Vous êtes sur la page 1sur 692

DISEO y

ANLISIS DE
EXPERIMENTOS
~LIMUSA WILEY~
UNIVERSIDAD ESTATAL DE ARlZONA
Douglas c. Montgomery
segunda edicin
" '"
DISENO Y
'"
ANALISIS DE
EXPERIMENTOS
HECHO EN MXICO
ISBN 968-18-6156-6
3.2
CANIEM NM. 121
e2004, EDITORIAL LlMUSA, S.A. DE C.V.
GRUPO NORIEGA EDITORES
BALDE RAS 95, MXICO, D.E
C.P. 06040
~ 85038050
01(800) 706 9100
[@ 55122903
/iii limusa@.noriega.com.mx
-'1'- www.nonega.com.mx
D.ERECHOS RESERVADOS:
SONPROPIEDADDEL EDITOR. NINGUNA PARTEDE ESTOBRAPUEDE
SER REPRODUCIDAOTRANSMITIDA, MEDIANTE NINGNSISTEMA O
MTODO, ELECTRNICO O MECNICO (INCLUYENDO EL FOTO-
COPIADO, LA GRABACiNOCUALQUIERSISTEMADE RECUPERACiN
Y ALMACENAMIENTO DE INFORMACiN), SINCONSENTIMIENTOPOR
ESCRITO DEL EDITOR.
DISEO Y ANLISIS DE EXPERIMENTOS
LA PRESENTACiN Y DISPOSICiN EN CONJ UNTO DE
R:VISIN:
GRISELDAZETINAVLEZ
INGENIERA QUIMICA POR LA FACULTAD DE QUfMICA DE LA
UNIVERSIDAD NACIONAL AUTNOMA DE MxIco. DOCENTE
EN MATEMTICAS. PROFESORA EN LA ESCUELA DE CIENCIAS
QUfMICAS DE L.AUNIV"'RSIDAD LA SAL.L.E
COLABORADOR EN LA TRADUCCiN:
RODOLFO PIA GARCfA
VERSIN AUTORIZADA EN ESPAIIIOL. De L . A OBRA PUBL.ICADA
EN INGLS CON EL TITULO:
DESIGN ANO ANALYSIS OF EXPERIMENTS
J OHN WIL.EY & SONS, INC., New YORK, CHICHESTER,
BRISBANE, SINGAPORE, TORONTO ANO WEINHEIM.
v
Lapresente edicin constituye unarevisin sustancial del libro. He procurado mantener el equilibrio en-
tre lostpicos dediseo yanlisis; sinembargo, hayvarios temas yejemplos nuevos; asimismo hereorga-
nizado gran parte del material. En lapresente edicin seresalta ms el uso delacomputadora. Durante
losltimos aos han surgido varios productos desoftware excelentes que auxilian al experimentador en
lasfases del diseo yel anlisis para esta materia. Heincluido lassalidas dedos deestos productos, Mini-
tab yDesign-Expert, envarias partes del texto. Minitab esunpaquete desoftware deestadstica decarc-
ter general ampliamente disponible, quecuenta contiles herramientas deanlisis dedatos y quemaneja
bastante bien el anlisis deexperimentos tanto con factores fijos como aleatorios (incluyendo el modelo
mixto). Design-Expert es un paquete que seenfoca exclusivamente en el diseo experimental. Tiene mu-
chasherramientas para laconstruccin yevaluacin dediseos, as como mltiples caractersticas dean-
lisis. En el sitioweb deestelibro puede obtenerse unaversin para estudiantes deDesign-Expert, y sehace
una ampliarecomendacin para usarlo. Exhorto atodos losprofesores queusen estelibropara queincor-
poren software decomputadora en suscursos. En mi caso particular, llevo atodas misclases una compu-
ACERCA DEL LIBRO
El presente libro esuntexto deintroduccin queaborda el diseo y anlisis deexperimentos. Tiene como
base loscursos sobre diseo deexperimentos queheimpartido durante ms de25aos enlaUniversidad
Estatal deArzona, laUniversidad deWashington yel Instituto deTecnologa deGeorgia. Refleja asimis-
mo losmtodos queheencontrado tiles enmi propia prctica profesional como consultor eningeniera
yestadstica enlas reas generales dediseo deproductos y procesos, mejoramiento deprocesos einge-
niera de control de calidad.
