PONTIFICIA UNIVERSIDAD CATLICA DEL ECU

PUCE

Maestra en Administracin en Empresas con mencin en Gerencia de la C

MDULO: DISEO DE EXPERIMENTOS

TEMA: TAREA INDIVIDUAL # 1

NOMBRE:
Sebastin Silva
Fecha de entrega: 15-03-2013

D CATLICA DEL ECUADOR

UCE

mencin en Gerencia de la Calidad y Productividad

O DE EXPERIMENTOS

A INDIVIDUAL # 1

MBRE:
stin Silva

rega: 15-03-2013

PROBLEMA 1

1. El esculeno (hidrocarburo insaturado) es muy alto en el aceite de oliva respecto a otros a

determinar posibles adulteraciones. En una experiencia se desea comparar cuantitativamen
y otros 4 aceites vegetales. Para ello se tomaron 6 muestras para cada tipo de aceite determ
aceite.

A
B
C
D
E

ACEITE
Oliva
Man
Maz
Soja
Girasol

Contenido de esculen
140
11
16
5
8

a) Realizar un anlisis de la varianza a los datos presentados, y verificar si el aceite de oliva en rea
b) Verificar los supuestos acerca del modelo.

DIAGRAMA
- Oliva (A)
- Man (B)
- Maz (C)
- Soja (D)
- Girasol (E)

TIPO DE ACEITE

# factores
# niveles
# tratamientos
n
N

1
5
5
6
30

Cuenta

Suma

ANOVA
RESUMEN
Grupos

Oliva
Man
Maz
Soja
Girasol

6
6
6
6
6

2329
163
182
77
79

ANLISIS DE VARIANZA
Origen de las
variaciones

Suma de cuadrados

Grados de libertad

ACEITE
ERROR

649054
197380.666666667

4
25

Total

846434.666666667

29

CONCLUSIN

El tipo de aceite tiene relacin con la variable de salida del proceso, es decir tiene relacin con el con
(0,0000132% < 5%)

ANLISIS PTIMO
CLCULO DEL LSD
ALFA
0.05
N
30
n
6
t student
2.064
CME
7895.227
LSD
105.879
Comparacin de la diferencia de medias con el LSD
DIFERENCIAS Diferencia de Medias
A-B
A-C
A-D
A-E
B-C
B-D
B-E
C-D
C-E
D-E

361.00
357.83
375.33
375.00
3.17
14.33
14.00
17.50
17.17
0.33

LSD
105.879
105.879
105.879
105.879
105.879
105.879
105.879
105.879
105.879
105.879

CONCLUSIN

Como se puede observar en el diagrama escalar de la diferencia de medias comparados con el LSD e
mg por 100 gramos de aceite.

Como se puede observar en el diagrama escalar de la diferencia de medias comparados con el LSD e
mg por 100 gramos de aceite.

VERFICACIN DE SUPUESTOS
N

30

Dato ri
5
8
9
9
11
12
12
13
13
16
16
18
19
19
20
22
25
27
28
32
36
40
42
49
140
205
383
411
510
680

COMPROBACIN DE LA NORMALIDAD
Rango i
(i-0,5)/N
1
0.0167
2
0.0500
3
0.0833
4
0.1167
5
0.1500
6
0.1833
7
0.2167
8
0.2500
9
0.2833
10
0.3167
11
0.3500
12
0.3833
13
0.4167
14
0.4500
15
0.4833
16
0.5167
17
0.5500
18
0.5833
19
0.6167
20
0.6500
21
0.6833
22
0.7167
23
0.7500
24
0.7833
25
0.8167
26
0.8500
27
0.8833
28
0.9167
29
0.9500
30
0.9833

TIPO DE
ACEITE
OLIVA
OLIVA
OLIVA
OLIVA
OLIVA
OLIVA

VERIFICACIN DE VARIANZA CONSTANTE

Contenido
PROMEDIO
Esculeno
140
388.17
383
388.17
680
388.17
205
388.17
510
388.17
411
388.17

MAN
MAN
MAN
MAN
MAN
MAN
MAZ
MAZ
MAZ
MAZ
MAZ
MAZ
SOJA
SOJA
SOJA
SOJA
SOJA
SOJA
GIRASOL
GIRASOL
GIRASOL
GIRASOL
GIRASOL
GIRASOL

