Correlación, Series de Tiempo, Distribución Normal y Análisis de Varianza.

Índice
1.- Introducción………………………………………………………………………1
2.- MINITAB……………………………………………………………………………1
3.- Correlación………………………………………………………………………..2
4.- Series de Tiempo……………………………………………………………….17
5.- Distribución Normal……………………………………………………………42
6.- ANOVA……………………………………………………………………………54
7.- Bibliografía………………………………………………………………………75

1. Introducción.

Este manual contiene el concepto, aplicación y ejecución en el sistema Minitab versión

15, de los temas de Correlación, Series de Tiempo, Distribución Normal y Análisis de
Varianza (ANOVA).

2.- MINITAB

Minitab (MINITAB ® es marca registrada de Minitab Inc.) es un programa de computadora

diseñado para ejecutar funciones estadísticas básicas y avanzadas. Combina lo amigable del
uso de Microsoft Excel con la capacidad de ejecución de análisis estadísticos

Minitab pone a tu disposición las herramientas necesarias para analizar tus datos y tomar
decisiones con dichos datos para mejorar tus negocios. Minitab es una herramienta poderosa y
fácil de usar, enfocada al análisis de datos complejos y a la identificación y resolución de
problemas relativos a procesos, por ello Minitab se ha convertido en un instrumento fundamental
para todas aquellas compañías con procesos productivos que requieren de un software de
análisis para poder controlar fácilmente esos procesos o mejorar el rendimiento de sus cadenas
de producción.

Minitab Statistical incluye cerca de 50 nuevas características con cambios mínimos en el interfaz,
haciendo que el programa siga siendo igual de fácil de usar que en versiones anteriores.

Algunas de las novedades más interesantes son:

• Puedes asignar formulas a las columnas en la hoja de trabajo.
• Dibujo de graficas de probabilidad y distribución.
• Y más.

2.1 Características principales de MINITAB.

Minitab cuenta entre otros, con los siguientes procedimientos estadísticos:

Estadística básica y avanzada:
• Importación, exportación y manipulación de datos
• Lenguaje de macros.
• Regresión y ANOVA
• SPC
• DOE - Diseño de experimentos
• Gage R&R
• Análisis de Confiabilidad
• Tamaño de muestra y capacidad
• Series de tiempo y predicción

1
3.- Correlación.

Correlación.
El objetivo de esta sesión es analizar el grado de la relación existente entre variables utilizando
modelos matemáticos y representaciones gráficas. Así pues, para representar la relación entre
dos o más variables desarrollaremos una ecuación que permitirá estimar una variable en función
de la otra.

Por ejemplo:
• ¿En qué medida, un aumento de los gastos en publicidad hace aumentar las ventas de
un determinado producto?
• ¿Cómo representamos que la bajada de temperaturas implica un aumento del consumo
de la calefacción?

A continuación, estudiaremos dicho grado de relación entre dos variables en lo que llamaremos
análisis de correlación.

3.1 Análisis de correlación:

Es la herramienta estadística que podemos usar para describir el grado hasta el cual una
variable está linealmente relacionada con otra.

Mide el grado de asociación entre 2 variables.

Los estadísticos han desarrollado dos medidas para describir la correlación entre 2 variables:

a) El coeficiente de determinación.
b) El coeficiente de correlación.

La introducción de estas dos medidas es el propósito de esta sección.

3.2 Coeficiente de determinación.

Es la principal forma en que podemos medir la extensión o fuerza de la asociación que existe
entre 2 variables, X y Y.
Como hemos usado una muestra de puntos para desarrollar líneas de regresión, nos
referiremos a esta medida como el coeficiente de determinación de muestra.

Se desarrolla de la relación entre 2 tipos de variación:

La variación de los valores Y en un conjunto de datos alrededor de:

1. La línea de regresión ajustada = Σ(Y-Y)²

_
2. Su propia media = Σ(Y-Y)²

El coeficiente de determinación se simboliza:

2
3.3 Una interpretación intuitiva de r²
Revisaremos las 2 formas extremas en las que las variables X y Y pueden relacionarse. En este
ejemplo cada valor observado de Y cae en la línea de estimación, como se ve en la tabla esta
es una correlación perfecta.

La ecuación de estimación apropiada para este caso es fácil de determinar. Puesto que la línea
de regresión pasa a través del origen, sabemos que la intersección Y es cero; y puesto que Y
se incrementa en 4 cada vez que X se incrementa en 1, la pendiente debe ser igual a 4.

La línea de regresión es:

Para determinar el coeficiente de determinación de muestra para la línea de regresión, primero

calculamos el numerador de la fracción en la ecuación de r².

Variación de los valores de Y alrededor de la línea de regresión =

Como cada valor de Y está sobre la línea de regresión la diferencia es 0 Σ(0)² = 0

3
Sustituimos los valores en la fórmula encontramos que el coeficiente de determinación de
muestra es igual a + 1

De hecho r² es igual a +1 siempre que la línea de regresión sea un estimador perfecto.

Una segunda forma extrema en la que las variables X y Y pueden relacionarse es aquella en
que los puntos podrían caer a distancias iguales en ambos lados de una línea de regresión
horizontal. A continuación mostramos la gráfica:

4
Sustituimos los valores en la fórmula encontramos que el coeficiente de determinación de
muestra es igual a 0

Por lo tanto el valor de r² es cero cuando no hay correlación.

Un r² cercano a 1 indica una fuerte correlación entre X y Y.
Un r² cercano a 0 indica que existe poca correlación entre X y Y.

5
Se debe subrayar fuertemente que r² mide solo la fuerza de una relación lineal entre 2
variables. Por ejemplo, si tuviéramos muchos puntos X y Y y todos cayeran en la circunferencia
de un círculo, aunque dispersos aleatoriamente, claramente habría una relación entre estos
puntos. (todos caen en el mismo círculo),
Pero si calculamos r² resultaría estar cerca de 0, porque los puntos no tienen una relación lineal
entre sí.

Para evitar estos cálculos, los estadísticos han desarrollado una versión de atajo, usando los
valores que habríamos determinado de antemano en el análisis de regresión. La fórmula es:

Para ver que esta fórmula es un atajo, la aplicaremos a nuestra anterior regresión que relaciona
los gastos de inversión y desarrollo con las ganancias. Recuerde que cuando encontramos los
valores para a y b la línea de regresión para este problema es:

6
3,600 + 2,000 – 5,400
= -------------------------------
5,642 – 5,400

200
= ------ = 0.826 Coeficiente de determinación de muestra
242

Por tanto, podemos concluir que la variación en los gastos de investigación y desarrollo
(la variable independiente X) explica 82.6 % de la variación en las ganancias anuales (la
variable dependiente Y)

3.4 Coeficiente de correlación.

Es la segunda medida que podemos usar para describir que tan bien una variable es explicada
por otra.
Cuando tratamos con muestras el coeficiente de correlación de muestra se denota como r y es la
raíz cuadrada del coeficiente de determinación de muestra: r = √r²
Cuando la pendiente de la ecuación de estimación es positiva, r es la raíz cuadrada positiva,
pero si b es negativa, r es la √ negativa.

El signo de r indica la dirección de la relación entre las dos variables X y Y.

Diversas características de r, el coeficiente de correlación de muestra

7
En el problema anterior encontramos que el Coeficiente de determinación de muestra es
r² = 0.826, para encontrar r sustituimos este valor en la ecuación:

r = √r²
= √0.826
= 0.909 Coeficiente de correlación de muestra

La relación entre las dos variables es directa y la pendiente es positiva, por tanto el signo
de r es positivo.

Supongamos que la cantidad gastada en boletos de cine correlaciona 0.6 con el ingreso familiar.
A primera vista, 0.6 parece ser una correlación bastante fuerte ya que esta más cerca de 1 que
de 0. Pero esto explica sólo el 36% (0.6 x 0.6 = 0.36) de la variación en la cantidad de dinero
que las familias gastan en películas. Esto sugiere que una estrategia de comercialización
diseñada para atraer familias con altos ingresos pasaría por alto una gran cantidad de clientes
potenciales.