El libro est destinado aestudiantes que han llevado un primer curso demtodos estadsticos. Este
curso previo debe incluir por lo menos algunas de las tcnicas de estadstica descriptiva, ladistribucin
normal yuna introduccin alosconceptos bsicos delosintervalos deconfianza ylaprueba dehiptesis
para medias y varianzas. Los captulos 10y 11requieren un manejo elemental de lgebra matricial.
Como los requisitos para llevar este curso son relativamente modestos, este libro puede usarse tam-
bin enun segundo curso deestadstica enfocado enel diseo estadstico deexperimentos para estudian-
tes de licenciatura de ingeniera, fsica, ciencias fsicas y qumicas, matemticas y otros campos de las
ciencias. Durante varios aos heimpartido un curso basado en este libro en el primer ao deestudios de
posgrado deingeniera. Los estudiantes deeste curso provienen delos campos tradicionales deingenie-
ra, fsica, qumica, matemticas, investigacin deoperaciones yestadstica. Tambin heusado este libro
como basedeun curso breve para el sector industrial sobre diseo deexperimentos para tcnicos enejer-
cicioconuna ampliadiversidad ensuformacin profesional. Seincluyennumerosos ejemplos que ilustran
todas las tcnicas dediseo yanlisis. Estos ejemplos sebasan en aplicaciones del diseo experimental
enel mundo real, ysehan tomado dediferentes campos delaingeniera ylasciencias. Esto llevaal terreno
delas aplicaciones aun curso acadmico para ingenieros ycientficos y hace deeste libro una til herra-
mienta de referencia para experimentadores de una amplia gama de disciplinas.
Prefacio
tadora laptop yun monitor, ytodos los diseos o tpicos del anlisis tratados en clase seilustran con la
computadora.
En esta edicin destaco an ms laconexin entre el experimento yel modelo quepuede desarrollar
el experimentador apartir delosresultados del experimento. Los ingenieros (yen gran medida loscient-
ficosdelafsicaylaqumica) aprenden losmecanismos fsicosysusmodelos mecanicistas fundamentales
al principio desuformacin acadmica, pero enlamayor parte desuscarreras profesionales tendrn que
trabajar con estos modelos. Los experimentos diseados estadsticamente ofrecen al ingeniero una base
vlida para desarrollar unmodelo empirico del sistema bajo estudio. Despus este modelo emprico pue-
demanipularse (tal vezutilizando una superficie derespuesta ouna grfica decontorno, oquizmatem-
ticamente) como cualquier otro modelo de ingeniera. A lo largo de muchos aos de docencia he
descubierto queeste enfoque esmuyeficaz para despertar el entusiasmo por losexperimentos diseados
estadsticamente enlacomunidad deingeniera. En consecuencia, al inicio del libro planteo lanocin de
un modelo emprico fundamental para el experimento ylas superficies derespuesta y destaco laimpor-
tancia del mismo.
Tambin meheesforzado por presentar mucho ms rpido lospuntos crticos enlos queintervienen
los diseos factoriales. Para facilitar este objetivo, condens en un solo captulo (el 3) el material intro-
ductorio sobre losexperimentos completamente aleatorizados conun solofactor yel anlisis devarianza.
He ampliado el material sobre losdiseos factoriales yfactoriales fraccionados (captulos 5al 9) enunes-
fuerzo por hacer que el material fluya con mayor eficiencia en laperspectiva tanto del lector como del
profesor ypor hacer mayor hincapi enel modelo emprico. El captulo sobre lassuperficies derespuesta
(el 11) sigueinmediatamente al material sobre diseos factoriales yfactoriales fraccionados ymodelado
deregresiones. He ampliado este captulo, agregando nuevo material sobre diseos ptimos alfabticos,
experimentos con mezclas y el problema de un diseo paramtrico robusto. En los captulos 12y 13se
analizan experimentos queincluyen efectos aleatorios, as como algunas aplicaciones deestos conceptos
endiseos anidados yparcelas subdivididas. El captulo 14esuna descripcin general detemas importan-
tes dediseo yanlisis: larespuesta no normal, el mtodo deBox-Cox para seleccionar laforma deuna
transformacin, yotras alternativas; experimentos factoriales no balanceados; el anlisis de covarianza,
incluyendo covariables en un diseo factorial y mediciones repetidas.
