Vous êtes sur la page 1sur 48

UNIVERSIDAD NACIONAL JOSÉ

FAUSTINO SANCHEZ CARRIÓN


FACULTAD DE INGENIERÍA INDUSTRIAL, SISTEMAS E
INFORMÁTICA
ESCUELA ACADÉMICA DE INGENIERÍA INDUSTRIAL

“APLICACIONES DE ANALISIS DE
VARIANZA (ANVA)”

Curso: Estadística Aplicada I


Docente: Víctor Silva Toledo

Ciclo: IV
Integrantes:
 Barrenechea Sarmiento Brithany
 Díaz Paulino Javier
 Estupiñán Bazalar Karla Thalía
 Loarte Sana Kimberly
 Padilla Tapida Dante Manuel
 Vega Cruz David

HUACHO - 2016
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

DEDICATORIA

Este trabajo está dedicado a nuestros padres que siempre nos están apoyando
incondicionalmente en la parte económica y moral para poder llegarnos a realizar
como excelentes profesionales.

A nuestros familiares que nos motivan, ayudan y que por sus experiencias a lo
largo de su vida nos brindan consejos para realizar todo de la mejor manera
posible.

Ante todo a Dios que nos da la vida, nos otorgó una familia que cada día nos
comporte sus enseñanzas y fortalezas para seguir desempeñando dando
siempre lo mejor.

Un agradecimiento en especial a nuestro profesor Víctor Silva Toledo por su


apoyo constantemente, por sus consejos, por compartir con nosotros sus
experiencias laborales, por motivarnos con este trabajo a investigar.

APLICACIONES DE ANALISIS DE VARIANZA


2
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

AGRADECIMIENTO

Agradecemos de ante mano al grupo en general por el apoyo brindado en


nuestro tema de suma importancia del ANALISIS DE VARIANZA, no olvidando
de nuestro maestro de la materia por darnos conocimientos previos.

Agradecer hoy y siempre a nuestros familiares por el esfuerzo realizado en su


apoyo en nuestros estudios, de ser así no hubiese sido posible. A nuestros
padres y demás familiares ya que nos brindan el apoyo, la alegría y nos dan la
fortaleza necesaria para seguir adelante día a día.

APLICACIONES DE ANALISIS DE VARIANZA


3
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

INDICE

CARATULA………………………………………………………………………………1
AGRADECIMIENTO…………………………………………….………………………2
DEDICATORIA………………………………………………………..…………………3
INTRODUCCION……………………………………..…………….……………………5
IMPORTANCIA………………………………………..…………………………………7
CONCEPTOS FUNDAMENTALES……………………………………………………8
ANALISIS DE VARIANZA………………………………………………………………10

1. Objetivos del tema………………………………………………….………………10


2. Bases teóricas…………………………………………………….…………………10
3. Comparación de dos varianzas poblacionales……………………………..……11
4. Anova Con Un Factor………………………………………………………………12
4.1 Especificación de un modelo…………………………………………….……14
4.2 Observación…………………………………………………………..…………15
4.3 Ejemplo………………………………………………………………..…………15
4.4 Algo de notación relativa al modelo…………………………………..………16
4.5 Observación……………………………………………………………..………17
4.6 Forma de efectuar el contraste………………………………………..………18
4.7 Método reductivos para el análisis de un factor……………………..………19
4.8 Ejemplos………………………………………………………………………….20
5. Anova con varios factores…………………………………………………………..23
5.1 Consideraciones sobre hipótesis subyacentes en el modelo factorial…….23
5.2 Contraste de homocedasticidad de Cochran…………………………………25
5.3 Contraste de elasticidad de Bartlett……………………………………………26

CONCLUSIONES……………………………………………………………………….……26
RECOMENDACIONES………………………………………………………………………27
BIBLIOGRAFIA……………………………………………………………………….………28

APLICACIONES DE ANALISIS DE VARIANZA


4
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

INTRODUCCIÓN

El escenario global actual es muy dinámico, esto quiere decir que a para
desarrollarnos profesionalmente debemos romper esquemas, que no permitan
estancarnos intelectualmente. En nuestros días los mercados globales nos
obligan a desarrollar nuestras ventajas competitivas tanto como organización,
industria y específicamente como profesionales en la ingeniería, ya que las
ventajas que antes se posicionaban en los mercados globales, ahora se
encuentran desfasadas. Se habla mucho en nuestros tiempos de las ventajas
competitivas (Porter) no solo de las empresas sino de los profesionales en sí,
para un mejor posicionamiento que permitan defenderse antes las fuerzas
competitivas y mantener a los clientes Podemos decir entonces que los grandes
retos de hoy en día deben hacer que los profesionales y más específicamente
los ingenieros (resolutores de problemas) se encuentren actualizados en cuanto
a conocimientos que le permitan entender el panorama global de su
organización.

Estos conocimientos actualizados se dan en muchas áreas de la ingeniería:


supply chain management, logística internacional, promoción comercial,
marketing, etc. Es en estos nuevos escenarios que los ingenieros y más
específicamente de los ingenieros industriales deben estar a la par de los retos
que propone la globalización (adaptarse o morir). Si bien es cierto los
profesionales siempre buscan especializarse por cuenta personal, lo cual no
debe ser ajeno a las “empresas” que producen estos profesionales: las
universidades. La formación universitaria en el Perú aun es deficiente, no se
fomenta la investigación y las pocas veces que se hace, no se realiza
conscientemente, los investigadores en la mayoría de universidades del Perú no
cuentan con el criterio (conocimientos y experiencia) necesario para tomar las
riendas de trabajos que impacten en la realidad nacional.

El criterio de un investigador debe estar referido a muchos factores y uno de los


principales es el discernimiento, que se define como el juicio por cuyo medio
percibimos y declaramos la diferencia que existe entre varias cosas. Cada

APLICACIONES DE ANALISIS DE VARIANZA


5
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

proyecto de investigación supone el uso de por lo menos una herramienta


diferente y que es elegido de acuerdo al tema en sí. Las herramientas que aplica
el investigado son diversas, entre estas se encuentran las propuestas por la
estadística.