3.5 Desarrollo en Minitab: CORRELACION

1.- Abrir el Minitab.
2.- Introducir los datos en la hoja de trabajo

8
3.- Colocarse en el siguiente Menú y opción:

Stat
Basic Statistics
Correlation

9
4.- Seleccionar las variables a correlacionar:
Gastos y Ganancias dando clic en cada una hasta que aparezcan en el recuadro de
variables, posteriormente dar clic en el botón OK.

5.- Minitab calcula el resultado utilizando la Correlación de Pearson.

Donde en este caso tenemos una correlación de .909 que como se explicó anteriormente
nos indica que los Gastos de Investigación y las ganancias están correlacionados.

El p-value (valor de probabilidad) nos indica la siguiente hipótesis:

Ho: cuando p-value > 0.05

H1: cuando p-value < 0.05

10
3.6 DIAGRAMA DE DISPERSION.
1. Para generar el diagrama de dispersión:
Colocarse en el siguiente Menú y opción:

Graph
Scatterplot

2.- Seleccione la opción Con Regresión. (With Regression) y dar clic en OK

11
3. Seleccionar las variables de Gastos y Ganancias con un clic.

y posteriormente clic en OK para obtener la siguiente gráfica de dispersión:

12
3.7 LINEA DE REGRESION Y ECUACION DE REGRESION.
1.- Para generar el diagrama de dispersión con la línea de regresión y la ecuación de
regresión: Colocarse en el siguiente Menú y opción:
Stat
Regression
Fitted Line Plot…

13
2.- Seleccionar las variables Y y X y clic OK.

Se desplegará la siguiente gráfica que representa la función Y = 20 + 2X

14
3.8 Desarrollo de un Caso.
Una agencia de Viajes desea saber la relación que hay entre las ventas, el presupuesto
destinado a publicidad, y las comisiones de los vendedores para esto presenta los siguientes
datos. Realice los análisis respectivos.

ANÁLISIS DE DATOS:
Se van a utilizar las siguientes variables:

Variables Independientes:
1.- Gastos de Publicidad
2.- Comisión de vendedores
Variable dependiente:
- Ventas

De acuerdo a los cuadros podemos decir:

- La variable que más relación tiene con la
Variable Dependiente es decir las ventas es
la variable Gastos de Publicidad
- En cuanto a la variable Comisiones de
vendedores podemos decir que no tiene
relación relevante con las Ventas.

La variable que más relación tiene con las ventas es la variable Gastos de Publicidad.

15
- En cuanto a la variable Comisiones de vendedores podemos decir que no tiene relación
relevante con las Ventas:

16
4.- Series de Tiempo en Minitab.

CONCEPTOS BASICOS DE SERIES DE TIEMPO

4.1 INTRODUCCIÓN

Toda institución, ya sea la familia, la empresa o el gobierno, tiene que hacer planes para el futuro
si ha de sobrevivir y progresar. Hoy en día diversas instituciones requieren conocer el
comportamiento futuro de ciertos fenómenos con el fin de planificar, prever o prevenir.

La planificación racional exige prever los sucesos del futuro que probablemente vayan a ocurrir.
La previsión, a su vez, se suele basar en lo que ha ocurrido en el pasado. Se tiene pues un
nuevo tipo de inferencia estadística que se hace acerca del futuro de alguna variable o
compuesto de variables basándose en sucesos pasados. La técnica más importante para hacer
inferencias sobre el futuro con base en lo ocurrido en el pasado, es el análisis de series de
tiempo.

Son innumerables las aplicaciones que se pueden citar, en distintas áreas del conocimiento,
tales como, en economía, física, geofísica, química, electricidad, en demografía, en marketing,
en telecomunicaciones, en transporte, etc.

Series De Tiempo Ejemplos

- Precios de un artículo
- Tasas de desempleo
1. Series económicas: - Tasa de inflación
- Índice de precios, etc.
- Meteorología
- Cantidad de agua caída
2. Series Físicas: - Temperatura máxima diaria
- Velocidad del viento (energía eólica)
- Energía solar, etc.
3. Geofísica: - Series sismologías

- Tasas de crecimiento de la población

4. Series demográficas: - Tasa de natalidad, mortalidad
- Resultados de censos poblacionales
5. Series de marketing: - Series de demanda, gastos, ofertas

6. Series de telecomunicación: - Análisis de señales

7. Series de transporte: - Series de tráfico

Uno de los problemas que intenta resolver las series de tiempo es el de predicción. Esto es
dado una serie {x(t1),...,x(tn)} nuestros objetivos de interés son describir el comportamiento de la
serie, investigar el mecanismo generador de la serie temporal, buscar posibles patrones
temporales que permitan sobrepasar la incertidumbre del futuro.

En adelante se estudiará como construir un modelo para explicar la estructura y prever la

evolución de una variable que observamos a lo largo del tiempo. La variables de interés puede
ser macroeconómica (índice de precios al consumo, demanda de electricidad, series de
exportaciones o importaciones, etc.), macroeconómica (ventas de una empresa, existencias en
un almacén, gastos en publicidad de un sector), física (velocidad del viento en una central eólica,

17
temperatura en un proceso, caudal de un río, concentración en la atmósfera de un agente
contaminante), o social (número de nacimientos, matrimonios, defunciones, o votos a un partido
político).

4.2 DEFINICIÓN DE SERIE DE TIEMPO

En muchas áreas del conocimiento las observaciones de interés son obtenidas en instantes
sucesivos del tiempo, por ejemplo, a cada hora, durante 24 horas, mensuales, trimestrales,
semestrales o bien registradas por algún equipo en forma continua.

Llamamos Serie de Tiempo a un conjunto de mediciones de cierto fenómeno o experimento

registradas secuencialmente en el tiempo. Estas observaciones serán denotadas por {x(t1),
x(t2), ..., x(tn)} = {x(t) : t ∈ T ⊆ R} con x(ti) el valor de la variable x en el instante ti. Si T = Z se dice
que la serie de tiempo es discreta y si T = R se dice que la serie de tiempo es continua. Cuando
ti+1 - ti = k para todo i = 1,...,n-1, se dice que la serie es equiespaciada, en caso contrario será no
equiespaciada.

En adelante se trabajará con series de tiempo discreta, equiespaciadas en cuyo caso

asumiremos y sin perdida de generalidad que: {x(t1), x(t2), ..., x(tn)}= {x(1), x(2), ..., x(n)}.

Hay cuatro tipos de cambio o variación implicados en el análisis de series temporales, estos son:
1. Tendencia Secular.
2. Fluctuación Cíclica.
3. Variación temporal o estacional.
4. Variación irregular.

Tendencia Secular:
El valor de la variable tiende a aumentar o disminuir en un periodo muy largo. El incremento
estable en los costos de vida registrados en el Indice de Precios al Consumidor (IPC) es un
ejemplo de tendencia secular.

Fluctuación Cíclica:
El ejemplo más común de fluctuación cíclica es el ciclo de negocios. A través del tiempo, hay
años en que el ciclo de negocios llega a un pico por encima de la línea de tendencia. En otros
tiempos, la actividad de los negocios parece caer, llegando a un punto bajo la línea de
tendencia. El tiempo que transcurre entre picos o puntos bajos es de al menos 1 año y puede
llegar a durar hasta 15 o 20 años. (Automóviles, celulares)

18
Variación temporal:
Este tipo de variación implica patrones de cambio en el lapso de un año que tienden a repetirse
anualmente. Ejemplo, la gripa en invierno, la fiebre en verano.

Variación Irregular:
El valor de una variable puede ser completamente impredecible, es decir, cambia de manera
aleatoria. Ejemplo: Conflictos a nivel mundial, como los efectos del conflicto en el Medio Oriente
en 1973, la situación en Irán en 1979-1981, el colapso de la OPEP en 1986 y la situación en
Irak en 1990 sobre los precios de la gasolina en Estados Unidos son ejemplos de variación
irregular.

19
4.3 PRIMER PASO AL ANALIZAR CUALQUIER SERIE DE TIEMPO

El primer paso en el análisis de series de tiempo, consiste en graficar la serie. Esto nos permite
detectar las componentes esenciales de la serie.

El gráfico de la serie permitirá:

a) Detectar Outlier: se refiere a puntos de la serie que se escapan de lo normal. Un outliers es

una observación de la serie que corresponde a un comportamiento anormal del fenómeno (sin
incidencias futuras) o a un error de medición.