A 10largo del libro hedestacado laimportancia del diseo experimental como una herramienta que
el ingeniero enejercicio puede usar enel diseoydesarrollo deproductos, as como enel desarrollo yme-
joramiento deprocesos. Seilustra el uso del diseo experimental en el desarrollo deproductos quesean
robustos afactores ambientales yaotras fuentes devariabilidad. Considero que el uso del diseo experi-
mental enlasfasesiniciales del ciclodeunproducto puede reducir sustancialmente el tiempo yel costo de
conducirlo, redundando enprocesos yproductos conunmejor desempeo encampo yunamayor confia-
bilidad que los que se desarrollan utilizando otros enfoques.
El libro contiene ms material del que puede cubrirse sinprisas en un solo curso, por lo que espero
quelos profesores puedan variar el contenido decada curso obien estudiar ms afondo algunos temas,
dependiendo delosintereses delaclase. Al final decada captulo hayungrupo deproblemas (excepto en
el I). El alcance deestos problemas vara desde ejercicios declculo, destinados aconsolidar los funda-
mentos, hasta la ampliacin de principios bsicos.
Micurso enlauniversidad loenfoco principalmente enlosdiseos factoriales yfactoriales fracciona-
dos. En consecuencia, por logeneral cubro el captulo 1,el captulo 2(muyrpido), lamayor parte del ca-
ptulo 3, el captulo 4(sinincluir el material sobre bloques incompletos y mencionando slo brevemente
los cuadrados latinos), ytrato en detalle loscaptulos 5al8 sobre diseos factoriales con dosniveles ydi-
seos factoriales fraccionados. Para concluir el curso, introduzco la metodologa de superficies de res-
puesta (captulo 11) Yhago un repaso general de los modelos con efectos aleatorios (captulo 12) y los
diseos anidados yen parcelas subdivididas (captulo 13). Siempre pido alos estudiantes querealicen un
vi PREFACIO
Expreso mi agradecimiento alosmuchos estudiantes, profesores ycolegas quehan usado antes estelibro
y quienes me han hecho llegar tiles sugerencias para esta revisin. Las contribuciones de los doctores
Rayrnond H. Myers, G. Geoffrey Vnng, Dennis Lin, J ohn Ramberg, J oseph Pignatiello, LloydS.Nelson,
Andre Khuri, Peter Nelson, J ohn A. Cornell, George C. Runger, Bert Keats, Dwayne Rollier, Norma Hu-
bele, Cynthia Lowry, Russell G. Heikes, Harrison M. Wadsworth, WilliamW. Hines, Arvind Shah, J ane
Ammons, Diane Schaub, Pat SpagonyWilliamDuMouche, ylosseores Mark Anderson yPat Whitcomb
fueron particularmente invaluables. MiJ efe deDepartamento, el doctor Gary Hogg, ha proporcionado
un ambiente intelectualmente estimulante en el cual trabajar.
Las contribuciones delos profesionistas en activo con quienes hetrabajado han sido invaluables. Es
imposible mencionarlos atodos, pero algunos delosprincipales sonDan McCarvilleyLisaCuster deMo-
torola; Richard Post de Intel; ThmBingham, Dick Vaughn, J ulin Anderson, Richard Alkire y Chase
Neilson de Boeing Company; Mike Goza, Don Walton, Karen Madison, J eff Stevens y Bob Kohm de
Alcoa; J ay Gardiner, J ohn Butora, Dana Lesher, Lolly Marwah, Paul 'Iobias yLeon Masan deIBM; Eli-
zabeth A. Peck deTbe Coca-Cola Company; Sadri Khalessi y Franz Wagner deSignetics; Robert V. Bax-
leydeMonsanto Chemicals; Harry Peterson-Nedry yRussell Boyles dePrecision Castparts Corporation;
Bill NewyRandy Schmid deAllied-Signal Aerospace; J ohn M. Fluke, hijo, deJ ohn Fluke Manufacturing
RECONOCIMIENTOS
En el sitio web http://www.wiley.com/legacy/college/engin/montgomery316490/student/student.html est
disponible el material deapoyopara profesores yestudiantes. Este sitioseusar para comunicar informa-
cin acerca deinnovaciones y recomendaciones para el uso eficaz deeste texto. El material suplementa-
rio del texto puede encontrarse en este sitio, junto con versiones electrnicas de las series de datos
utilizadas enlos ejemplos ylosproblemas detarea, unplan deestudios del curso yproyectos semestrales
del curso en la Universidad Estatal de Atizona.
