1

DISEO COMPLETAMENTE AL AZAR

Es el diseo ms sencillo
Consiste en asignar los niveles de un factor de
inters a unidades experimentales previamente
aleatorizadas.
Las unidades
homogneas

experimentales

deben

ser

CASOS DE ACUERDO AL NUMERO DE

OBSERVACIONES POR CADA NIVEL
BALANCEADO
DESBALANCEADO
2

DISEO COMPLETAMENTE AL AZAR

1. Consideraciones Previas

Definicin del Problema

Identificacin de la Variable de Respuesta
Seleccin del Factor de Inters
Seleccin de los Niveles
Definicin de las Unidades Experimentales
Estimar el Tamao de Muestra por cada nivel

1. En el siguiente experimento:

EMPAQUE DE CARNES

Defina el problema objeto de estudio

Identifique la variable de respuesta (VD), unidad experimental
Identifique el factor de inters (VI) y sus niveles
Nmero de observaciones por cada nivel
La vida de anaquel de las carnes almacenadas es el tiempo que un corte previamente
empacado es sano y vendible. Un paquete normal expuesto al aire ambiental tiene
una vida aproximada de 48 horas, despus de las cuales la carne comienza a
deteriorarse por contaminacin de microbios, degradacin del color y encogimiento.
El empaque al vaco es efectivo para suprimir el desarrollo de microbios, sin
embargo, continan siendo un problema los otros aspectos.
Algunos estudios recientes sugieren las atmsferas controladas de gas, como
alternativa a los empaques actuales. Dos atmsferas que prometen combinar la
capacidad de suprimir el desarrollo de microbios con la conservacin de las
cualidades de la carne son: dixido de carbono puro (CO2) y mezcla de monxido de
carbono (CO), oxgeno (O2) y nitrgeno (N).
4

Continuacin.
Con base en esta nueva informacin , el investigador plantea la hiptesis de que
alguna forma de atmsfera controlada proporcionar un entorno ms efectivo de
empaque para el almacenamiento de carne.
El diseo desarrollado por el investigador para evaluar la hiptesis incluy
empaques con:
1.

Aire del ambiente con un empaque comercial de plstico

2.

Empaque al vaco

3.

Una mezcla de gases con 1% CO, 40% O2,

4.

100% CO2

59% N

A cada conjunto de condiciones de empaque se le asignaron al azar 3 cortes del

mismo tamao (75 kg). Cada corte se empac por separado en las condiciones
asignadas y cada uno se le midi el nmero de bacterias sicotrpicas en la carne (el
crecimiento bacterial se expresa como el logaritmo del nmero de bacterias por
centmetro cuadrado). Las bacterias sicotrpicas se encuentran en la superficie de la
carne y se asocian con la carne deteriorada

Determinar
si
hay
diferencias
significativas en el nmero promedio de
bacterias sicotrpicas en la carne para
diferentes condiciones de empaque

Al 5%

Nmero de Bacterias Sicotrpicas en cada

paquete de carne
Condiciones de Empaque

Aire del ambiente con un empaque comercial de

plstico
Empaque al vaco
Una mezcla de gases con 1% CO,40% O2, y 59% N
6
100% CO2

Cortes de Carne

A cada corte de carne se le asigna un tipo de empaque o

cada corte de carne es asignado a un tipo de empaque

Tres
7

COMO PLANTEA EN TERMINOS

ESTADISTICO
LA
HIPOTESIS
FORMULADA
POR
EL
INVESTIGADOR?

COMO CONTRASTA ESA

HIPOTESIS?

2. LA ADICCION AL CELULAR
El problema es real. La adiccin al celular no es una teora nueva o producto de la imaginacin de algunas
personas.
Las personas adictas al celular padecen de una dependencia irracional que al momento de ser separadas del
mvil sienten inseguridad, miedo, angustia, vaco interno, que si no reciben un mensaje o una llamada
comienzan a deprimirse, el uso que le dan al dispositivo mvil es realmente excesivo, ya que no solo lo
utilizan para llamar o enviar/recibir mensajes, sino tambin para otras actividades. Todos estos factores y
otros son los que identifican a un adicto al celular.
Vivimos en una sociedad donde la tecnologa se desarrolla cada vez ms y toma un lugar importante en la
vida de cada individuo, todos los das somos bombardeados de informacin por los medios de comunicacin
pidindonos a gritos ser consumidores de los productos que anuncian, ante esto, pareciera imposible no
actualizarse en cuanto a tecnologa se trata, pero debemos tener bien en claro que el problema no es usar el
celular, sino la reaccin que el uso de ste dispositivo genera en la persona.
Debemos darle el uso indicado a nuestro mvil, utilizarlo solamente cuando realmente se necesita y poder
entender perfectamente la diferencia entre una necesidad y una adiccin, si usted como lector cree que
padece de alguno de los sntomas de la adiccin al mvil o cualquier tecnologa, se le recomienda tome las
medidas
necesarias
para
romper
ese
mal
hbito.
A pesar de que la cantidad de dinero utilizado en tarjetas de saldo para el celular no es un factor
determinante para poder decir si una persona es adicta o no al telfono mvil, si puede indicar el tiempo que
le
dedican
a
ste
y
la
importancia
que
le
dan.
En la siguiente tabla se muestran los resultados de un sondeo aplicado a 21 personas: 7 estudiantes de nivel
secundaria, 7 estudiantes de nivel media superior y 7 estudiantes de nivel superior.
9