Se debe determinar desde fuera si un punto dado es outlier o no. Si se concluye que lo es, se
debe omitir o reemplazar por otro valor antes de analizar la serie.

Por ejemplo, en un estudio de la producción diaria en una fábrica se presentó la siguiente

situación ver figura 1.1:

Figura 1.1
Los dos puntos enmarcados en un círculo parecen corresponder a un comportamiento anormal
de la serie. Al investigar estos dos puntos se vio que correspondían a dos días de paro, lo que
naturalmente afectó la producción en esos días. El problema fue solucionado eliminando las
observaciones e interpolando.

b) Permite detectar tendencia: la tendencia representa el comportamiento predominante de la

serie. Esta puede ser definida vagamente como el cambio de la media a lo largo de un periodo
(ver figura 1.2).

Figura 1.2

c) Variación estacional: la variación estacional representa un movimiento periódico de la serie

de tiempo. La duración de la unidad del periodo es generalmente menor que un año. Puede ser
un trimestre, un mes o un día, etc (ver figura 1.3).

Matemáticamente, podemos decir que la serie representa variación estacional si existe un

número s tal que x(t) = x(t + k⋅s).

Las principales fuerzas que causan una variación estacional son las condiciones del tiempo,
como por ejemplo:

20
 1) en invierno las ventas de helado
2) en verano la venta de lana
3) exportación de fruta en marzo.
Todos estos fenómenos presentan un comportamiento estacional (anual, semanal, etc.)

Figura 1.3
d) Variaciones irregulares (componente aleatoria): los movimientos irregulares (al azar)
representan todos los tipos de movimientos de una serie de tiempo que no sea tendencia,
variaciones estacionales y fluctuaciones cíclicas.

Ejemplo:
A continuación presentamos los datos que describen el índice de contaminación del aire (en
partículas por millón en el aire) de una ciudad de occidente.
Año 1997 1982 1987 1992
Indice de contaminación 220 350 800 2450

Representaremos los datos gráficamente en Minitab, obtendremos la tendencia, la ecuación

lineal y el pronóstico para los siguientes 10 años.

4.4 Desarrollo en Minitab: SERIES DE TIEMPO.

1.- Abrir Minitab.
2.- Introducir los datos a la hoja de trabajo de Minitab.

21
3.- Seleccionar: Stat
Time Series
Time Series Plot

4.- Clic en Simple

22
Clic OK
5.- Con un clic seleccionamos la columna con los datos de la serie de tiempo.
(El Índice de contaminación)

6.- Clic en Time/Scale… para ajustar la escala de tiempo

Clic en Calendar, Seleccionamos Year.

Iniciamos en el año 1977 con incrementos de 5 años, por eso introducimos 5 en Data Increment.
Clic OK

23
7.- Minitab despliega la serie de tiempo del Índice de contaminación.

24
Para obtener la gráfica de tendencia y la ecuación lineal favor de seguir los siguientes
pasos:
1.- Seleccionar: Stat
Time Series
Trend Analysis.

2.- En la ventana Trend Analysis seleccionamos con un clic la variable, dejamos el Model Type
como Linear

25
3.- Clic en Time para ajustar la escala de tiempo

Clic OK

4.- Clic Ok en la ventana Trend Analysis para obtener la gráfica de tendencia y el modelo
de tendencia lineal.

26
5.- Para generar pronósticos, Clic en Generate forecast.
En este caso buscamos 2 pronósticos, teclear 2 en Number of forecast.

Clic OK
6.- Minitab despliega la gráfica de la tendencia incluyendo los pronósticos.

27
4.5. MODELOS CLASICOS DE SERIES DE TIEMPO
4.5.1 MODELOS DE DESCOMPOSICIÓN

Un modelo clásico para una serie de tiempo, supone que una serie x(1), ..., x(n) puede ser
expresada como suma o producto de tres componentes: tendencia, estacionalidad y un término
de error aleatorio.

Existen tres modelos de series de tiempos, que generalmente se aceptan como buenas
aproximaciones a las verdaderas relaciones, entre los componentes de los datos observados.
Estos son:

1. Aditivo: X(t) = T(t) + E(t) + A(t)

2. Multiplicativo: X(t) = T(t) · E(t) · A(t)

3. Mixto: X(t) = T(t) · E(t) + A(t)

Donde:
X(t) serie observada en instante t

T(t) componente de tendencia

E(t) componente estacional
A(t) componente aleatoria (accidental)

Una suposición usual es que A(t) sea una componente aleatoria o ruido blanco con media cero y
varianza constante.

Un modelo aditivo (1), es adecuado, por ejemplo, cuando E(t) no depende de otras
componentes, como T(t), sí por el contrario la estacionalidad varía con la tendencia, el modelo
más adecuado es un modelo multiplicativo (2). Es claro que el modelo 2 puede ser transformado
en aditivo, tomando logaritmos. El problema que se presenta, es modelar adecuadamente las
componentes de la serie.

La figura 2.1 ilustra posibles patrones que podrían seguir series representadas por los modelos
(1), (2) y (3).

Figura 2.1

4.6 ESTIMACIÓN DE LA TENDENCIA

Supondremos aquí que la componente estacional E(t) no está presente y que el modelo aditivo
es adecuado, esto es:

X(t) = T(t) + A(t), donde A(t) es ruido blanco.

Hay varios métodos para estimar T(t). Los más utilizados consisten en:

28
1) 1) Ajustar una función del tiempo, como un polinomio, una exponencial u otra función
suave de t.
2) 2) Suavizar (o filtrar) los valores de la serie.
3) 3) Utilizar diferencias.

4.6.1 AJUSTE DE UNA FUNCIÓN

Los siguientes gráficos ilustran algunas de las formas de estas curvas.

3. T(t) = a + b ebt
bt
1.T(t) = a + bt (Lineal) 2.T(t) = a e (Exponencial) (Exponencial modificada)

4.T(t) = β0 + β1t ,...,+ βmt

m
5.T(t) = exp(a + b(rt)) 1
(Polinomial) (Gompertz 0 < r < 1) , 0 < r <1
6. T(t) = a + b ( r t
)
(Logística)

Nota:
i. La curva de tendencia debe cubrir un periodo relativamente largo para ser una buena
representación de la tendencia a largo plazo.
ii. La tendencia rectilínea y exponencial son aplicable a corto plazo, puesto que una curva S a
largo plazo puede parecer una recta en un período restringido de tiempo (por ejemplo).

Figura 2.2

En la figura 2.2 ambas curvas (recta y Gompertz) ajustan bien pero las proyecciones divergen
enormemente a largo plazo.

29
Ejemplo 1: En la tabla 2.1 se presentan los datos trimestrales de unidades habitacionales
iniciadas en los Estados Unidos desde el tercer trimestre de 1964 hasta el segundo trimestre de
1972 [1]. (Es necesario advertir que para el análisis de tendencia el periodo que se considera
debería ser más largo. Sin embargo, ya que el propósito principal es el de ilustrar el método de
descomposición y las técnicas para inferir partiendo de los elementos así descompuestos, la
insuficiencia de los datos no tiene por qué interesar.)

Tabla 2.1: Nuevas unidades habitacionales comenzadas en los Estados Unidos del tercer
trimestre de 1964 al segundo trimestre de 1972 (en miles de unidades).

Año I II III IV Total Anual

1964 398 352
1965 283 454 392 345 1,474
1966 274 392 290 210 1,166
1967 218 382 382 340 1,322
1968 298 452 423 372 1,545
1969 336 468 387 309 1,500
1970 264 399 408 396 1,467
1971 389 604 579 513 2,085
1972 510 661
Fuente: U.S. Department of Comerse, Survey of Current Bussiness.

Sea t cada uno de los 32 trimestres que van de 1964 a 1972, o sea que t = 1 para el tercer
trimestre de 1964, t = 2 para el cuarto trimestre, y así sucesivamente. Así que el dominio de
definición de t es el conjunto de los enteros de 1 a 32 inclusive. Sea T(t) las iniciaciones de
viviendas trimestralmente. Los valores de t y T(t) se dan en la tabla 2.2. Para calcular los
valores de a y de b en la recta de tendencia: T(t) = a + bt

Se obtienen las siguientes cifras a partir de los datos de la tabla 2.1.

