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

S.C

G.L

C.M

Regresin
Residuos
Total

153,198
55,815
209,013

1
33
34

153,198
1,69136

90,58

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 RH0 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 RH0, 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 H0 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 H0 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 H0 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.
Tt = B0

Serie de tendencia constante estacional con perodo 7.

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
28
29
30
31
32
33
34
35

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

X1
X2
(Cant. Pienzo en Kg.) (Cant. Agua en L.)
8
6
9,5
7,4
11
8,4
10
7,9
13
8
8,5
7
8
8
7
6
9
4
6
5
7
7
6,5
6
6,2
5
7
5,6
9
6,2
8
6,9
5,7
3,8
11
7,5
11,5
8,3
8,4
6,9
9
5,8
10
8,5
8,k9
5,9
7,2
5,2
9
8
15
9
6,9
6
6,82
5,76
7,89
7,28
8,76
8,45
9,56
8,98
7,31
5,82
8,02
7,21
7,79
6,88
9,01
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.

www.monografias.com
Trabajo enviado por:
Yuriel Noa Gngora
yuriel.laffita@faceii.uho.edu.cu
Curso 2002-2003