SITIOWEB
Con esta edicin hepreparado unsuplemento para cada captulo del libro. En estematerial suplementa-
rio sedesarrollan temas quenopudieron tratarse conmayor detalle enel libro. Tambin presento algunos
temas que no aparecen expresamente en el libro, pero quepara algunos estudiantes yprofesionistas en
ejercicio podra resultar deutilidad unaintroduccin delosmismos. El nivel matemtico departe deeste
material es ms elevado que el del texto. Estoy consciente deque los profesores usan este libro con una
amplia variedad deaudiencias, yesposible que algunos cursos dediseo ms avanzados puedan benefi-
ciarse al incluir varios de los temas del material suplementario del texto. Este material est en formato
electrnico en el CD/ROM del profesor (disponible slo eningls) yseencuentra en el sitio web deeste
libro.
MATERIAL SUPLEMENTARIO DEL TEXTO
proyecto semestral que consiste en disear, conducir ypresentar los resultados deun experimento dise-
ado estadsticamente. Les pido que trabajen en equipos, pues es la manera en que serealiza lamayor
parte delaexperimentacin industrial. Deben hacer lapresentacin delos resultados desuproyecto de
manera oral y por escrito.
PREFACIO vii
Douglas C. Montgomery
Tempe, Arizona
Company; Larry Newton yKipHowlett deGeorgia-Pacific, yErnesto Ramos deBBN Software Products
Corporation.
Me encuentro en deuda con el profesor E.S. Pearson y conBiometrika, J ohn Wiley & Sons, Prenti-
ce-Hall, The American Statistical Association, The Institute of Mathematical Statistics y los editores de
Biometrics por el permiso para usar material protegido por derechos deautor. Lisa Custer realiz un ex-
celente trabajo depresentacin delas soluciones que aparecen en el CD/ROM del profesor, y ladoctora
Cheryl J ennings realiz una correccin deestilo eficaz ydesuma utilidad. Estoy agradecido conlaOffice
of Naval Research, laNational Science Foundation, las compaas integrantes deNSF/lndustrylUniver-
sity Cooperative Research Center inQuality and Reliability Engineering de la Universidad Estatal de
Arizona, emM Corporation por apoyar gran parte demisinvestgacones deestadstica ydiseo experi-
mental de ingeniera.
vili PREFACIO
ix
69
74
75
3-3.2 Anlisisestadstico
3-3.3 Estimacin delosparmetrosdel modelo
3-3.4 Datosnobalanceados
Captulo 3. Experimentos con un solo factor: el anlisis de varianza 60
3-1 Unejemplo 60
3-2 El anlisisdevarianza 63
33 Anlisisdel modeloconefectosfijos 65
3-3.1 Descomposicindelasumadecuadradostotal 66
2-5 Inferenciasacercadelasdiferenciasenlasmedias,diseosdecomparacionespareadas 47
2-5.1 El problemadelascomparacionespareadas 47
2-5.2 Ventajasdel diseodecomparacionespareadas 50
2-6 Inferenciasacercadelasvarianzasdedistribucionesnormales 51
2-7 Problemas 54
Eleccindel tamaodelamuestra
Intervalosdeconfianza
Caso enquea i ~ a ~
Casoenqueseconocena i y a ~
Comparacindeunasolamediaconunvalorespecificado
Resumen
2-4.2
2-4.3
2-4.4
2-4.5
2-4.6
2-4.7
21
21
22
26
33
33
40
42
44
44
45
46
Experimentos comparativos simples
Introduccin
Conceptosestadsticosbsicos
Muestreoy distribucionesdemuestreo
Inferenciasacercadelasdiferenciasenlasmedias,diseosaleatorizados
2-4.1 Pruebadehiptesis
Estrategiadeexperimentacin
Algunasaplicacionestpicasdel diseoexperimental
Principiosbsicos
Pautasgeneralesparadisearexperimentos
Brevehistoriadel diseoestadstico
Resumen:usodetcnicasestadsticasenlaexperimentacin
1
1
8
11
13
1 7
1 9
Introduccin
Contenido
Captulo 2.
2-1
2-2
2-3
2-4
Captulo 1.