11
27
49
19
32
25
16
28
42
36
40
20
5
12
22
9
16
13
8
12
19
13
9
18

27.17
27.17
27.17
27.17
27.17
27.17
30.33
30.33
30.33
30.33
30.33
30.33
12.83
12.83
12.83
12.83
12.83
12.83
13.17
13.17
13.17
13.17
13.17
13.17

CONCLUSIN
- No
Los
supuestos
tanto de normalidad
como de varianza
constante
mal observar
realizadosenseg
existe
una distribucin
normal aproximada
de los datos,
como estn
se puede
el
lo que nos dice que la lnea de tendencia que pasa por los puntos de dispersin de Zi vs ri n
factor
desuposicin
estudio esde
realmente
el correcto
al tipoy de
aceite)
y tambin
nive
ergo, la
distribucin
normal(refirindonos
est mal realizada,
esto
nos quiere
decirlos
que
la
el aceite de oliva presente un contenido de ESCULENO mucho mayor en relacin al resto de
- Por lo tanto no se puede ratificar los resultados del anlisis de varianza o del anlisis ptim

RESPUESTAS

A) El anlisis de la varianza nos dice que efectivamente el tipo de aceite tiene que ver
con el contenido de ESCULENO. El anlisis ptimo nos seala que efectivamente el
aceite de Oliva es el que tiene una mayor significancia por el contenido de
ESCULENO, pero la comprobacin de supuestos nos dice que el desarrollo del
experimento est mal realizado.
B) Los supuestos no fueron verificados, su anlisis estadstico no pas, entonces los
supuestos estn mal realizados.

PROBLEMA 1

s muy alto en el aceite de oliva respecto a otros aceites vegetales, incluso su presencia se utiliza para
experiencia se desea comparar cuantitativamente el contenido de esta sustancia entre el aceite de oliva
aron 6 muestras para cada tipo de aceite determinndose el contenido de esculeno en mg/100 gr de

Contenido de esculeno (mg/100 g) de aceite

383
680
205
27
49
19
28
42
36
12
22
9
12
19
13

510
32
40
16
9

411
25
20
13
18

s presentados, y verificar si el aceite de oliva en realidad tiene mayor esculeno.

ANLISIS DEL CONTENIDO DE ESCULENO

EN DIFERENTES TIPOS DE ACEITE

Seleccin del ACEITE

ACEITE con menor contenido

de ESCULENO

# de replicas
# de experimentos

Promedio

Varianza

388.1666666667
27.1666666667
30.3333333333
12.8333333333
13.1666666667

39138.96666667
166.5666666667
115.8666666667
34.1666666667
20.5666666667

ANLISIS DE VARIANZA
Promedio de los cuadrados

Probabilidad

Valor crtico para

F

162263.5
7895.2266666667

20.5521015229

0.0000132%

2.7587104697

salida del proceso, es decir tiene relacin con el contenido de ESCULENO en los aceites

a de medias con el LSD

DECISIN
SIGNIFICATIVO
SIGNIFICATIVO
SIGNIFICATIVO
SIGNIFICATIVO
NO SIGNIFICATIVO
NO SIGNIFICATIVO
NO SIGNIFICATIVO
NO SIGNIFICATIVO
NO SIGNIFICATIVO
NO SIGNIFICATIVO

de la diferencia de medias comparados con el LSD efectivamente el aceite de OLIVA tiene el mayor contenido de ESCULENO med

LA NORMALIDAD
Zi
-2.1280
-1.6449
-1.3830
-1.1918
-1.0364
-0.9027
-0.7835
-0.6745
-0.5730
-0.4770
-0.3853
-0.2967
-0.2104
-0.1257
-0.0418
0.0418
0.1257
0.2104
0.2967
0.3853
0.4770
0.5730
0.6745
0.7835
0.9027
1.0364
1.1918
1.3830
1.6449
2.1280

COMPRO
2
1.5
1
0.5
0
0
-0.5
-1
-1.5
-2
-2.5

IANZA CONSTANTE
RESIDUOS
-248.17
-5.17
291.83
-183.17
121.83
22.83

f(x) = 0.0038061534x - 0.4437589733

R = 0.5047124111

400

300

100

200

30

400
-16.17
-0.17
21.83
-8.17
4.83
-2.17
-14.33
-2.33
11.67
5.67
9.67
-10.33
-7.83
-0.83
9.17
-3.83
3.17
0.17
-5.17
-1.17
5.83
-0.17
-4.17
4.83

