2-5. La vida de un anaquel de una bebida carbonatada es motivo de interés.

Se seleccionaron 10 botellas al azar y se

prueban, obteniendose los siguientes resultados:

Días
108 138
124 163
124 159
106 134
115 139

a) Quiere demostrarse que la vida media del anaquel excede los 120 días. Establecer las hipótesis apropiadas para
investigar esta afirmación.

H0: μ = 120 H1: μ > 120

b) Probar hipótesis utilizando α=0.01. A que conclusión se llega.

α= 0.99
ӯ= 131
S^2= 382 S^2=Σ(yi-y')^2/(n-1)
S= 19.54
to= 1.779758
t0.01,9= 2.821 t0.005,9= 3.25
Criterio de rechazo= |to|>tα/2,n-1

No se rechaza la hipótesis Ho

c) Encontrar el valor P para el inciso b.

t0.1,10= 1.372 m= -8.8
t0.05,10= 1.812 α= 0.05366384
to= 1.779758 P=α= 0.05440887

d) Construir un intervalo de confianza de 99% para la vida media del anaquel.

110.91 <= μ <= 151.09

n 10 botellas al azar y se

tesis apropiadas para

2-9 Se utilizan dos máquinas para llenar botellas de plástico con un volumen neto de 16.0 onzas. Proceso de llenado
normal, con desviaciones estandar 1=0.015 y 2=0.018. Se sospecha que ambas máquinas llenan el mismo volumen neto,
sin importar si es 16.0 onzas o no. Se realiza el experimento tomando una muestra aleatoria de la producción de cada
máquina

M1 M2
16.03 16.01 16.02 16.03
16.04 15.96 15.97 16.04
16.05 15.98 15.96 16.02
16.05 16.02 16.01 16.01
16.02 15.99 15.99 16

a) Enunciar hipótesis que deberán probarse en este experimento

H0: μ1 = μ2 H1: μ1 ≠ μ2

b) Probar hipótesis utilizando α=0.05. ¿A que conclusión se llega?

Utilizando la prueba t de dos muestras (varianza conocida y diferente de dos muestras):
ӯ1= 16.015 ӯ2= 16.005 Estadistico de prueba
σ1= 0.015 σ1= 0.018
n1= 10.00 n1= 10.00

Z0.05/2=Z0.025= 1.959963985 Zo= 1.35

Criterio de rechazo= |Zo|>Zα/2 No Cumple

No se rechaza la hipótesis Ho

c) Encontrar el valor P para la prueba

d) Construir un intervalo de confianza de 95% de la diferencia en el volumen de llenado promedio de las dos máquinas

-0.00452 <= μ1-μ2 <= 0.02452

2-9 Se utilizan dos máquinas para llenar botellas de plástico con un volumen neto de 16.0 onzas. Proceso de llenado normal, con
desviaciones estandar 1=0.015 y 2=0.018. Se sospecha que ambas máquinas llenan el mismo volumen neto, sin importar si es
16.0 onzas o no. Se realiza el experimento tomando una muestra aleatoria de la producción de cada máquina

M1 M2
16.03 16.01 16.02 16.03
16.04 15.96 15.97 16.04
16.05 15.98 15.96 16.02
16.05 16.02 16.01 16.01
16.02 15.99 15.99 16

a) En la máquina de menor tolerancia se desea conocer si volumen de llenado es superior a 16 Oz. La máquina de menor
tolerancia es la M1.

H0: μ0 = 16 H1: μ0 ≠ 16
𝑦−𝜇
𝑍𝑜 =
Se rechaza la hipótesis Ho, Ho es falsa 𝜎/ 𝑛

Utilizando α=0.01, garantizando de que el 99 % de los valores se encuentre dentro den rango de distribución normal

Utilizando la prueba t (varianza conocida)

ӯ1= 16.015 Estadistico de prueba
σ1= 0.015 𝑦−
n1= 10.00 𝑍𝑜 =
𝜎/
α= 2.50E-02
Z0.0025/2=Z0.00135= 1.959963985 Zo= 3.162278 P= 0.0007827
Criterio de rechazo= |Zo|>Zα/2 Cumple

Dadas las condiciones, se debe evaluar la cantidad de dinero que se pierde

Vel. Op. Máquina= 180 Bot/min
Factor de servicio= 0.8
Horas x turno 8
Turnos día= 1
Días trabajado por semana 6 díasxmes 25.71428571
Precio x Oz= 1.2 C/DOL 0.012 dol
Nivel de actividad mensual= 1,777,371.00 bot/dia Nivel de actividad mensual=
7,109,484.00 bot/mes
Volumen x botella= 16 Oz/Bot 0.02

319.93
d) Construir un intervalo de confianza de 95% de la diferencia en el volumen de llenado promedio de las dos máquinas

#REF! <= μ1-μ2 <= #REF!