Tabla 2.2: Cálculo de la tendencia de las viviendas comenzadas en los Estados Unidos del
tercer trimestre de 1964 al segundo trimestre de 1972

Año trimestre t T(t) Tendencia

1964: 3 1 398 291,73
4 2 352 298,07
1965: 1 3 283 304,41
2 4 454 310,75
3 5 392 317,09
4 6 345 323,43
1966: 1 7 274 329,77
2 8 392 336,11
3 9 290 342,45
4 10 210 348,79
1967: 1 11 218 355,13
2 12 382 361,47
3 13 382 367,81
4 14 340 374,15
1968: 1 15 298 380,49
2 16 452 386,83
3 17 423 393,17
4 18 372 399,51

30
 1969: 1 19 336 405,85
2 20 468 412,19
3 21 387 418,53
4 22 309 424,87
1970: 1 23 264 431,21
2 24 399 437,55
3 25 408 443,89
4 26 396 450,23
1971: 1 27 389 456,57
2 28 604 462,91
3 29 579 469,25
4 30 513 475,59
1972: 1 31 510 481,93
2 32 661 488,27

Entonces, la recta de tendencia es:

T(t) = 285,39 + 6,34⋅ t

La figura 2.3 muestra gráficamente la recta de tendencia ajustada a los datos trimestrales de la
tabla 2.2. La recta de trazos después de 1972 representa proyecciones (ver sección 3
Predicciones).

Figura 2.3

4.7 Desarrollo en Minitab: ANALISIS DE TENDENCIA

1.- Abrir Minitab.
2.- Copiar los datos a la hoja de trabajo de Minitab.

31
3.- Seleccionar: Stat
Time Series
Trend Analysis.

4.- En la ventana Trend Analysis seleccionamos con un clic la variable, dejamos el Model Type
como Linear y clic OK

32
5. Minitab despliega la siguiente gráfica, que como podemos observar es similar a la presentada
en el desarrollo del ejercicio.

6.- Si deseamos obtener 4 graficas en una sola ventana,

seleccionar la opción Graphs…

33
Clic en Four in one.

Clic OK

Minitab despliega la siguiente gráfica.

34
4.8 SUAVIZAMIENTO. FILTROS LINEALES
Una forma de visualizar la tendencia, es mediante suavizamiento de la serie. La idea central es
definir a partir de la serie observada un nueva serie que suaviza los efectos ajenos a la tendencia
(estacionalidad, efectos aleatorios), de manera que podamos determinar la dirección de la
tendencia (ver figura 2.4).

Figura 2.4

Lo que hacemos es usar una expresión lineal que transforma la serie X(t) en una serie suavizada
Z(t): Z(t) = F(X(t)), t = 1,...,n

F
X(t) Z(t)

de tal modo que F(X(t)) = T(t). La función F se denomina Filtro Lineal. El filtro lineal más usado
es el promedio móvil.
2.2.2.1 PROMEDIOS MÓVILES

El objetivo es eliminar de la serie las componentes estacionales y accidentales. Para una serie
mensual con estacionalidad anual (s = 12), la serie suavizada se obtiene,

1 Z ( k − 6) + Z ( k − 5) + Κ + Z (k + 5) + 1 2 Z ( k + 6)
Z (k ) = 2
, 7≤ k ≤ n−6
12 (1)

Para una serie trimestral, con estacionalidad anual (s = 4), la serie suavizada está dada por

1 Z ( k − 2) + Z ( k − 1) + Z ( k ) + Z ( k + 1) + 1 2 Z ( k + 2)
Z (k ) = 2
, 3≤ k ≤ n−2
4 (2)

A este procedimiento se les llama: filtro simétrico finito.

Nota: se suaviza cuando existen muchos cambios bruscos, movimientos irregulares.

35
Ejemplo 2: A partir de los datos del ejemplo1, se calcula un promedio móvil sumando los valores
para un cierto número de periodos sucesivos y dividiendo luego la suma así obtenida por el
número de períodos abarcados. En este caso se trata de una serie trimestral y para ello se
ocupa la fórmula (2).

Tabla 2.3: Cálculo del Promedio Móvil centrado de cuatro trimestres de las iniciaciones de
viviendas en los EEUU, tercer trimestre 1964 a segundo trimestre de 1972 (en miles de
unidades)
Promedio Móvil
Año por Datos Total Móvil en Promedio Móvil de Centrado de cuatro
trimestre Originales Y cuatro trimestres cuatro trimestres trimestres
(1) (2) (3) (4) (5)
1964: 3 398
4 352
1965: 1 283 1.487 372 371
2 454 1.481 370 369
3 392 1.474 369 367
4 345 1.465 366 359
1966: 1 274 1.403 351 338
2 392 1.301 325 308
3 290 1.166 292 285
4 210 1.110 278 276
1967: 1 218 1.100 275 287
2 382 1.192 298 314
3 382 1.322 331 341
4 340 1.402 351 359
1968: 1 298 1.472 368 373
2 452 1.513 378 382
3 423 1.545 386 391
4 372 1.583 396 398
1969: 1 336 1.599 400 395
2 468 1.563 391 383
3 387 1.500 375 366
4 309 1.428 357 348
1970: 1 264 1.359 340 342
2 399 1.380 345 356
3 408 1.467 367 382
4 396 1.592 398 424
1971: 1 389 1.797 449 471
2 604 1.968 492 507
3 579 2.085 521 536
4 513 2.206 552 559
1972: 1 510 2.263 566
2 661

En la tabla 2.3, por ejemplo, el promedio móvil de cuatro trimestres para el primer trimestre de
1965 se obtiene sumando los valores del tercer y cuarto trimestres de 1964 y el primero y
segundo trimestres de 1965 y dividiendo luego la suma por 4. El promedio para el segundo
trimestre de 1965 se obtiene sumando los valores del cuarto trimestre de 1964 con los del
primero, segundo y tercer trimestres de 1965 y luego dividiendo la suma por 4. Así pues, para
cada promedio sucesivo, se resta el trimestre que viene primero y se suma el último siguiente.

36
La columna 4 de la tabla 2.3 muestra los promedios móviles de cuatro trimestres obtenidos,
partiendo de los datos iniciaciones de viviendas para el 1964 a 1972. El promedio móvil no
elimina las fluctuaciones muy acentuadas de la serie, pero reduce sustancialmente la amplitud
de las variaciones de los datos originales.
Si en el cálculo de un promedio móvil entra un número impar de períodos, el proceso será más
sencillo puesto que el número de períodos antes y después del período para el cual se calcula el
promedio son iguales. Si el número de periodos es par, como en este ejemplo, no se puede
utilizar el mismo número de períodos antes y después de un periodo especificado. Por tanto, el
promedio móvil ha de quedar a mitad de camino entre los valores de dos períodos consecutivos
y no se relaciona con ningún período. Este problema se puede resolver calculando un promedio
móvil centrado en la serie, lo cual se logra obteniendo primero un promedio móvil centrado de
dos trimestres de los promedios móviles ya obtenidos. El primer promedio móvil centrado es la
media de los dos primeros promedios móviles de cuatro trimestres, el segundo promedio móvil
centrado es la media de los promedios móviles de cuatro trimestres segundo y tercero, etc. De
esta manera, habrá un número igual de períodos después y antes del periodo especificado para
el cual se está calculando el promedio móvil centrado. Los promedios móviles centrados se ven
en la columna 5 de la tabla 2.3.

+ 352 + 283+4454 + 392

398 + 352 + 283 + 454
Z (3) = 4

2
398 + 2 * (352 + 283 + 454) + 392
Z (3) =
4 * ( 2)

Según la fórmula 2, el cálculo sería el siguiente:

1Z (1) + Z (2) + Z (3) + Z (4) + 12 Z (5)

Z (3) = 2

4
398
+ 352 + 283 + 454 + 392
Z (3) = 2 2
= 371
4
Este valor corresponde al Promedio Móvil Centrado que se muestra en la columna 5.

La figura 2.5 muestra gráficamente el ajuste por a través del promedio móvil, según tabla 2.3,
donde el segmento negro representa la serie original y el segmento azul la serie suavizada.

Figura 2.5

37
4.9 Desarrollo en Minitab: PROMEDIOS MOVILES.
1.- Abrir Minitab.