DINERO INVERTIDO EN TARJETAS PAR EL

CELULAR MENSUALMENTE
NIVEL DE ESTUDIOS
OBSERVACIO
NES
SECUNDARIA PREPARATORIA UNIVERSIDAD
1

100

200

200

200

100

300

500

100

100

300

100

200

100

200

100

200

300

200

100

100

100

Defina el problema objeto de estudio

Identifique la variable de respuesta (VD), unidad experimental
Identifique el factor de inters (VI) y sus niveles
Nmero de observaciones por cada nivel

10

COMO PLANTEA VERBALMENTE

LA
HIPOTESIS
EN
ESTA
SITUACION?
EN TERMINOS ESTADISTICOS LA
HIPOTESIS ?

COMO CONTRASTA ESA

HIPOTESIS?

11

DISEO COMPLETAMENTE AL AZAR

Utilizando las columnas para representar los niveles del factor

2. Modelo Estadstico
Yij

ij

j 1......k
i 1......n

Yij

es la i-sima observacin para el j-simo nivel del factor de

inters

media total

es el efecto del j-simo nivel del factor de inters sobre la

variable de respuesta

ij

es el error experimental
12

Se utilizar i para las filas y j para las columnas

Si se utilizan las filas para representar los niveles del factor

como se escribe el modelo?

2. Modelo Estadstico

Yij i ij
i 1......k
j 1......n

Yij

es la j-sima observacin para el i-simo nivel del factor de

inters

media total

ij

es el efecto del i-simo nivel del factor de inters sobre la

variable de respuesta
es el error experimental
13

Recordandosesin 1
Los factores pueden ser
Fijos
Aleatorios
Mixto
El tipo de factor influye en como se plantean
las hiptesis
En el caso de un DCA de un solo factor el modelo
solo puede ser de efectos fijos o aleatorios
14

COMO SE PLANTEAN LAS

HIPOTESIS DE ACUERDO
AL TIPO DE FACTOR?

15

3. Hiptesis
Factor de Efectos Fijos
H o : 1 2 ......... k
H1 = al menos una de las medias de los niveles del factor de
inters es diferente

Regla de Decisin
Descartar Ho si

Fc F , g ln, gld
donde
g ln k 1
gld k (n 1)
Regin de Rechazo

F , g ln, gld

16

3. Hiptesis
Factor Efectos aleatorios

H 0 : 12 22 ......... k2
H1 : al menos una de las varianzas de los niveles del factor
de inters es diferente
Regla de Decisin
Descartar Ho si

Fc F , g ln, gld

donde
g ln k 1
gld k (n 1)

Regin de Rechazo

FF , g ln, gld

17

Si se plante el modelo estadstico con los niveles

en las filas, las hiptesis se plantean de la misma
forma, ya que siempre se utilizara k para los
niveles y n para las observaciones

Yij
j 1......k
i 1......n

ij
niveles

observaciones

Yij i ij
i 1......k
j 1......n

niveles
observaciones

18

4.
Como
se
realiza
el
procedimiento de Aleatorizacin
en un DCA?
Codificar las unidades experimentales desde 1
hasta nk
Establecer un orden aleatorio para las pruebas
que sern realizadas sobre las unidades
experimentales, utilizando la tabla de nmeros
aleatorios
Asignar los niveles del factor de inters a las
unidades experimentales aleatorizadas
Los pasos son los mismos independientemente de cmo se haya
escrito el modelo

19

5. Formato de borrador para el

registro de los datos
1
#
#
#
#
#
#
#
#

(
(
(
(
(
(
(
(

)
)
)
)
)
)
)
)

2
#
#
#
#
#
#
#
#

.........................