. Proceso de llenado normal, con
umen neto, sin importar si es
ada máquina

Oz. La máquina de menor

𝜇0
/ 𝑛

distribución normal

Estadistico de prueba
− 𝜇0
/ 𝑛
io de las dos máquinas
2-15. Dos inspectores midieron el diámetro de un cojinete de bolas, utilizando cada uno dos tipos diferentes de calibradores. Los
resultados fueron:

Inspector Cal1 Cal2 d d^2 d-dmed (d-dmed)^2

1 0.265 0.264 0.001 0.000001 0.00075 5.625E-07
2 0.265 0.265 0 0 -0.00025 6.25E-08
3 0.266 0.264 0.002 4E-06 0.00175 3.0625E-06
4 0.267 0.266 0.001 0.000001 0.00075 5.625E-07
5 0.267 0.267 0 0 -0.00025 6.25E-08
6 0.265 0.268 -0.003 9E-06 -0.00325 1.0562E-05
7 0.267 0.264 0.003 9E-06 0.00275 7.5625E-06
8 0.267 0.265 0.002 4E-06 0.00175 3.0625E-06
9 0.265 0.265 0 0 -0.00025 6.25E-08
10 0.268 0.267 0.001 0.000001 0.00075 5.625E-07
11 0.268 0.268 0 0 -0.00025 6.25E-08
12 0.265 0.269 -0.004 0.000016 -0.00425 1.8062E-05
0.003 4.5E-05 4.425E-05
a) ¿Existe una diferencia significativa entre las medias de la población de mediciones de las que se seleccionaron las dos
muestras?, utilizar α = 0.05
Caso de medias
Iguales Diferencia = 0
H0: μ1 = μ2 H0: μd = 0
H1: μ1 ≠ μ2 H1: μd ≠ 0

Cal1 Cal2 Diferencia

μ1= 0.26625 μ2= 0.26600 0.00025 dmed
S1^2 0.001215431 S2^2 0.001758098 0.002005674 Sd
S1 S2 0.041929681

b) Probar hipótesis utilizando α=0.05. ¿A que conclusión se llega?

Utilizando la prueba t de dos muestras (varianza conocida y diferente de dos muestras):
Estadistico de prueba

Z0.05/2=Z0.025= 1.959963985 Zo= #DIV/0!

Criterio de rechazo= |Zo|>Zα/2 #DIV/0!

No se rechaza la hipótesis Ho

c) Encontrar el valor P para la prueba

d) Construir un intervalo de confianza de 95% de la diferencia en el volumen de llenado promedio de las dos máquinas
#DIV/0! <= μ1-μ2 <= #DIV/0!
2-15. Dos inspectores midieron el diámetro de un cojinete de bolas, utilizando cada uno dos tipos diferentes de calibradores. Los
resultados fueron:

Inspector Cal1 Cal2 d d^2 d-dmed (d-dmed)^2

1 0.265 0.264 0.001 0.000001 0.00075 5.625E-07
2 0.265 0.265 0 0 -0.00025 6.25E-08
3 0.266 0.264 0.002 4E-06 0.00175 3.0625E-06
4 0.267 0.266 0.001 0.000001 0.00075 5.625E-07
5 0.267 0.267 0 0 -0.00025 6.25E-08
6 0.265 0.268 -0.003 9E-06 -0.00325 1.0562E-05
7 0.267 0.264 0.003 9E-06 0.00275 7.5625E-06
8 0.267 0.265 0.002 4E-06 0.00175 3.0625E-06
9 0.265 0.265 0 0 -0.00025 6.25E-08
10 0.268 0.267 0.001 0.000001 0.00075 5.625E-07
11 0.268 0.268 0 0 -0.00025 6.25E-08
12 0.265 0.269 -0.004 0.000016 -0.00425 1.8062E-05
0.003 4.5E-05 4.425E-05
a) ¿Existe una diferencia significativa entre las medias de la población de mediciones de las que se seleccionaron las dos
muestras?, utilizar α = 0.05
Caso de medias
Iguales Diferencia = 0
H0: μ1 = μ2 H0: μd = 0
H1: μ1 ≠ μ2 H1: μd ≠ 0