2.- Copiar los datos a la hoja de trabajo de Minitab:

38
3.- Seleccionar: Stat
Time Series
Moving Average...

39
4.- Seleccionar con un clic la variable con las series de tiempo y colocar la MA length.
En este caso es igual a 4 (4 trimestres por año). Clic OK

5.- Minitab despliega la gráfica con el promedio móvil.

40
4.10 Resumen
Se llama Serie de Tiempo, a un conjunto de mediciones de cierto fenómeno o experimento
registradas secuencialmente en el tiempo, por ejemplo a cada hora, mensualmente,
trimestralmente, semestralmente, etc.. En este apunte se trabajó con series de tiempo discreto,
equiespaciadas en cuyo caso se asume que: : {x(t1), x(t2), ..., x(tn)}= {x(1), x(2), ..., x(n)}. Debido
al carácter introductorio se restringió al caso de series de tiempo univariadas.

Al analizar una serie de tiempo, lo primero que se debe hacer es graficar la serie. Esto nos
permite detectar las componentes esenciales de la serie. El gráfico de la serie permitirá: detectar
Outlier, detectar tendencias, variación estacional, variaciones irregulares (o componente
aleatoria).

Un modelo clásico para una serie de tiempo, puede ser expresada como suma o producto de
tres componentes: tendencia, estacional y un término de error aleatorio. Existen tres modelos de
series de tiempos. Estos son:

1. Aditivo: X(t) = T(t) + E(t) + A(t)

2. Multiplicativo: X(t) = T(t) · E(t) · A(t)
3. Mixto: X(t) = T(t) · E(t) + A(t)

Con el fin de obtener un modelo, es necesario estimar la tendencia y la estacionalidad. Para

estimar la tendencia, se supone que la componente estacional no está presente. La estimación
se logra al ajustar a una función de tiempo a un polinomio o suavizamiento de la serie a través
de los promedios móviles. Para estimar la estacionalidad se requiere haber decidido el modelo a
utilizar (mixto o aditivo). Una vez estimada la tendencia y la estacionalidad se esta en
condiciones de predecir.

Los métodos revisados en este apunte son de naturaleza descriptiva, por lo que el juicio y el
conocimiento del fenómeno juegan un rol importante en la selección del modelo.

Los métodos clásicos tienen la desventaja que se adaptan a través del tiempo, lo que implica
que el proceso de estimación debe volver a iniciarse frente al conocimiento de un nuevo dato.

41
5.- Distribución Normal.

La distribución de probabilidad normal ocupa un lugar prominente en la estadística por dos

razones:

1.- Tiene algunas propiedades que la hacen aplicable un gran número de situaciones en las que
es necesario hacer inferencias mediante la toma de muestras.

2.- La distribución normal casi se ajusta a las distribuciones de frecuencia reales observadas en
muchos fenómenos, incluyendo características humanas (pesos, altura, IQ, etc.), resultados de
procesos físicos (dimensiones y rendimientos) y muchas otras medidas de interés para los
administradores, tanto en el sector público como en el privado.

5.1 Características:
1.- La curva tiene un solo pico, por lo tanto se dice que es unimodal.

2.- La media, la mediana y la moda de los datos se encuentran en el centro de la curva y tienen
el mismo valor.

3.- Los dos extremos de la distribución normal de probabilidad se extienden indefinidamente y

nunca tocan el eje horizontal.

Nota:

La mayor parte de las poblaciones reales no se extienden de manera indefinida en ambas

direcciones, pero para estas poblaciones, la distribución normal es una aproximación
conveniente.

42
EN RESUMEN: LA CURVA DE DISTRIBUCION NORMAL:
1. ES UNIMODAL.
2. LA MAYOR CANTIDAD DE DATOS DE LA DISTRIBUCION CAE EN EL
CENTRO DE LA CURVA.
3. LA MEDIA, LA MEDIANA Y LA MODA SE ENCUENTRAN EN EL MISMO
PUNTO.
4. LOS DOS EXTREMOS DE LA DISTRIBUCION SE EXTIENDEN
INDEFINIDAMENTE.

Para definir, entender y aplicar una distribución normal de probabilidad es necesario conocer dos
parámetros:
• La media ( µ ): Es la suma de los datos divididos entre el número de datos.
• La desviación estándar(σ σ): Es la variación de los datos con respecto a la media (µ):

No importa cuales sean los valores de µ y s para una distribución de probabilidad normal, el
área total bajo la curva es 1.00, de manera que podemos pensar en áreas bajo la curva como si
fueran probabilidades.

43
En resumen: entre más grande es el valor de sigma (σ) el nivel de defectos permitido es menor.

Uso de la tabla de distribución de probabilidad normal estándar.

x = Valor de la variable aleatoria que nos preocupa.

µ = Media de la distribución de la variable aleatoria.
σ = Desviación estándar de la distribución.
z = Número de desviaciones estándar que hay desde x a la media de la distribución.

5.3 EJEMPLO:
Existe un programa de entrenamiento diseñado para mejorar la calidad de las habilidades de
supervisión de los supervisores de la línea de producción. Debido a que el programa es
autoadministrado, los supervisores requieren un número diferente de horas para terminarlo. Un
estudio de los participantes anteriores indica que el tiempo medio que se lleva completar el
programa es de 500 horas, y que esta variable aleatoria normalmente distribuida tiene una
desviación estándar de 100 horas.

44
¿Cuál es la probabilidad de que un participante elegido al azar requiera más de 500 horas para
completar el programa?

Respuesta:
La mitad del área bajo la curva
está localizada a ambos lados de
la media de 500 horas. Si la
probabilidad máxima de que un
evento ocurra es 1 y en este caso
nuestra media esta en 500 y ocupa
exactamente la mitad de nuestra
curva entonces la probabilidad
es la mitad de el área de la
curva, o sea 0.5

¿Cuál es la probabilidad de que un participante elegido al azar se tome entre 500 y 650 horas
para completar el programa de entrenamiento?

x = Valor de la variable
aleatoria que nos preocupa.
µ = Media de la distribución de
la variable aleatoria.
σ = Desviación estándar de la
distribución.
z = Número de desviaciones
estándar que hay desde x a la
media de la distribución.

Buscando en la tabla para distribuciones normales de probabilidad encontramos que para z = 1.5
la probabilidad es = 0.4332

45
5.4 Desarrollo en Minitab: DISTRIBUCION NORMAL

1.- Abrir el Minitab.

2.- Colocarse en el siguiente Menú y opción: Graph
Probability Distribution Plot

3.- Se despliega la ventana de Probability Distribution Plots:

Clic en View Probability

46
Clic OK

4.- Seleccionar Distribución Normal.

47
Introducir los valores de la Media (Mean) y la Desviación Estándar (Standard deviation)

5.- Clic en Shaded Area,

48
Seleccionar X Value, Clic en Middle y proporcionar los valores de X1 y X2

Clic OK

6.- Minitab despliega la gráfica de la distribución normal con el valor de la probabilidad

sombreado.

Como en el ejemplo anterior, tenemos que la probabilidad de que un participante elegido al

azar se tome entre 500 y 650 horas para completar el programa de entrenamiento es de .433

49
5.5 Desarrollo de un Caso.

Una empresa eléctrica fabrica focos que tienen una duración antes de fundirse, que se
distribuye normalmente con media igual a 820 horas y una desviación estándar de 42 horas.
Encuentre lo siguiente:

a) La probabilidad de que el foco se funda entre las 780 y 830 horas.

b) Que probabilidad hay de que un foco dure más de 850 horas.

c) Que probabilidad hay de que un foco dure entre 710 y 760 horas

50
1.- Abrir el Minitab.
2.- Colocarse en el siguiente Menú y opción: Graph
Probability Distribution Plot
3.- Clic en View Probability
4.- Seleccionar Distribución Normal.
Introducir la Media (Mean) y la Desviación Estándar (Standard deviation)

Clic en Shaded Area.

Seleccionar X Value,
Clic en Middle y proporcionar los valores de X1 y X2

Clic OK

51
 7. Minitab despliega la gráfica de la distribución normal con el valor de la probabilidad
sombreado 0.424 ó 42.4 % el mismo resultado que haciendo el ejercicio de forma manual.