Las herramientas empleadas en una investigación, en este caso las que


proporciona la estadística, son elegidas por la utilidad que se espera tengan al
momento de obtener los resultados. El autor Eliyahu Goldratt hace una
diferenciación entre dos conceptos que se ven en cada investigación y que la
mayoría de: estudiantes, profesionales y personas ajenas al mundo académico,
no son capaces de diferenciar. Estos conceptos son dato e información, el
primero que se basa solo en la observable y medible de la realidad y el segundo
que es un fruto de un proceso. En este aspecto entonces concluimos que lo
importante en una investigación que impacte en la organización es la información
confiable.

La información que consideramos confiable es aquella que nos permita como


ingenieros tomar buenas decisiones, medibles en el impacto positivo que tengan
en las organizaciones. Es por esto que es de vital importancia para las
herramientas estadísticas el poder seleccionar y tomar los datos de una manera
adecuada, los cuales por un proceso de análisis permiten obtener información
necesaria para nosotros y para todo el ámbito de la ingeniería.

El impacto que se tenga en la ingeniería, como se ha descrito anteriormente,


depende de la información que nos brinden las herramientas estadísticas
adecuadamente elegidas por el investigador obedeciendo a su criterio
profesional. El tema de este trabajo es el análisis de varianza, una herramienta
que nos permite comparar conjuntos de datos numéricos diferentes,
significativos, distintos a otros valores o más conjuntos de datos, y la aplicación
que tiene al mundo de la ingeniería en sus diferentes especialidades
considerando el impacto positivo que tenga en esta.

APLICACIONES DE ANALISIS DE VARIANZA


6
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

CAPITULO I:
ANTECEDENTES

APLICACIONES DE ANALISIS DE VARIANZA


7
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

1. OBJETIVOS:

Objetivo general:

- Analizar el análisis de varianza, como herramienta en la toma de


Decisiones en el campo de la ingeniería

Objetivo específico:

- Identificar las herramientas estadísticas potencialmente útiles en los


diferentes campos de la ingeniería.
- Explicar el desarrollo del análisis de varianza.

2. IMPORTANCIA:

La estadística constituye para el investigador un instrumento que le permitirá o


le indicará probar datos numéricos a través del Análisis de la Varianza (ANOVA)
la comparación de los conjuntos de datos numéricos diferentes, significativos,
distintos a otros valores o más conjuntos de datos. Lo más importante, es saber
la certeza de los datos que se estudian, qué tengan la condición necesaria para
tomar la decisión más idónea. Es por ello, que la importancia del Análisis de la
Varianza aplicado a la Toma de Decisión radica en la información veraz y precisa
que le brinda al gerente, para la tomar las decisiones, sobre cualquier proceso
dentro de la organización.

3. LIMITACIONES:

Las limitaciones que se encontraron en el presente trabajo de investigación


fueron básicamente relacionadas al desconocimiento parcial de la realidad de
los ejercicios presentados. Estos ejercicios fueron extraídos de libros, donde la
visión del autor no necesariamente es compartida en el trabajo.

APLICACIONES DE ANALISIS DE VARIANZA


8
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

CAPITULO II:
BREVE
RESEÑA
HISTÓRICA
APLICACIONES DE ANALISIS DE VARIANZA
9
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

1. BREVE RESEÑA HISTORICA:

La primera aparición de estudios de componentes de varianza de Airy (1861) y


Chauvenet (1863) aparecieron en libros de astronomía.

A estos intentos iniciales del siglo XIX, le siguieron los trabajos de genética
cuantitativa desarrollados por Fisher en la Estación Experimental de Rothamsted
(Fisher 1918; 1922). El propio Fisher (1925), informó lo que significó una de las
grandes contribuciones a los modelos de componentes de varianza, que en sus
inicios se conoció como método de estimación de análisis de varianza (ANOVA).
Sus trabajos pueden expresarse (con la terminología moderna) como un modelo
aleatorio de clasificación simple para datos balanceados.

A los trabajos de Fisher le siguieron los


de Tippet (1931) que esclareció y
extendió el método de estimación
ANOVA y mostró algunos estimadores
explícitos (Tippet 1937). También Yates
y Zacopanay (1935) realizaron pruebas
de campo en cereales con modelos de
orden mayor, mientras Newman et al
(1935) consideraba la eficiencia de los
diseños de bloques al azar y cuadrado
latino, y hacia extensivo el uso de
modelos lineales (incluyendo modelos
mixtos) en lo que se considera la primera aparición reconocida de los modelos
mixtos (Searle 1989).

Muchos de los avances en esta área de estimación de componentes de varianza,


fueron motivados por problemas prácticos. Los genetistas, particularmente, se
convirtieron en los principales usuarios de los modelos de componentes de
varianza para aplicarlos a humanos, ganado vacuno, cerdos, carneros y pollos.

APLICACIONES DE ANALISIS DE VARIANZA


10
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

Un trabajo muy importante sobre el desarrollo en los años subsiguientes es el de


Khuri y Sahai (1985).

Ahora bien, la mayoría de estas aplicaciones genéticas eran con datos no


balanceados o desequilibrados. En este sentido, Henderson (1953) constituye el
trabajo clásico sobre estimación de componentes de varianza para datos no
balanceados (Searle 1989). Con posterioridad a este trabajo, vino un período de
evaluaciones de estos métodos, entre ellas las deCrump (1951), Searle (1956,
1961, 1968) y Blischke (1966, 1968).

Son precisamente los métodos REML, los más empleados en la última década
en lo que a estimación de parámetros genéticos se refiere. Sin embargo, en los
últimos años los métodos bayesianos unidos a técnicas de cálculo como el
muestreo de Gibbs se han extendido al área de la estimación de componentes
de varianzas con excelentes resultados (Sorensen et al 1994). Ya en el sexto
congreso mundial de genética aplicada a la producción animal, la gran mayoría
de los trabajos presentados en la sección “Estimación de parámetros genéticos”,
versaban sobre esta temática (Wang 1998; Hofer y Ducrocq 1998; Korsgaard
1998; Rodriguez-Zas et al 1998; Lund y Jensen 1998, entre otros), lo cual debe
tenerse en cuenta para futuros trabajos en esta área de estimación de
parámetros genéticos.