Cal1 Cal2 Diferencia

μ1= 0.26625 μ2= 0.26600 0.00025 dmed
S1^2 0.001215431 S2^2 0.001758098 0.002005674 Sd
S1 S2 0.041929681

b) Probar hipótesis utilizando α=0.05. ¿A que conclusión se llega?

Utilizando la prueba t de dos muestras (varianza conocida y diferente de dos muestras):
Estadistico de prueba

Z0.05/2=Z0.025= 1.959963985 Zo= #DIV/0!

Criterio de rechazo= |Zo|>Zα/2 #DIV/0!

No se rechaza la hipótesis Ho

c) Encontrar el valor P para la prueba

d) Construir un intervalo de confianza de 95% de la diferencia en el volumen de llenado promedio de las dos máquinas
#DIV/0! <= μ1-μ2 <= #DIV/0!
 R1 R2 R3 R4 ni
500 4 9 6 5 4

Temperatura
525 7 10 8 11 4
550 11 10 8 11 4
575 7 9 10 6 4
600 1 5 6 4 4

¿Tiene la temperatura un efecto significativo sobre la resistencia?

Se utilizarán tres metodos de análisis para llegar a la conclusión
1. Método basado en el TLC

2
S Pooled 3.6 σwithin Variabilidad natural

S2 Yi_Var 5.8

σy_bar 23.2 σbetween Variabilidad inducida por el factor

=n*S2 Yi_Var Donde n es el numero de datos dentro de cada media

Ho: σ2between=σ2within

H1: σ2between>σ2within

Fo 6.444444444 Prueba Fisher

Fcri 3.055568276 Fcritico Se rechaza Ho

P-Value =distr.f(D26;4;15) 0.003 Se rechaza Ho

0.05
La temperatura tiene un efecto significativo sobre la temperatura
 yi. yi_bar Si2
24 6 4.67
36 9 3.33
40 10 2.00
32 8 3.33
16 4 4.67

dentro de cada media

 Replicas
R1 Rk1 R2 Rk2 R3 Rk3
500 4 2.5 9 13.5 6 7
Temperatura

525 7 9.5 10 16 8 11.5

550 11 19 10 16 8 11.5
575 7 9.5 9 13.5 10 16
600 1 1 5 4.5 6 7
R4 Rk4 Rki S^2 H Chi-crit YibarraLog Yi barra
5 4.5 27.5 34.55 12.33 9.49 Conclusión: T es significativa
6.0 0.8
11 19 56 9.0 1.0
11 19 65.5 10.0 1.0
6 7 46 8.0 0.9
4 2.5 15 4.0 0.6

0.4

0.4

0.3

0.3
y = -0.3883x + 0.5976
0.2 R² = 0.6818
0.2

0.1

0.1

0.0
0.0 0.2 0.4 0.6 0.8 1.0
S^2 Log Si ln(yi.bar) ln(Si) Estimar el lambda
4.7 0.3 -0.3 0.8
3.3 0.3 0.0 0.6
2.0 0.2 0.0 0.3
3.3 0.3 -0.1 0.6
4.7 0.3 -0.5 0.8

0.9
0.8
0.7
0.6
y = -0.6701x + 0.4966
0.5
R² = 0.6274
Series1 0.4
Linear (Series1) 0.3
0.2
0.1
0.0
-0.6 -0.5 -0.4 -0.3 -0.2 -0.1 0.0
1.2
 0.9
0.8
0.7
0.6
701x + 0.4966
0.5
Series1
0.4
Linear (Series1)
0.3
0.2
0.1
0.0
0.0
a 4D 3
α 0.05 S^2 5

n fi^2 fi V1 V2 β
3 0.675 0.82 3 8 >0.7
8 1.8 1.34 3 28 0.55
10 2.25 1.50 3 36 0.45
15 3.375 1.84 3 56 0.18
16 3.6 1.90 3 60 0.13
17 3.825 1.96 3 64 0.1
 Réplicas
H1 H2 H3 H4 yi. yi._bar
500 4 9 6 5 24 6
Temperatura

