PRACTICA DOMICILIARIA N°6 MA613

1. Presente tres ejercicios completos de los diseños básicos: DCA, DBCA y DCL, indicando: la
variable respuesta, el factor principal y los factores secundarios. Presente las hipótesis
respectivas y realice el ANVA, realice las interpretaciones del cada ejercicio.
2. Presente un ejercicio para hacer el análisis de Regresión Lineal Simple, indicando las
variables: respuesta y la independiente, calcule los coeficientes, gráficos y las
interpretaciones del caso.

 Los ejercicios que presenta deben ser acorde a su especialidad.

 Presente los datos, puede utilizar paquete estadístico Minitab o Excel.
 Pasarlo a Word, y enviarlo a más tardar el Domingo 7 de julio a las 10:pm al correo:
cecyrios76@hotmail.com (sección MA613A)
eldyvilla@hotmail.com (sección MA613B)

 Pueden presentar de grupo de dos alumnos.

 Los ejercicios deben indicar fuente (de dónde salió el problema, pueden elegir de libros
con ejercicios PROPUESTOS, o del internet, indicando la página web). Es obligatorio
indicar la fuente.
 No se acepta problemas resueltos copiados.

Las profesoras
Julio del 2019

1
Mg. Cecilia Rios Varillas
 DISEÑO COMPLETAMENTE AL AZAR (DCA) con MINITAB

Un fabricante de calzado desea mejorar la calidad de las suelas, las cuales se pueden hacer con uno de los
cuatro tipos de cuero A, B, C, y D disponibles en el mercado. Para hacer ello, prueba los cueros con una
máquina que hace pasar los zapatos por una superficie abrasiva; la suela de los zapatos se desgasta al
pasarla por dicha superficie. Como criterio de desgaste se usa la pérdida de peso después de un número
fijo de ciclos. Se prueban en orden aleatorio 24 zapatos, seis de cada tipo de cuero. Después de realizar
las pruebas estos fueron los resultados:
A B C D
264 208 220 217
260 220 263 226 ¿El tipo de cuero tiene influencia sobre la
258 216 219 215 calidad de la suela? =0.05
241 200 225 224
262 213 230 220
255 206 228 222

Ingreso de datos, en C1 registrar Pérdida de peso y en C2 Tipos de cuero:

Luego: Estadísticas / ANOVA / Un solo factor.

En la verntana Analisis de varianza de un solo factor, indicar la variable Respuesta”pérdida de peso” y
en factor indicar “Tipos de cuero”, luego en Comparaciones hacer clic y marcar Tuckey y al final
Pruebas, luego doble clic.

2
Mg. Cecilia Rios Varillas
Análisis de Varianza
SC
Fuente GL Ajust. MC Ajust. Valor F Valor p
Tipos de cuero 3 7072 2357.4 23.24 0.000
Error 20 2029 101.5
Total 23 9101

El p-valor del análisis de varianza sale 0.000 < 0,05, luego estadísticamente se observan que hay
diferencias significativas entre los tipos de cueros. Es decir, el tipo de cuero si influye en la calidad de
las suelas, ya que al menos dos de ellas no dan resultados iguales.

Para concluir entre cuáles de estos tipos de cueros existe esta diferencia (entre todas, o solo entre
algunos de ellos). Aquellos intervalos de confianza dos a dos que no contengan el valor 0 serán donde
se encuentren los niveles con diferencias significativas. En este ejemplo, los que contienen cero son
tipo de cuero B y D; como también C y D, es decir entre estas comparaciones no hay diferencias
significativas; en cambio en el resto de comparaciones de tipos de cueros sí se observan diferencias
significativas, luego se puede concluir que el tipo de cueros sí influyen a la hora de tener en cuenta la
pérdida de peso.
Las comparaciones se han calculado de acuerdo al método Tuckey (uno de los más utilizados). Pueden
considerarse también el resto de métodos que propone MINITAB.

Comparaciones en parejas de Tukey

Agrupar información utilizando el método de Tukey y una confianza de 95%

Tipos de
cuero N Media Agrupación
A 6 256.67 A
C 6 230.83 B
D 6 220.67 B C
B 6 210.50 C

Las medias que no comparten una letra son significativamente diferentes.