300

200

100

0
0

50

100

-100

-200

-300

de varianza
constante
mal observar
realizadosensegn
la comprobacin
estadstica
que se
parte de es
arriba.
ada
de los datos,
como estn
se puede
el grfico
de Normalidad,
el coeficiente
deobserva
Pearsonenallacuadrado
de 0,
e pasa por los puntos de dispersin de Zi vs ri no es representativa al comportamiento de la curva. La curva no es line
efirindonos
al tipoy de
aceite)
y tambin
niveles
(los
De la
recoleccin de datos se puede observa
st mal realizada,
esto
nos quiere
decirlos
que
la toma
detipos
datosde
noaceite).
est bien
realizada.
ESCULENO mucho mayor en relacin al resto de aceites, pero el contenido de ESCULENO podra tener mayor relacin
ados del anlisis de varianza o del anlisis ptimo con si los supuestos estn mal realizados.

efectivamente el tipo de aceite tiene que ver

s ptimo nos seala que efectivamente el
ignificancia por el contenido de
uestos nos dice que el desarrollo del
anlisis estadstico no pas, entonces los

n del ACEITE

PROMEDIO
388.167
27.167
30.333
12.833
13.167

enido de ESCULENO medido en

COMPROBACIN DE NORMALIDAD
Zi vs. ri

733

200

300

400

500

600

700

SUPOSICIN DE VARIANZAS CONSTANTES

SUPOSICIN DE VARIANZAS CONSTANTES

100

parte de es
arriba.
nenallacuadrado
de 0,5047,
rva. La curva no es lineal,
atos se puede observar que
a tener mayor relacin al

150

200

250

700

800

ONSTANTES

ONSTANTES

300

350

400

450

450

PROBLEMA 2

2. El Gerente Financiero de una organizacin sin fines de lucro desea establecer el banco qu
servicios. Para esto analiza durante los ltimos 6 meses el gasto total en servicios bancario
corrientes. Los resultados de los ltimos seis meses son:

Gasto Total en Servicios Ban

Banco
Banco A
Banco B
Banco C
a)
b)
c)

Diciembre
658
774
623

Enero
954
612
659

Existe algn banco que estadsticamente sea mejor que los otros dos?
Analice a travs de Anova y las tcnicas complementarias el experimento.
Analice los supuestos del experimento

DIAGRAMA
- BANCO A
- BANCO B

BANCO

- BANCO C

# factores
# niveles
# tratamientos
n
N

1
3
3
6
18

# de repeticiones
# de experimentos

ANOVA
Anlisis de varianza de un factor
RESUMEN
Grupos

Cuenta

Suma

Banco A
Banco B
Banco C

6
6
6

5041
4313
3936

ANLISIS DE VARIANZA
Origen de las
variaciones

Suma de
cuadrados

Grados de libertad

BANCOS
ERROR

105174.333333
183171.666667

2
15

Total

288346

17

CONCLUSIN
La probabilidad de 3,33% menor al 5% nos dice que si, el tipo de banco es una variable SIGN
servicios bancarios.

ANLISIS PTIMO
CLCULO DEL LSD
ALFA
0.05
N
18
n
6
t student
2.179
CME
12211.444
LSD
139.009

DIFERENCIAS
A-B
A-C
B-C

Comparacin de la diferencia de medias con el LSD

Diferencia de
LSD
medias
121.333
139.009
184.167
139.009
184.167
139.009

CONCLUSIN

Del diagrama de escaleras donde mostramos la significancia de cada nivel podemos observar que el
A es el que tiene una mayor significancia proporcional a los costos de servicio bancario, mientras C e
que tiene los menores costos bancarios. El banco B est en el intermedio. Estadsticamente el banco
el mejor con respecto al criterio de menor costo en servicios bancarios

VERFICACIN DE SUPUESTOS
N

Dato ri
521
576
612
623
634
658
659
660
758
765
774
788
789
792
845
889
954
993

18

COMPROBACIN DE LA NORMALIDAD
Rango i
(i-0,5)/N
1
0.0278
2
0.0833
3
0.1389
4
0.1944
5
0.2500
6
0.3056
7
0.3611
8
0.4167
9
0.4722
10
0.5278
11
0.5833
12
0.6389
13
0.6944
14
0.7500
15
0.8056
16
0.8611
17
0.9167
18
0.9722
VERIFICACIN DE VARIANZA CONSTANTE

