Universidad Nacional de Huancavelica

(Creada por Ley Nro. 25265)

Unidad De Post Grado De La Facultad De Ciencias De Ingenierı́a Maestrı́a

En Planificación Estratégica Y Gestión De Proyectos De Ingenierı́a

ASIGNATURA:
Estadı́stica Aplicada A La Investigación Cientı́fica

DOCENTE:
Dr. Alfonso G. Cordero Fernández

ESTUDIANTE:
Ramirez Quispe, Robert Marlindo

I Evaluación Práctica

Huancavelica, 03 de agosto de 2018

Unidad de Post Grado de la Facultad de Ciencias de Ingenierı́a Maestrı́a en Planificación
Estratégica y Gestión de Proyectos de Ingenierı́a

1. (6 pts). Resolver manualmente los valores de las resistencias de acero (kg/cm2 ):

15, 14, 16, 18, 17, 25, 36 sobre los siguientes estadı́sticos:

1.1. Media:
n
1X 15 + 14 + 16 + 18 + 17 + 25 + 36
x̄ = xi x̄ =
n i=1 7
kg
∴ x̄ = 20.1428571
cm2
1.2. Mediana:
Para la mediana ordenamos de menor a mayor 14, 15, 16, 17, 18, 25, 36
kg
∴ x̂ = 17
cm2
1.3. Varianza de la muestra:
n
1 X
S2 = (xi − x̄)2
n − 1 i=1
1
S2 = ((15 − 20.14)2 + (14 − 20.14)2 + (16 − 20.14)2 +
7−1
(18 − 20.14)2 + (17 − 20.14)2 (25 − 20.14)2 + (36 − 20.14)2 )
 2
2 kg
∴ S = 61.8095238 Quiere decir que existe una variación de
cm2
! kg
2
61.8095238 cm2
en una muestra.

1.4. Varianza de la población:

n
1X
S2 = (xi − x̄)2
n i=1
1
S 2 = ((15 − 20.14)2 + (14 − 20.14)2 + (16 − 20.14)2 +
7
(18 − 20.14)2 + (17 − 20.14)2 (25 − 20.14)2 + (36 − 20.14)2 )
 2
2 kg
∴ S = 52.9795918367
cm2
1.5. Desviación estándar de la muestra:
" n
# 12
1 X 2
S= (xi − x̄)
n − 1 i=1
1
S = [61.8095238] 2
kg
∴ S = 7.86190331978
cm2
1.6. Coeficiente de variación de la muestra:
S
CV = .100
x̄
Ramirez Quispe, Robert Marlindo. 2 Estadı́stica Aplicada a la Investigación C.
Unidad de Post Grado de la Facultad de Ciencias de Ingenierı́a Maestrı́a en Planificación
Estratégica y Gestión de Proyectos de Ingenierı́a
7.86190331978
CV = .100
20.1428571
CV = 39.0306426571 % = 0.390306426571

1.7. La desviación estándar de la media de la muestra:

S 7.86190331978 kg
Sx̄ = √ Sx̄ = √ Sx̄ = 2.97152014512 2
n 7 cm
1.8. El intervalo de confianza para la media de la muestra a 5 % de probabilidad:
S
IC = x̄ ± t0 √
n
7.86190331978
IC = 20.1428571 ± 2.45x √
7
7.86190331978 kg
IC = 20.1428571 + 2.45x √ = 27.4230814984 2
7 cm
7.86190331978 kg
IC = 20.1428571 − 2.45x √ = 12.8626327874 2
7 cm
1.9. El intervalo de confianza para la media de la muestra a 1 % de probabilidad:
S
IC = x̄ ± t0 √
n
7.86190331978
IC = 20.1428571 ± 3.71x √
7
7.86190331978 kg
IC = 20.1428571 + 3.71x √ = 31.1671968813 2
7 cm
7.86190331978 kg
IC = 20.1428571 − 3.71x √ = 9.1185174045 2
7 cm
1.10. La desviación estándar de la población:
" n # 12
1X 2
S= (xi − x̄)
n i=1
1 kg
S = [52.9795918367] 2 = 7.27870811592
cm2
En la siguiente página se muestra código fuente realizado en Lenguaje HPPPL, para
poder automatizar para cualquier cantidad de dato .

Ramirez Quispe, Robert Marlindo. 3 Estadı́stica Aplicada a la Investigación C.

 ! "# $ % %
& ' ( ) % * " $+ %
, " -. / + 0/ " 1 2
3 1 "4 5! 56 5 6
7 #0 # ( - % 4 % ( %
6
8
5 9 ' : .