APLICACIONES DE ANALISIS DE VARIANZA


11
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

CAPITULO III:
MARCO
TEÓRICO

APLICACIONES DE ANALISIS DE VARIANZA


12
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

CONCEPTOS FUNDAMENTALES:

 MUESTRA: Es un subconjunto o parte de una población. El tomar


muestras se hace con la intención de no extendernos a sacar resultado
de toda la población que representa.

 MUESTRA ALEATORIA: Viene hacer la muestra elegida al azar, es la


muestra tomada de la población en que todo individuo tiene la misma
probabilidad de poder ser elegido.

 POBLACION: También llamada UNIVERSO, es el conjunto de elementos


de referencia sobre el que se realizan las observaciones.

 HIPOTESIS: Es el enunciado acerca del valor del parámetro poblacional.

 VARIANZA: Es una media de dispersión definida como la esperanza del


cuadrado de la desviación de dicha variable respecto a su media.

 FUNCIÓN DE DISTRIBUCIÓN: Función que hace corresponder a cada


uno de los valores de la variable aleatoria discreta su probabilidad.

 CONTRASTE DE HIPÓTESIS: Es el conjunto de reglas establecidas para


decidir entre la hipótesis nula o la alternativa, que debe ser aceptada en
base al resultado que se obtuvo de la muestra.

 VARIABLE ALEATORIA: Toda función que tomas diferentes valores


numéricos, dependiendo del resultado de un fenómeno aleatorio, con
distintas probabilidades.

 VARIABLE ALEATORIA DISCRETA: Son aquellas que tienen un


número finito de valores.

 VARIABLE ALEATORIA CONTINUA: Son aquellas que pueden tomar


un número infinito de valores en un intervalo determinado.

 VARIABLE CATEGÓRICA: Es aquella que clasifica cada individuo de la


población en varias clases mutuamente excluyentes.

APLICACIONES DE ANALISIS DE VARIANZA


13
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

 ESTADÍSTICA DESCRIPTIVA: Es el procedimiento estadístico que


sirven para organizar y resumir conjuntos de datos numéricos.

 ESTADÍSTICA INFERENCIAL: Es el procedimiento estadístico que sirve


para deducir o inferir algo de un conjunto de datos numéricos (población),
seleccionando una parte de ellos (muestra).

 GRADOS DE LIBERTAD: Es el número de observaciones linealmente


independientes en un conjunto de “n” observaciones. Los grados de
libertad, son iguales a “n” menos el número de restricciones impuestas al
conjunto total de datos.

 HIPÓTESIS ALTERNATIVA: Es el aquel enunciado que no niega, ni


afirma lo que dice la hipótesis de investigación.

 HIPÓTESIS NULA: Es aquella que niega, lo que afirma la hipótesis de


investigación.

 MEDIA: También conocida como la media aritmética, que viene hacer el


promedio que se obtiene al sumar todos los elementos en un conjunto
de valores.

 NIVEL DE CONFIANZA: Es la probabilidad de que la estimación que se


efectuó se ajusta a la realidad.

 NIVEL DE SIGNIFICANCIA: Es el riesgo que se asume, acerca de


rechazar la hipótesis nula cuando en realidad debe aceptarse por ser
verdadera.

 PRUEBAS NO PARAMÉTRICAS: Pruebas de hipótesis que implican


datos de niveles nominal y ordinal.

 REGIÓN DE ACEPTACIÓN: Es el conjunto de valores de la estadística


de prueba, que conducen aceptar la hipótesis nula.

 REGIÓN DE RECHAZO O REGIÓN CRÍTICA: Es el conjunto de valores


de la estadística de prueba, que conducen al rechazo de la hipótesis nula.

APLICACIONES DE ANALISIS DE VARIANZA


14
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

ANALISIS DE VARIANZA [ANVA]

1. DEFINICIÓN:

El análisis de varianza es un método para comparar dos o más medias, en la


cual la varianza esta particionada en ciertos componentes debidos a diferentes
variables explicativas.

También podemos decir que es una colección de modelos estadísticos y sus


procedimientos asociados, en lo cual la varianza esta particionada en cierto
componentes debidos a diferentes variables explicativas.

TIPO DE
MODELO Y PROPIEDADES DE DISEÑO
ANOVA

Un factor fijo (niveles establecidos por el investigador) que


DE UN SOLO
puede tener un número desigual (no balanceado) o igual
FACTOR
(balanceado) de observaciones por tratamiento.

El modelo puede contener cualquier número de factores


aleatorios y fijos (los niveles se seleccionan de manera
BALANCEADO
aleatoria) y factores anidados y cruzados, pero requiere un
diseño balanceado.

MODELO
Expande los ANOVA balanceados al permitir diseños no
LINEAL
balanceados y covariables (variables continuas).
GENERAL

2. ANOVA CON UN FACTOR

El análisis de la varianza de un factor se utiliza para comparar el valor medio de


una variable dependiente cuantitativa en varios grupos, que se diferencian por
los niveles del factor considerado.

APLICACIONES DE ANALISIS DE VARIANZA


15
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

3. NOTACIONES DE ANVA:
Este apartado está dedicado a introducir alguna notación para escribir los
términos que serán más importantes a la hora de realizar un contraste por el
método ANOVA. En primer lugar tenemos:

Usando estos términos vamos a desglosar la variación total de la muestra en


variación total dentro de cada nivel (intravariación) más la variación entre los
distintos niveles (intervariación).

Donde:

APLICACIONES DE ANALISIS DE VARIANZA


16
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

4. OBSERVACIÓN:
En el cálculo del estadístico intervienen N cantidades, ligadas por una
relación:

De este modo el número de grados de libertad de este estadístico es N-1


(recuérdese la noción de grados de libertad de un estadístico). Por razones
análogas tenemos que el número de grados de libertad de es N-t y el de
es t-1. Así introducimos los siguientes estadísticos:

EJERCICIO APLICATIVO
Se quiere medir el efecto que tiene tres programas de inducción (A,B,C) de la
empresa administradora CHUGAR s.a.c en la producción de los empleados, se
ha tomado una muestra de 14 empleados, siendo distribuidos en el cuadro
adjunto. Pruebe la aseveración que no existe diferencia significativa entre los
tres programas de capacitación.