(
(
(
(
(
(
(
(

)
)
)
)
)
)
)
)

#
#
#
#
#
#
#
#

(
(
(
(
(
(
(
(

)
)
)
)
)
)
)
)

# indica un nmero aleatorio

Yij
j 1......k
i 1......n

ij
20

Yij

6. Toma de datos

ij

j 1......k
i 1......n

niveles

Observaciones

Y11

Y12

Y1k

Y21

Y22

Y2k

Yn1

Yn2

Totales por
Nivel

Y.1

Y.2

..........

Yij

.
.

..........

Ynk
Y.k

Y..

21

Gran Total

6. Toma de datos
observaciones

Niveles

Yij i ij
i 1......k
j 1......n
..........

n
Totales

Y11

Y12

Y1n

Y1.

Y21

Y22

Y2n

Y2.

Yk1

Yk2

Yij

.
.

..........

Ykn

Yk .
Y..

22

Gran Total

ANALISIS DE VARIANZA
(ANDEVA)
Es la tcnica central en el anlisis de datos experimentales
Es la prueba estadstica que se utiliza para comprobar las hiptesis de
los diseos experimentales.
Es una potente herramienta estadstica, de gran provecho para:
Industria
Control y mejora de los procesos
Laboratorio de anlisis
Control de mtodos analticos

23

ANALISIS DE VARIANZA EN
UN DCA
En trminos generales separa la variabilidad total en las
partes con las que contribuye cada fuente de variacin en el
experimento
En un DISEO COMPLETAMENTE AL AZAR, tanto
para un experimento balanceado como para uno
desbalanceado la siguiente ecuacin es la base del ANOVA:

Variacion Variacion Variacion

Total

Entre

Niveles

dentro
de
Niveles

24

VERIFICACION DE LOS SPUESTOS DEL MODELO

Esta variacin total se descompone para probar si hay diferencias entre las medias de los
niveles. Es un requisito que se satisfagan los siguientes supuestos, para que el ANDEVA sea una
prueba exacta de Hiptesis:

NORMALIDAD se refiere a que los datos de la variable de respuesta o los

residuos deben tener una distribucin aproximadamente normal.
INDEPENDENCIA: los datos de la variable de respuesta ao los residuos no
deben estar correlacionados. A travs de la aplicacin de un minucioso
procedimiento de aleatorizacin se puede asegurar el cumplimiento de este
supuesto
HOMOCEDASTICIDAD: las varianzas de cada nivel del factor de inters
deben ser aproximadamente iguales. A travs de la seleccin de unidades
experimentales homogneas se puede garantizar el cumplimiento de este
supuesto
No es saludable confiar en el resultado del ANDEVA si estos supuestos no han sido verificados

25

Los supuestos pueden verificarse a travs del examen de los residuales. En un DCA
unifactorial los residuos se estiman a partir de :

Yij

eij Yij Yij

Estimacin de los valores de la variable de respuesta
correspondiente que se obtiene por:

Yij i

Yij Y.. (Yi. Y.. )

Yij Yi.

eij Yij Yi.

26

COMO SE VERIFICA EL SUPUESTO DE NORMALIDAD

1. HISTOGRAMA DE RESIDUALES
Si se cumple el supuesto este grafico debe aparecer en forma de campana con
centro en cero
Lamentablemente dado que se trabaja con muestras pequeas pueden ocurrir
fluctuaciones significativas
Si la desviacin es moderada no implica necesariamente que el supuesto se esta
violando
Tambin este grfico es de utilidad para detectar datos atpicos(outliers)

2. GRAFICO DE PROBABILIDAD NORMAL

Se puede hacer con los datos originales pero es ms eficaz hacerlo con los residuales
Si la distribucin de los errores es normal el grafico ser un ajuste aproximadamente a una lnea recta, o sea, es
una evidencia para indicar que los datos provienen de una distribucin normal. Es bueno complementar con
las pruebas analticas
Las desviaciones moderadas de la normalidad no representan preocupacin en el anlisis e varianza de efectos
fijos, a diferencia del modelo de efectos fijos
En este grafico tambin se pueden detectar outliers, que es un punto atpico. Si hay varios puede
ocasionar distorsiones en el ANDEVA

27

PRUEBAS ESTADISTICAS PARA VERIFICAR LA NORMALIDAD

PRUEBA ESTADISTICA DE SHAPIRO WILK: se utiliza para muestras

pequeas

PRUEBA ESTADISTICA DE RYAN-JOINER: se utiliza para muestras pequeas

PRUEBA ESTADISTICA DE ANDERSON-DARLING

PRUEBA ESTADISTICA DE SMIRNOF-KOLMOROF: se utiliza para muestras

mayores de 50. Se puede aplicar a datos que son normales o no.