; < , & 3 6 7 , !3=>

! .5 /&,> ( 5 ( % +
& 9 ' : # .
,
3 ? 5>
7 5>
6 5> (
8 ? 5> ( % *
5 5> ( % * 2
? 5> ( % * 2 % *
"9 5> % + % ( % *
! ; 5> ( % * 2
& '"? 5> ( % + @ ABC
, '"- 5> ( % + ADC
3
7 ;? . . ' .'" E'AC
6 : 0'-
8 " <=>
!5
! %
! - 'F A ;C>
!! 1 . - "/
!& ? 5>
!, 1 ' . -
!3 ? ? B ;A'C>
!7 - >
!6 ? A ;C ->
!8 1 . -
&5 G % % * %/
& .A ;C>
&
&! '1 - 5 .4 -
&& /,HA A/,H-CB A/,H-B CC>
&,
&3 A/,HA-B CC>
&7 - >
&6 ( I % *
&8 5>
,5 ? 5>
, 1 ' . -
, BA ;J'KD? CL >
,! ? ?BA ;J'KD? CL >
,& - >
,, A-D C>
,3 ? ? ->
,7 ( % * I % *
,6 ) % 1 . @
Unidad de Post Grado de la Facultad de Ciencias de Ingenierı́a Maestrı́a en Planificación
Estratégica y Gestión de Proyectos de Ingenierı́a

2. Hald (1952) reporta datos sobre el calor emitido en calorı́as por gramo del cemento (Y)
para varias cantidades de 4 ingredientes X1, X2, X3, X4:

N◦ de
Y X1 X2 X3 X4
observación
1 78.5 7 26 6 60
2 74.3 1 29 15 52
3 104.3 11 56 8 20
4 87.6 11 31 8 47
5 95.9 7 52 6 33
6 109.2 11 55 9 22
7 102.7 3 71 17 6
8 72.5 1 31 22 44
9 93.1 2 54 18 22
10 115.9 21 47 4 26
11 83.8 1 40 23 34
12 113.3 11 66 9 12
13 109.4 10 68 8 12

2.1. El análisis de varianza de la regresión sin considerar la selección de variables.

FV GL SC CM F Pr >F
Tratamiento 4 2667.899 666.9749 111.48 <.0001
Error 8 47.86364 5.98295
Total 12 2715.763
2.2. Los coeficientes de regresión para: X1, X2, X3 y X4; sin considerar la selección
de variables. Calculamos los coeficientes de manera sencilla matricialmente.

Ramirez Quispe, Robert Marlindo. 6 Estadı́stica Aplicada a la Investigación C.

Unidad de Post Grado de la Facultad de Ciencias de Ingenierı́a Maestrı́a en Planificación
Estratégica y Gestión de Proyectos de Ingenierı́a
   
1 7 26 6 60 78.5
   
1 1 29 15 52  74.3 
   
   
1 11 56 8 20 104.3
   
   
1 11 31 8 47  87.6 
   
   
1 7 52 6 33  95.9 
   
   
1 11 55 9 22 109.2
   
   
[X] = 1 3 71 17 6  [Y ] = 102.7
   
   
1 1 31 22 44  72.5 
   
   
1 2 54 18 22  93.1 
   
   
1 21 47 4 26 115.9
   
 
  
   
1 1 40 23 34  83.8 
   
   
1 11 66 9 12   113.3
   
1 10 68 8 12 109.4

Para obtener los coeficientes: [C] = (T RN ([X]) ∗ [X])−1 T RN ([X]) ∗ [Y ] donde:

T RN ([X]) es la traspuesta de la matriz [X], y la matriz [C] son los coeficientes de
la ecuación.

 
62.40536967
 
 1.55110268 
 
 
[C] =  0.510167572 
 
 
 0.101909397 
 
 
−0.144061027

y = a0 + a1 X1 + a2 X2 + a3 X3 + a4 X4

y = 62.40537 + 1.55110X1 + 0.51017X2 + 0.10191X3 − 0.14406X4

2.3. El análisis de varianza de la regresión, considerando la selección de variables.

Ramirez Quispe, Robert Marlindo. 7 Estadı́stica Aplicada a la Investigación C.