Pruebas simultáneas de Tukey para diferencias de las medias

Diferencia
Diferencia de las EE de Valor p
de niveles medias diferencia IC de 95% Valor T ajustado
B - A -46.17 5.82 (-62.45, -29.88) -7.94 0.000
C - A -25.83 5.82 (-42.12, -9.55) -4.44 0.001
D - A -36.00 5.82 (-52.28, -19.72) -6.19 0.000
C - B 20.33 5.82 ( 4.05, 36.62) 3.50 0.011
D - B 10.17 5.82 ( -6.12, 26.45) 1.75 0.326
D - C -10.17 5.82 (-26.45, 6.12) -1.75 0.326

3
Mg. Cecilia Rios Varillas
 DISEÑO BLOQUE COMPLETAMENTE AL AZAR DBCA

Se desea determinar de qué manera la solubilidad del metronidazol se ve afectada por los parabenos
(conservadores) y las macromoléculas no iónicas, para lo cual se realiza el siguiente experimento: Se
preparan cuatro soluciones de macromoléculas no iónicas diferentes y se coloca cada una en tres
conservadores; luego se determinan las solubilidades del metronidazol en cada una de las
macromoléculas, obteniéndose los siguientes resultados:
MACROMOLECULA NO IONICA
CONSERVADORES Solución 1 Solución 2 Solución 3 Solución 4
Metilparabeno 146 107 153 107
Etilparabeno 199 114 310 104
Propilparabeno 364 115 281 108
Presente las hipótesis correspondientes para responder: ¿Influye las macromoléculas y los conservadores en la
solubilidad de metronidazol? . Use un nivel de significación de 5%.

Ingreso de datos y luego: Estadísticas / ANOVA / Modelo lineal general / Ajustar modelo lineal general.

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
CONSERVADORES 2 15975 7988 2.01 0.215
MACROMOLÉCULAS 3 53319 17773 4.47 0.057
Error 6 23882 3980
Total 11 93177

Con respecto a los Conservadores el p-valor: 0,215 > 0,05, luego estadísticamente se observan que no
hay diferencias significativas; es decir que los Conservadores no afectan los cambios en la solubilidad
del metronidazol .
Con respecto a las Macromoléculas no iónicas se observa que el p-valor: 0,057 > 0,05 luego
estadísticamente se observan que no hay diferencias significativas; es decir que las Macromoléculas no
afectan los cambios en la solubilidad del metronidazol .

4
Mg. Cecilia Rios Varillas
 DISEÑO CUADRADO LATINO DCL

Un diseño estadístico se usó para comparar las resistencias de las conexiones de conductores con sus
terminales por medio de tres diferentes métodos: A , B, C . Las conexiones fueron hechas por tres
operadores diferentes y luego encapsuladas usando tres plásticos diferentes, con los siguientes
resultados, expresados en libras de fuerza requeridas para romper la unión.
Operador
O1 O2 O3
P1 3.0 A 2.4 B 1.9 C
P2 2.1 B 2.7 C 2.3 A
P3 2.1 C 2.6 A 2.5 B
Analice esos resultados, aplique las hipótesis correspondientes y de sus conclusiones.

1.- En la C1, la variable respuesta ( Resistencia ),

2.- Para realizar el ANVA para el ejemplo en DCL: Estadísticas / ANOVA / Modelo Lineal General. En la
ventana que aparece, en Respuesta: Resistencia, en Modelo: Seleccione OPERADORES PLASTICOS
METODOS

Información del factor

Factor Tipo Niveles Valores
Operador Fijo 3 O1, O2, O3
Plástico Fijo 3 P1, P2, P3
MÉTODOS Fijo 3 A, B, C

Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p-value

OPERADORES 2 0.166667 0.083333 0.33 0.752
PLASTICOS 2 0.006667 0.003333 0.01 0.987
METODOS 2 0.260000 0.130000 0.51 0.661
Error 2 0.506667 0.253333
Total 8 0.940000

El p-valor del análisis de varianza en los tres casos es > 0,05, luego estadísticamente se observan que no hay
diferencias significativas en los operadores, tipos de plásticos y tampoco hay diferencias entre los métodos,
estos factores no afectan las resistencias de las conexiones.
Ejemplo de un trabajo

5
Mg. Cecilia Rios Varillas
Ejemplo de un trabajo…(está editado)
DCA
Se pide a cuatro químicos que determinen el porcentaje de alcohol metílico en cierto compuesto
químico. Cada químico hace 3 determinaciones y los resultados son los siguientes:
Químico Porcentaje de alcohol metílico
1 84.99 84.04 84.38
2 85.15 85.13 84.88
3 84.72 84.48 85.16
4 84.20 84.10 84.55
SOLUCION:
Variable respuesta: porcentaje de alcohol metílico
Factor principal: los químicos
La Hipótesis es la siguiente:
H0: µ1= µ2= µ3= µ4 (no hay diferencia significativa entre los químicos)
H1: al menos un par µi= µj (si hay diferencia significativa entre los químicos)
Usando el minitab:
ANOVA unidireccional: porcentaje de alcohol vs. químico
Fuente GL SC MC F P
quimico 3 1,045 0,348 3,25 0,081
Error 8 0,858 0,107
Total 11 1,903

