40

Ejemplo 2.

En un grupo de 8 pacientes se miden las cantidades antropomtricas peso y edad, obtenindose
los siguientes resultados:

Resultado de las mediciones
X=edad 12 8 10 11 7 7 10 14
Y=peso 58 42 51 54 40 39 49 56


Mtodo de mnimos cuadrados:

Formulas

)(

Paciente

1 12 58 696 144 3364
2 8 42 336 64 1764
3 10 51 510 100 2601
4 11 54 594 121 2916
5 7 40 280 49 1600
6 7 39 273 49 1521
7 10 49 490 100 2401
8 14 56 784 196 3136

Sustitucin

)(

() ()()
() ()

()

41


Mejor estimacin de la recta:


() ( )
() ( )
Grafica







0
20
40
60
80
0 2 4 6 8 10 12 14 16
Y

X
Grafica de dispersion
0
10
20
30
40
50
60
70
7 14
y

v
e
c
t
o
r

Valor mnimo y mximo de X
Diagrama de flujo
42

Error estndar de la mejor estimacin
Formula

Paciente

)
1 12 58 54.651 11.215801
2 8 42 43.307 1.708249
3 10 51 48.979 4.084441
4 11 54 51.815 4.774225
5 7 40 40.471 0.221841
6 7 39 40.471 2.163841
7 10 49 48.979 0.000441
8 14 56 60.323 18.688329

) 42.85


Sustitucin

Intervalo de confianza para

( )

Sustitucin

Grados
de
libertad v



0.05

6


2.4469


43

( )( )

( )( )


( )( )








Intervalos de confianza Para

( )( )
()( )

( )( )
()( )





Intervalos de confianza Para

( )( )

( )( )

44

Intervalos de confianza Para

( )( )

( )( )

Prueba de hiptesis sobre la pendiente de

Formula:

Tabla de distribucin t



Grados
de
libertad v



0.05

6


1.943







Como

esta dentro de H1, prevalece

, ya
que es igual a 4.2, es decir .

45

Prueba de hiptesis sobre la pendiente de

Formula:

Tabla de distribucin t


Grados
de
libertad v



0.05

6


1.943

( )

Grafica











Conclusion Como

es igual a
prevalece

, ya que

es igual a

46

Coeficiente de correlacin de pearson
Formulas

)(

Sustitucin

)(

()()

Coeficiente de correlacin de spearman
Formula

)


Empleado X Y Rango

Rango

1 12 58 7 8 1 1
2 8 42 3 3 0 0
3 10 51 4.5 5 .5 .25
4 11 54 6 6 0 0
5 7 40 1.5 2 .5 .25
6 7 39 1.5 1 .5 .25
7 10 49 4.5 4 .5 .25
8 14 56 8 7 1 1

3


Sustitucin

)

()
(

47

Regresin No lineal simple

Funcin Logartmica

Funcin Exponencial

Funcin Potencial

25
25.5
26
26.5
27
27.5
28
28.5
7 14
Y

v
e
c
t
o
r


Regresin no lineal simple
0
1E+18
2E+18
3E+18
4E+18
7 14
Y

V
E
C
T
O
R

FUNCIN EXPONENCIAL
0
10000
20000
30000
40000
7 14
Y

v
e
c
t
o
r

Funcion Potencial
48

Regresin Lineal Mltiple
Ejemplo 1

Se midi el porcentaje de supervivencia de cierto tipo de semen animal, despus de almacenarlo,
con distintas combinaciones de concentraciones de tres materiales que se emplean para
incrementar su probabilidad de sobrevivir. En la siguiente tabla se presentan los datos. Obtenga el
modelo de regresin lineal mltiple para los datos:

(
)

(
)

(
)

(
)
25.5 1.74 5.30 10.80
31.2 6.32 5.42 9.40
25.9 6.22 8.41 7.20
38.4 10.52 4.63 8.50
18.4 1.19 11.60 9.40
26.7 1.22 5.85 9.90
26.4 4.10 6.62 8.00
25.9 6.32 8.72 9.10
32.0 4.08 4.42 8.70
25.2 4.15 7.60 9.20
39.7 10.15 4.83 9.40
35.7 1.72 3.12 7.60
26.5 1.70 5.30 8.20

Formulas:
[][] []



