CAMPUS

Guanajuato.
División de Ciencias Naturales y
Exactas
Departamento de Ingeniería Química
ESTADISTICA INDUSTRIAL
PROBLEMAS PARA ENTREGAR
LIBRO:Analisis y Diseño de Experimentos Autor:
GUTIERREZ PULIDO HUMBERTO
1, 2, 3, 14, 28 y 35 CAPITULO 2
MARIA RENATA COLUNGA GARCIA

Fecha de entrega: 05 de Marzo de 2019

 1. En un estudio estadístico, ¿qué es una población y para qué se toma una
muestra?

Una población es una colección o totalidad de posibles individuos,

especímenes, objetos o medidas de interés sobre los que se hace un estudio.
Las poblaciones pueden ser finitas o infinitas. Si es finita y pequeña se
pueden medir todos los individuos para tener un conocimiento “exacto” de las
características de esta población. Si la población es infinita o grande es
imposible e incosteable medir a todos los individuos, en este caso se tendría
que sacar una muestra representativa de dicha población y con base en las
características medidas en la muestra se podrán hacer afirmaciones acerca
de los parámetros de la población.

1. ¿Qué es probar una hipótesis?

Probar una hipótesis consiste en hacer afirmaciones válidas acerca de la

población o proceso con base en la información contenida en una muestra.
Estas afirmaciones tienen por objetivo coadyuvar en la toma de decisiones y
se apoya en cantidades o datos estadísticos calculados a partir de las
observaciones en la muestra.

2. ¿Qué es hacer una estimación puntual y en qué consiste hacer una

estimación por intervalo para la media, por ejemplo?

Cuando no se conocen los parámetros de una distribución de probabilidad

será necesario estimarlos con base en los datos muestrales para hacer
inferencias, pruebas de hipótesis, sobre la población.
La estimación puntual de un parámetro desconocido es un estadístico que
genera un valor numérico simple, que se utiliza para hacer una estimación
del valor del parámetro desconocido.
Los estimadores puntuales (estadísticos) más recomendados para estimar
estos parámetros son, respectivamente:
• La media muestral, 𝑋̅
• La varianza muestral, 𝑆 2
𝑥
• La proporción de defectuosos en la muestra, 𝑝̂ = 𝑛 , donde x es el
número de artículos defectuosos en una nuestra de tamaño n
Una forma operativa de saber qué tan precisa es la estimación consiste en calcular
un intervalo de confianza que indique un rango donde pueda estar el parámetro con
cierto nivel de seguridad o confianza. Construir un intervalo al 100(1 − 𝛼)% de
confianza para un parámetro desconocido, θ, consiste en estimar dos números
(estadísticos) L y U, de manera que la probabilidad de que θ se encuentre entre
ellos sea 1 − 𝛼, es decir,
𝑃(𝐿 ≤ 𝜃 ≤ 𝑈) = 1 − 𝛼
donde L y U forman el intervalo de confianza buscado [L, U].
Intervalo de confianza para una media.
El parámetro μ deberá encontrarse entre los números L y U con una probabilidad
de 1 − 𝛼. Esto es, 𝑃(𝐿 ≤ 𝜇 ≤ 𝑈) = 1 − 𝛼
Sea 𝑋1 , 𝑋2 , … , 𝑋𝑛 una muestra aleatoria de tamaño n de una población, con una
distribución normal con media y varianza, ambas desconocidas. El procedimiento
general para deducir el intervalo consiste en partir de un estadístico que involucra
al parámetro de interés y que tiene una distribución conocido. Tal estadístico es
𝑋̅ − 𝜇
𝑡=
𝑆
√𝑛
el cual sigue una distribución T de student con n-1 grados de libertad. Por lo tanto,
en la tabla de esta distribución o en su gráfica se pueden ubicar dos valores críticos
𝑡𝛼/2 y −𝑡𝛼/2 , tales que:

𝑋̅ − 𝜇
𝑃 (−𝑡𝛼 ≤ ≤ 𝑡𝛼 ) = 1 − 𝛼
2 𝑆 2
√ 𝑛

Despejando hasta dejar sólo en medio de las desigualdades al parámetro de interés,

se llega a que
𝑆 𝑆
𝑃 (𝑋̅ − 𝑡𝛼 ≤ 𝜇 ≤ 𝑋̅ + 𝑡𝛼 )=1−𝛼
2 √𝑛 2 √𝑛
𝑆 𝑆
Por lo tanto, tenemos que 𝐿 = 𝑋̅ − 𝑡𝛼 y 𝑈 = 𝑋̅ + 𝑡𝛼 son los números
2 √𝑛 2 √𝑛
buscados que definen un intervalo al 100(1 − 𝛼)% para la media
desconocida.

