1er Parcial de Inferencia (Completo) Inferencia Estadística: Consiste en asignar probabilidades de tal manera que se puedan alcanzar conclusiones

para una determinada población partiendo de un experimento o de un muestreo. Las inferencias pueden ser decisiones acerca de la población. Es muy importante puesto que permite hacer estimaciones de los parámetros poblacionales de una población o permite tomar decisiones acerca de hipótesis relacionadas con los parámetros de una población para luego hacer extensivas esas decisiones o estimaciones. Prueba de significancia: tiene como objetivo examinar una hipótesis relacionada con los valores de uno o más parámetros poblacionales. Permite determinar si los resultados obtenidos en un experimento son debidos o no al azar. Experimento: Prueba o series de pruebas en las cuales se hacen cambios deliberados en ciertas variables (variables independientes) y se mide el efecto de esos cambios sobre variables denominadas variables de respuesta o variables dependientes. Un experimento es un cambio en las condiciones de operación de un sistema o proceso que se hace con el objetivo de medir el efecto de ese cambio en una o varias propiedades de un producto. Diseño de experimentos: Mecanismo de recolección de información. Consiste en planear un conjunto de pruebas experimentales, de tal manera que los datos generados puedan analizarse estadísticamente para obtener conclusiones validas, precisas y objetivas acerca de un sistema o proceso. Diseñar un experimento consiste en planificarlo de tal manera que se pueda obtener información valida y precisa sobre un determinado fenómeno que esté investigando. Objetivos del diseño de experimentos: 1. Promover disciplina en la conducción de experimentos. 2. Presentar un considerable número de diseños experimentales útiles en la investigación, así como un conjunto de métodos de análisis estadístico. 3. Enseñar a realizar el análisis estadístico de los datos experimentales, así como interpretar los resultados de esos análisis.

Nivel de significancia (α): Riesgo de equivocarse.. la muestra puede arrojar resultados estadísticamente significativos pero sin embargo esta puede tener escasa significancia práctica o poco valedera a la hora de tomar decisiones. . En todo experimento es necesario que se cumplan los tres principios fundamentales del diseño de experimento para garantizar la obtención de conclusiones valederas y precisas con el fin de disminuir el error experimental. El análisis de los resultados experimentales permitirá obtener conclusiones sobre el sistema en estudio y decidir actuaciones futuras.) y tomar decisiones sobre como optimizarlo y mejorar su calidad. etc. Explique porque es importante reconocer la diferencia entre la significancia estadística y la significancia práctica cuando se analizan los resultados de un experimento. comprender mejor un sistema (un proceso industrial. Porque en muchos casos al realizar un experimento donde la población posee un tamaño muy grande. Discuta la importancia de la aplicación de los métodos del diseño de experimentos al campo de ingeniería. comprobar hipótesis científicas. Tiene mecanismos de control de la heterogeneidad del material experimental para reducir errores en los resultados generados en un experimento.. La experimentación juega un papel fundamental en virtualmente todos los campos de la investigación y el desarrollo. El objetivo de la experimentación es obtener información de calidad. un procedimiento analítico. Información que permita desarrollar nuevos productos y procesos. Las muestras son dependientes: porque cada muestra es sometida a los mismos procedimientos de avaluó a utilizar. margen de error fijado por el investigador.. Discuta las ventajas del diseño de comparaciones pareadas. Explique porque en todo experimento es necesario que se cumplan los principios básicos del diseño de experimentos.