Todas estas pruebas se pueden realizar con el apoyo de un software estadstico, como
por ejemplo el MINITAB o el PASW

28

COMO SE VERIFICA EL SUPUESTO DE HOMOCEDASTICIDAD

GRAFICA DE RESIDUOS VERSUS VALORES AJUSTADOS

GRAFICA DE NIVELES DE FACTRO VS RESIDUOS

PRUEBA ESTADISTICA DE BARLETT: es la ms usada. Compara la varianza entre grupos.

Si hay confianza de que los datos de la variable de respuesta tienen una distribucin normal, es la
ms recomendable.

PRUEBA ESTADISTICA DE LEVENE: es robusta al supuesto de normalidad. Si los datos no son

normales y se cuenta con un tamao de muestra grande es la recomendada

Todas estas pruebas se pueden realizar con el apoyo de un software estadstico, como
por ejemplo el MINITAB o el PASW

29

Homoscedasticidad
y
f(y|x)

.
.
x1
En

Y = 0 + 1x

x2

la relacin de X a Y Todas las Varianzas de Y son

UNIFORMES a travs de todos los valores posibles de X.

30

30

COMO SE VERIFICA EL SUPUESTO DE INDEPEDENCIA

Grafico de residuos versus el orden en que se colectaron los datos

COMO SE VERIFICA EL SUPUESTO DE INDEPEDENCIA

Grafico de residuos versus el orden en que se colectaron los datos

COMO SE HACEN LOS GRAFICOS Y PRUEBAS

ANTERIORES?
COMO SE INTERPRETAN LOS RESULTADOS
DE AMBAS HERRAMIENTAS?

33

ANALISIS DE VARIANZA
El cuadro 7 se basa en la ecuacin que se mostr anteriormente:

Variacion Variacion Variacion

Total

dentro
de
Niveles

Entre

Niveles
SUMA DE CUADRADOS
TOTAL: mide la variabilidad
total en los datos. Es la suma
de los cuadrados de las
desviaciones de cada dato
respecto a la media general del
experimento

SUMA DE CUADRADOS DE
LOS NIVELESD E FI: mide la
variabilidad en los datos
asociada al efecto del factor de
inters sobre la media. Se
obtiene hallando la suma de los
cuadrados de las desviaciones de
la media de cada nivel respecto
de la media general.

SUMA DE CUADRADOS DEL

ERROR EXPERIMENTAL: mide la
variabilidad que no es debida a las
diferencias entre los niveles del
factor(variabilidad interna de cada
nivel, errores de medida, etc). Se
obtiene hallando la suma de cuadrados
de las desviaciones de cada dato
respecto ala media del nivel
correspondiente

Cada suma de cuadrados tiene asociados los grados de libertad correspondiente

34
34

7. Anlisis de Varianza
Fuente de
Variacin

FV
Entre
Niveles

Yij

Grados de
Libertad

Suma de
Cuadrados

Cuadrado
Medio

gl

SC

CM

SCN

SCN

k- 1

k 1

(N)
Error
Experimental

(EE)
Total

To

k (n 1)

SCT0 SCN

SCN j1

ij

Fc

CMN F
, g ln, gld
CMEE

SCEE
k (n 1)

SCT0

nk 1
k

2
.j

2
..

n nk

2
..

Y
SCT0 Y
nk
i 1 j 1
2
ij

35

Yij i ij

7. Anlisis de Varianza
Fuente de
Variacin

FV
Entre
Niveles

Grados de
Libertad

Suma de
Cuadrados

Cuadrado
Medio

gl

SC

CM

k- 1

SCN

SCN

k 1

(N)
Error
Experimental

(EE)
Total

To

SCN

k (n 1)

nk 1

SCT0 SCN

CMN F
, g ln, gld
CMEE

SCEE
k (n 1)

SCT0
2
i.

2
..

Y
Y
i 1

n nk
k

Fc

2
..

Y
SCT0 Y
nk
i 1 j 1
2
ij

36

En el caso de experimentos unifactoriales el clculo

de Fc es igual para un modelo de efectos fijos y uno
de efectos aleatorios

COMO SE INTERPRETAN LOS RESULTADOS OBTENIDOS EN UN

ANALISIS DE VARIANZA PARA UN DCA UNIFACTORIAL?
a.Si el Factor es FIJO
b.Si el Factores ALEATORIO

37

QUE SON LOS DIAGRAMAS DE CAJAS SIMULTANEOS?

