Harina-sal
Harina-verduras
Sal-verduras

Grupos Homogneos
X
X
X

Diferencia
-6,66667
*16,6667
*23,3333

De aqu se deduce que existe homogeneidad entre los alimentos harina y sal y existen diferencias
significativas entre harina-verduras y sal-verduras.
Pruebas de rangos mltiples para los datos por el Factor H.
Mtodo de Duncan con 95 %
Factor H.
Conteo
Media LS
Meridiano
6
121,667
Noche
6
131,667
maana
6
141,667
Contraste
Maana-meridiano
Maana-noche
Meridiano-noche

Grupos Homogneos
X
X
X

Diferencia
*20,0
*10,0
*-10,0

De aqu se obtiene que existen diferencias significativas entre los tres horarios.
Para el Factor A.
Chequeo de varianza.
Prueba C. de Cochran`s: 0,565217 P-value = 0,279372
Prueba de Bartlett`s: 1,15598
P-value = 0,368475
En la prueba de Cochran`s P-value > 0,05

En la prueba de Bartlett`s P-value > 0,05


Se cumple el supuesto de igualdad de varianza.
Para el Factor H.
Chequeo de varianza
Prueba C. de Cochran`s: 0,442177
P-value = 0,749976
Prueba de Bartlett`s: 1,17879
P-value = 0,322074
En la prueba de Cochran`s P-value > 0,05
En la prueba de Bartlett`s P-value > 0,05
Se cumple el supuesto de igualdad de varianza.
Para el Factor Combi.
Pruebas de rangos mltiples para los datos por el Facto Combi.
Mtodo de Duncan con 95 %
Factor Combi.
Conteo
Media
8
2
115,0
9
2
115,0
7
2
125,0
5
2
125,0
2
2
125,0
6
2
135,0
3
2
145,0
4
2
145,0
1
2
155,0

Grupos Homogneos
X
X
XX
XX
XX
XX
XX
XX
X

Con el experimento anterior llegamos a la conclusin de que los alimentos que debemos consumir en
mayor proporcin son las verduras y los que menos debemos consumir son aquellos que contengan alto
contenido de sal. El horario del da en que la presin alcanza menores valores es el meridiano y
mayores valores por la maana. La mejor combinacin es verduras-meridiano y la peor sal-maana.
4. Series Cronolgicas
Analizando el problema anterior pero con datos correspondientes a cuatro semanas se desea analizar el
comportamiento de la presin en cada semana as podra comportarse en los prximos das. (Ver anexo
3).

1. Serie de tendencia constante estacional con perodo 7.


Tt = B0
Media: 139,6429 Varianza: 153,4439 Modelo hbrido.
2. Estimacin y chequeo.
B0 =139,643
p = 7 n = 28
E (1) =1,074
E (2) = 0,967
E (3) = 1,074
E (4) = 0,967
E (5) = 0,859
E (6) = 0,985
E (7) = 1,074
Varianza: 63,7500 Desv. Tpica: 7,9844
3. Diseo de pronstico.
Horizonte (K): 2
N = 28
m = 28
n = 14
Funcin de pronstico:
E (1) = 1,060 E (2) = 0,971 E (3) = 1,065 E (4) = 0,975
E (5) = 0,851 E (6) = 0,953 E (7) = 1,094
Media de los errores: - 5,361
Suma de cuadrados: 980,298
Cuadrado Medio: 75,405
Raz del Cuadrado Medio: 8,683752
Clculo del intervalo de confianza para un nivel de confianza de 95 %.
Pronstico para T = 30: 132,7373
Intervalo de confianza para el pronstico (115,09; 150,38)
Desviacin Estndar (1,25 DAP):9,0026
Valor del DAP: 7,20
Coeficiente de alisamiento del DPA: 0,250