1-1
1-2
1-3
1-4
15
1-6
x CONTENIDO
3-4 Verificacin delaadecuacin del modelo 76
3-4.1 El supuesto denormalidad 77
3-4.2 Grfica delos residuales en secuencia en el tiempo 79
3-4.3 Grfica delosresiduales contra losvalores ajustados 80
3-4.4 Grficas delosresiduales contra otras variables 86
3-5 Interpretacin prctica delos resultados 86
3-5.1 Un modelo deregresin 87
3-5.2 Comparaciones entre las medias delostratamientos 88
3-5.3 Comparaciones grficas demedias 89
3-5.4 Contrastes 90
3-5.5 Contrastes ortogonales 93
3-5.6 Mtodo deScheffpara comparar todos los contrastes 95
3-5.7 Comparacin depares demedias detratamientos 96
3-5.8 Comparacin demedias detratamientos conun control 103
3-6 Muestra de salida decomputadora 104
3-7 Determinacin del tamao delamuestra 107
3-7.1 Curvas deoperacin caracterstica 107
3-7.2 Especificacin deun incremento deladesviacin estndar 109
3-7.3 Mtodo para estimar el intervalo deconfianza 110
3-8 Identificacin deefectos dedispersin 110
3-9 El enfoque deregresin para el anlisis devarianza 112
3-9.1 Estimacin de mnimos cuadrados delosparmetros del modelo 112
3-9.2 Prueba general designificacin delaregresin 114
3-10 Mtodos no paramtricos en el anlisis devarianza 116
3-10.1 Laprueba deKruskal-Wallis 116
3-10.2 Comentarios generales sobre latransformacin derangos 118
3-11 Problemas 119
Captulo 4. Bloques aleatorizados, cuadrados latinos y diseos relacionados 126
4-1 Diseo debloques completos aleatorizados 126
4-1.1 Anlisis estadstico del diseo debloques completos aleatorizados 127
4-1.2 Verificacin delaadecuacin del modelo 135
4-1.3 Otros aspectos del diseo debloques completos aleatorizados 136
4-1.4 Estimacin delosparmetros del modelo y laprueba general de
significacin delaregresin 141
4-2 Diseo decuadrado latino 144
4-3 Diseo decuadrado grecolatino 151
4-4 Diseos debloques incompletos balanceados 154
4-4.1 Anlisis estadstico del diseo debloques incompletos balanceados 155
4-4.2 Estimacin de mnimos cuadrados delosparmetros 159
4-4.3 Recuperacin deinformacin interbloques en el diseo debloques
incompletos balanceados 161
4-5 Problemas 164
CONTENIDO xi
170
170
174
175
175
177
185
185
189
190
191
194
201
207
211
218
218
219
228
242
244
271
276
287
287
287
288
289
2%
297
299
301
303
303
304
317
326
337
347
349
350
Diseos factoriales fraccionados dedos niveles
Introduccin
Lafraccin un medio del diseo 2k
Lafraccin un cuarto del diseo 2'"
El diseo factorial fraccionado 't'-p general
Diseos deresolucin m
Diseos deresolucin IV y V
Resumen
Problemas
Formacin debloques y confusin en el diseo factorial 2"
Introduccin
Formacin debloques de un diseo factorial 2'"conrplicas
Confusin del diseo factorial 2k
Confusin del diseo factorial 2'"en dosbloques
Confusin del diseo factorial 2'"en cuatro bloques
Confusin del diseo factorial 2*en 'J J ' bloques
Confusin parcial
Problemas
Diseo factorial 21;
Introduccin
El diseo Z Z
El diseo 23
El diseo general 2*
Una solarplica del diseo 2'"
Adicin depuntos centrales en el diseo 2k
Problemas
5-6
5-7
Ajuste decurvas y superficies derespuesta
Formacin debloques en un diseo factorial
Problemas
5-4
5-5
Captulo 8.
8-1
8-Z
8-3
8-4
8-5
8-6
8-7
8-8
Captulo 7.
7-1
7-Z
7-3
7-4
7-5
7-6
7-7
7-8
Captulo 6.