PROGRAMAS
A B C
85 80 82
72 84 80
83 81 85
80 78 90
82 88

APLICACIONES DE ANALISIS DE VARIANZA


17
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

 Paso 0: completar la tabla original y calcular los términos de SCt

PROGRAMAS
A B C
85 80 82
72 84 80
83 81 85
80 78 90
82 88
TOTAL 320 405 425 T..=1150
N 4 5 5 N=14
TC=94464.29

 Paso 1: Formular la hipótesis.

Formulación matemática:

H0: µA= µB = µC

H1: µa ≠ µB ≠ µC

Formulación literal:

H0: no existe diferencia significativa entre los tres programas de inducción.

H1: existe diferencia de por lo menos uno de los programas de inducción.

 Paso 2: Establecer el nivel de significancia.


Considerar α = 5%

 Paso 3: Realizar los cálculos.

SCT=SCTR
+ SCE
SCTT=
SC =SC
ΣΣXij
TR 2
– TC
+ SCE

SCT= ΣΣXij2 – TC
APLICACIONES DE ANALISIS DE VARIANZA
18
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

 SCT= (852+722+……+882) – 94464.29

SCT= 94716 – 94464.29

SCT = 251.71

SCTR= Σ Ti2/nj – TC

 SCTR = (3202/4)+(4052+4252)/5 – TC

SCTR = 94530–94464.29

SCTR = 65.71

 Paso 4: Construcción de la tabla ANVA

F.V S.C g.l C.M FC FT Decisión


Tratamiento 65.71 2 32.86
Error 186 11 16.91
Total 251.71 13

F.V S.C g.l C.M FC FT Decisión


Tratamiento 65.71 2 32.86 1.94
Error 186 11 16.91
Total 251.71 13

F.V S.C g.l C.M FC FT Decisión


Tratamiento 65.71 2 32.86 1.94 3.98
Error 186 11 16.91
Total 251.71 13

APLICACIONES DE ANALISIS DE VARIANZA


19
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

En resumen, la tabla ANVA:

F.V S.C g.l C.M FC FT Decisión

ACEPTA
Tratamiento 65.71 2 32.86 1.94 3.98
(HO)

Error 186 11 16.91


Total 251.71 13

 Paso 5: Toma de decisión.


 Si FC < FT: Se acepta la HO
 Si FC > FT: Se rechaza la H0

 Paso 6 : formular las conclusiones y recomendaciones

CONCLUSIONES

 Se tomaron muestras de 3 programas de inducción.


 El nivel de significancia utilizado fue α= 0.05
 El FC= 1.94
 El FT = 3.98
 Como el FC fue menor que el FT se aceptó la hipótesis nula.

RECOMENDACIÓN

Se recomienda hacer un estudio para para saber si la producción de los


trabajadores es óptima o no.

Estos son los estadísticos que realmente nos interesan a la hora de realizar el
contraste de igualdad de medias. Cuando la diferencia entre los efectos de los
diferentes niveles sea muy baja, es de esperar que la cuasivarianza total sea
próxima a la intravarianza, o lo que es lo mismo, que la intervarianza sea
pequeña en relación con la intravarianza. Obsérvese la figura

APLICACIONES DE ANALISIS DE VARIANZA


20
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

Figura: En la
figura superior
no existe una
evidencia FIGURA 2

significativa en contra de que las medias de los tres grupos de observaciones


coinciden

FIGURA 1

COMO REALIZAR UNA TABLA EN ANVA


EJEMPLO

Se aplican 4 tratamientos distintos a 4 grupos de 5 pacientes, obteniéndose los


resultados de la tabla que se adjunta. Queremos saber si se puede concluir que
todos los tratamientos tienen el mismo efecto. Para ello vamos a suponer que
estamos en condiciones de aplicar el modelo de un factor.

Tratamientos Observaciones ni

Tratamiento 1 -1 1 2 0 -1 5 1 1/5 7
Tratamiento 2 -2 -4 -5 -4 -7 5 -22 484/5 110

APLICACIONES DE ANALISIS DE VARIANZA


21
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

Tratamiento 3 0 -1 -2 -4 -1 5 -8 64/5 22
Tratamiento 4 1 4 6 3 8 5 22 484/5 126
N=20 A=265

Fuentes de grados de Suma cuadrados Cuasivarianzas Estadístico


Variación libertad
Entre t-1=3 = B-C Fexp

tratamientos =204,15 =68,167 =18,676


Dentro de los N-t=16 = A-B Fteo = Ft-1,N-t

tratamientos =58,4 =3,65 =3,24

FIGURA: Se rechaza la hipótesis de que los ratamientos tienen el mismo efecto


en los tres grupos.

En conclusión, Fexp>Fteo, como se observa en la Figura anterior, por tanto se ha


de rechazar la igualdad de efectos de los tratamientos.

APLICACIONES DE ANALISIS DE VARIANZA


22
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

En la Figura se representan las observaciones de cada nivel de tratamiento


mediante una curva normal cuyos parámetros se han estimado puntualmente a
partir de las observaciones. Obsérvese que las diferencias más importantes se
encuentran entre Los tratamientos 2 y 4. Esto motiva los contrastes de
comparaciones múltiples (dos a dos), para que, en el caso en que la igualdad de
medias sea rechazada, se pueda establecer qué niveles tuvieron mayor
influencia en esta decisión.

Figura: Las diferencias más importantes se encuentran


entre los niveles 2 y 4.

APLICACIONES DE ANALISIS DE VARIANZA


23
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

CAPITULO IV:
DESARROLLO

APLICACIONES DE ANALISIS DE VARIANZA


24
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

1. ANOVA EN LA INGENIERIA
El análisis de la varianza (ANOVA) es una potente herramienta
estadística, de gran utilidad tanto en la industria, para el control de
procesos, como en el laboratorio de análisis, para el control de métodos
analíticos basados en la ingeniería conllevándonos a una buena toma de
decisión.