BANCO

Gastos en
servicios
bancarios

PROMEDIO

BANCO A
BANCO A
BANCO A
BANCO A
BANCO A
BANCO A

658
954
758
789
889
993

840.17
840.17
840.17
840.17
840.17
840.17

BANCO B
BANCO B
BANCO B
BANCO B
BANCO B
BANCO B
BANCO C
BANCO C
BANCO C
BANCO C
BANCO C
BANCO C

774
612
845
660
634
788
623
659
521
792
765
576

718.83
718.83
718.83
718.83
718.83
718.83
656.00
656.00
656.00
656.00
656.00
656.00

CONCLUSIONES.1. En el grfico de comprobacin de la normalidad se puede observar que la

un coeficiente de Pearson cuadrtico de 0,9662, que se encuentra dentro de
lineal de la curva y se corrobora la suposicin de distribucin normal de los d
2. De la curva de varianzas constantes se puede observar que no existe un c
bancos, es decir no existe una acumulacin de los datos en la horizontal cen
constantes.
3. Esto nos dice por tanto que la toma de datos estuvo bien realizada y que l
banco como la variable de estudio, fue una decisin correcta para el anlisis.

RESPUESTAS:
1. El banco C estadsticamente es mejor que el banco B y A (lo cu
de ptimos, que muestra que el banco C es el que menores costo
estadsticamente comprobado)
IR A ANLISIS DE PTIMOS

2.
IR A ANLISIS ANOVA

3. Los supuestos fueron bien considerados y pasaron las pruebas

2.
IR A ANLISIS ANOVA

3. Los supuestos fueron bien considerados y pasaron las pruebas

IR A VERIFICACIN DE SUPUESTOS

PROBLEMA 2

n sin fines de lucro desea establecer el banco que en trminos generales le ofrece los ms bajos costos por
imos 6 meses el gasto total en servicios bancarios de los tres bancos donde su organizacin mantiene cuentas
eis meses son:

Gasto Total en Servicios Bancarios USD

Febrero
Marzo
758
789
845
660
521
792

Abril
889
634
765

Mayo
993
788
576

PROMEDIO
840.17
718.83
656.00

e sea mejor que los otros dos?

complementarias el experimento.

SELECCIN DE UN BANCO POR EL

GERENTE FINANCIERO

BANCO

Seleccin del

BANCO con menores

gastos en servicios
bancarios

e varianza de un factor
Promedio

Varianza

840.1666666667
718.8333333333
656

16250.9666667
9163.36666667
11220

ANLISIS DE VARIANZA
Promedio de los cuadrados

Probabilidad

Valor crtico
para F

52587.1666666666
12211.4444444444

4.3063838112

3.33%

3.6823203437

dice que si, el tipo de banco es una variable SIGNIFICANTE referente al costo de

ia de medias con el LSD

DECISIN
NO SIGNIFICATIVO
SIGNIFICATIVO
SIGNIFICATIVO

significancia de cada nivel podemos observar que el banco

rcional a los costos de servicio bancario, mientras C es el
co B est en el intermedio. Estadsticamente el banco C es
o en servicios bancarios

LA NORMALIDAD
Zi
-1.9145
-1.3830
-1.0853
-0.8616
-0.6745
-0.5085
-0.3555
-0.2104
-0.0697
0.0697
0.2104
0.3555
0.5085
0.6745
0.8616
1.0853
1.3830
1.9145

COMPROBACIN DE NORM
Zi vs. ri
2.5
2

f(x) = 0.007497425x - 5.5355988075

R = 0.9662359206

1.5
1
0.5
0
400
-0.5

500

600

700

800

-1
-1.5
-2
-2.5

RIANZA CONSTANTE
RESIDUOS
-182.17
113.83
-82.17
-51.17
48.83
152.83

SUPOSICIN DE VARIANZAS CONS

200
150
100
50
0
600

650

700

750

800

150
100

55.17
-106.83
126.17
-58.83
-84.83
69.17
-33.00
3.00
-135.00
136.00
109.00
-80.00

50
0
600

650

700

750

-50
-100
-150
-200

n de la normalidad se puede observar que la lnea de tendencia para la curva Zi vs ri nos presenta
tico de 0,9662, que se encuentra dentro del rango entre 0,8 y 1,0 por lo que se acepta la tendencia
la suposicin de distribucin normal de los datos tabulados.
stantes se puede observar que no existe un cuello de botella para los datos de ninguno de los tres
cumulacin de los datos en la horizontal central por lo que se corrobora la suposicin de varianzas

toma de datos estuvo bien realizada y que la planificacin del experimento al tomar en cuenta la
io, fue una decisin correcta para el anlisis.

ente es mejor que el banco B y A (lo cual se pudo obtener del anlisis
ue el banco C es el que menores costos de servicio bancario,
ado)

OVA

IR A ANLISIS DE PTIMOS

en considerados y pasaron las pruebas estadsticas.