3. . b. Los dos tratamientos deben ser probados en cada par o bloque de manera aleatoria. diseño de cuadrado latino. La aleatorización le da igual oportunidad a los tratamientos a ser probados en los distintos niveles de heterogeneidad del material experimental. Selección del material experimental homogéneo. ya que por medio de estos pueden resultar más heterogéneos que el conjunto total de datos para eliminar la variabilidad y lograr mayor precisión del experimento. Efectos de la heterogeneidad del material experimental sobre los resultados experimentales: Puede provocar diferencias entre tratamientos que no son productos de que exista una diferencia real entre los tratamientos (un tratamiento es superior a otro cuando lo contrario e cierto). Uso de un diseño experimental adecuado: a. Si esto no es posible debe seleccionar material experimental de tal manera que él pueda balancear o controlar los efectos de esa causa de variación. Diseños que tienen mecanismos de control de la heterogeneidad del material experimental: Diseño de bloques al azar. que cada uno de ellos tenga la misma posibilidad de ser escogido para aplicarles dichos tratamientos.Balances o control de la heterogeneidad del material experimental mediante la formación de bloques o pares. Repetición y aleatorización: Las repeticiones le dan mayor oportunidad a los tratamientos a ser probados en los niveles de productividad o heterogéneos del material experimental. Permite comparar 2 tratamientos para estudiar la variabilidad de los datos generados de las muestras en la respuesta observada. Mencione los mecanismos de control de la heterogeneidad del material experimental y sus efectos sobre los resultados experimentales. 2. 1. es decir. Diseño que no controla la heterogeneidad del material experimental porque no tiene ningún mecanismo de control: Diseño completamente aleatorizado. diseño de rectángulo latino y las variantes del diseño cuadrado latino.

: Error típico de la media.05. 873 y 852 toneladas. pruebe si estos datos indican que la cantidad promedio por día fabricada del producto es inferior a 825 toneladas. Las cantidades diarias producidas la semana anterior fueron: 822.05 Ho = µ = 825. Una fábrica de un producto químico ha producido en promedio 825 toneladas por día de ese producto. 861.- Puede abultar al error experimental con la inclusión de la variabilidad producto de una causa de variación que no es el azar. Días 1 2 3 4 5 Cantidades producidas ( ) 822 885 861 873 852 α=0. _ Y: media de las observaciones : Valor especificado por el fabricante. 885. _ Tc = . Usando α = 0. Tc: valor calculado de t. Ha = µ < 825. . S: desviación típica. S = : Variancia. entonces se deberá repetir el experimento en el tiempo y en el espacio. El medio ambiente puede modificar el comportamiento de los tratamientos.

es decir.776 Se decide aceptar Ho.14 > .0349 Reglas de decisión para Pr ≥ l t l: (Pr > l t l) > α Aceptar Ho (Pr > l t l) < α Rechazar Ho En este caso 0.0349 < α entonces se rechaza Ho._ Y= _ Y= . Conclusión: Se decide aceptar que las toneladas diarias que se producen del producto químico son 825 toneladas. S= _ Tc = Con n – 1 grados de libertad (5 -1): 4 grados de libertad = 2. .2. Pr ≥ l t l = 0. n: numero de observaciones. no es menos a 825 toneladas.776 Reglas de decisión: Tc < -Tt → Rechazar Ho Tc > -Tt → Aceptar Ho 3.

2. Estadístico de prueba.8% Prueba de homogeneidad (Prueba de F) .01.Un nuevo dispositivo de filtrado se instala en una planta química. b) ¿Puede concluirse que el dispositivo de filtrado ha reducido el porcentaje de impurezas en forma significativa? Use α = 0. a) ¿Puede concluirse que las variancias son estadísticamente iguales? Use α = 0. Variable de interés: porcentaje de impurezas.7.9% _ Yb = 16. _ _ Tc = _ = 27. Ho = µa = µb 3.05.33. 1. Antes de su instalación. Después de la instalación del dispositivo. se tomó una muestra aleatoria de 9 observaciones y se obtuvo que la media del porcentaje de impurezas fuera igual a 27. una muestra aleatoria de 8 observaciones permitió determinar que la media del porcentaje de impurezas fue 16. Ha = µa > µb 4.8 por ciento y la variancia 59.9 por ciento y que la variancia de esas observaciones fuera 80.

Ho = Ha = = Fc = Fc = Fc = Ft α/2 = 4.36 < 4. _ _ 0 Tc = na = 9 nb = 8 .90 Reglas de decisión: Fc > Ft α/2 Rechaza Ho (Estadísticamente diferentes) Fc < Ft α/2 Acepta Ho (Estadísticamente iguales) 1.90 Acepta Ho → son estadísticamente iguales.

