BANCO DE REACTIVOS
15%
Observaciones
12
14
19
II
17
18
25
10
III
15
12
18
22
11
IV
11
18
19
19
15
18
19
23
11
Total
Promedio
49
77
88
108
54
9.8
15.4
17.6
21.6
10.8
ANLISIS DE VARIANZA.
a
SCT
Yij2
i 1 j 1
SC t
i 1
Y..2
376 2
7 2 7 2 15 2 ... 15 2 11 2
636.96
N
25
475.76
n
N
5
25
FUENTE DE VARIACION
Tratamientos (% de algodn)
Error
Total
SUMA DE
CUADRADOS
GRADOS DE
LIBERTAD
CUADRADOS
MEDIOS
475.76
161.2
636.96
4
20
24
118.94
8.06
3.1
Calculada
Tablas
14.76
4.43
PRUEBA DE HIPTESIS. Se plantea la hiptesis de que las medias de los tratamientos (% de algodn
empleado) son iguales, con un nivel de confianza del 99%.
H0 = 15% = 20% = 25% = 30% = 35%
Al utilizar este nivel de confianza, se concluye que es improbable que las medias de los tratamientos
sean iguales. Como el resultado del estadstico en tablas (F0.01,4,20 =4.43) es menor que el estadstico calculado
(FCalculada =14.74), debe rechazarse H0 y concluir que las medias de los tratamientos difieren, En otras palabras,
el porcentaje de algodn en la fibra si afecta significativamente su resistencia promedio.
COMPARACIN DE MEDIAS ENTRE TRATAMIENTOS
PRUEBA DE DIFERENCIA MENOS SIGNIFICATIVA (DMS)
H0: i =j
HIPOTESIS
VALOR DE LA PRUEBA
DMS t
CM e 1 n 1 n
i
j
2, N a
|i -j|
Rechazar H0 si: |i -j|>DMS
VALOR A PROBAR
REGLA DE DECISION
Considerando los datos del problema, se ordenan las medias de los tratamientos de menor a mayor:
15% =9.8
35% =10.8
GLe =20
DMS t
2, N a
CM e 1 n 1 n
i
j
20% =15.4
25% =17.6
n=5
30% =21.6
CMe =8.06
a=5
t0.05 2,255
N=25
El resultado anterior es la diferencia menos significativa, la cual se va a comparar contra los valores
absolutos de las diferencias entre los tratamientos de la siguiente manera:
|15% -20%|
|15% -25%|
|15% -30%|
|15% -35%|
|20% -25%|
|20% -30%|
|20% -35%|
|25% -30%|
=
=
=
=
=
=
=
=
9.8 -15.4
9.8 -17.6
9.8 -21.6
9.8 -10.8
15.4 -17.6
15.4 -21.6
15.4 -10.8
17.6 -21.6
=
=
=
=
=
=
=
=
5.6
7.8
11.8
1.0
2.2
6.2
4.6
4.0
3.2
>
>
>
<
<
>
>
>
3.74
3.74
3.74
3.74
3.74
3.74
3.74
3.74
(*) significativa
(*) significativa
(*) significativa
Iguales
Iguales
(*) significativa
(*) significativa
(*) significativa
|25% -35%| =
|30% -35%| =
17.6 -10.8 =
21.6 -10.8 =
(*) significativa
(*) significativa
La prueba DMS indica con un grado confianza del 95% que es probable que las medias de los
tratamientos 15% y 35% son iguales entre s, as como las medias de los tratamientos 20% y 25% son iguales
entre s.
15% =9.8
35% =10.8
20% =15.4
25% =17.6
30% =21.6
HIPOTESIS
R p , p ,GLe
VALOR DE LA PRUEBA
CM e
n
|i -j|
Rechazar H0 si: |i -j|>Rp
VALOR A PROBAR
REGLA DE DECISION
Considerando los datos del problema, se ordenan las medias de los tratamientos de mayor a menor:
30% =21.6
25% =17.6
GLe =20
R p , p ,GLe
R2 0.05,2 ,20
20% =15.4
CMe =8.06
a=5
35% =10.8
n=5
15% =9.8
N=25
CM e
n
8.06
=3.75
5
R4 0.05,4 ,20
|30% -15%|
|30% -35%|
|30% -20%|
|30% -25%|
|25% -15%|
8.06
=4.04
5
=
=
=
=
=
21.6 - 9.8
21.6 -10.8
21.6 -15.4
21.6 -17.6
17.6 - 9.8
=
=
=
=
=
R3 0.05,3,20
8.06
=3.94
5
R5 0.05,5,20
8.06
=4.13
5
11.8
10.8
6.2
4.0
7.8
3.3
>
>
>
>
>
4.13 (R5)
4.04 (R4)
3.94 (R3)
3.75 (R2)
4.04 (R4)
(*) significativa
(*) significativa
(*) significativa
(*) significativa
(*) significativa
|25% -35%|
|25% -20%|
|20% -15%|
|20% -35%|
|35% -15%|
=
=
=
=
=
17.6 -10.8
17.6 -15.4
15.4 - 9.8
15.4 -10.8
10.8 - 9.8
=
=
=
=
=
6.8
2.2
5.6
4.6
1.0
>
<
>
>
<
3.94 (R3)
3.75 (R2)
3.94 (R3)
3.75 (R2)
3.75 (R2)
(*) significativa
Iguales
(*) significativa
(*) significativa
Iguales
El resultado de la prueba de Duncan con un nivel de significacin de =0.05, demuestra que los
tratamientos 1 y 5 (15% =35%) tienen medias iguales, lo mismos que los tratamientos 2 y 3 (20%=25%).
15% =9.8
35% =10.8
20% =15.4
25% =17.6
30% =21.6
HIPOTESIS
T q ,a ,GLe
VALOR DE LA PRUEBA
CM e
n
|i -j|
Rechazar H0 si: |i -j|>T
VALOR A PROBAR
REGLA DE DECISION
Considerando los datos del problema, se ordenan las medias de los tratamientos de menor a mayor:
15% =9.8
35% =10.8
GLe =20
T q , a , GLe
|15% -20%|
|15% -25%|
|15% -30%|
|15% -35%|
|20% -25%|
|20% -30%|
|20% -35%|
|25% -30%|
|25% -35%|
=
=
=
=
=
=
=
=
=
20% =15.4
CMe =8.06
25% =17.6
a=5
n=5
30% =21.6
N=25
CM e
8.06
=(4.24)(1.27) =5.38
q0.05,5, 20
n
5
9.8 -15.4
9.8 -17.6
9.8 -21.6
9.8 -10.8
15.4 -17.6
15.4 -21.6
15.4 -10.8
17.6 -21.6
17.6 -10.8
=
=
=
=
=
=
=
=
=
5.6
7.8
11.8
1.0
2.2
6.2
4.6
4.0
6.8
3.4
>
>
>
<
<
>
<
<
>
5.38
5.38
5.38
5.38
5.38
5.38
5.38
5.38
5.38
(*) significativa
(*) significativa
(*) significativa
Iguales
Iguales
(*) significativa
Iguales
Iguales
(*) significativa
|30% -35%| =
21.6 -10.8 =
(*) significativa
El resultado de la prueba de Tukey nos seala con una confiabilidad del 95% que las medias de los
tratamientos 1-5 (15% =35%) son iguales, as como tambin son iguales las medias entre los tratamientos 2-3
(20% =25%), 2-5 (20% =35%) y 3-4 (25% =30%).