De 820 (la media) a 855 tenemos una probabilidad de 0.298

52
Seleccionar Shaded Area y X Value y proporcionar los valores de X1 y X2

Minitab despliega la gráfica de la distribución normal con el valor de la probabilidad

sombreado: 0.0722 o 7.2 % el mismo resultado que haciendo el ejercicio de forma manual

53
6. Análisis de varianza

En estadística, análisis de varianza (ANOVA, según terminología inglesa) es una

colección de modelos estadísticos y sus procedimientos asociados. El análisis de varianza sirve
para comparar si los valores de un conjunto de datos numéricos son significativamente distintos
a los valores de otro o más conjuntos de datos. El procedimiento para comparar estos valores
está basado en la varianza global observada en los grupos de datos numéricos a comparar.
Típicamente, el análisis de varianza se utiliza para asociar una probabilidad a la conclusión de
que la media de un grupo de puntuaciones es distinta de la media de otro grupo de
puntuaciones. Permite probar la significancia de las diferencias entre más de dos medias
muestrales.

6.1 Situaciones en las que podemos utilizar ANOVA.

El análisis de varianza será útil en situaciones tales como la comparación del kilometraje
logrado por cinco clases diferentes de gasolina; la prueba de cuál de cuatro métodos de
capacitación produce el aprendizaje más rápido; o en la comparación de los ingresos del primer
año de los graduados de una media docena de escuelas de administración. En cada caso, se
pueden comparar las medias de más de dos muestras.

6.2 Supuestos previos

El ANOVA parte de algunos supuestos que han de cumplirse:

• La variable dependiente debe medirse al menos a nivel de intervalo.

• Independencia de las observaciones.
• La distribución de la variable dependiente debe ser normal.
• Homocedasticidad: homogeneidad de las varianzas.

6.3 Visión general

Existen tres tipos de modelos:

• El modelo de efectos fijos asume que el experimentador ha considerado para el factor

todos los posibles valores que éste puede tomar. Ejemplo: Si el género del individuo es
un factor, y el experimentador ha incluido tantos individuos masculinos como femeninos,
el género es un factor fijo en el experimento.
• Los modelos de efectos aleatorios asumen que en un factor se ha considerado tan sólo
una muestra de los posibles valores que éste puede tomar. Ejemplo: Si el método de
enseñanza es analizado como un factor que puede influir sobre el nivel de aprendizaje y
se ha considerado en el experimento sólo tres de los muchos más métodos posibles, el
método de enseñanza es un factor aleatorio en el experimento.
• Los modelos mixtos describen situaciones donde están presentes ambos tipos de
factores: fijos y aleatorios.

54
La técnica fundamental consiste en la separación de la suma de cuadrados (SS, 'sum of
squares') en componentes relativos a los factores contemplados en el modelo. Como ejemplo,
mostramos el modelo para un ANOVA simplificado con un tipo de factores en diferentes niveles.
(Si los niveles son cuantitativos y los efectos son lineales, puede resultar apropiado un análisis
de regresión lineal)

SSTotal = SSError + SSFactores

El número de grados de libertad (gl) puede separarse de forma similar y se corresponde con la
forma en que la distribución chi-cuadrado describe la suma de cuadrados asociada.

glTotal = glError + glFactores

Modelo de efectos fijos

El modelo de efectos fijos de análisis de la varianza se aplica a situaciones en las que el

experimentador ha sometido al grupo o material analizado a varios factores, cada uno de los
cuales le afecta sólo a la media, permaneciendo la "variable respuesta" con una distribución
normal.

Modelo de efectos aleatorios

Los modelos de efectos aleatorios se usan para describir situaciones en que ocurren diferencias
incomparables en el material o grupo experimental. El ejemplo más simple es el de estimar la
media desconocida de una población compuesta de individuos diferentes y en el que esas
diferencias se mezclan con los errores del instrumento de medición.

Grados de libertad

Por grados de libertad "degrees of freedom" entendemos el número efectivo de observaciones

que contribuyen a la suma de cuadrados en un ANOVA, es decir, el número total de
observaciones menos el número de datos que sean combinación lineal de otros.

Pruebas de significación

El análisis de varianza lleva a la realización de pruebas de significación estadística, usando la

denominada distribución F de Snedecor.

55
6.4 Ejemplo 1 de análisis de varianza:

Quince aprendices en un curso técnico son aleatoriamente asignados a tres diferentes tipos de
métodos de instrucción, todos los cuales persiguen el desarrollo de un nivel específico de
habilidad en diseño asistido por computadora. Las calificaciones de aprovechamiento al término
de la unidad de instrucción se muestran en la siguiente tabla. Use el procedimiento de análisis
de varianza para probar la hipótesis nula de que las medias muestrales se obtuvieron de la
misma población, con un nivel de significancia del 5%.

Metodo de Calificaciones Calificaciones

Instrucción Calificaciones totales medias
A1 86 79 81 70 84 400 80
A2 90 76 88 82 89 425 85
A3 82 68 73 71 81 375 75
1200

Tabla de resumen
F requerido
Fuente de Grados de Suma de
Cuadrado medio F Observado
variación libertad cuadrados
5% 1%
= 125/37.33 =
Tratamientos 2 250 = 250/2 = 125 3.35 3.88 6.93

Error de muestreo 12 448 = 448/12 =37.33

Total 14 698

El número total de gl para total es el número de observaciones -1 = 15-1 = 14

El número de grados de libertad para los tratamientos es tratamientos -1 = 3-1 =2
Los grados de libertad para el error de muestreo son gl totales - gl de los tratamientos = 14 -2=12

Termino de corrección es la sumatoria total de las observaciones elevadas al cuadrado y

divididas entre el numero total de observaciones: = 1200² =1, 440,000 / 15 = 96,000

LA SCT es igual a sumar las observaciones al cuadrado y restarles el término de corrección

( C ) lo que es igual a: = (86)² + (79)² + .......+ (81)² = 96698 - 96000 = 698

LA SCA es igual a elevar al cuadrado la sumatoria de cada tratamiento/ n y restarle el termino

de corrección ( C ) = 160 000/ 5 + 180625/5 + 140625/5 - 96000 = 250

LA SCE = SCT - SCA = 698 - 250 = 448

Los valores del F requerido se obtienen de la tabla para distribuciones F con un 0.05 del área en
el extremo derecho y de la tabla para distribuciones F con un 0.01 del área en el extremo
derecho.

Conclusión: Dado que la F observada es menor que la F requerida al nivel de significancia del
5% se concluye que no existe ningún efecto asociado con los métodos de instrucción y por lo
tanto que las diferencias entre la medias no son significativas al nivel del 5%.

56
6.5 Desarrollo en Minitab del ejemplo 1.

1.- Abrir Minitab.

2.- Introducir los datos en la hoja de trabajo:
Cada método de instrucción se captura en cada columna A1, A2, A3.

3.- Seleccione Stat
ANOVA
One-Way (Unstacked)

57
4.- Minitab despliega la ventana One-Way Analysis of Variance
Seleccione con un clic las respuestas en columnas separadas.
El nivel de confianza es del 95 %

5.- Para revisar la configuración de las gráficas clic en Graphs.

Clic Three in one (3 en 1)
Clic OK

Clic OK en la ventana One-Way Analysis of Variance

58
6.- Minitab despliega el análisis de varianza:

El análisis de varianza

La primera fila en la tabla del análisis de varianza contiene todas las estadísticas asociadas con
el factor. La siguiente fila contiene todas las estadísticas asociadas con el error aleatorio (error).
Los grados de libertad
Los grados de libertad (DF) se refieren al número de valores usados para calcular la suma de
los cuadrados (SS) para cada fuente.
La suma de cuadrados
La suma de cuadrados (SS) es la medida de la cantidad de variabilidad que cada fuente
contribuye a los datos. Observe que el total de variabilidad en los datos (SS suman 698) es igual
al SS para el factor (250) más el SS para el Error (448).
Media cuadrada
(MS) para cada fuente es igual al SS dividió por el DF.
• El MS para el factor es una estimación del promedio de la media junto con el grupo de
variabilidad.
• El MS para el error es una estimación del promedio dentro del grupo.

F-estadística
Es calculado como el MS para el factor dividido por el MS para el error.
Cuando las diferencias entre el nivel de factor de la media es similar a las diferencias entre las
observaciones de cada nivel. F será cerrado a 1.
Si la variabilidad entre el nivel de factor de la media es más larga que la variabilidad entre las
observaciones dentro del factor, F será mayor que 1.

