Maquinaria

UNIVERSIDAD DE SUCRE
FACULTAD DE INGENIERIAS
PROGRAMA DE INGENIERIA AGROINDUSTRIAL
ASIGNATURA: MÉTODOS ESTADISTICOS
DOCENTE ASOCIADA: MELBA VERTEL
DISEÑOS EXPERIMENTALES

MÉNDEZ MÉNDEZ MARIO MIGUEL, COD: 90102954784
PÉREZ PAYARES CAROLINA LUCIA, COD: 91022410712
PÉREZ VIDES JORGE ALBERTO, COD: 91032512149

INTRODUCCIÓN

El propósito de toda investigación es la obtención de másconocimiento, esta se basa en un proceso planificado por un conjunto de datos, el cual utiliza como principio la lógica y el uso de la experimentación, para este fin es utilizado el diseño experimental, el cual permite obtener precisión en las soluciones o respuestas, por medio de estructuras de tratamiento y bloqueo.

En el presente trabajo se estudiaran tres situaciones en las que se determinarandiferentes aspectos relacionados con los diseños experimentales, de igual forma se realizaran diferentes análisis descriptivos.

SITUACIÓN I

EN UN ESTUDIO SOBRE EL EFECTO DE UN CONTAMINANTE PROCEDENTE DE UNA PLANTA DE TRANSFORMACIÓN DE ALUMINIO SE TOMA UNA MUESTRA DEL NÚMERO DE PECES MUERTOS DURANTE 15 DÍAS. OBTENIÉNDOSE LOS SIGUIENTES RESULTADOS: 14, 17, 23, 15, 16, 18, 12, 16, 26, 30, 13,22, 17, 15, 24.

1. Realice el análisis descriptivo
| a. La población es: Días en estudio del efecto contaminante procedente de una planta de transformación de aluminio.
b. La variable de estudio es (cualitativa o cuantitativa) y mide: El número de peces muertos por día.
c. ¿La distribución tiene sesgo? Sí, positivo
d. ¿La distribución es normal? R/ No, porque para unadistribución normal el sesgo es igual a cero y la Kurtosis igual a 3 (Kurtosis = -0.0896; Sesgo = 0.8824 )
|
Min. | 12 |
Q25% | 15 |
Mediana | 17 |
Promedio | 18.53 |
Q75% | 22.50 |
Máx. | 30 |
Varianza (S2) | 27.5 |

2. Realice un Intervalo de Confianza del 95% para el promedio del número de peces muertos por día. Interprete los resultados.

R/:
95 percent confidence interval:[15.62651 - 21.44015]

Sample estimates:
Mean of x
18.53333

Al nivel de confianza del 95% se puede decir que la zona de aceptación para peces muertos va a estar comprendida entre los limites [15.62651 - 21.44015].

3. Realice la Prueba de Hipótesis Ho: = 17 peces muertos por días. Haga las conclusiones pertinentes.

R/:
T. test (peces, mu=17)

One Sample t-testData: peces
t = 1.1314, df = 14, p-value = 0.2769
Alternative hypothesis: true mean is not equal to 17

Como p - value = 0.2769 > 0.05/2, la hipótesis nula se acepta (Ho: = 17 peces muertos por días) con una confianza del 95%.
ANÁLISIS DESCRIPTIVO SITUACION I
Peces<-c(14,17,23,15,16,18,12,16,26,30,13,22,17,15,24)
Peces
MEDIDAS NUMÉRICAS PARA DATOS AGRUPADOSGrupos<-hist(peces,plot=FALSE)
Medidas<-stat.freq(grupos)
Print(medidas)

$variance $mean
[1] 28.09524 [1] 18.16667

$median $mode
[1] 17.5 [- -] mode
[1,] 10 15 15
[2,] 15 20 15

$Sesgo $Kurtosis
Skewness (peces) Kurtosis (peces)
0.8824837 -0.08966168

TABLA DE FRECUENCIAS

h2<-hist(peces,plot=FALSE)
table.freq(h2)
h2<-hist(peces,plot=FALSE)> table.freq(h2)
Inf Sup MC fi fri Fi Fri
10 15 12.5 5 0.3333333 5 0.3333333
15 20 17.5 5 0.3333333 10 0.6666667
20 25 22.5 3 0.2000000 13 0.8666667
25 30 27.5 2 0.1333333 15 1.0000000

OJIVA

h<-graph.freq(peces,plot=FALSE)
puntos<-ojiva.freq(h,type="l",col="GREEN",frame=FALSE,xlab="Limit of class", ylab="Accumulated relative frequency",main="ojiva")
grid(col="RED")

POLIGONO DE FRECUENCIA
h1<-hist (peces, border =FALSE, xlim = c(8,32))
Polygon. Frq(h1,frequency=1,col="BLUE")

GRÁFICO CIRCULAR
Pie (table (cut(peces,4)),main="peces muertos")

GRÁFICA DE BOXPLOT

Boxplot (peces, main="mortalidad de peces", col="blue2")

DESCRIPCIÓN DISEÑO EXPERIMENTAL

Diagrama del proceso:
TRATAMIENTOS
Contaminante
Factores...