15% =9.8
35% =10.8
20% =15.4
25% =17.6
30% =21.6
HIPOTESIS
VALOR DE LA PRUEBA
Ci2,u
i 1
ni
CM e
S ,u
(a 1) F ,a 1, N a
|i -j|
Rechazar H0 si: |i -j|>S,u
VALOR A PROBAR
REGLA DE DECISION
Considerando los datos del problema, se ordenan las medias de los tratamientos de menor a mayor:
15% =9.8
35% =10.8
GLe =20
20% =15.4
CMe =8.06
S ,u
CM e
i 1
25% =17.6
a=5
Ci2,u
ni
n=5
30% =21.6
N=25
(a 1) F ,a 1, N a
2
2
S 0.05,1 8.06( 1 5 1 ) (5 1) F0.05, 4, 20 =(1.7955)(3.39) =6.08
1 =|15% -20%|
2 =|15% -25%|
3 =|15% -30%|
4 =|15% -35%|
5 =|20% -25%|
6 =|20% -30%|
7 =|20% -35%|
=
=
=
=
=
=
=
9.8 -15.4
9.8 -17.6
9.8 -21.6
9.8 -10.8
15.4 -17.6
15.4 -21.6
15.4 -10.8
=
=
=
=
=
=
=
5.6
7.8
11.8
1.0
2.2
6.2
4.6
3.5
<
>
>
<
<
>
<
6.08
6.08
6.08
6.08
6.08
6.08
6.08
Iguales
(*) significativa
(*) significativa
Iguales
Iguales
(*) significativa
Iguales
8 =|25% -30%| =
9 =|25% -35%| =
10 =|30% -35%| =
17.6 -21.6 =
17.6 -10.8 =
21.6 -10.8 =
Iguales
(*) significativa
(*) significativa
La prueba de Scheff indica con un 95% de confianza que existen cinco pares de tratamientos que
tienen media similar a consecuencia de que los correspondientes contrastes son cercanos a cero. El diagrama
de abajo muestra los tratamientos que resultaron con medias parecidas.
15% =9.8
35% =10.8
20% =15.4
3.6
25% =17.6
30% =21.6
HIPOTESIS
1
1
ni na
VALOR DE LA
PRUEBA
D d , a 1, GLe CM e
|i -a|
Rechazar H0 si: |i -a|>D
VALOR A PROBAR
REGLA DE DECISION
Considerando los datos del problema, se ordenan las medias de los tratamientos de menor a mayor:
15% =9.8
35% =10.8
GLe =20
20% =15.4
CMe =8.06
a=5
Tratamiento control:
1
1
ni na
=
=
=
=
n=5
9.8 -15.4
17.6 -15.4
21.6 -15.4
10.8 -15.4
=
=
=
=
5.6
2.2
6.2
4.6
30% =21.6
N=25
20% =15.4
1 1
d 0.05, 4, 20 8.06
5 5
D d , a 1, GLe CM e
|15% -20%|
|25% -20%|
|30% -20%|
|35% -20%|
25% =17.6
>
<
>
<
4.76
4.76
4.76
4.76
=(2.65)(1.795) =4.76
(*) significativa
Iguales
(*) significativa
Iguales
las parejas de tratamientos 2-5 (20% =35%) y 2-3 (20% =25%) tengan igual media con un nivel de confiabilidad
del 95%.
15% =9.8
35% =10.8
20% =15.4
3.7
25% =17.6
30% =21.6
PROBLEMA 3.2
Libro
Una empresa de textiles utiliza 100 telares para su produccin. Se desea que los telares sean
homogneos con el objeto de producir tela de resistencia uniforme. El jefe de proceso supone que, adems de
la variacin usual en la resistencia de la tela en muestras del mismo telar, puede existir una variacin
significativa de la resistencia entre los distintos telares. Se seleccionan 4 telares al azar ya que la gerencia le ha
dicho que no puede experimentar en ms de cuatro telares para este caso. Realiza 4 observaciones en cada
telar para determinar la resistencia de la tela. Las observaciones obtenidas sobre la resistencia de las telas son
las siguientes (el nmero entre parntesis indica el orden de las muestras del experimento). Realice el anlisis
de varianza correspondiente y, de ser significativo, aplique la prueba de Tukey a las medias de tratamientos.
Resistencia de las telas (lb/in2)
Observaciones
1
2
3
4
Total
Promedio
T12
T31
(1)
98
91
(5)
97
(7)
90
(15)
99
93
(15)
(6
(2)
(16)
99
92
Telar
T53
96
95(8)
(3)
96(10)
(14)
99(13)
(9)
98(11)
95
97
T78
(12)
95
390
366
383
388
97.50
91.50
95.75
97.00
ANLISIS DE VARIANZA.
a
SC T
2
ij
i 1 j 1
SC t
i 1
Y..2
1527 2
98 2 97 2 99 2 ... 99 2 98 2
111 .94
N
16
89.19
n
N
4
16
SUMA DE
CUADRADOS
GRADOS DE
LIBERTAD
CUADRADOS
MEDIOS
89.19
22.75
111.94
3
12
15
29.73
1.9
Calculada
Tablas
15.68
3.49
PRUEBA DE HIPTESIS. Para probar el experimento se plantea la hiptesis de que la varianza de los
tratamientos (telares) son iguales a cero, con un nivel de confianza del 95%.
H0: 2 = 0
H1: 2 > 0
Con el nivel de confianza de 95%, se concluye que es improbable que la varianza entre los tratamientos
sea despreciable. Como el resultado del estadstico en tablas (F 0.05,3,12 =3.49) es menor que el calculado (F Calculada
3.8
=14.74), debe rechazarse H0 y concluir que las medias de los tratamientos difieren. Hay suficiente evidencia
para creer que la resistencia de la tela se ve afectada significativamente por los telares.
2 =CMe =1.9 lib/in2
2 =[CMt -CMe]/n =[29.73 -1.9]/4 = 6.96 lib/in2
OBTENCIN DE ESTIMADORES.
Entonces, la varianza estimada de cualquier observacin del total de 100 telares ser dada por:
Var(Yij) = 2 +2 =6.96 +1.9 = 8.86 lib/in2
COMPARACIN DE MEDIAS ENTRE TRATAMIENTOS
PRUEBA DE TUKEY
H0: i =j
HIPOTESIS
T q ,a ,GLe
VALOR DE LA PRUEBA
VALOR A PROBAR
REGLA DE DECISION
CM e
n
|i -j|
Rechazar H0 si: |i -j|>T
Considerando los datos del problema, se ordenan las medias de los tratamientos de menor a mayor:
T31 =91.5
GLe =12
T q ,a ,GLe
|T31 -T53|
|T31 -T78|
|T31 -T12|
|T53 -T78|
|T53 -T12|
|T78 -T12|
=
=
=
=
=
=
T53 =95.75
T78 =97.0
CMe =1.9
a=4
T12% =97.5
n=4
N=16
CM e
1.9
=(4.20)(0.225625) =0.95
q0.05, 4,12
n
4
|91.50 -95.75|
|91.50 -97.00|
|91.50 -97.50|
|95.75 -97.00|
|95.75 -97.50|
|97.00 -97.50|
=
=
=
=
=
=
4.25
5.50
6.00
1.25
1.75
0.50
>
>
>
>
>
<
0.95
0.95
0.95
0.95
0.95
0.95
(*) significativa
(*) significativa
(*) significativa
(*) significativa
(*) significativa
Iguales
El resultado de la prueba de Tukey nos seala con una confiabilidad del 95% que las medias de los
tratamientos de los telares T78 y T12 (T78 =T12) son iguales estadsticamente hablando.
T31 =91.50
T53 =95.75
T78 =97.00
T12 =97.50
Una empresa fabricante de vasos de cristal esta tratando de determinar si el contenido de un nuevo
aditivo para la arena va a mejorar la resistencia a la compresin de los vasos. Se sabe que el contenido de
aditivo no debe sobrepasar del 12% del contenido total de la mezcla, ya que de otra manera el cristal perdera
3.9
Observaciones
2%
125
128
131
133
1
2
3
4
5
Total
Promedio
Total
8%
136
138
134
137
10%
134
133
135
132
12%
125
126
128
127
132
127
138
139
130
129
644
128.8
678
135.6
684
136.8
664
132.8
635
127
2
ij
i 1 j 1
SC t
6%
135
133
135
137
649
129.8
a
SCT
4%
131
132
130
124
i 1
3954
Y..2
3954 2
125 2 128 2 1312 ... 127 2 129 2
522.80
N
30
382.40
n
N
5
30
SUMA DE
CUADRADOS
382.40
140.40
522.80
GRADOS DE
LIBERTAD
CUADRADOS
MEDIOS
5
24
29
Calculada
Tablas
76.48
5.85
13.07
3.90
PRUEBA DE HIPTESIS. Se plantea la hiptesis de que las medias de los tratamientos (% aditivo empleado)
son iguales en el efecto de resistencia a la compresin, con un nivel de confianza del 99%.
H0 = 2% = 4% = 6% = 8% = 10%= 12%
Al utilizar este nivel de confianza, se concluye que es improbable que las medias de los tratamientos
sean iguales. Como el resultado del estadstico en tablas (F0.01,5,24 =3.90) es menor que el estadstico calculado
(FCalculada =13.07), debe rechazarse H0 y concluir que las medias de los tratamientos difieren, El porcentaje de
contenido de aditivo afecta significativamente la resistencia a la compresin en el cristal.