525 7 10 8 11 36 9
550 11 10 8 11 40 10
575 7 9 10 6 32 8
600 1 5 6 4 16 4
y.j 30 43 38 37 148 y..
1095.2 CF

Tabla ANOVA
SoV SS dof MS Fo Fcrit P-Value
Temp 92.8 4 23.2 7.57 3.05556828
Bloques 17.2 3 5.7
Error 36.8 12 3.1
Total 146.8 19

Repetir el análisis teniendo en cuenta que en un horno se podían analizar 12 probetas

7.56521739
 Si^2
4.66666667
3.33333333
2
3.33333333
4.66666667
 Réplicas
H1 H2
R1 R2 R3 R4 yi. yi._bar
500 4 9 6 5 24 6
Temperatura

525 7 10 8 11 36 9
550 11 10 8 11 40 10
575 7 9 10 6 32 8
600 1 5 6 4 16 4
y.j 73 75 148 y..
1095.2 CF

Tabla ANOVA
SoV SS dof MS Fo Fcrit P-Value
Temp 92.8 4 23.2 -0.27 3.05556828
Bloques 1095.6 3 365.2
Error -1041.6 12 -86.8
Total 146.8 19

Repetir el análisis teniendo en cuenta que en un horno se podían analizar 12 probetas

 Si^2
4.66666667
3.33333333
2
3.33333333
4.66666667
 Horno
H1 H2 H3 H4 H5
500 A E D C B
Temperatura

525 B A E D C
550 C B A E D
575 D C B A E
600 E D C B A

Horno
H1 H2 H3 H4 H5 yi.
500 4 9 6 5 7 31
Temperatura

525 7 10 8 11 10 46
550 11 10 8 11 12 52
575 7 9 10 6 9 41
600 1 5 6 4 6 22
y.j 30 43 38 37 44 192
1474.56

Tabla Anova
Sov SS dof MS Fo Fcrit Pvalue
Temp 511.94 4
Bloque 1(H) 25.04 4
Bloque 2 (O) 2498.44 4
Error -2857.98 12
Total 177.44 24
Caso en que sea necesario realizar adicionalmente el cambio de operarios: uso de 5 operarios

S_A 34
S_B 38
S_C 41
S_D 41
S_E 38

y..
 Réplicas
H1 H2 H3 H4 H5 yi.
500 4 6 5 7 22
Temperatura

525 7 10 11 10 38
550 11 10 8 12 41
575 7 9 10 6 32
600 5 6 4 6 21
y.j 29 34 30 26 154
988.166667

Tabla ANOVA
SoV SS dof MS Fo Fcrit P-Value
Temp 280.333333 4 70.0833333 -42.19 3.05556828
Bloques -273.566667 3 -91.2
Error -19.9333333 12 -1.7
Total -13.1666667 19

Repetir el análisis teniendo en cuenta que en un horno se podían analizar 12 probetas

-42.1906355

5 niveles
5 hornos
Caben 4 probetas por horno
yi._bar Si^2 Se eliminan las muestras que estan de
5.5 1 color Morado
9.5 4.33333333
10.25 2.33333333
8 3.33333333
5.25 1
y..
CF
 691.2 7776
77760 15552
Maquina % Defectos / mes
Taiwanesa 14 8 12 6 13 11
Alemana 9 10 8 8 10 11

Temperatura
Rep 1
Rep 2
Rep 3
Rep 4 R1 R2 R3 R4
12 °C 28 28 26 26
15 °C 29 27 30 28
18 °C 30 32 33 34
21 °C 30 34 34 33
y.j 117 121 123 121

Tabla ANOVA
SoV SS dof MS Fo
Temp 95.25 4 23.8125 12.53
Error 28.5 15 1.9
Total 123.75 19
/ mes Promedio Varianza Desv. Estandar
8 15 6 9 10.2 10.6222222 3.25917508
10 8 10 9 9.3 1.12222222 1.05934991

yi. yi._bar Si^2

108 27 1.33333333
114 28.5 1.66666667
129 32.25 2.91666667
131 32.75 3.58333333
482 y..
14520.25 CF

Fcrit P-Value
3.05556828
Prueba t
0.83047444