[

]
[

49

Sustitucin

1.74 25.5 44.37 9.222 18.792 1131.435 422825.063
6.32 31.2 197.184 34.2544 59.408 6152.1408 947585.434
6.22 25.9 161.098 52.3102 44.784 4172.4382 449986.056
10.52 38.4 403.968 48.7076 89.42 15512.3712 2174327.19
1.19 18.4 21.896 13.804 11.186 402.8864 114622.874
1.22 26.7 32.574 7.137 12.078 869.7258 508212.152
4.1 26.4 108.24 27.142 32.8 2857.536 485753.242
6.32 25.9 163.688 55.1104 57.512 4239.5192 449986.056
4.08 32 130.56 18.0336 35.496 4177.92 1048576
4.15 25.2 104.58 31.54 38.18 2635.416 403275.802
10.15 39.7 402.955 49.0245 95.41 15997.3135 2484059.69
1.72 35.7 61.404 5.3664 13.072 2192.1228 1624324.76
1.7 26.5 45.05 9.01 13.94 1193.825 493155.063

Solucin por factorizacin LU

1. [][] []
2. [] [][]
3. [][] []
4. [][] []
1.

[][] []

[







] [

] [

]








50

Encontramos la matriz triangular inferior []


[] [







]

[] [







]

[] [







]

[] [







]

Encontramos los inversos:

51

Con esto, podemos encontrar [] :


[]
[

[]
[

2. [][] []

[

] [

]


Despejamos trminos:

3. [][] []

4. [







] [

] [

]
52

Probabilidad y Estadstica para Ingenieros Libro de Walpole 8 va Edicin

53

Ejemplo 2

Tabla de datos:

Ingresos Y Habitantes
X1
Superficie
X2
1 198 70 21
2 209 35 26
3 197 55 14
4 156 25 10
5 85 28 12
6 187 43 20
7 43 15 5
8 211 33 28
9 120 23 9
10 62 4 6
11 176 45 10
12 117 20 8
13 273 56 36

Formulas:

[][] []



[

]
[

54



Sustitucin

Y

198 70 21 13860 1470 4900
209 35 26 7315 910 1225
197 55 14 10835 770 3025
156 25 10 3900 250 625
85 28 12 2380 336 784
187 43 20 8041 860 1849
43 15 5 645 75 225
211 33 28 6963 924 1089
120 23 9 2760 207 529
62 4 6 248 24 16
176 45 10 7920 450 2025
117 20 8 2340 160 400
273 56 36 15288 2016 3136

[



] [

] [

]

[



]

] [

Probabilidad y Estadstica para Ingenieros Libro de Walpole 6ta Edicin

55

Diseo de Experimentos

Ejemplo 1
Anlisis de Varianza de un Criterio
En una escuela se formaron 3 grupos con 6 integrantes cada uno, se les aplico un mtodo de
enseanzas diferentes para saber cual tenia mejores resultados, los datos obtenidos fueron los
siguientes:

Tipo de mtodo Equipo 1 Equipo 2 Equipo 3 Equipo 4 Equipo 5 Equipo 6
Presencial 4.8 7.1 5.4 6.8 8.6 6.2
Internet 4.9 6.1 5.4 3.6 4.2 2.4
Autodidactica 1.5 6.4 3.9 5.3 2.4 3.1

Sacamos las medias de cada mtodo de enseanza y sus totales de calificacin.
Tipo de
mtodo
Equipo 1 Equipo 2 Equipo
3
Equipo 4 Equipo 5 Equipo
6
Total Media
Presencial 4.8 7.1 5.4 6.8 8.6 6.2 38.9 6.48
Internet 4.9 6.1 5.4 3.6 4.2 2.4 26.6 4.43
Autodidactica 1.5 6.4 3.9 5.3 2.4 3.1 22.6 3.76
88.1 14.67

Usando un nivel de significancia de =0.05, indique si los diferentes tipos de mtodos difieren
significativamente.
Regla de decisin.
H0:1=2=3
H1:123
Si la fcalculada cae en la zona critica se rechazara H0 concluyendo que no hay diferencias entre
las medias
Tabla Anova:
Fuente de
Variacion
Suma de
Cuadrados
Grados de
Libertad
Cuadrados Medios f
Calculada
Metodos SSA K-1 ( ) i

Error SSE K(n-1) ( )
Total SST NK-1
56

N=6 k=3

La tabla Anova nos queda de la siguiente manera:
Fuente de
Variacion
Suma de
Cuadrados
Grados de
Libertad
Cuadrados Medios f
Calculada
Metodos SSA=24.05 K-1=2 i

Error SSE=34.62 K(n-1)=15
Total SST=58.67 NK-1=17

Teniendo la f calculada, sacaremos la f de la tabla de valores crticos de la distribucin F con un
nivel de significancia de =0.05
F,.05; F2,15 =2
=15 3.68

Decisin: teniendo los valores de fc. (5.21) y de ft. (3.68)
Como 5.21>3.68 rechazamos H0. Los diferentes mtodos para evaluar no tienen los mismos
resultados.