Unidad de Post Grado de la Facultad de Ciencias de Ingenierı́a Maestrı́a en Planificación
Estratégica y Gestión de Proyectos de Ingenierı́a

FV GL SC CM F Pr>F
Tratamiento 3 2667.79 889.2635 166.83 <.0001
Error 9 47.97273 5.3303
Total 12 2715.763

2.4. El ajuste a un modelo de regresión múltiple de los datos anteriores.

   
1 7 26 60 78.5
   
1 1 29 52  74.3 
   
   
1 11 56 20 104.3
   
   
1 11 31 47  87.6 
   
   
1 7 52 33  95.9 
   
   
1 11 55 22 109.2
   
   
[X] = 1 3 71 6  [Y ] = 102.7
   
   
1 1 31 44  72.5 
   
   
1 2 54 22  93.1 
   
   
1 21 47 26 115.9
   
   
   
1 1 40 34  83.8 
   
   
1 11 66 12 113.3
   
1 10 68 12 109.4

Para obtener los coeficientes: [C] = (T RN ([X]) ∗ [X])−1 T RN ([X]) ∗ [Y ] donde:

T RN ([X]) es la traspuesta
 de la matriz
 [X], y la matriz [C] son los coeficientes de
71.6483069
 
 1.451937946 
 
la ecuación. [C] = 
 
 0.416109764 

 
−0.236540216

y = a0 + a1 X1 + a1 X2 + a4 X4

y = 71.6483069 + 1.451937946X1 + 0.416109764X2 − 0.236540216X4

2.5. La prueba de significación de la regresión (ANAVA de la regresión de las variables

seleccionadas.

Ramirez Quispe, Robert Marlindo. 8 Estadı́stica Aplicada a la Investigación C.

Unidad de Post Grado de la Facultad de Ciencias de Ingenierı́a Maestrı́a en Planificación
Estratégica y Gestión de Proyectos de Ingenierı́a

F = 166.83 Es significativo.

2.6. Indique la prueba de t (valores) para cada variable independiente. Considerando de

las variables seleccionadas porque no especifica bien la pregunta.
25.67 Estamos considerando la prueba de F y es significativo.

2.7. Muestre el coeficiente de determinación de la variable (s) seleccionada (s) e in-

terpretación del mismo.
R2 = 0.9823, La relación entre las calorı́as del cemento y las variables X1 y X2, es
explicativo a un 98 %.

3. Un artı́culo intitulado “ A Method for Improving the Accuracy of Polynomial Regres-

sion Analysis” en Journal of Quality Technology (1971, p.149) reportó los siguientes
datos sobre Y = fuerza de cizalla extrema de un compuesto de goma (psi) y X =
temperatura de curación (◦ F):

Fuerza (Y) 770 800 840 810 735 640 590 560
Temperatura (X) 280 284 292 295 298 305 308 315

(7 pts) Se solicita:

3..1. Ajustar un polinomio de segundo orden a esos datos (ecuación de regresión).

   
1 280 78400 770
   
1 284 80656 800
   
   
1 292 85264 840
   
   
1 295 87025 810
   
[X] =   [Y ] =  
1 298 88804 735
   
   
1 305 93025 640
   
   
1 308 94864 590
   
   
1 315 99225 560

Para obtener los coeficientes: [C] = (T RN ([X]) ∗ [X])−1 T RN ([X]) ∗ [Y ] donde:

T RN ([X]) es la traspuesta de la matriz [X], y la matriz [C] son los coeficientes
de la ecuación.

Ramirez Quispe, Robert Marlindo. 9 Estadı́stica Aplicada a la Investigación C.

Unidad de Post Grado de la Facultad de Ciencias de Ingenierı́a Maestrı́a en Planificación
Estratégica y Gestión de Proyectos de Ingenierı́a
 
−26219.14683
 
[C] =  189.2045482 
 
 
−0.331193707

y = a0 + a1 x+a2 x2

y = −26219.14683 + 189.2045482xN S − 0.331193707x2N S

3..2. Muestre los valores de t para cada uno de los coeficientes (intercepto, temp lineal
y temp cuadrática) con sus respectivas significaciones.

Intercepto = -2.2
X = 2.36
X 2 = -2.45
3..3. Presente el análisis de varianza de la regresión de segundo grado con su coeficiente
de determinación.

FV GL SC CM F Pr >F
Tratamiento 2 70284 35142 17.2 0.0057
Error 5 10213 2042.60553
Total 7 80497

Coeficiente de determinación R2 = 0.8731.

3..4. En el caso que no resulte significativo los coeficientes de la regresión cuadráti-

ca, ajuste los datos a la ecuación adecuada, donde debe mostrar la ecuación de
regresión. Ajustamos a una ecuación cúbica:

Ramirez Quispe, Robert Marlindo. 10 Estadı́stica Aplicada a la Investigación C.