COMPARACIN DE MEDIAS ENTRE TRATAMIENTOS
3.10
HIPOTESIS
VALOR DE LA PRUEBA
DMS t
CM e 1 n 1 n
i
j
2, N a
|i -j|
Rechazar H0 si: |i -j|>DMS
VALOR A PROBAR
REGLA DE DECISION
Considerando los datos del problema, se ordenan las medias de los tratamientos de mayor a menor:
8% =136.8
6% =135.6
10% =132.8
GLe =24
DMS t
2, N a
CM e 1 n 1 n
i
j
2% =129.8
4% =128.8
n=5
12% =127.0
CMe =5.85
a=6
t0.05 2,306
N=30
El resultado anterior es la diferencia menos significativa, la cual se va a comparar contra los valores
absolutos de las diferencias entre los tratamientos de la siguiente manera:
|8% -6%|
|8% -10%|
|8% -2%|
|8% -4%|
|8% -12%|
|6% -10%|
|6% -2%|
|6% -4%|
|6% -12%|
|10% -2%|
|10% -4%|
|10% -12%|
|2% -4%|
|2% -12%|
|4% -12%|
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
136.8 -135.6
136.8 -132.8
136.8 -129.8
136.8 -128.8
136.8 -127.0
135.6 -132.8
135.6 -129.8
135.6 -128.8
135.6 -127.0
132.8 -129.8
132.8 -128.8
132.8 -127.0
129.8 -128.8
129.8 -127.0
128.8 -127.0
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
1.2
4.0
7.0
8.0
9.8
2.8
5.8
6.8
8.6
3.0
4.0
5.8
1.0
2.8
1.8
<
>
>
>
>
<
>
>
>
<
>
>
<
<
<
3.15
3.15
3.15
3.15
3.15
3.15
3.15
3.15
3.15
3.15
3.15
3.15
3.15
3.15
3.15
Iguales
(*) significativa
(*) significativa
(*) significativa
(*) significativa
Iguales
(*) significativa
(*) significativa
(*) significativa
Iguales
(*) significativa
(*) significativa
Iguales
Iguales
Iguales
La prueba DMS indica con un grado confianza del 95% que es probable que las medias de los
tratamientos (8% - 6%) son iguales entre s, as como las medias de los tratamientos (10% - 2%), los
tratamientos (6% - 10%), y el grupo de tratamientos (2% - 4% - 12%).
3.11
8% =136.8
6% =135.6
10% =132.8
2% =129.8
4% =128.8
12% =127.0
HIPOTESIS
R p , p ,GLe
VALOR DE LA PRUEBA
CM e
n
|i -j|
Rechazar H0 si: |i -j|>Rp
VALOR A PROBAR
REGLA DE DECISION
Considerando los datos del problema, se ordenan las medias de los tratamientos de mayor a menor:
8% =136.8
6% =135.6
GLe =24
R p , p ,GLe
10% =132.8
2% =129.8
CMe =5.85
a=6
CM e
n
R3 0.05,3, 24
R5 0.05,5, 24
|8% -6%|
|8% -10%|
|8% -2%|
|8% -4%|
|8% -12%|
|6% -10%|
|6% -2%|
|6% -4%|
|6% -12%|
|10% -2%|
|10% -4%|
|10% -12%|
|2% -4%|
|2% -12%|
4% =128.8
n=5
12% =127.0
N=30
R2 0.05, 2, 24
5.85
=(2.92)(1.0817)=3.15
5
5.85
=(3.07)(1.0817)=3.32 R4 0.05, 4, 24
5
5.85
=(3.23)(1.0817)=3.49 R6 0.05,6, 24
5
5.85
=(3.15)(1.0817)=3.40
5
5.85
=(3.28)(1.0817)=3.54
5
=
=
=
=
=
=
=
=
=
=
=
=
=
=
136.8 -135.6
136.8 -132.8
136.8 -129.8
136.8 -128.8
136.8 -127.0
135.6 -132.8
135.6 -129.8
135.6 -128.8
135.6 -127.0
132.8 -129.8
132.8 -128.8
132.8 -127.0
129.8 -128.8
129.8 -127.0
=
=
=
=
=
=
=
=
=
=
=
=
=
=
1.2
4.0
7.0
8.0
9.8
2.8
5.8
6.8
8.6
3.0
4.0
5.8
1.0
2.8
3.12
<
>
>
>
>
<
>
>
>
<
>
>
<
<
3.54 (R6)
3.49 (R5)
3.40 (R4)
3.32 (R3)
3.15 (R2)
3.49 (R5)
3.40 (R4)
3.32 (R3)
3.15 (R2)
3.40 (R4)
3.32 (R3)
3.15 (R2)
3.32 (R3)
3.15 (R2)
Iguales
(*) significativa
(*) significativa
(*) significativa
(*) significativa
Iguales
(*) significativa
(*) significativa
(*) significativa
Iguales
(*) significativa
(*) significativa
Iguales
Iguales
|4% -12%|
128.8 -127.0 =
Iguales
El resultado de la prueba de Duncan con un nivel de significacin de =0.05, demuestra que las medias
de los tratamientos (8% - 6%) son iguales entre s, as como las medias de los tratamientos (10% - 2%), los
tratamientos (6% - 10%), y el grupo de tratamientos (2% - 4% - 12%).
8% =136.8
6% =135.6
10% =132.8
2% =129.8
4% =128.8
12% =127.0
HIPOTESIS
T q ,a ,GLe
VALOR DE LA PRUEBA
CM e
n
|i -j|
Rechazar H0 si: |i -j|>T
VALOR A PROBAR
REGLA DE DECISION
Considerando los datos del problema, se ordenan las medias de los tratamientos de mayor a menor:
8% =136.8
6% =135.6
GLe =24
T q ,a ,GLe
|8% -6%|
|8% -10%|
|8% -2%|
|8% -4%|
|8% -12%|
|6% -10%|
|6% -2%|
|6% -4%|
|6% -12%|
|10% -2%|
|10% -4%|
|10% -12%|
=
=
=
=
=
=
=
=
=
=
=
=
10% =132.8
2% =129.8
CMe =5.85
a=6
4% =128.8
n=5
N=30
CM e
5.85
=(4.37)(1.0817) =4.72
q0.05,6, 24
n
5
136.8 -135.6
136.8 -132.8
136.8 -129.8
136.8 -128.8
136.8 -127.0
135.6 -132.8
135.6 -129.8
135.6 -128.8
135.6 -127.0
132.8 -129.8
132.8 -128.8
132.8 -127.0
=
=
=
=
=
=
=
=
=
=
=
=
1.2
4.0
7.0
8.0
9.8
2.8
5.8
6.8
8.6
3.0
4.0
5.8
3.13
<
<
>
>
>
<
>
>
>
<
<
>
4.72
4.72
4.72
4.72
4.72
4.72
4.72
4.72
4.72
4.72
4.72
4.72
Iguales
Iguales
(*) significativa
(*) significativa
(*) significativa
Iguales
(*) significativa
(*) significativa
(*) significativa
Iguales
Iguales
(*) significativa
12% =127.0
|2% -4%|
|2% -12%|
|4% -12%|
=
=
=
129.8 -128.8 =
129.8 -127.0 =
128.8 -127.0 =
Iguales
Iguales
Iguales
El resultado de la prueba de Tukey nos seala con una confiabilidad del 95% que las medias del grupo
de tratamientos (8% = 6% = 10%) son iguales entre s, as como las medias del grupo de tratamientos (10% = 2%
= 4%) y el grupo de tratamientos (2% = 4% = 12%).