800

OVA

en considerados y pasaron las pruebas estadsticas.

IR A VERIFICACIN DE SUPUESTOS

ajos costos por

mantiene cuentas

Seleccin del BANCO

on menores
n servicios
arios

CIN DE NORMALIDAD
Zi vs. ri

x - 5.5355988075
6

00

800

900

1000

1100

RIANZAS CONSTANTES

750

800

850

900

750

nos presenta
pta la tendencia

o de los tres
de varianzas

en cuenta la

800

850

900

PROBLEMA 3

3. Indique 5 aplicaciones para las cuales usted utilizara el Diseo Completamente al Azar en

APLICACIONES DEL DISEO COMP

APLICACIN 1: Yo trabajo en NOVECERO, soluciones de acero, una empresa que se dedica a la produ
construccin, y soluciones de acero como estructuras para invernaderos, la Novalosa (placa alivianada d
laminar se tienen cierto nmero de horas perdidas al mes por atascos en las casetas de laminacin. En
podran ser VARILLAS, NGULOS y TEES. Cada uno tiene cierto nmero de paras por atasques en
de horas perdidas por atasques en la maquinaria depende del tipo de producto a laminar. Y mediante el
incidencia en las paras por atasques.

APLICACIN 2: Con respecto a mi mismo trabajo, dentro del campo de la laminacin se tiene mensualm
podra cuantificar el nmero de horas de para por mantenimiento a travs de una base mensual y compa
al azar se podra determinar si el nmero de paras depende del turno de produccin, y cul turno es el q

APLICACIN 3: Con respecto a la empresa en la que trabajo, el producto final tiene bsicamente 2 clas
segunda (que se lo vende con cierto descuento) y producto no conforme (de rechazo). En la produccin
produccin, y se podra, mediante una recoleccin de datos total de base mensual, saber las toneladas d
de que el producto sea conforme o no depende del turno de produccin y mediante el anlisis ptimo se
tener producto conforme.

APLICACIN 4: En la vida real, deseo comprar un automvil, y tengo tres modelos en especfico: un Vit
que tengan cada uno los tres automviles (30 en total) deseo averiguar el costo total que ha exigido el m
casa. Todo esto para averiguar qu tipo de automvil me resulta ms econmico adquirir y mantener par

APLICACIN 5: Con el fin de tener un buen programa de salud para mi familia, deseo saber cul es el m
opciones: el hospital del IESS, el hospital metropolitano y el hospital militar. Sobre la base anual del nm
deseo saber si este xito tiene que ver, o est relacionado con el hospital. Y mediante un anlisis de pt
mayor nmero de cirugas exitosas.

BLEMA 3

Completamente al Azar en su trabajo o vida diaria.

S DEL DISEO COMPLETAMENTE AL AZAR

esa que se dedica a la produccin de productos de acero, tales como perfiles estructurales, varillas de
Novalosa (placa alivianada de acero para la construccin de losas), y entre otros. Dependiendo del producto a
casetas de laminacin. En este caso el factor de estudio puede ser los PRODUCTOS A LAMINAR y los niveles
ro de paras por atasques en las casetas. Podramos determinar en primer lugar mediante el ANOVA si el nmero
cto a laminar. Y mediante el ANLISIS PTIMO, se podra determinar qu tipo de producto es el que tiene mayor

aminacin se tiene mensualmente cierto nmero de paras y un total de horas por concepto de mantenimiento. Se
una base mensual y comparar los resultados para los turnos de produccin, y mediante un diseo completamente
duccin, y cul turno es el que tiene una mayor incidencia en el nmero total de horas de para por mantenimiento.