6-1
6-2
6-3
6-4
6-5
6-6
6-7
Captulo 5. Introduccin alos diseos factoriales
5-1 Definiciones y principios bsicos
5-2 Laventaja delos diseos factorales
5-3 Diseo factorial de dos factores
5-3.1 Un ejemplo
5-3.2 Anlisis estadstico del modelo con efectos fijos
5-3.3 Verificacin delaadecuacin del modelo
5-3.4 Estimacin delosparmetros del modelo
5-3.5 Eleccin del tamao delamuestra
5-3.6 El supuesto deno interaccin enun modelo de dos factores
5-3.7 Una observacin por celda
Diseo factorial general
427
427
430
436
436
440
447
392
392
393
394
409
409
412
415
415
416
416
416
417
420
421
422
363
363
363
365
367
372
373
373
377
378
379
379
382
383
384
385
387
Captulo 11. Mtodos desuperficies derespuesta y otros enfoques para laoptimizacin de
procesos
11-1 Introduccin alametodologa de superficies derespuesta
11-2 Mtodo del ascenso ms pronunciado
11-3 Anlisis deuna superficie derespuesta desegundo orden
113.1 Localizacin del punto estacionario
113.2 Caracterizacin delasuperficie derespuesta
11-3.3 Sistemas de cordilleras
10-8
10-9
10-6
10-7
Ajuste demodelos deregresin
Introduccin
Modelos deregresin lineal
Estimacin delosparmetros en modelos deregresin lineal
Prueba dehiptesis en laregresin mltiple
10-4.1 Prueba de significacin delaregresin
10-4.2 Pruebas delos coeficientes deregresin individuales y degrupos decoeficientes
Intervalos deconfianza en regresiones mltiples
10-5.1 Intervalos deconfianza para loscoeficientes deregresin individuales
10-5.2 Intervalo de confianza para larespuesta media
Prediccin denuevas observaciones delarespuesta
Diagnsticos del modelo deregresin
10-7.1 Residuales escalados y PRESS
10-7.2 Diagnsticos deinfluencia
Prueba defalta de ajuste
Problemas
10-5
9-5
9-4
9-3
Diseos factoriales y factoriales fraccionados contres nivelesy connivelesmixtos
Di s e o factorial 3I
9-1.1 Notacin y motivacin del diseo 3k
9-1.2 El diseo 32
9-1.3 El diseo 33
9-1.4 El diseo general S"
Confusin en el diseo factorial 3k
92.1 El diseo factorlal J " en tres bloques
9-2.2 El diseo factorial 3k en nueve bloques
9-2.3 El diseo factorial S"en Ybloques
Rplicas fraccionadas del diseo factorial 3k
9-3.1 Lafraccin un tercio del diseo factorial J "
9-3.2 Otros diseos factoriales fraccionados 3k-p
Diseos factoriales conniveles mixtos
9-4.1 Factores con dosy tres niveles
9-4.2 Factores con dos y cuatro niveles
Problemas
9-2
Captulo 10.
10-1
10-2
10-3
10-4
Captulo 9.
9-1
xii CONTENIDO
590
590
557
5 5 7
558
563
565
566
566
569
5 7 3
578
578
580
5 8 3
584
543
543
545
547
552
CONTENlOO xiii
448
455
455
456
462
466
472
484
488
488
492
500
511
511
517
522
529
531
535
Otros tpicos dediseo y anlisis
Respuestas y transformaciones no normales
13-6
Diseos anidados y en parcelas subdivididas
Diseo anidado dedos etapas
13-1.1 Anlisis estadstico
13-1.2 Verificacin del diagnstico
13-1.3 Componentes delavarianza
13-1.4 Diseos anidados por etapas
Diseo anidado general demetapas
Diseos confactores anidados y factoriales
Diseo deparcelas subdivididas
Otras variantes del diseo deparcelas subdivididas
13-5.1 Diseo deparcelas subdivididas con ms dedos factores
13-5.2 Diseo deparcelas con doble subdivisin
13-5.3 Diseo deparcelas subdivididas en franjas
Problemas
13-2
13-3
13-4
13-5
12-8
12-5
12-6
12-7
Reglas para loscuadrados medios esperados
Pruebas F aproximadas
Algunos temas adicionales sobre laestimacin deloscomponentes de la
varianza
12-7.1 Intervalos deconfianza aproximados para loscomponentes de lavarianza
12-7.2 Mtodo de grandes muestras modificado
12-7.3 Estimacin demximaverosimilitud decomponentes delavarianza
Problemas
Captulo 14.
14-1
Captulo 13.
