Auto Temperatura Motor Cable

Marca A Caliente H Nuevo N Bueno G

Marca B Fra C Viejo O Desgastado W
En la mayor parte de los experimentos podramos encontrar
ms de dos condiciones de temperatura,
ms de dos categoras de condiciones del motor del
automvil y
ms del cable de la batera.
Pero es mejor introducir la idea de experimentos factoriales
usando un ejemplo simplificado en cierta medida.
Entonces, como hay dos bateras, dos posibilidades de
temperatura, dos posibilidades de condiciones de motor y dos
posibilidades del cable de la batera, hay 2 X 2 X 2 X 2 = 16
combinaciones posibles de factores.
Si quisiramos escribir estas 16 posibilidades, se veran como la
Tabla siguiente:
RATAMIENTO FACTOR 1 FACTOR 2 FACTOR 3 FACTOR 4 SMBOLO

1 BATERIA A
TEMPERATURA
CALIENTE
MOTOR NUEVO CABLE BUENO A C N B
2 BATERIA A
TEMPERATURA
CALIENTE
MOTOR NUEVO
CABLE
DESGASTADO A C N D
3 BATERIA A
TEMPERATURA
CALIENTE
MOTOR VIEJO CABLE BUENO A C V B
4 BATERIA A
TEMPERATURA
CALIENTE
MOTOR VIEJO
CABLE
DESGASTADO A C V D
5 BATERIA A
TEMPERATURA
FRA
MOTOR NUEVO CABLE BUENO A F N B
6 BATERIA A
TEMPERATURA
FRA
MOTOR NUEVO
CABLE
DESGASTADO A F N D
7 BATERIA A
TEMPERATURA
FRA
MOTOR VIEJO CABLE BUENO A F V B
8 BATERIA A
TEMPERATURA
FRA
MOTOR VIEJO
CABLE
DESGASTADO B F V D
9 BATERIA B
TEMPERATURA
CALIENTE
MOTOR NUEVO CABLE BUENO B C N B
10 BATERIA B
TEMPERATURA
CALIENTE
MOTOR NUEVO
CABLE
DESGASTADO B C N D
11 BATERIA B
TEMPERATURA
CALIENTE
MOTOR VIEJO CABLE BUENO B C V B
12 BATERIA B
TEMPERATURA
CALIENTE
MOTOR VIEJO
CABLE
DESGASTADO B C V D
13 BATERIA B
TEMPERATURA
FRA
MOTOR NUEVO CABLE BUENO B F N B
14 BATERIA B
TEMPERATURA
FRA
MOTOR NUEVO
CABLE
DESGASTADO B F N D
15 BATERIA B
TEMPERATURA
FRA
MOTOR VIEJO CABLE BUENO B F V B
16 BATERIA B
TEMPERATURA
FRA
MOTOR VIEJO
CABLE
DESGASTADO B F V D
 Una vez establecidas todas las combinaciones posibles de factores
involucrados en este experimento, sera posible llevar a cabo las 16
pruebas de la tabla.
Si hiciramos esto, habramos efectuado un experimento factorial
completo, porque cada uno de los dos niveles de cada uno de los
cuatro factores se habran utilizado una vez con cada combinacin
posible de otros niveles de otros factores.
Esta forma de diseo permite usar tcnicas para probar el efecto de
cada uno de los factores. En experimento real, difcilmente
llevaramos a cabo las pruebas en el orden en el que aparecen en la
tabla.
Se acomodaron as para facilitar el conteo de las combinaciones y
determinar que todas combinaciones posibles realmente estuvieran
representadas.
En la prctica, dejaramos al azar el orden de las pruebas, tal vez
poniendo en un sombrero 16 nmeros y determinando el orden del
experimento segn fueran saliendo.
 Mayor eficiencia en el diseo experimental
Nuestro experimento de cuatro factores
requieren 16 pruebas para comparar todos los
niveles con todos los factores.
Si tuviramos que comparar las mismas dos
bateras, pero esta vez con cinco niveles de
temperatura, cuatro mediciones de condiciones
de motor y tres mediciones de condiciones del
cable de la batera, seran necesarias 2 X 5 X 4 X
3 = 120 pruebas para un experimento factorial
completo.
 Cuadrado latino
Los especialistas en estadstica han reducido el
nmero de pruebas.
Una compaa de productos de consumo que
desea probar en el mercado un nuevo dentfrico
en cuatro ciudades, con cuatro tipos de
empaques y con cuatro pautas de publicidad.
En un caso as, un experimento factorial completo
tomara 4 X 4 X 4 = 64 pruebas. Sin embargo, si
hacemos una planeacin inteligente, podemos
llevarlo a cabo con 16 pruebas.
A = Ciudad 1 I = Empaque 1 1 = Pauta publicitaria 1
B = Ciudad 2 II = Empaque 2 2 = Pauta publicitaria 2
C = Ciudad 3 III = Empaque 3 3 = Pauta publicitaria 3
D = Ciudad 4 IV = Empaque 4 4 = Pauta publicitaria 4