nal tiene bsicamente 2 clasificaciones: producto conforme (que sale directamente a la venta), producto de
rechazo). En la produccin de varilla de construccin se tiene como se explic anteriormente 2 turnos de
ensual, saber las toneladas de producto conforme de cada turno. Con el anlisis DCA, se podra saber si el hecho
ediante el anlisis ptimo se podra saber cul turno es el que tiene una mayor incidencia sobre el resultado de

odelos en especfico: un Vitara tres puertas, un automvil Aveo y un KIA Picanto. Sobre la base de 10 personas
sto total que ha exigido el mantenimiento de cada automvil en un lapso de 5 aos desde que lo sacaron de la
mico adquirir y mantener para con esto decidir cul compro.

ilia, deseo saber cul es el mejor hospital en la ciudad de quito que atiende cirugas u operaciones. Tengo tres
Sobre la base anual del nmero de cirugas exitosas (o nmero de pacientes que sobreviven luego de la ciruga)
mediante un anlisis de ptimos analizo que hospital me presenta una clara diferencia de superioridad dada por un

de
producto a
R y los niveles
A si el nmero
ue tiene mayor

tenimiento. Se
completamente
mantenimiento.

ducto de
nos de
ber si el hecho
esultado de

10 personas
acaron de la

. Tengo tres
de la ciruga)
dad dada por un

PROBLEMA 4

4. Planifique cmo realizara las pruebas para una de las aplicaciones arriba descrita
hara, en qu orden correra los experimentos, cuntas pruebas hara? Sea lo ms ex

A continuacin detallo la realizacin del experimento para la aplicacin # 1 detallada

BLEMA 4

caciones arriba descritas en la pregunta 3. Qu mediciones

bas hara? Sea lo ms explcito posible.

aplicacin # 1 detallada en la anterior hoja.

PROBLEM

5. El Gerente de Produccin de una fbrica textil desea probar cul de las mquinas
por hora. Sin embargo, es posible que el factor operador tambin afecte, as como
operadores y a lo

a) Determine qu Diseo se debe aplicar.

b) Con los siguientes datos determine la o las mquinas ms eficientes.

TURNOS
MQUINAS
A
B
C

OPERADORES
Juan
Pedro
Luis

1
A = 9,2
B = 8,3
C = 8,5

DIAGRAMA

TIPO DE MQUINA

1) MQUINA A
2) MQUINA B
3) MQUINA C

1) TURNO 1
2) TURNO 2
3) TURNO 3

1 = TURNO

2 = OPERADOR

1) JUAN
2) PEDRO
3) LUIS

DISEO EN CUADRO LATINO

# factores
K
b
# combinaciones
n
N

3
3
3
9
1
9

ANOVA
TURNOS
MQUINAS
A
B
C

FUENTES
Mquinas
TURNOS
OPERADORES
ERROR
TOTAL

OPERADORES
Juan
Pedro
Luis

1
9.2
8.3
8.5
26.0

Suma de Cuadrados Grados de libertad

1.5022
0.4289
0.1356
0.0622
2.1289

2
2
2
2
8

CONCLUSIN:
Del anlisis del ANOVA, podemos concluir que el factor de estudio, las mquinas es un factor sig
respecto a la variable de salida, que son los kilogramos de cosidos por hora. Por otro lado tambi
que los factores de bloque (turnos y operadores) no tienen una significancia con respecto a la va
puesto que sus probabilidades de distribucin F calculadas, son mucho mayores al 5% de proba
el diseo de experimentos.

ANLISIS PTIMO
CLCULO DEL LSD
alfa
0.05
grados de libertad
4
CME
0.031
b
3
t student
2.776
LSD
0.400
Diferencia Mquinas

Diferencia de Medias

LSD

A-B
A-C
B-C

0.87
0.87
0.00

0.400
0.400
0.400

VERFICACIN DE SUPUESTOS
N

Dato ri
7.6
7.9
8.1
8.2
8.3
8.5
8.7
9.0
9.2

COMPROBACIN DE LA NORMALIDAD
Rango i
(i-0,5)/N
1
0.0556
2
0.1667
3
0.2778
4
0.3889
5
0.5000
6
0.6111
7
0.7222
8
0.8333
9
0.9444

VERIFICACIN DE VARIANZA CONSTANTE

MQUINA

Eficiencia en kg de
cosidos por hora

PROMEDIO

A
A
A
B
B
B
C
C
C

9.2
9.0
8.7
8.3
7.9
8.1
8.5
8.2
7.6

8.97
8.97
8.97
8.10
8.10
8.10
8.10
8.10
8.10

CONCLUSIN:
Segn los resultados estadsticos mostrados arriba, las suposiciones fueron correctas. La suposicin
correcta puesto que la lnea de tendencia de la curva Zi vs ri da como resultado un coeficiente de Pea
de 0,9882 que se encuentra en el rango de 0,8 a 1, corroborando la validez de la tendencia lineal. Por
grfico de verificacin de varianzas constantes no se tiene acumulacin de residuos en la horizontal, e
cuellos de botella, por lo que esta suposicin tambin es vlida. Por tanto, la toma de datos estuvo bie
como tambin es vlida la planificacin de experimento.