S = 0,3275 R-cuad. = 54,90% R-cuad.(ajustado) = 37,98%

ICs de 95% individuales para la media

basados en Desv.Est. agrupada
Nivel N Media Desv.Est. ---+---------+---------+---------+------
1 3 84,470 0,481 (-------*--------)
2 3 85,053 0,150 (--------*--------)
3 3 84,787 0,345 (--------*-------)
4 3 84,283 0,236 (--------*-------)
---+---------+---------+---------+------
84,00 84,50 85,00 85,50
Desv.Est. agrupada = 0,328

Intervalos de confianza simultáneos de Tukey del 95%

Todas las comparaciones de dos a dos entre los niveles de quimico
Nivel de confianza individual = 98,74%

quimico = 1 restado de:

quimico Inferior Centro Superior ------+---------+---------+---------+---
2 -0,2733 0,5833 1,4400 (--------*-------)
3 -0,5400 0,3167 1,1733 (-------*--------)
4 -1,0433 -0,1867 0,6700 (-------*--------)
------+---------+---------+---------+---
-1,0 0,0 1,0 2,0

quimico = 2 restado de:

quimico Inferior Centro Superior ------+---------+---------+---------+---
3 -1,1233 -0,2667 0,5900 (-------*--------)
4 -1,6266 -0,7700 0,0866 (-------*--------)
------+---------+---------+---------+---
-1,0 0,0 1,0 2,0

quimico = 3 restado de:

quimico Inferior Centro Superior ------+---------+---------+---------+---
4 -1,3600 -0,5033 0,3533 (--------*--------)
------+---------+---------+---------+---
-1,0 0,0 1,0 2,0
Conclusiones:
6
Mg. Cecilia Rios Varillas
Debido a que p-value= 0.081 >0.05 entonces se acepta H 0, es decir no hay diferencia
significativa entre cada uno de los químicos.

Aunque de las comparaciones se observa una probable diferencia significativa entre los
químicos 2 y 4.

DCBA

Se hace un estudio sobre la efectividad de tres marcas de atomizador para matar moscas.
Para ello cada atomizador se aplica a un grupo de 100 moscas, y se cuenta el número de
moscas muertas, expresado en porcentajes. Se hicieron 6 réplicas, pero éstas se hicieron en
días diferentes, por ello se sospecha que puede haber algún efecto importante debido a esta fuente de
variación. Los datos obtenidos se muestran a continuación.
Marca de Numero de réplica(día)
atomizador 1 2 3 4 5 6
1 72 65 67 75 62 73
2 55 59 68 70 53 50
3 64 74 61 58 51 69

Solución:
Variable respuesta: porcentaje de moscas muertas
Factor principal: marca de atomizador
Factor secundario: número de réplica (día)
Las Hipótesis son las siguientes:

Para la marca de atomizador:

H0: µ1= µ2= µ3 (no hay diferencia entre los atomizadores)

H1: al menos un par µi= µj (si hay diferencia entre los atomizadores)

Para el número de réplica (día):

H0: µ1= µ2= µ3= µ4 = µ5= µ6 (no hay diferencia entre los días)
H1: al menos un par µi= µj (si hay diferencia entre los días)

Usando el minitab:
ANOVA de dos factores: porcentaje de moscas muertas vs. marca de atomizador; número de
réplica(día)

Fuente GL SC MC F P
marca de atomizador 2 296,33 148,167 2,88 0,103
numero de replica(día) 5 281,33 56,267 1,09 0,421
Error 10 514,33 51,433
Total 17 1092,00

S = 7,172 R-cuad. = 52,90% R-cuad.(ajustado) = 19,93%

Conclusión:
p-value = 0,103>0,05 entonces se acepta H 0 , no existe diferencias significativas entre las
marcas de los atomizadores.
7
Mg. Cecilia Rios Varillas
p-value = 0,421>0,05 entonces se acepta H 0 , no existe diferencias significativas entre el
número de réplica(el número de día).