2. ANOVA APLICADO EN LA INGENIERIA INDUSTRIAL:

A) PRODUCCIÓN:

El área de producción o también llamada área o departamento de operaciones,


manufactura o de ingeniería, teniendo como función principal la trasformación de
insumos o recursos en productos finales (bienes y servicios).

Hoy por hoy suele subestimarse el


alcance de los sistemas productivos en el
proceso de obtener una ventaja
competitiva, dado a que distintos factores
y prácticas de vanguardia como la
innovación, la optimización de los flujos
logísticos y la implementación de nuevos
sistemas de información están dando resultados muy positivos debido a la
concientización de una buena toma de decisión, ya que solo es un paso de la
planeación que forma parte esencial de los procesos, ya que cada decisión
están relacionadas a las metas trazadas.

EJERCICIO 1

Un fabricante de cereales tiene que elegir entre tres colores para las cajas de
cereales: rojo, amarillo y azul. Para averiguar si el color influye en las ventas, se

APLICACIONES DE ANALISIS DE VARIANZA


25
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

eligen 16 tiendas de tamaño parecido. Se envían cajas rojas a 6 de estas tiendas,


cajas amarillas a 5 y cajas azules a las 5 restantes. Después de unos días, se
comprueba el número de cajas vendidas en cada tienda. La tabla adjunta
muestra los resultados (en decenas de cajas) obtenidos:

CAJAS DE CEREALES
ROJO AMARILLO AZUL
43 52 61
52 37 29
59 38 38
76 64 53
61 74 79
81

Complete la tabla del análisis de la varianza y contraste la hipótesis nula de que


las medias poblacionales de los niveles de ventas de las cajas de los tres colores
son iguales.

 Paso 0: completar la tabla original y calcular los términos de SCt

CAJAS DE CEREALES
ROJO AMARILLO AZUL
43 52 61
52 37 29
59 38 38
76 64 53
61 74 79
81
TOTAL 372 265 260 T..=897
n 6 5 5 N=16
TC=50288.06

 Paso 1: Formular la hipótesis.

Formulación matemática:

H0: µA= µB = µC

H1: µa ≠ µB ≠ µC

Formulación literal:

APLICACIONES DE ANALISIS DE VARIANZA


26
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

H0: los niveles de ventas de las cajas de los tres colores son iguales.

H1: los niveles de ventas de las cajas de los tres colores son diferentes.

 Paso 2: Establecer el nivel de significancia.


Considerar α = 5%

 Paso 3: Realizar los cálculos.

SCT=SCTR + SCE

SCT= ΣΣXij2 – TC

 SCT= (432+522+……+792) – 50288.06


SCT= 54237 – 50288.06
SCT = 3948.94

SCTR= Σ Ti2/nj – TC

 SCTR = (3722/6)+(2652+2602)/5 – TC
SCTR =50629 –50288.06
SCTR = 340.94

 Paso 4: Construcción de la tabla ANVA


F.V S.C g.l C.M FC FT Decisión
Tratamiento 340.94 2 170.47
Error 3608 14 257.71
Total 3948.94 16

F.V S.C g.l C.M FC FT Decisión


Tratamiento 340.94 2 170.47 0.66
Error 3608 14 257.71
Total 3948.94 16

APLICACIONES DE ANALISIS DE VARIANZA


27
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

F.V S.C g.l C.M FC FT Decisión


Tratamiento 340.94 2 170.47 0.66 3.98
Error 3608 14 257.71
Total 3948.94 16

En resumen, la tabla ANVA:

F.V S.C g.l C.M FC FT Decisión


ACEPTA
Tratamiento 340.94 2 170.47 0.66 3.98
(HO)
Error 3608 14 257.71
Total 3948.94 16

 Paso 5: Toma de decisión.


 Si FC < FT: Se acepta la HO
 Si FC > FT: Se rechaza la H0

 Paso 6 : formular las conclusiones y recomendaciones

CONCLUSIONES

 Se tomaron muestras de 3 cajas de cereales.


 El nivel de significancia utilizado fue α= 0.05
 El FC= 0.66
 El FT = 3.98
 Como el FC fue menor que el FT se aceptó la hipótesis nula.

RECOMENDACIÓN

Se recomienda seguir con la venta en estos 3 tipos de cajas de cereales, e


inclusive poder aumentar un color más, esto implicaría realizar un nuevo estudio,
todo con el objetivo de abarcar más mercado.

B) CONTROL DE CALIDAD

APLICACIONES DE ANALISIS DE VARIANZA


28
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

El control de calidad juega un rol importante en el desarrollo industrial, porque


es un factor imprescindible para el logro de los objetivos.

El control de calidad tiene como objetivo monitorear de forma continua la


cantidad y calidad del producto, diseño, instalación y mejoramiento operacional
de los sistemas integrados de los recursos humanos, materiales y equipos
organizados para la producción eficiente y eficaz.

Los objetivos de toda empresa se ajustan a un sistema de control y al tipo de


actividad que desea controlar. Por eso es importante que las empresas ajusten
a un estándar de calidad, ya que al hacer calidad se disminuyen los costos, y se
eleva la productividad.

Por eso la calidad está en la mira de la Ingeniería Industrial, ya que al hacer


calidad se disminuyen los costos, y se eleva la productividad, donde buscamos
la solución a los problemas dado que a una mala toma de decisión obtendremos
resultados desfavorables y esto nos puede generar problemas cuya solución es
costosas.

EJERCICIO 2

En una fábrica de automóviles se utiliza una misma planta para el ensamblaje de


tres modelos distintos (A, B y C). Para determinar si los modelos reciben el
mismo tratamiento, se ha realizado un control de calidad a una muestra tomada
para cada modelo. El número de defectos encontrados para cinco vehículos del
modelo A son 5, 4, 6, 6, 7 Y 5; para seis vehículos del modelo B son 7, 8, 6, 7, 6
y 5; y para ocho vehículos del modelo C: 9, 7, 8, 9, 10 y 11 Contrastar si existen
diferencias en el tratamiento que se da a los distintos modelos.