Pautas publicitarias El anlisis

1 2 3 4 estadstico de los
I C B D A C
datos del diseo
II B C A D i
E
m III D A B C u experimental de un
d
pa
a
cuadrado latino
qu
es IV A D C B d requiere una forma
e de anlisis de
s
varianza.
 Error Estndar: , s, o ETM
Una ciudad tiene 100,000 habitantes y su
distribucin de contenido de medias de sodio en la
sangre de la poblacin de personas de 25 aos es
la siguiente;
Tomamos varias muestras de 10
persona de 25 aos de esa ciudad de
100,000 habitantes.
Hacemos el histograma de cada
muestra y calculamos la media y la
desviacin estndar de las misma.
Elaboraramos una distribucin de todas las medias de cada una
de las muestras que se pudieran tomar. La figura siguiente ilustra
esta distribucin conocida como distribucin de muestreo de
las medias.
Esta distribucin de las medias de las muestras (la distribucin
de muestreo) tendr su propia media ( y su propia desviacin
estndar o error estndar ().

X
n
 En resumen

X
 Asociando las frmulas tendremos
Valor tipo de un valor nico
de una muestra

Valor tipo de la media de una de la

muestra de un conjunto de muestras

La frmula diseada para encontrar el

error estndar de la media cuando la
poblacin es finita y el muestreo se hace
sin reemplazo, es:
 Comparar la media de la muestra con la
media de la poblacin

A medida que aumentamos el tamao de la muestra, la

media de la muestra se aproxima a la media de la
poblacin. Cunto se aproxima?

X
n

X X
n n
 Cul es el significado del ETM?

El ETM muestra la proximidad de los valores medios

obtenidos a partir de muestras sucesivas respecto
del verdadero valor de la media de la poblacin.

Sumando y restando 1ETM a la media obtenida con

una sola muestra, nos da un intervalo de 68% de
probabilidad que la media de la poblacin a la que
pertenece la muestra. Si es 2ETM da un 95% y si es
3ETM 99%.
Error estndar de la desviacin de las medias de las muestras:
Poblacin Muestra
Tamao n 25 (-)2
Suma j 150 2,0 16,0
2,5 12,3
Media = j/n 6
4,0 4,0
Varianza 2=(-)2/n 5,40 5,0 1,0
6,5 0,3
Desviacin
2,32 2,5 12,3
estndar
3,0 9,0
4,5 2,3
5,5 0,3
7,0 1,0
4,0 4,0
4,5 2,3
6,0 0,0
7,0 1,0
8,5 6,3
5,0 1,0
5,5 0,3
7,0 1,0
8,0 4,0
9,5 12,3
6,5 0,3
7,0 1,0
8,5 6,3
9,5 12,3
11,0 25,0
Suma
150,0 135,0
 Relacin entre , , y n
Uno de los indicadores de la calidad del aire es el nmero medio de
microgramos de partculas en suspensin por metro cbico de aire.
Es decir, el inters se centra en , la media de la variable aleatoria X,
nmero de microgramos de partculas en suspensin por metro
cbico de aire. x - z=(x -
xj j j
)/s
58 -3 -0,57
57 -4 -0,76
59 -2 -0,38
70 9 1,72
61 0 0
= 61
s =5,24
 CLCULOS BSICOS