8% =136.8
6% =135.6
10% =132.8
2% =129.8
4% =128.8
12% =127.0
HIPOTESIS
VALOR DE LA PRUEBA
Ci2,u
i 1
ni
CM e
S ,u
VALOR A PROBAR
REGLA DE DECISION
(a 1) F ,a 1, N a
|i -j|
Rechazar H0 si: |i -j|>S,u
Considerando los datos del problema, se ordenan las medias de los tratamientos de mayor a menor:
8% =136.8
6% =135.6
10% =132.8
GLe =24
CMe =5.85
S ,u
=
=
=
=
=
=
=
=
=
a=6
Ci2,u
CM e
i 1 ni
a
2
2
S 0.05,1 5.85( 1 5 1 ) (6 1) F0.05,5, 24
|8% -6%|
|8% -10%|
|8% -2%|
|8% -4%|
|8% -12%|
|6% -10%|
|6% -2%|
|6% -4%|
|6% -12%|
2% =129.8
136.8 -135.6
136.8 -132.8
136.8 -129.8
136.8 -128.8
136.8 -127.0
135.6 -132.8
135.6 -129.8
135.6 -128.8
135.6 -127.0
=
=
=
=
=
=
=
=
=
4% =128.8
n=5
12% =127.0
N=30
(a 1) F ,a 1, N a
=[1.5297][(5)(2.62)]0.5 =[1.5297][3.62]=5.53
1.2
4.0
7.0
8.0
9.8
2.8
5.8
6.8
8.6
3.14
<
<
>
>
>
<
>
>
>
5.53
5.53
5.53
5.53
5.53
5.53
5.53
5.53
5.53
Iguales
Iguales
(*) significativa
(*) significativa
(*) significativa
Iguales
(*) significativa
(*) significativa
(*) significativa
|10% -2%|
|10% -4%|
|10% -12%|
|2% -4%|
|2% -12%|
|4% -12%|
=
=
=
=
=
=
132.8 -129.8
132.8 -128.8
132.8 -127.0
129.8 -128.8
129.8 -127.0
128.8 -127.0
=
=
=
=
=
=
3.0
4.0
5.8
1.0
2.8
1.8
<
<
>
<
<
<
5.53
5.53
5.53
5.53
5.53
5.53
Iguales
Iguales
(*) significativa
Iguales
Iguales
Iguales
El resultado de la prueba de Scheff nos indica con un nivel de confiabilidad del 95% que las medias del
grupo de tratamientos (8% = 6% = 10%) son iguales entre s, as como las medias del grupo de tratamientos
(10% = 2% = 4%) y el grupo de tratamientos (2% = 4% = 12%).
8% =136.8
6% =135.6
10% =132.8
2% =129.8
4% =128.8
12% =127.0
H0: i =a
HIPOTESIS
VALOR DE LA
PRUEBA
1
1
ni na
D d , a 1, GLe CM e
VALOR A PROBAR
REGLA DE DECISION
|i -a|
Rechazar H0 si: |i -a|>D
Considerando los datos del problema, se ordenan las medias de los tratamientos de mayor a menor:
8% =136.8
6% =135.6
10% =132.8
GLe =24
2% =129.8
CMe =5.85
Tratamiento control:
1
1
ni na
D d , a 1, GLe CM e
a=6
4% =128.8
n=5
N=30
8% =136.8
1 1
d 0.05,5, 24 5.85
5 5
3.15
12% =127.0
=(2.36)(1.5297) =3.61
|8% -6%|
|8% -10%|
|8% -2%|
|8% -4%|
|8% -12%|
=
=
=
=
=
136.8 -135.6
136.8 -132.8
136.8 -129.8
136.8 -128.8
136.8 -127.0
=
=
=
=
=
1.2
4.0
7.0
8.0
9.8
<
>
>
>
>
3.61
3.61
3.61
3.61
3.61
Iguales
(*) significativa
(*) significativa
(*) significativa
(*) significativa
6% =135.6
10% =132.8
2% =129.8
3.16
4% =128.8
12% =127.0
Observaciones
10%
12.5%
15%
17.5%
20%
50.3
46.7
44.5
43.1
44.7
50.2
49.3
45.2
44.2
44.9
49.9
49.2
46.1
43.5
43.7
48.3
46.6
44.9
43.6
45.2
52.2
48.3
44.7
43.8
43.4
Total
250.9
240.1
225.4
218.2
221.9
Promedio
50.18
48.02
45.08
43.64
44.38
SCT
2
ij
i 1 j 1
SC t
i 1
1156.5
Y..2
1156 .5 2
50.32 50.2 2 49.9 2 ... 45.2 2 43.4 2
170.54
N
25
151.28
n
N
5
25
SUMA DE
CUADRADOS
151.28
19.26
170.54
GRADOS DE
LIBERTAD
CUADRADOS
MEDIOS
4
20
24
3.17
37.82
0.96
Calculada
Tablas
39.26
4.43
PRUEBA DE HIPTESIS. Se plantea la hiptesis de que las medias de los tratamientos (% de fibra de
carbono) son iguales, con un nivel de confianza del 99%.
H0 = 10% = 12.5% = 15% = 17.5% = 20%
Al utilizar este nivel de confianza, se concluye que es improbable que las medias de los tratamientos
sean iguales. Como el resultado del estadstico en tablas (F0.01,4,20 =4.43) es menor que el estadstico calculado
(FCalculada =39.26), debe rechazarse H0 y concluir que las medias de los tratamientos difieren, lo cual indica que el
contenido de fibra de carbono afecta significativamente el peso de la aleacin.
COMPARACIN DE MEDIAS ENTRE TRATAMIENTOS
PRUEBA DE DIFERENCIA MENOS SIGNIFICATIVA (DMS)
H0: i =j
HIPOTESIS
VALOR DE LA PRUEBA
DMS t
CM e 1 n 1 n
i
j
2, N a
|i -j|
Rechazar H0 si: |i -j|>DMS
VALOR A PROBAR
REGLA DE DECISION
Considerando los datos del problema, se ordenan las medias de los tratamientos de mayor a menor:
10% =50.18
12.5% =48.02
GLe =20
DMS t
2, N a
CM e 1 n 1 n
i
j
15% =45.08
20% =44.38
n=5
17.5% =43.64
CMe =0.96
a=5
t0.05 2,255
N=25
El resultado anterior es la diferencia menos significativa, la cual se va a comparar contra los valores
absolutos de las diferencias entre los tratamientos de la siguiente manera:
|10% -12.5%|
|10% -15%|
|10% -20%|
|10% -17.5%|
|12.5% -15%|
|12.5% -20%|
|12.5% -17.5%|
|15% -20%|
|15% -17.5%|
|20% -17.5%|
=
=
=
=
=
=
=
=
=
=
50.18-48.02
50.18-45.08
50.18-44.38
50.18-43.64
48.02-45.08
48.02-44.38
48.02-43.64
45.08-44.38
45.08-43.64
44.38-43.64
=
=
=
=
=
=
=
=
=
=
2.16
5.10
5.80
6.54
2.94
3.64
4.38
0.70
1.44
0.74
3.18
>
>
>
>
>
>
>
<
>
<
1.29
1.29
1.29
1.29
1.29
1.29
1.29
1.29
1.29
1.29
(*) significativa
(*) significativa
(*) significativa
(*) significativa
(*) significativa
(*) significativa
(*) significativa
Iguales
(*) significativa
Iguales
La prueba DMS indica con un grado confianza del 95% que es probable que las medias de los
tratamientos (15% - 17.5%) son iguales entre s, as como las medias de los tratamientos (17.5% - 20%).
10% =50.18
12.5% =48.02
15% =45.08
20% =44.38
17.5% =43.64
HIPOTESIS
T q ,a ,GLe
VALOR DE LA PRUEBA
VALOR A PROBAR
REGLA DE DECISION
CM e
n
|i -j|
Rechazar H0 si: |i -j|>T
Considerando los datos del problema, se ordenan las medias de los tratamientos de mayor a menor:
10% =50.18
12.5% =48.02
GLe =20
T q ,a ,GLe
|10% -12.5%|
|10% -15%|
|10% -20%|
|10% -17.5%|
|12.5% -15%|
|12.5% -20%|
|12.5% -17.5%|
|15% -20%|
|15% -17.5%|
|20% -17.5%|
=
=
=
=
=
=
=
=
=
=
15% =45.08
CMe =0.96
20% =44.38
a=5
n=5
17.5% =43.64
N=25
CM e
0.96
=(4.24)(0.4382) =1.85
q0.05,5, 20
n
5
50.18-48.02
50.18-45.08
50.18-44.38
50.18-43.64
48.02-45.08
48.02-44.38
48.02-43.64
45.08-44.38
45.08-43.64
44.38-43.64
=
=
=
=
=
=
=
=
=
=
2.16
5.10
5.80
6.54
2.94
3.64
4.38
0.70
1.44
0.74
>
>
>
>
>
>
>
<
<
<
1.85
1.85
1.85
1.85
1.85
1.85
1.85
1.85
1.85
1.85
(*) significativa
(*) significativa
(*) significativa
(*) significativa
(*) significativa
(*) significativa
(*) significativa
Iguales
Iguales
Iguales
El resultado de la prueba de Tukey nos seala con un nivel de confiabilidad del 95% que las medias del
grupo de tratamientos (5% = 20% = 17.5%) son iguales entre s.