57

Ejemplo 2
Anlisis para la varianza para un criterio
Estn en consideracin 6 mquinas diferentes para utilizarlas en la manufactura de juntas de
caucho. Las mquinas se compran con respecto de la resistencia a la tensin del producto. Se
emplea una muestra aleatoria de cuatro juntas procedentes de cada mquina, para determinar si
la resistencia media a la tensin vara de una mquina a otra. Las siguientes mediciones de esa
resistencia en Kilogramos por centmetro cuadrado

son:

MQUINAS
1 2 3 4 5 6
17.5 16,4 20,3 14,6 17,5 18,3
16.9 19,2 15,7 16,7 19,2 16,2
15.8 17,7 17,8 20,8 16,5 17,5
18.6 15,4 18,9 18,9 20,5 20,1
Suma 68,8 68,7 72,7 71 73,7 72,1 427

Lleve a cabo el anlisis de varianza con un nivel de significancia de 0.05, e indique si las resistencias
medias a la tensin difieren o no en forma significativa para las 6 mquinas.
Formulas:

Sustitucin

306,25 268,96 412,09 213,16 306,25 334,89
285,61 368,64 246,49 278,89 368,64 262,44
249,64 313,29 316,84 432,64 272,25 306,25
345,96 237,16 357,21 357,21 420,25 404,01

()()

()()




58

Fuente de
Variacin
Suma de
Cuadrados
Grados de
Libertad
Cuadrados
Medios
Calculado
F
MUESTRA SSA

Error SSE ( )

( )

TOTAL SST



Fuente de
Variacin
Suma de
Cuadrados
Grados de
Libertad
Cuadrados
Medios
Calculado
F
MUESTRA
.306
Error
TOTAL

Conclusiones Como F=.31, no hay
evidencia suficiente para sostener
diferencias entre las 6 mquinas.

5
18 2.77
59

Anlisis de varianza para dos criterios
Ejemplo 1
Un experto en la educacin fsica desea saber cual bebida permite un mejor desempeo fsico.
Para esto, hace una prueba para poder saber cual de 4 diferentes tipos de bebidas es mejor
para esto en la prueba actuaran 3 diferentes corredores. La prueba consistir en correr 100
metros planos tomndoles el tiempo desde que salen hasta el punto final
El experimento arrojo los siguientes datos:
Corredor-bebida Bebida 1 Bebida 2 Bebida 3 Bebida 4
Corredor 1 19 16 15 18
Corredor 2 16 16 18 17
Corredor 3 16 18 15 17

Completar la tabla para poder trabajar con la tabla anova
Agregar las medias y los totales
Corredor-
bebida
Bebida 1 Bebida 2 Bebida 3 Bebida 4 Total
Corredor 1 19 16 15 18 68
Corredor 2 16 16 18 17 67
Corredor 3 16 18 15 17 66
Total 51 50 48 52 201

Fuente de
Variacion
Suma de
Cuadrados
Grados de
Libertad
Cuadrados Medios f Calculada
Metodos

SSA corredor
SSA bebida
K-1
K-1
( )
( )

i

Error SSE K(n-1) ( )
Total SST NK-1

60

Sustitucin
SST=19+16+.15+17-(201)/12= SST=3385-40401/12= SST=3385-3366
SST=19
SSA1=68+67+66/4-(201)/12= SSA1=13469/4-40401/12= SSA1=3401-3366
SSA1=-.25
SSA2=51+50+48+52/3-(201)/12= SSA2=10109/3-3366= SSA2=3369-3366
SSA2=3
SSE=19-(-.25+3)
SSE=16.25
Fuente de
Variacion
Suma de
Cuadrados
Grados de
Libertad
Cuadrados Medios f
Calculada
Metodos 1
2
Corredor -.25
Bebida 3
2
3
Corr. -.125
BEB 1

-.046
Error 16.25 6 2.70
Total 19 11

Teniendo la f calculada, sacaremos la f de la tabla de valores crticos de la distribucin F con un
nivel de significancia de =0.05
F,.05; =2
=6 5.14

Como 5.14>-.046 rechazamos H0. Los diferentes bebidas no tienen el mismo desempeo en la
mejora de la condicin fsica.