RESPUESTAS:
a) El diseo a aplicar es el diseo de bloques con cuadro latino.

b) La mquina ms eficiente, determinada de manera estadstica med

de ptimos es la Mquina A.

PROBLEMA 5

esea probar cul de las mquinas cosedoras le permite alcanzar la mayor eficiencia, medida en kg. cosidos
perador tambin afecte, as como el factor turno. Por lo tanto se establecen como factores de bloque a los
operadores y a los turnos.

as ms eficientes.

TURNOS
2
B = 7,9
C = 8,2
A = 9,0

3
C = 7,6
A = 8,7
B = 8,1

PROCESO DE COSTURA EN FBRICA

TEXTIL

# de niveles del factor estudiado

# de factores del factor bloque
Kxb
# de tratamientos
# de experimentos = # combinaciones x n

kg de cosidos por hora

TURNOS
2
7.9
8.2
9.0
25.1

3
7.6
8.7
8.1
24.4

24.7
25.2
25.6
75.5

Cuadrados Medios

Fo

Probabilidad

0.751
0.214
0.068
0.031

24.142857143
6.8928571429
2.1785714286

3.98%
12.67%
31.46%

Suma de mquinas
A
B
C

SIGNIFICATIVA

e estudio, las mquinas es un factor significante con

e cosidos por hora. Por otro lado tambin podemos observar
n una significancia con respecto a la variable de salida,
s, son mucho mayores al 5% de probabilidad estndar para

MEDIAS DE MQUINAS
A
8.97
B
8.10
C
8.10

Decisin
SIGNIFICATIVA
SIGNIFICATIVA
NO SIGNIFICATIVA

CONCLUSIN:
Del anlisis ptimo, junto con el diagrama de escalera segn la significancia del tipo de mquina se puede
comprobar estadsticamente que la mquina A tiene una eficiencia significativa en kg de cosidos por hora mayo

CONCLUSIN:
Del anlisis ptimo, junto con el diagrama de escalera segn la significancia del tipo de mquina se puede
comprobar estadsticamente que la mquina A tiene una eficiencia significativa en kg de cosidos por hora mayo
que la mquina B y C que estadsticamente son iguales.

RMALIDAD
Zi
-1.5932
-0.9674
-0.5895
-0.2822
0.0000
0.2822
0.5895
0.9674
1.5932

COMPROBACIN DE LA NORMALIDAD
Zi vs. ri
2.0000
1.5000

f(x) = 1.9031768992x - 15.9655395436

R = 0.9882478291

1.0000
0.5000
0.0000
7.4
-0.5000

7.6

7.8

8.0

8.2

8.4

8.6

8.8

-1.0000
-1.5000
-2.0000

CONSTANTE
RESIDUOS
0.23
0.03
-0.27
0.20
-0.20
0.00
0.40
0.10
-0.50

SUPOSICIN DE VARIANZAS CONSTANTES

0.60
0.40
0.20
0.00
8.00
-0.20
-0.40
-0.60

8.20

8.40

8.60

8.80

iones fueron correctas. La suposicin de normalidad es

como resultado un coeficiente de Pearson cuadrtico
do la validez de la tendencia lineal. Por otro lado del
mulacin de residuos en la horizontal, es decir no hay
Por tanto, la toma de datos estuvo bien realizada,

es con cuadro latino.

de manera estadstica mediante el anlisis

medida en kg. cosidos

tores de bloque a los

e cosidos por hora

Suma de mquinas
26.9
24.3
24.3

de mquina se puede
de cosidos por hora mayor

Cuadrados de c/trmino
84.64
62.41
57.76
68.89
67.24
75.69
72.25
81.00
65.61

de mquina se puede
de cosidos por hora mayor

LA NORMALIDAD
ri

655395436

8.4

8.6

8.8

9.0

9.2

9.4

NZAS CONSTANTES

8.80

9.00

9.20