Modelo A Modelo B Modelo C


5 7 9
4 8 7
6 6 8
6 7 9
7 6 10

APLICACIONES DE ANALISIS DE VARIANZA


29
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

5 5 11

 Paso 0: Completar la tabla original y calcular los términos de la SCT; por


lo tanto la tabla quedaría de la siguiente manera:

Modelo A Modelo B Modelo C

5 7 9

4 8 7

6 6 8

6 7 9

7 6 10

5 5 11

TOTAL 33 40 54 T..=127

N 6 6 6 N= 18
TC =
896.055556

 Paso1: Formular las hipótesis.

Formulación matemática:

H0: µA= µB = µC

APLICACIONES DE ANALISIS DE VARIANZA


30
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

H1: µa ≠ µB ≠ µC

Formulación literal:

H0: Los modelos reciben el mismo tratamiento

H1: Los modelos no reciben el mismo tratamiento

 Paso 2: Establecer el nivel de significancia.

Considerar α = 5%

 Paso3: Realiza los cálculos.

SCT=SCTR + SCE

SCT= ΣΣXij2 – TC

 SCT= (52+42+……+102+112) – 896.055556

SCT= 953 – 896.055556

SCT= 56.9444444

SCTR= Σ Ti2/nj – TC

 SCTR = 934.166667– 896.055556

SCTR = 38.1111111

 Paso 4: Construcción de la tabla ANVA

F.V S.C g.l C.M FC FT Decisión


Tratamiento 38.1111111 2 19.0555556
Error 18.8333333 15 1.25555556
Total 56.9444444 17

APLICACIONES DE ANALISIS DE VARIANZA


31
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

F.V S.C g.l C.M FC FT Decisión


Tratamiento 38.1111111 2 19.0555556 15.1769912
Error 18.8333333 15 1.25555556
Total 56.9444444 17

F.V S.C g.l C.M FC FT Decisión


Tratamiento 38.1111111 2 19.0555556 15.1769912 3.68
Error 18.8333333 15 1.25555556
Total 56.9444444 17

En resumen, la tabla ANVA:

F.V S.C g.l C.M FC FT Decisión


Tratamiento 38.1111111 2 19.0555556 15.1769912 3.68 R (H0)
Error 18.8333333 15 1.25555556
Total 56.9444444 17

 Paso 5: Toma de decisión.


 Si FC < FT: Se acepta la HO
 Si FC > FT: Se rechaza la H0

 Paso 6 : Formular las conclusiones y recomendaciones

CONCLUSIONES:

 Se tomaron muestras de 3 modelos de vehiculo


 El nivel de significancia utilizado fue α= 0.05
 El FC= 15.1769912
 El FT = 3.68

APLICACIONES DE ANALISIS DE VARIANZA


32
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

 Como el FC fue mayor que el FT se rechazó la hipótesis nula, por lo


tanto los modelos no reciben el mismo tratamiento.

RECOMENDACIÓNES:

Identificar mediante un análisis cuál de los 3 proveedores posee las piezas


estandarizadas y obtener un mayor beneficio.

C) CADENA DE SUMINISTRO

Es la gestión de los procesos clave de negocios, desde el proveedor al cliente,


donde involucra de manera directa a la empresa, donde va referido al análisis y
esfuerzo por mejorar procesos y lograr un flujo constante.

La ingeniería industrial abarca distintos puntos o áreas dentro del mundo de las
empresas de servicios y de producción, las empresas suelen recurrir a la
tercerización o subcontratación para sus actividades con el objetivo de ser más
dinámicos, competitivos y reducir costos.

La tercerización de funciones logísticas es una práctica que exhibe una


tendencia creciente debido a que se reconoce como opción para decrecer
costos, incrementar la eficiencia de las operaciones logísticas y lograr una
cadena de suministros más flexible e integrada

EJERCICIO 3

Tres proveedores suministran piezas en envíos de 500 unidades. Se han


comprobado minuciosamente muestras aleatorias de seis envíos de cada uno
de los tres proveedores y se ha anotado el número de piezas que no se ajustan
a las normas. La tabla muestra este número.

PROVEEDOR PROVEEDOR PROVEEDOR


A B C
28 22 33

APLICACIONES DE ANALISIS DE VARIANZA


33
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

PROVEEDORES
A B C
28 22 33
37 27 29
34 29 39
29 30 33
31 18 37
33 30 38
TOTAL 192 156 209 T..=557
n 6 6 6 N= 18
TC =
17236.1
37 27 29
34 29 39
29 30 33
31 18 37
33 30 38

Probar al 5% si existen piezas que no se ajustan a las normas establecidas por


el comprador

 Paso 0: Completar la tabla original y calcular los términos de la SCt

 Paso 1: Formular la hipótesis.

APLICACIONES DE ANALISIS DE VARIANZA


34
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

Formulación matemática:

H0: µA= µB = µC

H1: µa ≠ µB ≠ µC

Formulación literal:

H0: El envío de las piezas se ajusta a las normas establecidas.

H1: El envío de las piezas no se ajusta a las normas establecidas.

 Paso 2: Establecer el nivel de significancia.

Considerar α = 5%

 Paso 3: Realizar los cálculos.

SCT=SCTR + SCE

SCT= ΣΣXij2 – TC

 SCT= (282+372+……+382) – 17236.1

SCT= 17731 – 17236.1

SCT = 494.9

SCTR= Σ Ti2/nj – TC

 SCTR = 17480 – 17236.1


SCT = 243.9

 Paso 4: Construcción de la tabla ANVA

F.V S.C g.l C.M FC FT Decisión


Tratamiento 243.9 2 121.95

APLICACIONES DE ANALISIS DE VARIANZA


35
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

Error 251.0 15 16.7


Total 494.9 17

F.V S.C g.l C.M FC FT Decisión


Tratamiento 243.9 2 121.95 7.30
Error 251.0 15 16.7
Total 494.9 17

F.V S.C g.l C.M FC FT Decisión


Tratamiento 243.9 2 121.95 7.30 2.866
Error 251.0 15 16.7
Total 494.9 17

En resumen, la tabla ANVA:

F.V S.C g.l C.M FC FT Decisión


RECHAZA
Tratamiento 243.9 2 121.95 7.30 2.866
(HO)
Error 251.0 15 16.7
Total 494.9 17

 Paso 5: Toma de decisión.