PARA QUE SIRVEN?
COMO SE INTERPRETAN?

38

QUE SON LOS GRAFICOS DE MEDIAS?

PARA QUE SIRVEN?
COMO SE INTERPRETAN?

39

8. Clculo de Parmetros
n

Y
i 1

j 1

ij

Los clculos son los mismos

independientemente
del
formato que se haya elegido
para el modelo

nk

CMEE
2

9. Conclusiones
40

Clculo del Intervalo de Confianza del 100( 1 ) % para

la Media j del j-simo nivel del factor de inters

Para Modelo

Yij

ij

j 1......k
i 1......n

IC j y . j t / 2, k ( n 1) CMEE n
Clculo de los estimadores de los efectos de los niveles

.j

y. j y..
41

Clculo del Intervalo de Confianza del 100( 1 ) % para

la Media i del i-simo nivel del factor de inters
Yij i ij

Para Modelo

i 1......k
j 1......n

IC i y i . t / 2, k ( n 1) CMEE n
Clculo de los estimadores de los efectos de los niveles

yi. y..
i.
42

QUE UTILIDAD TIENEN LOS

INTERVALOS DE CONFIANZA EN
EL ANALISIS DE DATOS DE UN
DCA?

43

Clculo del Coeficiente de Determinacin

R SCN
SCTo
2

Interpretacin
Es la variabilidad en los valores observados
en la variable de respuesta, explicada por el
modelo estadstico
Nota: el clculo es el mismo para las dos formas del modelo
44

Ejemplo:
Un fabricante de calzado desea mejorar la calidad de las suelas, las
cuales se pueden hacer con uno de los cuatro tipos de cuero A, B, C
y D disponibles en el mercado.
Para ello, prueba los cueros con una mquina que hace pasar los
zapatos por una superficie abrasiva, la suela de los zapatos se
desgasta al pasarla por dicha superficie.
Como criterio de desgaste se usa la prdida de peso despus de un
nmero fijo de ciclos. Se prueban en orden aleatorio 24 zapatos,
seis de cada tipo de cuero.
Al hacer las pruebas en orden completamente al azar se evitan
sesgos y las mediciones
en un tipo
de cuero resultan
independientes de las dems.
Los datos (en miligramos) sobre el desgaste de cada tipo de cuero
se anotan en la hoja de verificacin previamente diseada
45

Cual es la primera interrogante

en este experimento?

46

DEFINICION DEL PROBLEMA

Determinar si hay diferencias significativas en la prdida de
peso promedio para cuatro tipos de cuero (A,B,C y D)

Determinar el efecto de cuatro tipos de cuero en la prdida

de peso promedio de la suela de un zapato

47

Yij i ij

Modelo Estadstico

i 1......k
j 1......n

Yij = es la j-sima prdida de peso de la suela

del zapato para el i-simo tipo de cuero
= desgaste promedio (perdida de peso
promedio)
i = es el efecto del i-simo tipo de cuero
sobre la perdida de peso de la suela del
zapato
ij = es el error experimental

TIPO
DE
CUERO

Observaciones

A
B
C
D
48

Yij

Modelo Estadstico

ij

j 1......k
i 1......n

Yij = es la i-sima prdida de peso del zapato

para el j-simo tipo de cuero
= desgaste promedio (perdida de peso
promedio)
j = es el efecto del j-simo tipo de cuero
sobre la perdida de peso
ij = es el error experimental

TIPO DE
CUERO

A B

O
B
S
E
R
V
A
C
I
O
N
E
S

49

Planteamiento de Hiptesis
H o : 1 2 3 4

H1 : al menos una de las prdidas promedio es diferente

Regla de Decisin:

Fc F0.05,3, 20
donde
g ln 4 1 3
gld 4(6 1) 20
Regin de Rechazo

F 3.09
F0.05,3, 20
0.05,3,20

50

ALEATORIZACION
Orden de las pruebas

Nmeros aleatorios

Asignacin

10

14

15

11

18

23

10

11

22

12

12

13

14

24

15

16

17

13

18

19

17

20

16

21

19

22

23

20

24

21

TIPO
DE
CUERO

ORDEN DE LAS PRUEBAS

10

14

15

11

18

23

22

12

24

13

17

16

19

20

21

Se recomienda capturar los datos en el orden en

que se hayan hecho las mediciones

51

Toma de datos: Medicin de la variable de respuesta

Tipo de
Observaciones (miligramos)
Cuero
A
264 260 258 241 262 255
B

208

220

216

200

213

206

220

263

219

225

230

228

217

226

215

224

220

222

Luego se procede a verificar los supuestos del ANDEVA

52

Verifique los supuestos del

ANDEVA

53

MINITAB
Supuesto de Normalidad
FUNCIONES DE MINITAB

RESULTADO
MEDIA
MEDIANA

MOSTRAR
ESTADISTIC SESGO
A BASICA
CURTOSIS
ESTADISTIC ESTADISTIC
A
A BASICA

GRAFICO
PRUEBA DE
NORMALIDA PRUEBA DE RYAN
D
JOINER(SHAPIRO
WILK)
PRUEBA DE
KOLMOROVSMIRNOV

HISTOGRAM

A
GRAFICA
TALLO Y
HOJA

INTERPRETACIO
N
Si son aproximadamente iguales es
simetrica

Puede ser positiva

negativa o cero
Puede ser positiva
negativa o cero
Para que se verifique
el supuesto el
grafico debe ser
aproximadamente
una lnea recta
Muestras menores
de 50
Muestras mayores
de 50

FORMA

CAMPANA

FORMA

CAMPANA

54

MINITAB
VERIFICACION DE SUPUESTOS Y
ANOVA
FUNCIONES DE MINITAB

GRAFICAS

ANOVA
ESTADISTI
UN SOLO
CA
FACTOR

COMPARACI
ONES
PRUEBA DE
VARIANZAS
IGUALES

RESULTADO

ANOVA
HISTOGRAMAS
DE RESIDUOS
RESPUEST GRAFICA
AY
NORMAL DE
FACTOR RESIDUOS
RESIDUOS VS
AJUSTES
RESIDUOS VS
ORDEN
COMPARACION
TUKEY POR PARES
COMPARACION
DUNNET POR PARES
GRAFICO
BARLETT ESTADISTICA DE
PRUEBA Y
LEVINE
PVALUE

INTERPRETACION
RECHAZAR O NO HIP
NULA

SUPUESTO DE
NORMALIDAD
SUPUESTO DE
HOMOCEDASTICIDAD
SUPUESTO DE
INDEPENDENCIA
RECHAZAR O NO HIP
NULA
RECHAZAR O NO HIP
NULA
COMPARAR ANCHO DE
LOS INTERV
55 HIP
RECHAZAR O NO
NULA

PASW
VERIFICACION DE SUPUESTOS

56

PASW
ANOVA

57

PASW
IGUALDAD DE VARIANZAS

58

PASW
IGUALDAD DE VARIANZAS

59

TC
A
B
C
D

264
208
220
217

Observaciones
Suma Promedio
260 258 241 262 255 1540 256.7
220 216 200 213 206 1263 210.5
263 219 225 230 228 1385 230.8
226 215 224 220 222 1324 220.7
60

Analisis de Varianza

FV
Entre tipos de cuero
Error Experimental
Total

SC
7072.33
2029
9101.33

GL CM Fc Probabilidad F
3 2357.44 23.24 1.0018E-06 3.098
20 101.45
23

61

CONCLUSIONES
Fc es mayor que F , por lo
tanto se descarta Ho

Se concluye que existen

diferencias significativas en
la prdida promedio de
peso(miligramos) de la suela
de los zapatos para los tipos
de cuero en estudio
62

Clculo de los Parmetros del Modelo

Y 5512 / 24 229.67

CMEE 101.45

101.45

ESRIBA UNA FRASE QUE DESCRIBA LA

INTERPRETACION DE CADA RESULTADO

63

Clculo del Intervalo de Confianza del 100( 1 ) % para la Prdida

de peso promedio de cada tipo de cuero

IC i y i . t / 2, k ( n 1) CMEE n
IC1 256.7 t 0.025, 20 101.45 6
IC 2 210.5 t0.025, 20 101.45 / 6
IC 3 230.8 t0.025, 20 101.45 / 6
IC 4 220.7 t 0.025, 20 101.45 / 6 64