3.19
10% =50.18
12.5% =48.02
15% =45.08
20% =44.38
17.5% =43.64
H0: i =a
HIPOTESIS
VALOR DE LA
PRUEBA
1
1
ni na
D d , a 1, GLe CM e
VALOR A PROBAR
REGLA DE DECISION
|i -a|
Rechazar H0 si: |i -a|>D
Considerando los datos del problema, se ordenan las medias de los tratamientos de mayor a menor:
10% =50.18
12.5% =48.02
GLe =20
15% =45.08
CMe =0.96
a=5
1
1
ni na
|17.5% -10%|
|17.5% -12.5%|
|17.5% -15%|
|17.5% -20%|
=
=
=
=
n=5
N=25
1 1
d 0.05, 4, 20 0.96
5 5
|43.64 -50.18|
|43.64 -48.02|
|43.64 -45.08|
|43.64 -44.38|
=
=
=
=
17.5% =43.64
17.5% =43.64
Tratamiento control:
D d , a 1, GLe CM e
20% =44.38
6.54
4.38
1.44
0.74
<
>
<
<
1.64
1.64
1.64
1.64
=(2.65)(0.6196) =1.64
(*) significativa
(*) significativa
Iguales
Iguales
tratamientos 15% y 20% tengan igual media que este tratamiento control, con un nivel de confiabilidad del 95%.
3.20
10% =50.18
12.5% =48.02
15% =45.08
3.21
20% =44.38
17.5% =43.64
Profundidad de la
siembra (cm.)
4
6
8
10
12
14
16
18
II
III
IV
VI
VII
VIII
2.04
2.03
2.01
2.06
2.04
2.08
2.01
2.05
2.15
2.08
2.14
2.12
2.13
2.17
2.21
2.16
2.23
2.32
2.22
2.25
2.28
2.31
2.30
2.25
2.24
2.34
2.31
2.35
2.32
2.39
2.43
2.27
2.21
2.18
2.22
2.18
2.31
2.28
2.20
2.19
2.10
2.16
2.04
2.01
2.11
2.17
2.08
2.06
2.02
2.07
1.98
2.08
2.21
2.02
2.09
1.96
1.98
1.92
1.90
1.87
1.92
1.96
1.87
1.79
3.22
Total
Prom.
para
i = 1, 2, 3, ..., a
j = 1, 2, 3, ..., b
donde:
Yij = es la ij-sima observacin.
= es un parmetro comn debida a todas las observaciones llamada media global.
i = es un parmetro nico para el i-simo tratamiento llamado efecto del tratamiento.
j = efecto del i-simo bloque.
ij = es la componente aleatoria del error.
Bloque
Tratamiento (nivel)
1
Y11
2
3
.
b
Y12
Y1b
Y31
Y41
Ya1
Y22
Y32
Y42
Ya2
Y2b
Y3b
Y4b
Yab
3.23
Las hiptesis a comprobar slo son vlidas estadsticamente para los tratamientos, sin
embargo pueden hacerse consideraciones acerca de los bloques nicamente para identificar
si el hecho de establecer bloqueo fue necesario para disminuir el error aleatorio y las
desviaciones experimentales.
La hiptesis para los tratamientos es:
H0 = 1 = 2 = 3 = = i
La hiptesis para los bloques puede ser (sin un significado estadstico vlido):
H0 = 1 = 2 = 3 = = j
FUENTE DE
VARIACION
Tratamientos
Bloques
Error
Total
GRADOS DE
LIBERTAD
CUADRADOS MEDIOS
DE PRUEBA F
Yi .2 Y..2
N
i 1 b
a-1
CMt =SCt/(a-1)
CMt/CMe
Y. j2 Y..2
N
j 1 a
b-1
CMb =SCb/(b-1)
CMb/CMe
SUMA DE CUADRADOS
a
SCt
SCb
CMe =SCe/(a-1)
(b-1)
El diseo por bloques es til cuando se sospecha que existe algn factor incontrolable
que afecta en algn grado a la variable de salida, sin embargo, este efecto no nos interesa
para el anlisis y lo tenemos que disminuir utilizando bloques aleatorios para cada
tratamiento, de esta manera la variabilidad debida al error se divide y una parte cae dentro de
los bloques. En caso de haber ms de un factor de bloqueo, se recurre a los cuadrados
latinos y grecolatinos que se explican ms adelante.
3.24
productos qumicos sobre la piel de las ratas (medido en minutos). Se espera que la resistencia a los productos qumicos variar
substancialmente entre las ratas. Por lo tanto habr que probar los tres productos qumicos en cada rata para eliminar as la
variabilidad entre las ratas. Se desconoce la desviacin estndar del error experimental, pero algunos experimentos previos con
diversas aplicaciones de cierto producto qumico sobre el mismo tipo de rata sugerira un rango para las mediciones de
respuesta en 5 minutos. Encuentre el valor b tal que el error de estimacin para la diferencia entre las medias de dos
tratamientos sea menor de una unidad, con una probabilidad del 95%.
t /2 s
bi
Diferencia
t 0.025 1.25
2
1
bi
2 1.25
2
=1
bi
Despejando bi, tenemos que la prueba requiere 12.5 ratas, lo que equivale a 13 ratas
para obtener la informacin deseada.
NOTA: Los tamaos muestrales obtenidos en el ejemplo anterior son muy aproximados y
slo dan una aproximacin rudimentaria del tamao de la muestra y del consecuente costo
del experimento. El investigador obtendr informacin acerca de la varianza poblacional 2 a
medida que se recolectan los datos, y puede volver a calcular una mejor aproximacin para
ni o bi conforme proceda.
3.25
las lecturas de un equipo para medir la dureza. La mquina funciona presionando la punta sobre una probeta de metal y
determina la dureza de la misma a partir de la profundidad de la marca que se produce. Se cree que las durezas pueden ser
distintas debido a que provienen seguramente de distintos vaciados, por lo tanto, las probetas (unidades experimentales)
contribuyen a la variabilidad observada en las lecturas de la dureza. por ello, el error experimental reflejar tanto el error
aleatorio como la variabilidad entre las probetas. Se requiere que el error experimental sea lo ms pequeo posible. De
experiencias anteriores se sabe que la dureza de las probetas tiene un rango de 2.4 puntos Rockwell. Se espera que el
experimento demuestre que los tratamientos no tienen una variacin superior a 1 punto Rockwell con una probabilidad de 0.95.
t /2 s
bi
Diferencia
t 0.025 0.6
2
1
bi
2.3 0.6
2
=1
bi
Despejando el valor de bi, tenemos que la prueba requiere de 3.8 probetas, lo que al
redondear nmeros equivale a 4 probetas para obtener la informacin deseada. Se usan
entonces cuatro bloques, en cada uno de esos bloques (probetas) se ejecutarn cuatro
pruebas con las cuatro puntas para medir la dureza de que disponen, eso garantiza que los
efectos producidos por el material de la probeta se eliminen para resaltar los efectos que nos
interesan: los producidos por el tipo de punta.
ALEATORIZACIN. El siguiente paso es aleatorizar las cuatro lecturas que se tendrn para
cada tratamiento (tipo de punta) distribuidos al azar en cada bloque (probeta). Recurrimos a
la tabla de nmeros aleatorios y sorteamos el orden de experimentacin de puntas para cada
probeta. Si la terminacin de dos dgitos est entre 00 y 24, asignamos la punta tipo I; si el
nmero es entre 25 y 49, asignamos la punta tipo II; si el nmero sorteado est entre 50 y 74,
asignamos la punta tipo III; y para los nmeros que reslten entre 75 y 99 se asigna la punta
tipo IV. Supongamos que los nmeros escogidos, segn una tabla de nmeros aleatorios, es:
3.26
Probeta A
10480 *Punta IV
22368 *Punta III
24130 *Punta II
**Punta I
Probeta B
42167 *Punta III
37570
77921 *Punta I
99562
96301
89579 *Punta IV
Probeta C
85475 *Punta IV
28918 *Punta I
63553 *Punta III
Probeta D
09429 *Punta II
10365 *Punta III
07119 *Punta I
**Punta II
**Punta IV
**Punta II
Las notas (**) son asignaciones obvias cuando ya han sido sorteadas tres de las
cuatro puntas para cada probeta.