El P-value:
Si el valor de p (p-value) de una prueba estadística es menor que tu alfa, entonces se debe
rechazar la hipótesis nula.

59
Conclusión:

Dado que el P value es mayor que el alfa de 5% se acepta la hipótesis nula y se concluye que
no existe ningún efecto asociado con los métodos de instrucción y por lo tanto que las
diferencias entre la medias no son significativas al nivel del 5%.

95% CIs individuales Para la Media

Para cada nivelado de tu factor MINITAB despliega el intervalo de confianza., Así como lo
siguiente las estadísticas:
• N--------- Número de observaciones.
• Mean--- Media de las observaciones.
• StDev--- Desviación estándar de las observaciones

Residual Plots for A1, A2, A3

Normal Probability Plot Versus Fits
99
5
90

Residual
Percent

0
50

-5
10
-10
1
-10 -5 0 5 10 75.0 77.5 80.0 82.5 85.0
Residual Fitted Value

Histogram
3
Frequency

0
-8 -4 0 4 8
Residual

Interpretando los resultados

La grafica de probabilidad normal

Usa la grafica de probabilidad normal de la residual para verificar que tu residual no este
desviado sustancialmente de la distribución normal.

• Si la residual viene de la distribución normal, los puntos seguirán una línea recta.
• Si la residual no viene de la distribución normal, los puntos no seguirán una línea recta.

Basado en esta grafica, es razonable asumir que la residual de los datos no está desviada
sustancialmente de la distribución normal.

60
Interpretando los resultados
Residuales contra fits.
Use la grafica de la residual versus las fits para verificar que las siguientes suposiciones han sido
encontradas:
• Variaciones constantes a través de la combinación de todos los factores.
• No están fuera de línea los datos.
Si tú ves cualquier tipo de patrón en la grafica, una de estas suposiciones encontradas ha sido
violada. La siguiente tabla indica los tipos de patrones que puedes ver

Los patrones: Indica…

La extensión desigual de las La variación de tu residual
residuales a través de los no es constante.
diferentes valores ajustados.

Un punto está situado muy lejos Fuera de línea.

del cero.

Alternativas
Se puede usar un histograma de la residual para evaluar la normalidad. Sin embargo la grafica
de probabilidad normal es generalmente fácil de interpretar, especialmente para muestras
pequeñas.

61
6.6 Ejemplo 2 de análisis de varianza:

Se quiere averiguar si 3 fertilizantes, A, B y C presentan diferencias significativas en

cuanto a sus efectos sobre el aumento de la cosecha.
Con este propósito se eligieron al azar 15 parcelas a las que se fertilizó aleatoriamente
con cada uno de los fertilizantes en cuestión. Los aumentos de cosecha obtenidos fueron los
siguientes:

A la vista de estos datos, ¿puede inferirse que existen diferencias significativas entre los
tres fertilizantes a nivel alfa = 0.05?

Se trata de un Análisis de Varianza para un factor en un diseño completamente aleatorio,

con el que se quiere contrastar la hipótesis nula de igualdad de los efectos medios de los tres
fertilizantes, , frente a la alternativa de no ser los tres iguales.

Como en todos los contrastes de este tipo, lo primero que debemos determinar es la
tabla de ANOVA , la cual es:

Para calcular la suma de cuadrados SSTi, partiendo de la tabla de datos del enunciado,
calculamos, en una última columna, los totales de cada tratamiento (totales por filas)

así como la suma de todos los totales,

62
 El número de observaciones realizadas de cada tratamiento es ni = 5, i = 1,2,3, y el
número total de observaciones es

La suma de cuadrados debido a los fertilizantes, será por lo tanto

= 17430.6 - 17408.067 = 22.533

Sus grados de libertad son igual al número de tratamientos menos uno, r -1 = 3 - 1 = 2

La suma total de cuadrados es igual a la suma de los cuadrados de las observaciones menos el
valor antes calculado T²/n,

En nuestro ejercicio es igual a:

= 39² + 33² +… + 26² + 35² - 17408.067

= 17617 – 17408.067 = 208.933

Sus grados de libertad son igual al número de tratamientos menos uno, n–1 = 15-1 = 14
Por último la suma residual de cuadrados se calcula como diferencia de las otras dos sumas de
cuadrados antes calculadas:

63
 = 208.933 – 22.533 = 186.4
Sus grados de libertad se calculan también como diferencia de los grados de libertad de
las otras dos sumas de cuadrados que sirvieron para obtener SSE; es decir, (n-1)–(r-1)=14-2= 12
De esta forma, determinamos las sumas de cuadrados y los grados de libertad de las
tres fuentes de variación que forman la tabla de Análisis de Varianza. Los cuadrados medios
correspondientes a cada fuente de varianza se determinan ahora, simplemente, dividiendo cada
suma de cuadrados por sus grados de libertad:
Cuadrado medio correspondiente a los fertilizantes:

SSTi 22.533
------- = ----------- = 11.266
r- 1 2

Cuadrado medio correspondiente a los fertilizantes:

SSE = 186.4
------- -------- = 15.333
n- r 12

Finalmente, el estadístico a utilizar en el contraste, se calcula dividiendo los cuadrados

medios antes determinados:
SSTi/(r -1) 11.266
F = -------------- = ----------- = 0.73
SSE/(n – r) 15.333

Todos estos cálculos se recogen en la tabla ANOVA siguiente:

F. de variación Suma de Grados Cuadrados medios Estadístico

cuadrados de
libertad
Fertilizantes SSTi = 22.533 2 11.266 F = 0.73
Residual SSE = 186.4 12 15.533
Total SST = 208.933 14

El estadístico F tiene, si es cierta la hipótesis nula de igualdad de los efectos medios de

los tres fertilizantes, una distribución F de Snedecor con grados de libertad igual al par formado
por los grados de libertad correspondientes a las fuentes de variación de los Fertilizantes y
Residual, antes determinados, (r-1, n-r)= (2,12), por lo que para determinar el punto crítico, a un
nivel de significación alfa = 0.05, buscaremos en la tabla de la F de Snedecor el valor
F(2,12);0.05 = 3.8853. Al ser F = 0.73 menor que dicho punto crítico, se acepta Ho concluyendo
con la no existencia de diferencias significativas entre los tres fertilizantes.

64
6.7 Desarrollo en Minitab del ejemplo 2.

1.- Abrir Minitab.

2.- Introducir los datos en la hoja de trabajo:

Cada método de instrucción se captura en cada columna A1, A2, A3.

3.- Seleccione Stat
ANOVA
One-Way (Unstacked)

65
4.- Minitab despliega la ventana One-Way Analysis of Variance
Seleccione con un clic las respuestas en columnas separadas.
El nivel de confianza es del 95 %

5.- Para revisar la configuración de las gráficas clic en Graphs.

Clic Three in one (3 en 1)
Clic OK

Clic OK en la ventana One-Way Analysis of Variance

66
6.- Minitab despliega el análisis de varianza:

Residual Plots for A1, A2, A3

Normal Probability Plot Versus Fits
99
5.0
90
2.5
Residual
Percent

50 0.0
-2.5
10
-5.0
1
-10 -5 0 5 10 33 34 35 36
Residual Fitted Value

Histogram
3
Frequency

0
-6 -4 -2 0 2 4 6
Residual

67
Conclusión:

Dado que el P-value es mayor que el alfa de 5% se acepta la hipótesis nula concluyendo con la
no existencia de diferencias significativas entre los tres fertilizantes.

El estadístico F tiene, si es cierta la hipótesis nula de igualdad de los efectos medios de los tres
fertilizantes, una distribución F de Snedecor con grados de libertad igual al par formado por los
grados de libertad correspondientes a las fuentes de variación de los Fertilizantes y Residual,
antes determinados, (r-1, n-r)= (2,12), por lo que para determinar el punto crítico, a un nivel de
significación alfa = 0.05, buscaremos en la tabla de la F de Snedecor el valor F(2,12);0.05 =
3.8853. Al ser F = 0.73 menor que dicho punto crítico, se acepta Ho concluyendo con la no
existencia de diferencias significativas entre los tres fertilizantes.