ESRIBA UN PARRAFO QUE DESCRIBA LA

INTERPRETACION DE CADA RESULTADO DE LOS
INTERVALOS DE CONFIANZA

65

Clculo de los estimadores de los efectos de los niveles

yi. y..
i.
1. 256.7 229.68 27.68
2. 210.5 229.68 19.18

3. 230.8 229.68 1.12

4. 220.7 229.68 8.98
66


EN
ALGUNOS
EXPERIMENTOS,
POR
DIVERSAS
RAZONES
NO
ES
POSIBLE
RECOLECTAR
IGUAL
CANTIDAD
DE
OBSERVACIONES EN CADA NIVEL
EXISTEN LIGERAS VARIACIONES EN CUANTO
AL ANLISISDE VARIANZA UTILIZADO PARA EL
DISEO
COMPLETAMENTE
AL
AZAR
BALANCEADO

67

1. Definicin del problema

2. Modelo Estadstico DCA

Yij

ij

j 1......k
i 1......nk

Yij

es la i-sima observacin para el j-simo nivel del

factor de inters

ij

media total
es el efecto del j-simo nivel del factor de inters sobre la
variable de respuesta
es el error experimental

68

Si se utilizan las filas para representar los niveles del factor

el modelo cambia a la siguiente expresin

2. Modelo Estadstico

Yij i ij
i 1......k
j 1......nk

Yij

es la j-sima observacin para el i-simo nivel del factor de

inters

media total

ij

es el efecto del i-simo nivel del factor de inters sobre la

variable de respuesta
es el error experimental
69

3. Hiptesis
Factor de Efectos Fijos
H o : 1 2 ......... k
H1 = al menos una de las medias de los niveles del factor de
inters es diferente

Regla de Decisin
Descartar Ho si

Fc F , g ln, gld
donde
g ln k 1
k

gld n j k
j 1

Regin de Rechazo

F , g ln, gld

70

4. Aleatorizacin
Codificar los elementos de la poblacin de 1 hasta N
Donde
N n n .........n
1

Definir el tamao de la muestra n

Codificar las unidades experimentales
Orden aleatorio
Asignar los niveles del factor de inters a las
unidades experimentales o a las corridas

71

5. Formato de borrador para el

registro de datos
N1
# ( )
# ( )
# ( )
# ( )
# ( )
# ( )
# ( )
# ( )
Hasta n1

# es un nmero aleatorio

N2
# ( )
# ( )
# ( )
# ( )
# ( )
# ( )
# ( )
# ( )
# ( )
# ( )
# ( )
Hasta n2

Nk
# ( )
# ( )
# ( )
# ( )
# ( )
# ( )
# ( )
# ( )
Hasta nk

72

6. Formato para el Registo de los Datos

Yij
observaciones

ij
..........

niveles

Y11

Y12

Y1k

Y21

Y22

Y2k

nj

Yn11

Yn22

Y.1

Y.2

Yij

.
.

..........

Ynkk
Y.k

Y..

73

6. Formato para el Registo de los Datos

niveles

Yij i ij
1
2
..........

nj

observaciones

Y11

Y12

Y21

Y22

Yk1

Yk 2

Totales/nivel

Y1n1

Y1.

Y2n2

Y2.

Yij

.
.

..........

Yknk

Y2.

Y..

74

Yij

7. Anlisis de Varianza
Fuente de
Variacin
FV

Grados de
Libertad

Suma de
Cuadrados

Cuadrado
Medio

gl

SC

CM

Entre
Niveles

k 1

(N)
Error
Experimental

Total

k
j 1

nk k

k
j 1

nk 1

2
.j

SCN

SCTO SCN

k 1

ij

FC

CMN F
, g ln, gld
CMEE

SCEE

k
j 1

nk k

SCTO

Y
Y
SCN j 1
k
n k nk
j 1
k

SCN

2
..

2
Y
SCTo Yij2 ..
k

i 1 j 1

75

Yij i ij

7. Anlisis de Varianza
Fuente de
Variacin
FV

Grados de
Libertad

Suma de
Cuadrados

Cuadrado
Medio

gl

SC

CM

Entre
Niveles

k 1

(N)
Error
Experimental

Total

k
j 1

nk k

k
j 1

nk 1

2
i.

SCN

SCTO SCN

k 1

CMN F
, g ln, gld
CMEE

SCEE

k
j 1

nk k

SCTO
2
..