Como en el paso anterior, de igual forma se aleatorizan las 16 observaciones tomadas
al azar, utilizando nuevamente la tabla de nmeros aleatorios. Supongamos que el sorteo
nos da la siguiente correspondencia entre el orden y las observaciones:
Obervacin
Orden
14
16
12
13
15
9 10 11 12 13 14 15 16
6
10
Orden
Probeta
14
9
16
12
4
13
15
3
6
2
1
10
8
7
5
11
A
A
A
A
B
B
B
B
C
C
C
C
D
D
D
D
3.27
Punta
IV
III
II
I
III
I
IV
II
IV
I
III
II
II
III
I
IV
11
P R O B E TAS
A
1(14)
5(4)
9(6)
13(8)
I
II
III
IV
B
2(9)
6(13)
10(2)
14(7)
C
3(16)
7(15)
11(1)
15(5)
D
4(12)
8(3)
12(10)
16(11)
P R O B E TAS
A
I
II
III
IV
Totales
9.3
B
9.4
9.6
10.0
9.4
9.3
9.8
9.9
9.2
9.4
9.5
9.7
9.7
9.6
10.0
10.2
37.7
38.9
39.8
37.6
Totales
38.3
38.4
37.8
39.5
154.0
ANLISIS DE VARIANZA.
a
SCT
Yij2
i 1 j 1
SCt
i 1
b
SCb
j 1
Y..2
154 2
9.32 9.4 2 9.2 2 ... 9.7 2 10.2 2
1.29
N
16
0.385
n
N
4
16
Y. 2j
a
0.825
N
4
16
3.28
FUENTE DE
VARIACION
SUMA DE
CUADRADOS
GRADOS DE
LIBERTAD
CUADRADOS
MEDIOS
Calculada
Tablas
Tratamientos
(tipo de punta)
0.385
0.1283
14.44
3.86
Bloques
(probetas)
0.825
0.275
(14.44)
(3.86)
Error
0.08
1.29
9
15
0.0089
Total
3.29
para
i = 1, 2, 3, ..., p
j = 1, 2, 3, ..., p
k= 1, 2, 3, ..., p
donde:
Yijk
= es la ijk-sima observacin.
= es un parmetro comn debida a todas las observaciones llamada media global.
i = es el efecto del i-simo rengln.
j = es el efecto del j-simo tratamiento.
k = efecto de la k-sima columna.
ijk = es la componente aleatoria del error.
Como en todo experimento, las observaciones de un cuadrado latino deben
recopilarse en orden aleatorio. El procedimiento de aleatorizacin apropiado es el de
seleccionar en forma aleatoria el cuadrado particular empleado, ya que no hay tablas que
cubran todos los posibles modelos de cuadrados latinos (12 para el p=3, 576 para el p=4,
161,280 para el p=5, ..., etc.), nos limitaremos a seleccionar cuadrados latinos estndares
(aquellos cuyas letras del primer rengln van en orden alfabtico) y despus acomodar el
orden de las columnas y renglones aleatoriamente.
Algunos cuadrados estndar son los siguientes:
3.30
3x3
4x4
5x5
6x6
7x7
ABC
BCA
CDA
ABCD
BCDA
CDAB
DABC
ABCDE
BCDEA
CDEAB
DABCD
EABCD
ABCDEF
BCDEFA
CDEFAB
DEFABC
EFABCD
FABCDE
ABCDEFG
BCDEFGA
CDEFGAB
DEFGABC
EFGABCD
FGABCDE
GABCDEF
Como en el diseo por bloques, las hiptesis a comprobar slo son vlidas
estadsticamente para los tratamientos (letras latinas), sin embargo se pueden hacer
consideraciones acerca de las columnas o renglones nicamente para averiguar si existen
efectos de renglones y columnas.
La hiptesis para los tratamientos es:
H0:
1 =2 =3 = ...=j
para
j = 1, 2, 3, ..., p
SCt
j 1
Renglones
GRADOS DE
LIBERTAD
CUADRADOS MEDIOS
Y...2
N
p-1
CMt =SCt/(p-1)
CMt/CMe
Yi ..2
Y2
...
p
N
p-1
CMr =SCr/(p-1)
CMr/CMe
p-1
CMc =SCc/(p-1)
CMc/CMe
(p-2)(p-1)
CMe =SCe/GLe
SUMA DE CUADRADOS
SCr
i 1
Y. 2j .
p
ESTADISTICO
DE PRUEBA F
Y..2k
Y2
...
p
N
k 1
Columnas
SCc
Error
Total
SCT
2
ijk
i 1 j 1 k 1
Y...2
N
p2-1
Cuando se utilizan cuadrados latinos pequeos, surge la desventaja de que los grados
de libertad del error se ven reducidos drsticamente, lo cual trae como consecuencia que se
reduzca la sensibilidad del modelo para detectar variaciones. Para evitar esto, cuando se usa
un cuadrado latino pequeo es conveniente repetirlo con el fin de aumentar los grados de
libertad del error. Existen tres formas de variar el modelo para la siguiente rplica:
CASO 1: Usando los mismos renglones y columnas en cada rplica.
CASO 2: a) Usando los mismos renglones pero con diferentes columnas.
b) Usando diferentes renglones pero con las mismas columnas.
CASO 3: Usando diferentes renglones y diferentes columnas.
Ahora, cada observacin ir sealada por el rengln i, el tratamiento j, la columna k y
la rplica l. El total de observaciones ser N=(p)(p)(n).
Los clculos del anlisis de varianza se ven modificados sustancialmente en virtud del
modelo de rplica a emplear. A continuacin se dan las frmulas para detallar las tablas
ANOVA en cada caso de replicacin.
FUENTE DE
VARIACION
Tratamientos
SUMA DE CUADRADOS
SCt
SCr
ESTADISTICO
DE PRUEBA F
Y
N
p-1
CMt =SCt/(p-1)
CMt/CMe
Yi ...2
Y....2
N
p-1
CMr =SCr/(p-1)
CMr/CMe
p-1
CMc =SCc/(p-1)
CMc/CMe
n-1
CMR =SCR/(n-1)
CMR/CMe
(p-1)[n(p+1)-3]
CMe =SCe/GLe
np
p
CUADRADOS MEDIOS
2
. j ..
j 1
Renglones
GRADOS DE
LIBERTAD
np
i 1
2
....
Y..2k . Y....2
SCc
N
k 1 np
Columnas
Y...2l Y....2
SCR 2
N
l 1 p
SCe=SCT -SCt -SCr -SCc
-SCR
n
Replicacin
Error
SCT
Total
Yijkl2
i 1 j 1 k 1 l 1
Y....2
2
N np -1
FUENTE DE
VARIACION
SUMA DE CUADRADOS
GRADOS DE
LIBERTAD
3.32
CUADRADOS MEDIOS
ESTADISTICO
DE PRUEBA F
Tratamientos
Y. j2..
np
SCt
j 1
Renglones
SCr
l 1 i 1
Columnas
SCc
Y....2
N
Yi ..2l
Y...2l
p
l 1
p-1
CMt =SCt/(p-1)
CMt/CMe
n(p-1)
CMr =SCr/[n(p1)]
CMr/CMe
p-1
CMc =SCc/(p-1)
CMc/CMe
n-1
CMR =SCR/(n-1)
CMR/CMe
(p-1)[n(p+1)-3]
CMe =SCe/GLe
Y..2k . Y....2
N
k 1 np
Y...2l Y....2
2
N
l 1 p
SCe=SCT -SCt -SCr -SCc
-SCR
n
Replicacin
Error
Total
SCR
SCT
2
ijkl
Y....2
2
N np -1
i 1 j 1 k 1 l 1
SUMA DE CUADRADOS
Y. j2..
np
SCt
j 1
Renglones
SCr
l 1 i 1
SCc
Yi ..2l
Columnas
Y....2
N
Y..2kl
p
k 1
l 1
l 1
n
Y...2l
p2
Y...2l
p
l 1
Y...2l Y....2
2
N
l 1 p
SCe=SCT -SCt -SCr -SCc
-SCR
GRADOS DE
LIBERTAD
CUADRADOS MEDIOS
ESTADISTICO
p-1
CMt =SCt/(p-1)
CMt/CMe
n(p-1)
CMr =SCr/[n(p1)]
CMr/CMe
n(p-1)
CMc =SCc/[n(p1)]
CMc/CMe
n-1
CMR =SCR/(n-1)
CMR/CMe
(p-1)[n(p-1)-1]
CMe =SCe/GLe
DE PRUEBA F
Replicacin
Error
Total
SCR
SCT
Yijkl2
i 1 j 1 k 1 l 1
Y....2
2
N np -1
Tabla de ANOVA para el cuadrado latino replicado (DIFERENTES RENGLONES Y DIFERENTES COLUMNAS).
mezcla de dinamita sobre la fuerza explosiva observada. Cada mezcla se prepara usando un lote de materia prima, lo
suficientemente grande como para que se hagan cinco o ms mezclas. Las mezclas las preparan varios operadores, pudiendo
3.33
existir una diferencia sustancial en la habilidad y experiencia entre ellos. Al parecer hay dos efectos extraos que se deben
cancelar en el diseo: lotes de materia prima y operadores. El diseo apropiado para este problema consiste en probar cada
frmula exactamente una vez, utilizando cada lote de materia prima, y en el que cada frmula sea preparada una vez por cada
uno de los cinco operadores que se necesitan.