6.8 Desarrollo detallado de un ejemplo de ANOVA en MINITAB.

Paso 1 - Definir el problema y el Objetivo.

Un diseñador de la ropa quiere determinar si el porcentaje de algodón en una fibra sintética tiene
un efecto en la tensión de la fibra. Se sabe que el porcentaje de algodón debe estar entre el 10%
y el 40% para que la tela mantenga otras propiedades deseables. Al incrementar la tensión se
hace la tela más durable.

El objetivo es estudiar los efectos de cambiar el contenido de algodón en la fuerza de tensión.

Paso 2 - Definir el Factor y Niveles de Interés.

Factor = % Volumen del Algodón

Nivel = 15%, 20%, 25%, 30%, 35%

Paso 3 – Definir el nivel Alfa (usualmente el 5%)

Paso 4 - Definir el nivel Beta (usualmente 10 – 20 %)

Paso 5 - Establecer el Tamaño del Efecto.

Paso 6 - Establecer el Tamaño de la muestra.

Recolectaremos 5 muestras para cada nivel de porcentaje de algodón.

Paso 7 - Desarrollar el Plan de Muestreo.

Para asegurar que no hay influencias debido a variables escondidas, el orden de las pruebas
será en forma aleatoria, 25 corridas en total.

Paso 8 - Seleccionar las muestras.

Paso 9 - Conducir las pruebas con las muestras seleccionadas.

Introducimos los datos al Minitab.

68
Note que hay 2 diferentes formas en las que se pueden capturar los datos en MINITAB:

1. Unstacked: (No apilados) Cada muestra está en su propia columna. (C1 a C5)
2. Stacked: (Apilados) Los datos de las muestras están en una columna y los del factor en otra
columna. (C6 - C7)

Nota:
El método apilado es preferido porque se puede preservar el orden de observación de los datos.

Paso 10 - Graficar los datos.

Opciones:
Stat
ANOVA
One-Way.

69
Seleccionar la Tensión como Response y el % de Algodón como Factor, dejar el nivel de
confianza al 95%

Clic en Graphs.

70
Clic en Boxplots of data
Clic OK

Clic OK en la ventana del One-Way Analysis of Variance.

Boxplot of Tensión

25

20
Tensión

15

10

5
15 20 25 30 35
% de Algodón

¿Qué observaciones podemos hacer de los gráficos de caja?

1.- La respuesta se incremente al 30%, y disminuye al 35%.
2.- 25% y 30% parecen ser significativamente mayores que el 15% y 35%
3.- 30% esta significativamente más alto que 15%, 20%, 35%.

71
Paso 11 - Construir la tabla ANOVA.

Paso 12 - Calcular la prueba estadística (F) y su valor asociado de p.

One-way ANOVA: Tensión versus % de Algodón

Source DF SS MS F P
% de Algodón 4 475.76 118.94 14.76 0.000
Error 20 161.20 8.06
Total 24 636.96

S = 2.839 R-Sq = 74.69% R-Sq(adj) = 69.63%

Source = Fuentes de variación.

DF = Grados de libertad por fuente.
SS = Suma de cuadrados (variación) por fuente.
MS = Estimado de la varianza de cada fuente SS/df.
F = Radio de F MS(% de Algodón)/MS(Error)
P = Valor de P

Individual 95% CIs For Mean Based on

Pooled StDev
Level N Mean StDev ------+---------+---------+---------+---
15 5 9.800 3.347 (-----*----)
20 5 15.400 3.130 (----*----)
25 5 17.600 2.074 (----*----)
30 5 21.600 2.608 (----*----)
35 5 10.800 2.864 (-----*----)
------+---------+---------+---------+---
10.0 15.0 20.0 25.0

Paso 13 – Probar la hipótesis de medias iguales

• Hipótesis alterna, Ha: Al menos una media no es igual.

• Prueba estadística:
Cuadrados de la media del % de algodón 118.94
F = ----------------------------------- = ------ = 14.76
Cuadrados de la media del error 8.06

• P-value = probabilidad de observar la prueba estadística si Ho es verdadera = 0.000

• Como p-value es < 0.05, rechazamos la hipótesis nula Ho y concluimos que una o más
medias es diferente.

Paso 14 - Revisar posibles violaciones a los supuestos.

Cuando usamos ANOVA, hacemos los siguientes supuestos:

Los residuales son:
o Independientes
o Distribuidos de forma Normal
o Con varianza igual

MINITAB es muy robusto para realizar estas pruebas.

72
Seleccionar Four en 1 (4 en 1) para revisar Normalidad, Varianzas iguales e
Independencia.

Clic OK

Residual Plots for Tensión

Normal Probability Plot Versus Fits
99
5.0
90
2.5
Residual
Percent

50 0.0

10 -2.5

1 -5.0
-5.0 -2.5 0.0 2.5 5.0 10.0 12.5 15.0 17.5 20.0
Residual Fitted Value

Histogram Versus Order

6.0 5.0

4.5 2.5
Frequency

Residual

3.0 0.0

1.5 -2.5

0.0 -5.0
-4 -2 0 2 4 2 4 6 8 10 12 14 16 18 20 22 24
Residual Observation Order

73
Paso 15 - Si Ho fue rechazada, determinar cual(es) media(s) son diferentes.
Stat
ANOVA
One-Way…
O
Stat
ANOVA
One-Way (Unstacked)

Selecciona Comparisons…

Clic Fisher’s individual error rate:

Captura un valor de 5 (para alfa igual a 5%)

Fisher 95% Individual Confidence Intervals

All Pairwise Comparisons among Levels of % de Algodón

Simultaneous confidence level = 73.57%

% de Algodón = 15 subtracted from:

% de
Algodón Lower Center Upper --------+---------+---------+---------+-
20 1.855 5.600 9.345 (----*----)
25 4.055 7.800 11.545 (----*---)
30 8.055 11.800 15.545 (----*---)
35 -2.745 1.000 4.745 (---*----)
--------+---------+---------+---------+-
-8.0 0.0 8.0 16.0

% de Algodón = 20 subtracted from:

% de
Algodón Lower Center Upper --------+---------+---------+---------+-
25 -1.545 2.200 5.945 (----*---)
30 2.455 6.200 9.945 (----*---)
35 -8.345 -4.600 -0.855 (---*----)
--------+---------+---------+---------+-
-8.0 0.0 8.0 16.0

74
% de Algodón = 25 subtracted from:

% de
Algodón Lower Center Upper --------+---------+---------+---------+-
30 0.255 4.000 7.745 (----*----)
35 -10.545 -6.800 -3.055 (----*---)
--------+---------+---------+---------+-
-8.0 0.0 8.0 16.0

% de Algodón = 30 subtracted from:

% de
Algodón Lower Center Upper --------+---------+---------+---------+-
35 -14.545 -10.800 -7.055 (----*---)
--------+---------+---------+---------+-
-8.0 0.0 8.0 16.0

Paso 16 – Verificar los resultados y trasladar la conclusión estadística a una solución

práctica.

• Conclusión estadística:
Existe una diferencia significante entre las medias poblacionales. La media
poblacional para el contenido de algodón de 30% es significativamente
mayor que las medias poblacionales de los otros niveles de contenido de
algodón.

• Solución práctica:
Usaremos el 30% de contendido de algodón para la fibra sintética, lo cual
proporcionará la máxima tensión, manteniendo al mismo tiempo las otras
propiedades deseables.

Equipo integrado por:

Ing. Gerardo Valdes Fuentes

Ing. Rosa Isela Meléndez López
Ing. Renato Elmer Vázquez García
Lic. José Luis Chávez Dávila

Maestría en Administración y Liderazgo.

Universidad Autónoma del Noreste.

7.- Bibliografía:

• Estadística para Administradores,

Richard I. Levin & David S. Rubin.
Editorial Prentice Hall
• www.wikipedia.com
• http://www.monografias.com/trabajos30/regresion-correlacion/regresion-
correlacion.shtml?monosearch
• http://www.uned.es/experto-metodos-avanzados/INGENIERIA1.pdf
• http://espanol.geocities.com/jefranco_2000mx/anova1.htm
• Minitab 15 (Versión de prueba obtenida de www.minitab.com).
• MeetMinitabEs.pdf (Obtenido de www.minitab.com)

75