13-1
Captulo 12. Experimentos confactores aleatorios
12-1 Modelo con efectos aleatorios
12-2 Diseo factorial de dosfactores aleatorios
12-3 Modelo mixto con dos factores
12-4 Determinacin del tamao delamuestra con efectos aleatorios
11-3.4 Respuestas mltiples
11-4 Diseos experimentales para ajustar superficies derespuesta
11-4.1 Diseos para ajustar el modelo deprimer orden
11-4.2 Diseos para ajustar el modelo desegundo orden
11-4.3 Formacin de bloques en los diseos desuperficie derespuesta
11-4.4 Diseos (ptimos) generados por computadora
11-5 Experimentos con mezclas
11-6 Operacin evolutiva
11-7 Diseo robusto
11-7.1 Antecedentes
11-7.2 El enfoque delasuperficie derespuesta para el diseo robusto
11-8 Problemas
637
Distribucinnormal estndaracumulada 638
Puntosporcentualesdeladistribucint 640
Puntosporcentualesdeladistribucnx2 641
PuntosporcentualesdeladistribucinF 642
Curvasdeoperacincaractersticaparael anlisisdevarianzadel modeloconefectosfijos 647
Curvasdeoperacincaractersticaparael anlisisdevarianzadel modeloconefectos
aleatorios 651
Rangossignificativosparalapruebadel rangomltipledeDuncan 655
Puntosporcentualesdel estadsticodel rangostudentizado 656
ValorescrticosparalapruebadeDunnettparacomparartratamientosconuncontrol 658
Coeficientesdepolinomiosortogonales 661
Nmerosaleatorios 662
Relacionesdealiasparadiseos factorialesfraccionados2k - P conk $15Yn s64 663
Glosarioparael usodeDesign Expert 680
681
630
14-4 Medicionesrepetidas
14-5 Problemas
Solucinpor computadora
Desarrollomediantelapruebageneral designificacindelaregresin
Experimentosfactorialesconcovariables
14-3.2
14-3.3
14-3.4
Datosnobalanceadosenundiseofactorial
14-2.1 Datosproporcionales:uncasosencillo
14-2.2 Mtodosaproximados
14-2.3 Mtodoexacto
14-3 Anlisisdecovarianza
14-3.1 Descripcindel procedimiento
14-2
590
594
600
600
601
604
604
605
614
616
619
624
627
Seleccindeunatransformacin:el mtododeBox-Cox
Modelolineal generalizado
14-1.1
14-1.2
TablaVII.
TablaVIn.
Tabla IX.
TablaX.
ThblaXI.
TablaXll.
ThblaXllI.
ndice
Apndice
Thblal.
Thblan.
Tablam.
Tabla rv
TablaV.
ThblaVI.
Bibliografia
xiv CONTENIDO
1
1. Estas dos soluciones son los nicos medios de templado de inters potencial?
2. Hay enesteexperimento otros factores quepodran afectar ladureza yquedeberan investigar-
se o controlarse?
3. Cuntas muestras para ensayo delaaleacin debern probarse encadasolucin de templado?
4. Cmo debern asignarse las muestras para ensayo deprueba alassoluciones detemplado yen
qu orden debern colectarse los datos?
Investigadores deprcticamente todos los campos deestudio llevan acabo experimentos, por logeneral
para descubrir algo acerca deun proceso o sistema particular. En un sentido literal, un experimento es
unaprueba. En unaperspectiva msformal, unexperimento puede definirse como unaprueba oseriede
pruebas enlasquesehacen cambios deliberados enlasvariables deentrada deunproceso osistema para
observar e identificar las razones de los cambios que pudieran observarse en la respuesta de salida.
Este libro trata delaplaneacin yrealizacin deexperimentos ydel anlisis delosdatos resultantes a
findeobtener conclusiones vlidas yobjetivas. La atencin secentra en losexperimentos deingeniera y
lasciencias fsicasy qumicas. En ingeniera, laexperimentacin desempea unpapel importante enel di-
seo deproductos nuevos, el desarrollo deprocesos demanufactura y el mejoramiento de procesos. El
objetivo en muchos casos sera desarrollar un proceso robusto, es decir, un proceso que seaafectado en
forma mnima por fuentes de variabilidad externas.
Como ejemplo deunexperimento, suponga queuningeniero metalrgico tiene inters enestudiar el
efecto dedosprocesos diferentes deendurecimiento, el templado en aceiteyel templado en aguasalada,
sobre una aleacin dealuminio. El objetivo del experimentador es determinar cul delas dos soluciones
detemplado produce ladureza mxima para esta aleacin particular. El ingeniero decide someter varios
ejemplares o muestras para ensayo de la aleacin acada medio de templado y medir la dureza de los
ejemplares despus del templado. Para determinar cul delassoluciones es lamejor, seusar ladureza
promedio de los ejemplares tratados en cada solucin de templado.