Este problema requiere el uso de un cuadrado latino de tamao 5x5 para eliminar as
los efectos extraos de los operadores y los lotes.
ELECCIN DEL NMERO DE RPLICAS. En cuadrados latinos el nmero de rplicas a
realizar depende en gran medida de la sensibilidad que deseamos del modelo y del costo de
experimentacin. Se considera que los problemas que usen cuadrados latinos de 3x3 y 4x4
son susceptibles del requerimiento de replicaciones para aumentar la sensibilidad del modelo
(siempre y cuando los costos lo permitan); en problemas mayores la replicacin no es crtica,
sin embargo, se recomienda hacerla cuando sea viable econmicamente.
ALEATORIZACIN. Para el caso de cuadrados latinos, la aleatorizacin se hace para el
orden de las columnas y renglones, ya que las letras latinas se toman de los modelos
estndar. Despus se aleatoriza el orden en que sern tomadas las observaciones. Para este
caso nombremos columnas a los operadores y renglones a los lotes.
ALEATORIZACIN DE COLUMNAS. Se numeran a los operadores del 1 al 5 y se les sortea
al azar el lugar entre las columnas que irn a ocupar. Suponga que de la tabla de nmeros
aleatorios, los nmeros 0 y 5 corresponden al operador I, los nmeros 1 y 6 al operador II, el
2 y 7 al operador III, el 3 y 8 al operador IV y el 4 y 9 para el operador V. De la tabla de
nmeros aleatorios obtendramos:
10480
22368
24130
42167
37570
77921
(*)
3.34
3
2
5
1
4
OPERADORES
I
A(1)
B(6)
C(11)
D(16)
E(21)
II
B(2)
C(7)
D(12)
E(17)
A(22)
III
C(3)
D(8)
E(13)
A(18)
B(23)
IV
D(4)
E(9)
A(14)
B(19)
C(24)
V
E(5)
A(10)
B(15)
C(20)
D(25)
3
2
5
1
4
OPERADORES
I
24(A)
17(B)
18(C)
26(D)
22(E)
II
20(B)
24(C)
38(D)
31(E)
30(A)
III
19(C)
30(D)
26(E)
26(A)
20(B)
IV
24(D)
27(E)
27(A)
23(B)
29(C)
V
24(E)
36(A)
21(B)
22(C)
31(D)
ANLISIS DE VARIANZA.
Se obtienen los totales de renglones, columnas y letras latinas para despus realizar los
clculos correspondientes:.
RENGLONES
1=128
2=134
3=111
4=132
5=130
COLUMNAS
I=107
II=130
III=121
IV=143
V=134
3.35
LETRAS
A=143
B=101
C=112
D=149
E=130
SCT
2
ijk
Y...2
N
i 1 j 1 k 1
SCt
Y. 2j .
Yi ..2
Y2
...
p
N
j 1
SCr
i 1
6352
676
25
Y...2
N
24 2 20 2 19 2 ...29 2 312
SCc
k 1
FUENTE DE VARIACION
SUMA DE
CUADRADOS
GRADOS DE
LIBERTAD
CUADRADOS
MEDIOS
330
68
150
128
676
4
4
4
12
24
82.5
17
37.5
10.67
Tratamientos (frmula)
Renglones (lotes)
Columnas (operadores)
Error
Total
Calculada
Tablas
7.73
3.26
(1.59)
(3.26)
(3.51)
(3.26)
PRUEBAS DE HIPOTESIS
Sobre los tratamientos (frmula del explosivo): Se plantea la hiptesis de que las medias
de los tratamientos (frmula del explosivo), representada por las letras latinas, son iguales
con un nivel de significancia del 95%. Como F0.05,4,12= 3.26 debe rechazarse H0 y suponer que
los tratamientos difieren entre ellos, lo cual significa que las frmulas del explosivo afectan
significativamente la fuerza explosiva resultante del experimento.
H0:
A =B =C =D =E
Sobre los renglones (lotes de materia prima): Sin una base estadstica, la prueba resulta
ser significativa, lo cual sugiere que los lotes de materia prima son muy parecidos, evidencia
para creer que el modelo puede prescindir del estudio de los lotes en experimentos
posteriores.
H0:
1 =2 =3 =4 =5
3.36
3.37
Nivel de A
bajo
alto
bajo
alto
Nivel de B
bajo
bajo
alto
alto
Los grados de libertad se calculan de la forma usual para los factores principales y
para la interaccin. En general, para los grados de libertad totales se calcula como 4n-1. Y
para los grados de libertad del error es 4(n-1). Las sumas de cuadrados se calculan como
sigue:
Para la suma de cuadrados total:
a
i=1
j=1
k=1
(1)
1
-1
-1
1
a
1
1
-1
-1
b
1
-1
1
-1
3.39
ab
1
1
1
1
Los signos algebraicos para calcular los efectos principales y la interaccin siempre van a
ser:
Efectos
1
A
B
AB
4.1-1 EJEMPLO 1.
(1)
+
+
a
+
+
-
b
+
+
-
ab
+
+
+
+
Se est realizando una investigacin para estudiar el efecto que tienen la concentracin de un reactivo y la
presencia de un catalizador sobre el tiempo de reaccin de un proceso qumico. La concentracin del reactivo tiene dos niveles de inters
que son 15% y 20%. El catalizador est dado en dos niveles, un nivel alto (superior) que requiere de dos sacos de catalizador, y un nivel
bajo (inferior) con un saco de catalizador. Se sabe por experiencia que el rango de observaciones del tiempo de reaccin no es superior a
26 segundos. Se espera que este experimento sea sensible a una diferencia superior de 12 segundos con un 95% de efectividad.
TAMAO DE MUESTRA.
Considerando que para un experimento factorial se necesitan un mnimo de dos
observaciones y que hay cuatro tratamientos a investigar, tomaremos 8 grados de libertad
para calcular el estadstico t0.025. Un valor aproximado de (s) es un cuarto del rango, lo que es
6.25 segundos. Luego aplicamos la frmula para determinar el tamao de muestra.
ni=[2(t0.025,8 s)2]/(diferencia)2
ni =2[(2.306)(6.25)]2/(12)2
ni =2.88 = 3
ALEATORIZACION. Debido a que la situacin experimental se complicara si
aleatorizramos el orden de las rplicas, se tomarn las tres rplicas seguidamente para
cada tratamiento. solamente vamos a sortear el orden que seguir cada tratamiento con sus
tres rplicas. Sea el factor A la concentracin del reactivo y el factor B la cantidad del
catalizador. Asignemos al tratamiento a1b1 el intervalo de terminaciones de nmeros
aleatorios de 00-24, al tratamiento a2b1 el 25-49, al tratamiento a1b2 el 50-74 y al tratamiento
a2b2 el 75-99.
Se hace el siguiente sorteo:
10480 tratamiento a2b2 en primer lugar.
22368 tratamiento a1b2 en segundo lugar.
24130 tratamiento a2b1 en tercer lugar.
(*)
tratamiento a1b1 en cuarto lugar.