Ha: µd > 0 (ha reducido) 4. 1.Tc = Grados de libertad: na + nb – 2 = 9 + 8 -2 = 15 Tt = 2.947 Reglas de decisión: Tc < Tt Acepta Ho Tc > Tt Rechaza Ho 2. b) Haga el programa que permita analizar los datos usando el SAS.05 y el valor Pr> l t l reportado por el SAS.947 Aceptar Ho. .72 < 2. Estadístico de prueba. Se rechaza la alternativa. 2. No se ha reducido impurezas significativamente. Ho : µd = 0 3. Los datos siguientes se relacionan con los accidentes en una fábrica que causan pérdidas de tiempo por mes en un periodo de un año (los datos son los números promedios de horashombre perdidas por mes en un periodo de un año) antes y después de ponerse en marcha un programa de seguridad industrial en seis plantas industriales. Variable de interés: Horas-Hombres trabajadas. _ Tc = con (nd – 1) grados de libertad. 1 42 38 2 44 31 Planta 3 4 55 42 35 24 5 69 38 6 49 33 Antes del programa Después del programa a) ¿Proporcionan los datos suficiente evidencia para concluir que el programa de seguridad industrial fue efectivo en reducir los accidentes que causan pérdidas de tiempo en la fábrica? Use α = 0.

.571 0 con (nd – 1) grados de libertad = 5 Reglas de decisión: Tc > Tt Rechazar Ho Tc < Tt Aceptar Ho 4._ d= _ Tc = α=0.05 Tt = 2.71 > 2.00265 < 0.571 Rechaza Ho Reglas de decisión: (Para 1 cola) (Pr > l t l)/2 > α Acepto Ho (Pr > l t l)/2 < α Rechazo Ho 0.05 Rechaza Ho Conclusión: Si Proporciona los datos suficientes para establecer que el programa de seguridad industrial es efectivo.

8544 DESPUES .29 Statistics Difference Upper CL Std Dev Std Err Minimum -31 Maximum -4 DESPUES .05. DISEÑO DE COMPARACIONES PAREADAS 2 PRUEBA DE QUE UN PROGRAMA DE SEGURIDAD INDUSTRIAL REDUCE ACCIDENTES The TTEST Procedure Statistics Difference Lower CL N Mean 6 Upper CL Lower CL Mean Mean Std Dev Std Dev -17 -7. TITLE1 DISEÑO DE COMPARACIONES PAREADAS. RUN.527 8.ANTES DF t Value 5 Pr > |t| 0. DATA PAR. INPUT PLANTA DESPUES ANTES. DATALINES. PAIRED DESPUES*ANTES.70 .ANTES 21. PROC TTEST H0=0 ALPHA=0.708 5. TITLE2 PRUEBA DE QUE UN PROGRAMA DE SEGURIDAD INDUSTRIAL REDUCE ACCIDENTES.ANTES -26. PROC PRINT DATA=PAR.716 3. 1 38 42 2 31 44 3 35 55 4 24 42 5 38 69 6 33 49 .0053 -4.6148 T-Tests Difference DESPUES .OPTIONS LS=79.

33 14.804 PRODUCCION 828.0349 PRODUCCION 3.6 Statistics Variable Std Err Minimum 822 Maximum 885 PRODUCCION 10.708 T-Tests Variable DF t Value 4 Pr > |t| 0. PRUEBA DE QUE LA MEDIA DE PRODUCCION DE UN PRODUCTO QUIMICO ES INFERIOR A 825 The TTEST Procedure Statistics Variable Lower CL N Mean 5 Upper CL Lower CL Upper CL Mean Mean Std Dev Std Dev Std Dev 888.944 68.05. INPUT PRODUCCION. 822 885 861 873 852 .345 23. VAR PRODUCCION. DATA PRODUCTO.14 .87 858. DATALINES. RUN. PROC PRINT DATA=PRODUCTO.OPTIONS LS=79. PROC TTEST H0=825 ALPHA=0. TITLE PRUEBA DE QUE LA MEDIA DE PRODUCCION DE UN PRODUCTO QUIMICO ES INFERIOR A 825 TONS POR DIA.