14. En la elaboración de una bebida se desea garantizar que el porcentaje de

CO (gas) por envase esté entre 2.5 y 3.0. Los siguientes datos son obtenidos
del monitoreo del proceso:
 2.48 2.51 2.52 2.53 2.55 2.56 2.64
2.49 2.52 2.53 2.55 2.56 2.56 2.64
2.51 2.52 2.53 2.55 2.56 2.57 2.65
2.51 2.52 2.53 2.55 2.56 2.57 2.66
2.57 2.58 2.59 2.6 2.61 2.61 2.67
2.57 2.58 2.59 2.6 2.61 2.61 2.71
2.57 2.58 2.6 2.6 2.61 2.62 2.67
2.57 2.58 2.6 2.61 2.61 2.62 2.73
2.63 2.64 2.66 2.69 2.68 2.62
2.63 2.64 2.67 2.69 2.64 2.66
Tabla 1 datos problema 14

a) Haga un análisis exploratorio de estos datos (obtenga un histograma y

vea el comportamiento de los datos obtenidos).
Inciso a
Longitud
2.48
2.49
2.51
2.51
2.51 NT Rango K Amplitud
2.52 68 0.25 7.0 0.0357
2.52
2.52 Intervalos Macas Frecuencia
de clase de clase
2.52 2.48-2.516 2.498 5
2.53 2.516-2.551 2.5335 12
2.53 2.551-2.587 2.569 15
2.53 2.587-2.623 2.605 17
2.53 2.623-2.659 2.641 8
2.55 2.659-2.694 2.6765 9
2.55 2.694-2.73 2.712 2
2.55
2.55 Pasos
2.56 NT
2.56 Rango=M-m
2.56 K=raizNT
2.56 Ampl=R/K
2.56 Intervalos
2.57
2.57
2.57
2.57
2.57
2.57
2.58
2.58
2.58
2.58
2.59
2.59
2.6
2.6
2.6
2.6
2.6
2.61
2.61
2.61
2.61
2.61
2.61
2.61
2.62
2.62
2.62
2.63
2.63
2.64
2.64
2.64
2.64
2.64
2.65
2.66
2.66
2.66
2.67
2.67
2.67
2.68
2.69
 2.69
2.71
2.73
Tabla 2 Datos y operaciones en excell

MARCAS DE CLASE VS
FRECUENCIA
20

15
Frecuencia

10

0
2.498 2.5335 2.569 2.605 2.641 2.6765 2.712
Marcas de clase

Tabla 3 Histograma
b) Estime, con una confianza de 95%, ¿cuál es el CO promedio por envase?

Tabla 4 inciso b
c) Se supone que m debe ser igual a 2.75. Dada la evidencia, ¿se puede
rechazar tal supuesto?

Tabla 5 inciso c
d) Con los datos anteriores estime, con una confianza de 95%, ¿cuál es la
desviación estándar del proceso?
Tabla 6 inciso d

e) El análisis de los datos muestrales establece que el mínimo es 2.48 y el

máximo es 2.73, ¿por qué el intervalo obtenido en el inciso a) tiene una
menor amplitud?
Porque el valor de la desviación estándar es muy pequeña

28. Se realiza un estudio para comparar dos tratamientos que se aplicarán a

frijoles crudos, con el objetivo de reducir el tiempo de cocción. Un tratamiento
(T1) es a base de bicarbonato de sodio; el otro, T2, es a base de cloruro de sodio
o sal común. La variable de respuesta es el tiempo de cocción en minutos. Se
hacen siete réplicas. Los datos se muestran en la siguiente tabla:

a) Formule la hipótesis para probar la igualdad de medias de los tratamientos.

𝐻𝑜 = 𝑢1 − 𝑢2
𝐻𝑎 = 𝑢1 ≠ 𝑢2
En un caso ponderado se plantea como
𝐻𝑜 = 𝑢𝑜 = 0
𝐻𝑎 = 𝑢𝑜 ≠ 0

b) Anote la fórmula del estadístico de prueba para probar la hipótesis.

 c) Pruebe la hipótesis a un nivel de significancia de 5%. Para rechazar o no la
hipótesis, apóyese tanto en el criterio del valor-p como en el valor crítico de
tablas.
Bajo Ho el estadístico To se distribuye como T de Student con n-1 grados de
libertad,por lo que Ho se rechaza si
𝑎
|𝑡𝑜| > 𝑡( , 𝑛 − 1)
2
𝑡(0.025,6) = 2.4469119
𝑎
|𝑡𝑜| > 𝑡 ( , 𝑛 − 1)
2

14.3778 > 2.4469119

Por lo tanto Ho se rechaza,así que las medias de los tratamientos no son iguales.

Tabla 7 Puntos criticos para la distribución T student

𝛼21
𝐻𝑜 = =1
𝛼22
𝛼21
𝐻𝑜 = 2 ≠ 1
𝛼 2

d ) Pruebe la hipótesis de igualdad de varianzas entre tratamientos.