Y
Y
SCN i 1
k
n k nk
i 1
k

SCN

FC

2
Y
SCTo Yij2 ..
k

i 1 j 1

76

8. Conclusiones
9. Clculo de Parmetros
n

Y
i 1

j 1
k
j 1

ij

nk

CMEE

10. Clculo del Coeficiente de determinacin

77

Clculo del Coeficiente de Determinacin

R SCN
SCTo
2

2
0 R 1

Interpretacin
Es la cantidad de variabilidad en los datos,
explicada o proporcionada por el modelo de
regresin
78

Clculo del Intervalo de Confianza del 100( 1 ) % para

la Media j del j-simo nivel del factor de inters
Yij

IC j y . j t / 2, n

k k

ij

CMEE nk

Clculo de los estimadores de los efectos de los niveles

. j y

.j

y..
79

Clculo del Intervalo de Confianza del 100( 1 ) % para

la Media j del j-simo nivel del factor de inters
Yij i ij

ICi y i. t / 2, n

k k

CMEE nk

Clculo de los estimadores de los efectos de los niveles

i. y

i.

y..
80

EJEMPLO
Para determinar la mejor disposicin de los instrumentos sobre
un Tablero de control de un aeroplano, se prueban tres distintos
arreglos simulando una situacin de emergencia y observando el
tiempo de reaccin requerido para corregir la avera. Los
tiempos de reaccin (en dcimas de segundo) de 28 pilotos
(aleatoriamente asgnados a los diversos arreglos son los
siguientes:
Disposicin 1:
14, 13, 9, 15, 11, 13, 14, 11
Disposicin 2:
10, 12, 9, 7, 11, 8, 12, 9, 10, 13, 9, 10
Disposicin 3:
11, 5, 9, 10, 6, 8, 8, 7
Compare los tiempos promedio para las diferentes disposiciones.
Use = 0.05
81

1. Definicin del Problema

Determinar si hay diferencia significativa en los tiempos de
reaccin promedio para tres arreglos diferentes de los
nstrumentos del tablero de control de un aeroplano.
Variable de Respuesta
Tiempo de reaccin de los pilotos
Factor de inters
Los tres arreglos diferentes: Disposicin 1, Disposicin 2 y
Disposicin 3
Niveles
D1, D2, D3
Unidades experimentales: los pilotos
82

2. Modelo Estadstico
Yij

ij

i 1......nk
j 1..3

Yij = es el i-simo tiempo de reaccin de un piloto para la

j-sima disposicin
= es el tiempo de reaccin promedio
j = es el efecto de la j-sima disposicin sobre el tiempo de
reaccin de cada piloto
ij = es el error experimental
83

3. Hiptesis
H o : 1 2 3
H1 = al menos uno de los tiempos de reaccin promedio
para cada disposicin es diferente
Regla de Decisin: Descartar Ho si Fc F0.05, 2, 25 = 3.385
glN = k-1 = 3-1 = 2
glD = 28 3 = 25

Regin de Rechazo

95%

=0.05
F=3.385

84

4. Aleatorizacin
u e.
1
2
3
4
5
6
7
8

orden aleatorio
10
1
11
20
16
17
2
23

D1

85

u.e.

O.A.

u.e.

O.A.

9
10
11
12
13
14
15
16
17
18
19
20

9
19
24
13
4
22
15
21
3
6
12
5

21
22
23
24
25
26
27
28

8
27
18
14
26
28
7
25

D2

D3

86

5. Borrador de Registro de Datos

D1
10
1
11
20
16
17
2
23

(
(
(
(
(
(
(
(

)
)
)
)
)
)
)
)

D2
9 (
19 (
24 (
13 (
4 (
22 (
15 (
21 (
3 (
6 (
12 (
5 (

)
)
)
)
)
)
)
)
)
)
)
)

D3
8 (
27 (
18 (
14 (
26 (
28 (
7 (
25 (

87

)
)
)
)
)
)
)
)

6. Toma de Datos
Disposicin 1
14
13
9
15
11
13
14
11
Y.1 = 100

Disposicin 2
10
12
9
7
11
8
12
9
10
13
9
10
Y.2 = 120

Disposicin 3
11
5
9
10
6
8
8
7
Y.3 = 64
Y..= 284
88

Verifique los supuestos del

ANDEVA

89

7. Anlisis Estadstico
Fuente de
Variacin

Grados
de
Libertad

Suma de Cuadrados

Cuadrado
Medio

FC

Entre
Disposicione
s

(1/8*1002+1/12*1202+
1/8*642) 2842/28 =
81.43

81.43/2
=40.42

40.42/3
.6
=11.31

3.385

Error

25

90.00

90.00/25
=3.60

Total

27

(142+132+...+82+72)
2842/28 = 171.43

90

8. Clculo de parmetros
= 284 = 10.14
28
2 = 3.60

9. Conclusin
Se rechaza Ho y se concluye que los tiempos de
reaccin promedio de los pilotos para las tres
disposiciones del tablero de control de un aeroplano,
no son iguales.
91

Otros anlisis que se pueden hacer?

92