3.40
EXPERIMENTACION. Supongamos que los datos recogidos estn en segundos y son los
siguientes:
Tratamientos
a1 b1
a2 b1
a1 b2
a2 b2
Rplicas
II
III
TOTAL
28
25
27
80
36
32
32
100
18
19
23
60
31
30
29
90
(1)
-1
-1
1
a
1
-1
-1
b
-1
1
-1
ab
1
1
1
208.33
75.00
8.33
j=1
k=1
3.41
Fuente de
Variacin
Tablas
A (% de reactivo)
B (catalizador)
AB
Error
Total
Suma de
Grados de Cuadrados
F
Cuadrados
Libertad
Medios
208.33
75.00
8.33
31.34
323.00
1
1
1
8
15
208.33
75.00
8.33
3.92
F
Calculada
53.15
19.13
2.13
5.32
5.32
5.32
20
26.66
ab
30
a
.
33.33
La prueba de Tukey nos indica que los tratamientos donde el nivel del factor A es alto, son iguales entre s.
Asimismo, se detect que el tratamiento donde los dos factores estn bajos, es igual al tratamiento con los dos factores a
nivel alto. El tratamiento donde el nivel de A es bajo y el nivel de B es alto, es diferente a cualquier otro y presenta la
respuesta media de observacin ms baja. Si se busca economizar en tiempo de proceso, se sugiere emplear el tratamiento
con el nivel bajo del factor A (concentracin de reactivo al 15%) y el nivel alto de B (dos sacos de catalizador).
3.43
Nivel de A
bajo
alto
bajo
alto
bajo
alto
bajo
alto
Nivel de B
bajo
bajo
alto
alto
bajo
bajo
alto
alto
Nivel de C
bajo
bajo
bajo
bajo
alto
alto
alto
alto
Existen en realidad tres notaciones distintas que se usan ampliamente para las
corridas o ejecuciones en el diseo 2k. La primera es la notacin [+, -], a menudo llamada
"geomtrica". La segunda consiste en el uso de letras minsculas como ya hemos indicado,
para identificar las combinaciones de tratamientos. En la tercera notacin se utilizan los
dgitos 1 y 0 para denotar los niveles alto y bajo del factor, respectivamente, en vez de los
signos + y -.
Estas distintas notaciones se ilustran enseguida para el diseo 23:
Corridas
Tratamientos
1
(1)
2
a
3
b
4
ab
5
c
6
ac
7
bc
8
abc
Factor/corridas 1
A
B
C
+
-
+
-
+
+
-
+
+
+
+
+
+
+
3.44
Factor/corridas 1
A
B
C
1
0
0
0
1
0
1
1
0
0
0
1
1
0
1
0
1
1
1
1
1
0
0
0
i=1
j=1
k=1
(1)
+
+
+
+
-
a
+
+
+
+
b
+
+
+
+
ab
+
+
+
+
-
c
+
+
+
+
ac
+
+
+
+
-
3.45
bc
+
+
+
+
-
abc
+
+
+
+
+
+
+
+
3.46
4.2-1 EJEMPLO 1.
Un embotellador de bebida gaseosa desea obtener mayor uniformidad en la altura de llenado de botellas que
salen de su proceso de manufactura. En teora, la mquina llenadora introduce lquido en la botella hasta la altura correcta, pero en la
prctica existe variacin alrededor de este objetivo, y el fabricante quisiera comprender mejor las fuentes de esta variabilidad para poder
reducirla al mnimo. El ingeniero de proceso puede controlar tres variables durante el proceso de llenado: % de carbonatacin (10 y 12%),
presin de llenado (25 y 30 psi) y la velocidad de la lnea (200 y 250 botellas por minuto). La experiencia seala que la altura de llenado
vara entre 15.02 y 16.54 centmetros. Disee un experimento sensible a diferencias mayores a 0.7cm en la altura de llenado, con un 95%
de confiabilidad. Estas medidas se han tomado con el tratamiento tradicional consistente en trabajar a todos los factores en su nivel ms
bajo (10% de carbonatacin, 25psi de presin y 200bpm).
TAMAO DE MUESTRA.
Teniendo en cuenta que existe un total de 2x2x2 tratamientos, se recurre a emplear
una t0.025 con 8x2 grados de libertad. Se estima tambin un valor aproximado de s igual a 1/4
del rango, lo que es s=1.52/4 =0.38.
ni=[2(t0.025,16s)2]/(diferencia)2
ni=2[(2.12)(0.38)]2/(0.7)2
ni=1.85 = 2
ALEATORIZACION
Como no es posible variar mucho la lnea de produccin, se tomarn las dos rplicas
de cada tratamiento en forma secuencial. Esto quiere decir que slo podemos aleatorizar a
los tratamientos y no a las corridas. Tomamos intervalos de dos dgitos de 10 en 10 del 00 al
79 para asignar a los tratamientos:
00-09
10-19
20-29
30-39
tratamiento a1b1c1
tratamiento a1b1c2
tratamiento a1b2c1
tratamiento a1b2c2
40-49
50-59
60-69
70-79
tratamiento a2b1c1
tratamiento a2b1c2
tratamiento a2b2c1
tratamiento a2b2c2
3.47
30psi
Rapidez de lnea
250
200
250
11
10
12
15
13
16
14
3.48
EXPERIMENTACION
Suponga que se realiza el experimento y los resultados son la altura de llenado de la
botella en centmetros:
=========================================================
Presin de operacin (B)
.
25psi
30psi
.
Porcentaje de
Rapidez de lnea (C)
Rapidez de lnea (C)
carbonatacin (A) 200
250
200
250
=========================================================
10%
15.2
15.6
15.6
15.9
15.6
12%
15.8
15.8
16.0
15.7
16.2
16.1
16.0
16.2
16.3
16.5
16.4
==========================================================
ANALISIS DE VARIANCIA
Hallamos los totales para cada tratamiento, usaremos la nomenclatura estndar:
(1)=30.8
a =31.8
b =31.3
ab=32.5
c =31.4
ac =32.3
bc =31.9
abc=32.9
i=1
j=1
k=1 l=1
3.50
Las pruebas de hiptesis sealan que las interacciones de dos y de tres factores no
tienen un efecto significativo. sin embargo, los factores muestran una clara significancia,
seal de que estn afectando el nivel de llenado de sodas.
Se recomienda emplear una prueba de comparacin de medias de tratamientos para
examinar estas variaciones y localizar dnde se generan.
COMPARACION DE TRATAMIENTOS
(Prueba de Dunnett)
Consideremos a 1 como la media del tratamiento con los niveles bajos de los factores
y a abc al tratamiento con todos los niveles altos de factores. Y a los tratamientos con las
diferentes combinaciones de niveles del factor en la misma forma que se ha mostrado. As
obtenemos sus medias:
1=15.4
a=15.9
b=15.75
c=16.70
ab=16.25
ac=16.15
bc=15.95
abc=16.45
Obtenemos el estadstico de prueba Dunnett y comparamos contra el tratamiento
piloto ( 1) donde todos los factores estn a un nivel bajo.
D=(d,a-1,GLe){CMe[(1/ni)+(1/na)]}1/2
D=(d,7-1,8){0.0181[(1/2)+(1/2)]}1/2 =(3.22)(0.0181)1/2 = 0.43
1 - a = 15.4-15.9 = 0.50 >0.43
-------(*) significativo
1 - b = 15.4-15.75 = 0.35 <0.43
-------iguales
1 - c = 15.4-16.7 = 1.30 >0.43
-------(*) significativo
1 - ab = 15.4-16.25
= 0.85 >0.43
-------(*) significativo
1 - ac = 15.4-16.15
= 0.75 >0.43
-------(*) significativo
1 - bc = 15.4-15.95
= 0.55 >0.43
-------(*) significativo
1 - abc = 15.4-16.45
= 1.05 >0.43
-------(*) significativo
1
bc
ac
ab
abc
15.4
15.75
15.9
15.95
16.15
16.25
16.45
16.70
Los resultados de la prueba de Dunnett nos indican con una confianza del 95% que
solamente el tratamiento con el nivel alto de B se le parece al tratamiento control que se ha
venido empleando.
En otras palabras, se recomienda seguir usando el tratamiento habitual con todos los
factores a nivel bajo, con la sugerencia de que en caso de ser ms econmico o de ser ms
ventajoso, use el tratamiento con la presin de 30psi en el llenado, 10% de carbonatacin y
3.51
200 botellas por minuto. Para ello se pueden considerar las especificaciones de
funcionamiento de la maquinaria, el desgaste sufrido, etc.
3.52