DCL

Se requiere estudiar el efecto de cinco diferentes catalizadores (A, B, C, D y E) sobre el

tiempo de reacción de un proceso químico. Cada lote de material solo permite cinco corridas
y cada corrida requiere aproximadamente de 1.5 horas, por lo que solo se pueden realizar
cinco corridas diarias. El experimentador decide correr los experimentos con un diseño en cuadro
latino, para controlar activamente a los lotes y días. Los datos obtenidos son:

Día

1 2 3 4 5

Lote 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

Variable respuesta: efecto de los catalizadores

Factor principal: tipo de catalizador

Factores secundarios: número de lote, numero de día

Las Hipótesis son las siguientes:

Para el tipo de catalizador:

H0: µA= µB= µC = µD= µE (no hay diferencia entre los catalizadores)
H1: al menos un par µi= µj (si hay diferencia entre los catalizadores)

Para el número de lote:

H0: µ1= µ2= µ3= µ4 = µ5 (no hay diferencia significativa entre los lotes)
H1: al menos un par µi= µj (si hay diferencia significativa entre los lotes)
Para el número de día:

H0: µ1= µ2= µ3= µ4 = µ5 (no hay diferencia significativa entre los días)
H1: al menos un par µi= µj (si hay diferencia significativa entre los días)

8
Mg. Cecilia Rios Varillas
Usando el minitab:
Modelo lineal general: efecto de los catalizadores vs. Catalizador; lote; día

Factor Tipo Niveles Valores

catalizador fijo 5 A; B; C; D; E
lote fijo 5 L1; L2; L3; L4; L5
dia fijo 5 D1; D2; D3; D4; D5

Análisis de varianza para efecto de los catalizadores, utilizando SC ajustada

para pruebas

Fuente GL SC sec. SC ajust. MC ajust. F P

catalizador 4 141,440 141,440 35,360 11,31 0,000
lote 4 15,440 15,440 3,860 1,23 0,348
dia 4 12,240 12,240 3,060 0,98 0,455
Error 12 37,520 37,520 3,127
Total 24 206,640

S = 1,76824 R-cuad. = 81,84% R-cuad.(ajustado) = 63,69%

Conclusión:
p-value = 0,000<0,05 entonces se rechaza H 0 , por lo tanto existe diferencias significativas entre los tipos de
catalizadores.

p-value = 0,348>0,05 entonces se acepta H0 , no existe diferencias significativas entre las lotes.
p-value = 0,455>0,05 entonces se acepta H0 ,no existe diferencias significativas entre los días.

RLS
En una industria se desea investigar cómo influye la temperatura (ºC) en la presión del vapor
de B-trimetilboro, los datos obtenidos con tal propósito se muestran en el siguiente cuadro:
Temperatura(ºC) Presión(mm Hg)
13 2.9
19.5 5.1
45.7 30.5
56.1 51.4
64.4 74.5
71.4 100.2
80.5 143.7
85.7 176.9
22.5 8.5
27.2 10.3
31.8 14.6

Solución:
Variable respuesta: presión (mm Hg)
Variable independiente: temperatura (ºC)
Usando el minitab:
Análisis de regresión: presión (mm Hg) vs. Temperatura (ºC)

La ecuación de regresión es
Presión (mm Hg) = - 47,9 + 2,21 temperatura(ºC)

Coef.

9
Mg. Cecilia Rios Varillas
Predictor Coef de EE T P
Constante -47,94 13,22 -3,63 0,006
temperatura(ºC) 2,2130 0,2485 8,90 0,000

S = 20,3998 R-cuad. = 89,8% R-cuad.(ajustado) = 88,7%

Análisis de varianza

Fuente GL SC MC F P
Regresión 1 32999 32999 79,29 0,000
Error residual 9 3745 416
Total 10 36744

Observaciones poco comunes

presion(mm Residuo
Obs temperatura(ºC) Hg) Ajuste Ajuste SE Residuo estándar
8 85,7 176,90 141,72 11,40 35,18 2,08R

R denota una observación con un residuo estandarizado grande.

Gráfica de dispersión de presion(mm Hg) vs. temperatura(ºC)

200

150
presion(mm Hg)

100

50

10 20 30 40 50 60 70 80 90
temperatura(ºC)

Conclusiones:
p=0,000<0.005 permite revelar que esta regresión lineal es estadísticamente significativa.
El coeficiente de regresión resultó 2.213. Este valor significa que, para aumento de un grado en la
temperatura, hay un cambio en la presión del B-trimetilboro de 2.213 mm Hg, es decir un aumento
(debido a la pendiente positiva).
El error estándar de la estimación, igual a 20,3998(mm Hg), representa la medida de la variación
en torno a los valores de presión (mm Hg) del B-trimetilboro en la recta ajustada de regresión.
El coeficiente de determinación. r2=89.8% .El 89.8% de la variabilidad de la presión del B-
trimetilboro se encuentra explicada por relación lineal con la temperatura. Esto implica, que el
restante 10.20% esta explicado por otras variables que afectan la presión, no consideradas en el
modelo de regresión lineal.

10
Mg. Cecilia Rios Varillas