xj xj-
58 -3
57 -4
59 -2 = 2,34
70 9
61 0
= 61 = -0,85
s2 = 27,46
s = 5,24
 s n diferencia
5,24 5 2,34 4,59 1,96
10 1,66 3,25
15 1,35 2,65
20 1,17 2,30
25 1,05 2,05
30 0,96 1,88
35 0,89 1,74
40 0,83 1,62
45 0,78 1,53
50 0,74 1,45
5.00
4.50
4.00
3.50
3.00
2.50
etm
2.00 diferencia
1.50
1.00
0.50
0.00
5 10 15 20 25 30 35 40 45 50
TAMAO DE LA MUESTRA
Algunas veces la media se
desviar por el hecho de
Esto implica que en una
que las colas de la curva
muestra aleatoria, la
estn cada vez ms cerca
media de los datos
del eje X significa que
tendr un valor muy
cuantos mayores sean las
prximo al de la media
diferencias entres los
de la poblacin.
valores medios de la
muestra y la poblacin,
menor ser la frecuencia
con la que se presenten.
 Hay una probabilidad finita de que las grandes
diferencias aparezcan de forma inesperada.
El problema existe cuando realizamos un estudio y
encontramos una diferencia.
A qu conclusin debemos llegar?
La causa puede ser:
Los dos grupos son diferentes
Son solo debido al azar
Ahora como determinamos si es lo uno o lo otro.
La respuesta aparece con el concepto de
Significatividad al 5%.
 SIGNIFICATIVIDAD
Es la probabilidad de que haya una
diferencia cualquiera de cualquier
magnitud.
Si la muestra es pequea, se pueden
producir enormes diferencias no
significativas.
Si la muestra es grande, incluso,
diferencias muy pequeas pueden
ser significativas.
 Concepto de significatividad al 5%

Si hay una diferencia entre las medias, dado los valores de

la y n, y ocurre ms de 5 veces de cada 100, la
probabilidad se debe al azar (las medias no son diferentes).

Si la probabilidad es menor que el 5%, diremos que la las

medias son distintas.

El 5% viene de sir Ronnie Fisher que dijo: si la probabilidad

de que ocurre un determinado suceso fuera suficientemente
pequea, por ejemplo, 1 posibilidad entre 20, entonces se
podra considerar el resultado como significativo.
 DE DONDE VIENE ESTE 5%?
Imagnate que haces una apuesta.
Lanzas una moneda al aire.
Si sale cara, te pagan $100.
Si sale cruz, t pagas $100.
T sigues lanzando y sigues ganando.
Cuantos lanzamientos aguantarn tus amigos que ests haciendo trampa?

5%

1
= 0.05 = 5%
20
1 1 1 1 1 1 1
= 5= = 0.03125 = 3.125%
2 2 2 2 2 2 32
 Niveles de significancia
Cuando se prueba determinada hiptesis, a la probabilidad mxima con la que se est
dispuesto a cometer un Error Tipo I se le llama Nivel de Significancia de la prueba.
Esta probabilidad acostumbra denotarse y se especifica antes de tomar cualquier
muestra para evitar que los resultados obtenidos influyan sobre la eleccin del valor de
esta probabilidad.
En la prctica, se acostumbran los niveles de significancia 0.05 o 0.01, aunque tambin se
usan otros valores.
Si, por ejemplo, al disear la regla de decisin se elige el nivel de significancia 0.05 (5%),
entonces existen 5 posibilidades en 100 de que se rechace una hiptesis que deba ser
aceptada; es decir, se tiene una confianza de aproximadamente 95% de que se ha tomado
la decisin correcta.
En tal caso se dice que la hiptesis ha sido rechazada al nivel de significancia 0.05, lo que
significa que la hiptesis tiene una probabilidad de 0.05 de ser errnea.
 Test de Z - 95% - BILATERAL
2,5%
95% / 2 = 47,5%
2,5%
95%
100%
0,4750

Zona de Rechazo 2,5% Zona de Aceptacin de Zona de Rechazo de la

la H0 95% H0 2,5%
0,025
0,025

Z= -1,96 Z= 1,96
Test de Z - 95% - UNILATERAL
95%
5% 50%
45%
100%

0,4500

Zona de Aceptacin de Zona de Rechazo de la

la H0 95% H0 5%
0,05

Z= 1,645
 Como ejercicio se deja al
lector obtener los valores
del 99% bilateral y
unilateral.