𝑆 21
𝐹𝑜 = 2 ≠ 1
𝑆 2
Se rechaza Ho,si
𝑎
𝐹𝑜 > 𝐹 ( , 𝑛𝑥 − 1, 𝑛𝑦 − 1)
2
O si
𝑎
𝐹𝑜 < 𝐹 (1 − , 𝑛𝑥 − 1, 𝑛𝑦 − 1)
2
Al aplicar el criterio del valor -p entonces se relaciona Ho si el valor -p<a.
𝑆21
𝐹𝑜 = = 1.0110193
𝑆22

𝑎
𝐹 ( , 𝑛𝑥 − 1, 𝑛𝑦 − 1) = 4.28
2
𝐹(0.025,6,6) = 4.28

Valor tomado del siguiente gráfico

Tabla 8 Puntos criticos al 5% de la distribución

𝑎
𝐹𝑜 < 𝐹 ( , 𝑛𝑥 − 1, 𝑛𝑦 − 1)
2
1.01101 < 4.28
De acuerdo a esto no se rechaza Ho de lo cuál de deduce que las varianzas son
iguales.
e) De acuerdo con el análisis hecho hasta aquí, ¿hay algún tratamiento mejor?
Es igual ambos tratamientos y entre ellos no hay uno mejor que otro.

35. Se conduce un experimento para determinar si el uso de un aditivo químico y un

fertilizante estándar aceleran el crecimiento de las plantas. En cada una de 10
localidades se estudiaron dos plantas sembradas en condiciones similares. A una
planta de cada localidad se le aplicó el fertilizante puro y a la otra el fertilizante más
el aditivo. Después de cuatro semanas el crecimiento en centímetros fue el
siguiente:

a) ¿Los datos obtenidos apoyan la afirmación de que el aditivo químico acelera el

crecimiento de las plantas? Plantee las hipótesis apropiadas y pruébelas usando a
= 0.05.
b) Obtenga un intervalo al 95% de confianza para la diferencia promedio md.
c) Explique con detalle cómo se pueden asignar de manera aleatoria los
tratamientos a las plantas en cada localidad utilizando una moneda.
d) Suponga que en cada localidad una planta queda hacia el Este y la otra hacia el
Oeste, realice una asignación aleatoria de los tratamientos a las plantas lanzando
una moneda 10 veces.

a)

Media Desviación N G.L. t to Ho

(0.025,9,9)
Con 22.2 5.45282801 10 9 12.8745238
aditivo
Sin 24.2 5.63323471 10 9 13.5849336
aditivo
Diferencia -2 2.1602469 10 9 -2.9277002 2.261 Rechazada
Con el valor en tablas para 9 grados de libertad y una Alpha de 0.05, nos da un valor
de 2.261, con el cual procederemos a calcular el valor esperado o mu, sabiendo que
si mu en menor que 0, se asume que el aditivo si ayuda al crecimiento de las plantas.

2.26 ∗ 𝑆
+ 𝜇 = 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑐𝑟𝑒𝑐𝑖𝑚𝑖𝑒𝑛𝑡𝑜
√𝑛
Resolviendo la ecuación en Excel nos da un valor de -0.456 cm, esto quiere decir
que las plantas crecieron en promedio un 0.456 cm a las que se les aplicó el aditivo
para el valor indicado en el problema, pero sabemos que la media en realidad fue
de -2 cm, por ello sabemos con certeza que se confirma la hipótesis de que el aditivo
si ayuda de manera considerable al crecimiento de las plantas.

b)

Para el cálculo de los valores de los intervalos de confianza para 0.95 se usa la
expresión:
𝜎 𝜎
𝜇 − 1.96 ∗ ( ) < 𝑥 < 𝜇 + 1.96 ∗ ( )
√𝑛 √𝑛
De forma que los intervalos de confianza serás entre los valores de: -3.34 cm y de
-0.66 cm.
c)

De manera que es posible tener solamente dos resultados al aventar la moneda al

aire, podemos asignar que el águila sea para la planta que esté a nuestra derecha
y el sol para la de la izquierda, de esta manera podemos aventar la moneda al aire
y la planta que resulte ganadora será a la que se le aplique el aditivo.
d)

En este caso se crearán 2 grupos inicialmente, las que tienen aditivo y las que tienen
puro fertilizante, pero a diferencia de del problema anterior, tendremos otro factor a
considerar, el cual de la ubicación de las plantas: este u oeste, de manera que
quedan cuatro grupos, los cuales se muestran en la siguiente tabla:
Tabla 4. Posibilidades.
Sin aditivo Con aditivo
Este Posibilidad 1 Posibilidad 2
Oeste Posibilidad 3 Posibilidad 4