 Si FC < FT: Se acepta la HO
 Si FC > FT: Se rechaza la H0

 Paso 6 : formular las conclusiones y recomendaciones

CONCLUSIONES

 Se tomaron muestras de 3 proveedores

APLICACIONES DE ANALISIS DE VARIANZA


36
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

 El nivel de significancia utilizado fue α= 0.05


 El FC= 7.30
 El FT = 2.866
 Como el FC fue mayor que el FT se rechazó la hipótesis nula.

RECOMENDACIÓN

Identificar mediante un análisis cuál de los 3 proveedores posee las piezas


estandarizadas y obtener un mayor beneficio.

EJERCICIO 4

Suponga que se desea saber si los ejes que surten cuatro proveedores tienen
diferente resistencia a la tracción. Para ello se decide llevar a cabo un
experimento de un solo factor donde la variable dependiente es la resistencia a
la tracción del eje medida en Kgs/cm2 y el factor es el proveedor. El factor tiene
cuatro niveles o tratamientos diferentes. Uno para cada proveedor (llámelos I, II,
III, IV) se decide probar 5 ejes de cada proveedor haciendo un total de 20
pruebas ejecutadas en la misma máquina de prueba y con él mismo operario
(recuerde que el resto de los factores se deben de mantener a un nivel fijo).

Para que el experimento sea aleatorio se numeran los ejes del 1 al 20 y se


selecciona al azar un número entre 1 y 20. Según él numero seleccionado es el
siguiente eje que se prueba. De esta manera, el siguiente eje a probar es
seleccionado sin ninguna restricción. Suponga que los resultados de
experimento se muestran en la tabla siguiente:

PROVEEDOR
I II III IV

56 64 45 42

55 61 46 39

62 50 45 45

59 55 39 43

APLICACIONES DE ANALISIS DE VARIANZA


37
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

60 56 43 41

 Paso 0: Completar la tabla original y calcular los términos de la SCt

Totales Promedios
Yi Yi.
I 56 55 62 59 60 292 58.4
II 64 61 50 55 56 286 57.2
III 45 46 45 39 43 218 43.6
IV 42 39 45 43 41 210 42
Y..= 1006 40.24 Y ..

 Paso 1: Formular la hipótesis.

Formulación matemática:

H0: µA= µB = µC

H1: µa ≠ µB ≠ µC

Formulación literal:

H0: se desea saber si los ejes que surten cuatro proveedores tienen diferente
resistencia a la tracción

H1: No hay diferencia de tracción

APLICACIONES DE ANALISIS DE VARIANZA


38
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

 Paso 2: Establecer el nivel de significancia.

Considerar α = 5%

 Paso 3: Realizar los cálculos.

SCT=SCTR + SCE

SCT= ΣΣXij2 – TC

4 5

 Yij
j1 i1
2
 562  552  ...  412  51940

Entonces, calculando las sumas de cuadrados tenemos que:

 SCT = 51,940 – (10062)/20

SCT = 1338.2

SCTR= Σ Ti2/nj – TC

 SCtr = 2922/5 + 2862/5 + 2182/5 + 2102/5 –10062/20

SCtr = 1,135.0

 SCE = SCT – SCtr = 1338.2 – 1135.0


SCE = 203.2

 MStr = SCtr/(k-1) = 1135.0/(3 - 1)


MStr = 378.2

APLICACIONES DE ANALISIS DE VARIANZA


39
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

 MSE = SCE/(n-k) = 203.2/(20-4)


MSE = 12.70

 Paso 4: Construccion de la tabla ANVA

Esto se resume en la siguiente tabla:

FUENTE
SS G.L. MS Fc Ft
DE ERROR

MStr/MSE
Factor o tratamientos SCtr=1135 k – 1 = 3 MStr =378.3 3.24
= 29.79

Error SCE=203.2 N – k = 16 MSE=12.7

Total SCT=1338.2 N – 1 = 19

 Paso 5: Toma de decisión.


 Si FC < FT: Se acepta la HO
 Si FC > FT: Se rechaza la H0

 Paso 6: Formular las conclusiones y recomendaciones

CONCLUSIONES:

 Donde F0= MStr/MSE = 378.3/12.70=29.79 con 3 grados de libertad en el


numerador y 16 grados de libertad en el denominador.
 Si el nivel de aceptación (error tipo I) lo fijamos en 5%, esto es,  = 0.05,
de la tabla de la función F se tiene que:

APLICACIONES DE ANALISIS DE VARIANZA


40
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

F,3,16 = 3.24

 Dado que F0 = 29.79 > 3.24= F0.05,3,16

 Se concluye que Ho se rechaza y el factor proveedor afecta la variable


resistencia a la tracción.

RECOMENDACIONES:

Como no hay diferencia de tracción se entre los cuatro proveedores podría


decirse q el análisis del mercado es favorable para el comprador y le permite
tener más opciones

D) MARKETING

El marketing es una filosofía que nos dice que las empresas e instituciones
deben tener el merado dentro de ella si no afuera como generalmente ocurre.
Esto nos indica que las empresas no deben de tomar ningún tipo de decisiones,
de inversión, producción, comunicación, de precios, entre otros,

Las empresas están empezando a descubrir la importancia del marketing,


primero porque la competencia intencional los está obligando, y en segundo
lugar porque está pareciendo segmentos del mercado interno nuevos y que se
desconocía (las nuevas clases medias, provincias, entre otro). Está surgiendo
en la actualidad una nueva clase empresarial que sabe que el éxito depende de
cuan bien comprenda a las necesidades del mercado.

En un entorno cada vez más global y cambiante como el actual, la empresa


necesita disponer de información a tiempo para definir la estrategia de marketing
más adecuada. A partir de las investigaciones de marketing y del resto de los
elementos que configuran el sistema de información de marketing, la empresa
obtiene conocimientos cuya disponibilidad constituye una ventaja competitiva
para la empresa puesto que le permite tomar las decisiones más oportunas.