5. Conclusiones
Consideramos que en dicho trabajo hemos cumplido con los objetivos propuestos debido a que se puso
en prctica los conocimientos adquiridos en clases, con la aplicacin de mtodos estadsticos en la
resolucin de problemas, con el uso de paquetes de programas profesionales. Obtuvimos como
resultados que en el peso de las gallinas juega un papel importante la cantidad de pienzo y agua
consumida; que los alimentos que ingerimos a diario, los diferentes horarios del da y la combinacin de
estos factores influyen significativamente en los valores de presin arterial.
Recomendaciones
Exhortamos que se continen realizando estos trabajos investigativos debido a que nos permite elevar
nuestros conocimientos y llevarlos a la prctica, logrando formar profesionales ms integrales, los cuales
en futuro pueden rescatar aquellas tcnicas estadsticas que se han perdido.
Recomendamos adems que la hora de seleccionar los alimentos a ingerir tengamos presentes, cules
son aquellos ms beneficiosos y los que resulten ms perjudiciales; que preferentemente predominen en
nuestras mesas las verduras y que en aquellos horarios tiende a alcanzar mayores valores evitemos
consumir alimento que contribuyen a elevar la misma.
6. Bibliografa

Garca Francis, Ramn y Coautores: Problemas Resueltos y Propuestos de Estadstica


Matemtica II. Editorial Pueblo y Educacin. La Habana, 1986.
Guyon Dalmau, Luis y Coautores: Estadstica Matemtica II. Ediciones Avenida del Bosque Nr.
168. La Habana, 1986 (Dos tomos).
Lpez Planes, Reinaldo: Diseo Estadstico de experimento.
Probabilidades y Estadstica para Ingenieros. Segunda parte. Cuarta Edicin

Anexo 1.
Datos del problema 1.
N.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

Y
(Peso en lb.)
5
8
10
9
12
5,6
7,3
6,2
5,5
3
8,5
7
4
4,5
5,8
7,6
3,9
9,2
10,6
8,8
7,9
9,6
6,8
4,7
8,6
13,5
3,5

X1
(Cant. Pienzo en Kg.)
8
9,5
11
10
13
8,5
8
7
9
6
7
6,5
6,2
7
9
8
5,7
11
11,5
8,4
9
10
8,k9
7,2
9
15
6,9

X2
(Cant. Agua en L.)
6
7,4
8,4
7,9
8
7
8
6
4
5
7
6
5
5,6
6,2
6,9
3,8
7,5
8,3
6,9
5,8
8,5
5,9
5,2
8
9
6

28
29
30
31
32
33
34
35

4,29
8,54
9,08
10,22
5,63
6,58
7,91
8,33

6,82
7,89
8,76
9,56
7,31
8,02
7,79
9,01

5,76
7,28
8,45
8,98
5,82
7,21
6,88
8,32

Anexo 2.
Datos del problema 2. para diseo de experimento.
Factor A.
Factor H.
Valores de presin mxima.
(Alimentos)
(Horarios)
Rplica 1.
Rplica 2.
Sal
Maana
160
150
Sal
Meridano
130
120
Sal
Noche
150
140
Harina
Maana
140
150
Harina
Meridiano
120
130
Harina
Noche
130
140
Verduras
Maana
120
130
Verduras
Meridiano
110
120
Verduras
Noche
120
110
Anexo 3.
Datos del problema 2. para series cronolgicas.
Nr. de das.
Semana 1.
Semana 2.
1
150
160
2
140
130
3
160
150
4
130
140
5
120
130
6
140
150
7
150
160

Semana 3.
150
140
150
140
120
130
140

Semana 4.
140
130
140
130
110
130
150

Resumen
El presente trabajo se ha realizado con el objetivo de poner en prctica los conocimientos adquiridos en
la asignatura de estadstica ii, en vista a seleccionar problemas existentes en las empresas y otros que
se dan en nuestra sociedad. Para darle cumplimiento a estos objetivos hemos utilizados los mtodos y
tcnicas estadsticas ya estudiados, como son: regresin simple, regresin mltiple, mtodo paso a
paso, anlisis de varianza, diseo de experimento, anlisis de series, entre otros.
Sumary
The present work has been carried out with the objective of putting into practice the knowledge acquired
in the subject of Statistic II, in view to select existent problems in the companies and others that are given
in our society. To give execution to these objectives we have already used the methods and statistical
techniques studied, like they are: simple regression, multiple regression, method step to step, variance
analysis, design of experiments, series analysis, among others.

Trabajo enviado por:


Yuriel Noa Gngora
yuriel.laffita@faceii.uho.edu.cu
Curso 2002-2003