61

Prueba de Tukey
Ejemplo 1
Estn considerando seis diferentes para su uso en la manufactura de sellos de goma.
Estas estn siendo comparadas con respecto a la resistencia de tensin del producto. Se
utiliza una muestra aleatoria de 4 sellos de cada mquina para determinar si la resistencia
promedio a la tensin varia de maquina a mquina o no. Las siguientes son las
mediciones de resistencia promedio a la tensin en kilogramos por centmetro cuadrado x
10 `
`
-1
.
Maquina

1 2 3 4 5 6

17.5 16.4 20.3 14.6 17.5 18.3

16.9 19.2 15.7 16.7 19.2 16.2

15.8 17.7 17.8 20.8 16.5 17.5

18.6 15.4 18.9 18.9 20.5 20.1
Total
68.8 68.7 72.7 71 73.7 72.1 427
Media
17.2 17.17 18.17 17.75 18.42 18.02 106.73
Realice el anlisis de varianza a nivel de significancia de 0.05, e indique si las
resistencias promedio a la tensin difieren o no significativamente para las seis
maquinas.
Fuente de
variacin
Suma de
cuadrados
Grados de
libertad
Cuadrados medios Calculada
Maquinas SSA K 1 S1
2
=(SSA/K-1) f=S1
2
/S
2

Error SSE K (n-1) S
2
=[SSE/K(n-1)]
Total SST nk-1

Formulas.

)


(

) (

62

Clculos.
SST = 17.5
2
+ 16.4
2
+ 20.3
2
+ . +20.1
2
(427
2
/24) = 67.98
SSA = 68.8
2
+ 68.7
2
+ . + 72.1
2
(427
2
/24) = 5.34
SSE = SST SSA = 67.98 5.34 = 62.24
Fuente de
variacin
Suma de
cuadrados
Grados de
libertad
Cuadrados
medios
Calculada (f)
Maquinas 5.34 5 1.608
0.31 Error 62.64 18 3.48
Total 67.98 23

Tabla.
Entrar a la tabla con f0.05
V
2
5
V
1

18 2.77

Ho = 2.77
f < 2.77 con v
1
=5 y v
2
=18 grados de libertad
Decisin.
F=0.31 no es significativa







63

Comparando con la prueba de Tukey
Tukey implica encontrar una diferencia significativa entre las medias i y j (i j) si (i j) excede
q*,k,v,+s.
Las medias mustrales son, en orden ascendente:
17.20 17.17 18.17 17.75 18.42 18.02
2 1 5 3 6 4

Formula. Sustituyendo.
[ ]

[]

Sacando el valor de [0.05,6,18]
v Nmeros de tratamiento k
6
18 4.49

Procedimiento para sacar las medidas que son diferentes:
l = medidas
# de comparaciones = l(l-1)/2
# de comparaciones = 6(6-1)/2 = 15 comparaciones
Los resultados de las comparaciones se consideran como valor absoluto
M1 M2 = 0.03 M2 M3 = 0.55 M3 M4 = 0.27 M4 M5 = 0.15 M5 M6 = 0.25
M1 M3 = 0.58 M2 M4 = 0.82 M3 M5 = 0.42 M4 M6 = 0.4
M1 M4 = 0.85 M2 M5 = 0.97 M3 M6 = 0.67
M1 M5 = 1 M2 M6 = 1.22
M1 M6 = 1.25
M1 M2 = 0.03 < q . M5 M6 = 0.25 < q
Al obtener el resultado de las comparaciones se comparan con el resultado de q=4.18 (si es mayor
es diferente si es menor es igual).
Como ninguna comparacin es diferente que q=4.18, como resultado las medias son iguales con el
procedimiento de tukey.

64

Prueba de Kruskal-Wallis
Tipo de
mtodo
Equipo
1
Equipo
2
Equipo
3
Equipo
4
Equipo
5
Equipo
6
Total Media
Presencial 4.8 7.1 5.4 6.8 8.6 6.2 38.9 6.48
Internet 4.9 6.1 5.4 3.6 4.2 2.4 26.6 4.43
Autodidactica 1.5 6.4 3.9 5.3 2.4 3.1 22.6 3.76
88.1 14.67

Hiptesis y Datos:
H0:1=2=3
H1:123

Separamos por Rangos la tabla. Usando Suma de Rango

*Las columnas sombreadas muestran la suma de rangos.
Formulas:

( )

( )

=k-1
n1=n2=n3=6
r1=84.5; r2=48; r3=38.5

Sustitucin:

( )

( )

()



M Equipo 1 Equipo 2 Equipo 3 Equipo 4 Equipo 5 Equipo 6 Suma
1 4.8 8 7.1 17 5.4 11.5 6.8 16 8.6 18 6.2 14 84.5
2 4.9 9 6.1 13 5.4 11.5 3.6 5 4.2 7 2.4 2.5 48
3 1.5 1 6.4 15 3.9 6 5.3 10 2.4 2.5 3.1 4 38.5
65

Con h y buscamos el valor critico(H)
.05
2 5.991

Valor Critico es, mayor de 5.991
Regla de decisin.- si h cae en la regin critica (H>H0), rechazar H0.
Dado que obtenemos que h cae en la regin critica de H(H>H) se tiene evidencia para
rechazar (H0) lo que significa que las muestras independientes son de poblaciones diferentes.