EJERCICIO 5

APLICACIONES DE ANALISIS DE VARIANZA


41
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

El departamento de marketing de una empresa desea estudiar la repercusión de


sus campañas publicitarias en las cifras de ventas de uno de sus productos. Se
realizaron tres campañas diferentes, cada una en una provincia de la misma
Comunidad Autónoma. Las tres campañas tenían diferentes características en
cuanto al medio de comunicación utilizado. La campaña A se centraba en la
prensa escrita, la B en las emisoras de radio y la C en anuncios en vallas
publicitarias. Durante los tres primeros meses, las cifras de ventas (en cientos
de unidades) en cinco tiendas fueron las siguientes:

VENTAS (en ciento de


MEDIO DE COMUNICACIÓN
unidades)

PRENSA 30 20 35 42 60

RADIO 85 73 92 86 75

VALLAS 40 28 39 41 50

Se desea contrastar, a un nivel de confianza del 95%, si existen diferencias


significativas en cuanto a las cifras medias de ventas según el tipo de campaña
publicitaria utilizada y, si es así, determinar entre qué tipos de campaña se dan
tales diferencias.

 Paso 0: Completar la tabla original y calcular los términos de la SCt

APLICACIONES DE ANALISIS DE VARIANZA


42
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

 Paso 1: Formular la hipótesis.

Formulación matemática:

H0:
MEDIO DE COMUNICACION
µA=
A B C
µB =
30 85 40
µC
20 73 28
H1:
35 92 39
µa ≠
42 86 41
µB ≠
60 75 50
µC
TOTAL 187 411 198 T..=796
n 5 5 5 N= 15
TC =
42241.07
Formulación literal:

H0: si existen diferencias significativas en cuanto a las cifras medias de ventas


según el tipo de campaña publicitaria utilizada

H1: no existen diferencias.

 Paso 2: Establecer el nivel de significancia.

Considerar α = 5%

 Paso 3: Realizar los cálculos.

SCT=SCTR + SCE

SCT= ΣΣXij2 – TC

 SCT=(302+202+…..502)-42241.O7

SCT=50014-42241.07

APLICACIONES DE ANALISIS DE VARIANZA


43
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

SCT =7772.93

SCTR= Σ Ti2/nj – TC

 SCTR =48618.8-42241.07
SCTR =6377.73

 Paso 4: Construcción de la tabla ANVA

F.V S.C g.l C.M FC FT Decisión


Tratamiento 6377.73 2 3188.865 3
Error 1395 12 116.25
Total 7772.93 14

F.V S.C g.l C.M FC FT Decisión


Tratamiento 243.9 2 121.95 27.4
Error 251.0 15 16.7
Total 494.9 17

F.V S.C g.l C.M FC FT Decisión


Tratamiento 6377.73 2 3188.865 27.4
Error 1395 12 116.25
Total 7772.93 14

En resumen, la tabla ANVA:

F.V S.C g.l C.M FC FT Decisión

APLICACIONES DE ANALISIS DE VARIANZA


44
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

Tratamiento 6377.73 2 3188.865 27.4 3.74 RECHAZA


(HO)
Error 1395 12 116.25
Total 7772.93 14

 Paso 5: Toma de decisión.


 Si FC < FT: Se acepta la HO
 Si FC > FT: Se rechaza la H0

 Paso 6 : Formular las conclusiones y recomendaciones

CONCLUSIONES

 Se tomaron muestras de 3 productos


 El nivel de significancia utilizado fue α= 0.05
 El FC= 27.4
 El FT = 3.74
 Como el FC fue mayor que el FT se rechazó la hipótesis nula.

RECOMENDACIÓN

Identificar mediante un análisis cuál de los 3 proveedores no existe diferencia


eso lleva a cabo una mejora en el are de ventas ya se mejor publicidad u otras.

APLICACIONES DE ANALISIS DE VARIANZA


45
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

CONCLUSIONES

 Gracias a una buena concientización, elegiremos una toma de decisión


con llevándonos a buenos resultados en nuestra organización.

 El análisis de varianza aplicado la ingeniería es de suma importancia ya


que se involucra en cada tema para su posterior desarrollo.

 En nuestros días los mercados globales nos obligan a desarrollar nuestras


ventajas competitivas tanto como organización, industria y
específicamente como profesionales en la ingeniería.

APLICACIONES DE ANALISIS DE VARIANZA


46
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

RECOMENDACIONES

De acuerdo a las conclusiones obtenidas en la elaboración de este trabajo, se


presentan a continuación una serie de recomendaciones:

 Se recomienda un sistema administrativo y contable, que nos permita


observar sistemáticamente toda la información de la vida de la empresa,
para que esta sea procesada y analizada, permitiendo así una toma de
decisiones veraz, precisa y oportuna.

BIBLIOGRAFIA

APLICACIONES DE ANALISIS DE VARIANZA


47
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA

FUENTES BIBLIOGRÁFICAS
 HAROLD KOONTZ / HEINZ WEIHRICH. (1998), Administración
 una Perspectiva Global.
 LEVIN RICHARD Y RUBIN DAVID S. (1996), Estadística para
 Administradores Sexta edición. Prentice Hall.
 MASON / LIND / MARCHAL. (2001). Estadísticas para
 Administración y Economía. México. Editorial Alfaomega.

FUENTES ELECTRÓNICAS
 www. Análisis de la Varianza. Com
 http://riull.ull.es/xmlui/bitstream/handle/915/312/La%20actividad%20agro
alimentaria%20en%20Santa%20Cruz%20de%20Tenerife%20y%20su%
20cadena%20de%20suministro..pdf?sequence=1
 http://intellectum.unisabana.edu.co/bitstream/handle/10818/7467/Helga
%20Johana%20Hern%C3%A1ndez%20Hern%C3%A1ndez_Trabajo.pdf
?sequence=1&isAllowed=y
 file:///C:/Users/PIPA/Downloads/An%C3%A1lisis%20de%20varianza%20
-%20Ejercicio%20_PRUFAI_.pdf
 http://www.arellanomarketing.com/inicio/la-importancia-del-marketing-en-
la-actualidad/

APLICACIONES DE ANALISIS DE VARIANZA


48