Unidad de Post Grado de la Facultad de Ciencias de Ingenierı́a Maestrı́a en Planificación
Estratégica y Gestión de Proyectos de Ingenierı́a
   
1 280 770
   
1 284 800
   
   
1 292 840
   
   
1 295 810
   
[X] =   [Y ] =  
1 298 735
   
   
1 305 640
   
   
1 308 590
   
   
1 315 560

Para obtener los coeficientes: [C] = (T RN ([X]) ∗ [X])−1 T RN ([X]) ∗ [Y ] donde:

T RN ([X]) es la traspuesta de la matriz [X], y la matriz [C] son los coeficientes
de la ecuación.
 
2984.285268
[C] =  
−7.62695924873

y = a 0 + a1 x

y = 2984.285268 − 7.62695924873x∗∗

3..5. Muestre los valores de t de los coeficientes obtenidos (intercepto y respuesta

lineal) con la significación respectiva.

Variable t Pr >t
Intercepto 5.17 0.0021
X -3.93 0.0077

3..6. Presentar el análisis de variancia de la regresión lineal.

FV GL SC CM F Pr >F
Tratamiento 1 57989 57989 15.46 0.0077
Error 6 22508 3751.35841
Total 7 80497

Ramirez Quispe, Robert Marlindo. 11 Estadı́stica Aplicada a la Investigación C.

Unidad de Post Grado de la Facultad de Ciencias de Ingenierı́a Maestrı́a en Planificación
Estratégica y Gestión de Proyectos de Ingenierı́a

3..7. Muestre el valor de la prueba de significación de la regresión e interprete.

Es 0.0077 el grado de asociación es significativa a un nivel de confianza 1 %

En la siguiente página se muestra código fuente realizado en Lenguaje C de una forma

nativa, para poder automatizar para cualquier grado de polinomio de regresión polinómica .

Ramirez Quispe, Robert Marlindo. 12 Estadı́stica Aplicada a la Investigación C.

 !!
" #$% & '$ # ( ) !!
* +$, ## + - . / 0 !!
1 ) $ -2 34 5 !!
6 )& , $ 7 !!
8 9 : ) 7; !!
< + )$%=$ + 5 ; 5 ) > ? - !!
@ >$)A @ @8 @ 8 ++ !!
#& & : % A : !!

BC
" D
* E
1 0 FGH D 8@/ 8"/ < / <*/ <8/ @*/ @8/ *IE
6 0 JGH D66@/ 8@@/ 8"@/ 8 @/ 6 */ 1"@/ *<@/ *1@IE
8 E K E
< E
@ - ;BFC 8E
0 G K HG K HE
0 )G K HG HE
9/'/L/2E
" 0 / ; / M/ NE
* M / M;E
1 M; @E
6 ; B9 @E9 E9KKC
8 D
< M M;E
@ ; B' @E' E'KKC
D
M @E
; BL @EL ELKKC
" D
* ;B M O @C
1 D
6 FGLHE
8 ; B2 @E2 M P E2KKC
< D
"@ QFGLHE
" I
" I
"
"" D
"* 5@E
"1 I
"6 M MK E
"8 I
"< G9HG'H ME
*@
* M M K E
* I
* M;
M;K E
*" I
** M; @E
*1 ; B' @E' E'KKC
*6 D
*8 N @E
*< ; B9 @E9 E9KKC
1@ D
1 ;B M;O @C
1 D
1 FG9HE
1" ; B2 @E2 M;P E2KKC
1* D
11 QFG9HE
16 I
18 I
1<
6@ D
6 5@E
6 I
6 N NKJG9HQ E
6" I
6* )G'HG@H NE
61 M; M;K E
66 I
68 0 G HG HE
6< ; B9 @E9 E9KKC
8@ D
8 ; B' @E' E'KKC
8 D
8 G9HG'H G9HG'HE
8" I
8* I
81 0 /; E
86 0 9+G HG HE
88 ; B9 @E9 E9KKC
8< D
<@ ; B' @E' E'KKC
< D
< ;B9 'C
< D 9+G9HG'H E I
<"
<* D 9+G9HG'H @E I
<1 I
<6 I
<8 0 G H/ 9+G HE
<<
@@ ; B9 @E9 E9KKC
@ D
@ G9HG9HE
@ ; B' @E' E'KKC
@" D
@* G'H G9HG'H E
@1 9+G'H 9+G9HG'H E
@6 G9HG'H G9HG'H E
@8 9+G9HG'H 9+G9HG'H E
@< I
@
; B' @E' E'KKC
D
; G'HG9HE
" ;B9 'C
* D
1 ; BL @EL ELKKC