Al examinar este sencillo experimento salen a relucir varias cuestiones importantes:
1..1 ESTRATEGIADEEXPERIMENTACIN
Introduccin
1Un especialista endiseo experimental diraquelosefectos delosmedios detemplado y lashornadas se confundieron; esdecir, los
efectos de estos dos factores no pueden separarse.
Salida
y
Proceso
Entradas
Figura 11Modelo general deun pro-
ceso o sistema.
Z, %2 %q
Factoresno controlables
Factorescontrolables
.x: , "'2
S. Qu mtodo de anlisis de datos deber usarse?
6. Qu diferencia en ladureza promedio observada entre los dosmedios detemplado seconside-
rar importante?
Thdasestas preguntas, ytal vezmuchas ms, tendrn queresponderse satisfactoriamente antes dellevar a
cabo el experimento.
En cualquier experimento, los resultados y las conclusiones que puedan sacarse dependen en gran
medida de lamanera en que serecabaron los datos. Para ilustrar este punto, suponga que el ingeniero
metalrgico del experimento anterior utiliz ejemplares de una hornada para el templado en aceite y
ejemplares deunasegunda hornada para el templado enaguasalada. Entonces, cuando compare ladure-
zapromedio, el ingeniero no podr saber quparte deladiferencia observada esresultado delasolucin
detemplado yquparte esel resultado dediferencias inherentes entre lashornadas.' Por lotanto, el m-
todo utilizado para recabar losdatos haafectado demanera adversa lasconclusiones quepueden sacarse
del experimento.
En general, losexperimentos seusanpara estudiar el desempeo deprocesos ysistemas. El proceso o
sistema puede representarse conel modelo ilustrado en lafigura 1-1.El proceso puede por logeneral vi-
sualizarse como unacombinacin demquinas, mtodos, personas uotros recursos quetransforman cier-
ta entrada (con frecuencia un material) en una salida que tiene una o ms respuestas observables.
Algunas variables del proceso Xl' Xz, ... , xp soncontrolables, mientras queotras ZhZ2' ... , Zq son no controla-
bles (aunque pueden serlo para los fines de una prueba). Los objetivos del experimento podran com-
prender los siguientes:
1. Determinar cules son las variables que tienen mayor influencia sobre la respuesta y.
2. Determinar cul esel ajuste delasx quetiene mayor influencia para queyestcasi siempre cerca
del valor nominal deseado.
3. Determinar cul es el ajuste delasX que tiene mayor influencia para que lavariabilidad dey sea
reducida.
4. Determinar cul esel ajuste delasx quetiene mayor influencia para quelosefectos delasvaria-
bles no controlables Z, Z2' , Zq sean mnimos.
Como sepuede ver por el anlisis anterior, los experimentos incluyen muchas veces varios factores.
Habitualmente, uno delos objetivos delapersona que realiza un experimento, llamada el experimenta.
dor, esdeterminar lainfluencia quetienen estos factores sobrelarespuesta desalidadel sistema. Al enfo-
2 CAPTULO 1 INTRODUCCIN
Evidentemente, haymuchos otros factores quepodran considerarse, pero supongamos questos sonlos
deinters primario. Adems, teniendo encuenta sularga experiencia en el juego, el autor decide quelos
factores 5al8 pueden ignorarse; esdecir, estos factores nosonimportantes porque susefectos sontan pe-
queos quecarecen devalor prctico. Losingenieros ylosinvestigadores deben tomar amenudo estetipo
de decisiones acerca de algunos de los factores que examinan en experimentos reales.
Consideremos ahora cmo podran probarse experimentalmente losfactores 1al4 para determinar
suefecto sobre lapuntuacin del autor. Suponga que enel curso del experimento pueden jugarse unm-
ximo deocho rondas degolf. Un enfoque consistira en seleccionar una combinacin arbitraria deestos
factores, probarlos yver qu ocurre. Por ejemplo, suponga que se selecciona la combinacin del palo
grande, lapelota degomadebalata, el carrito yelagua, yquelapuntuacin resultante es87. Sinembargo,
durante laronda el autor not varios tiros descontrolados con el palo grande (en el golf, grande no siem-
pre essinnimo debueno) y, en consecuencia, decidejugar otra ronda con el palo normal, manteniendo
los dems factores enlosmismos niveles usados anteriormente. Este enfoque podra continuar demane-
racasi indefinida, cambiando losniveles deuno (oquizdos) delosfactores para laprueba siguiente, con
base enel resultado delaprueba encurso. Esta estrategia deexperimentacin, conocida como enfoque de
la mejor conjetura, es comn entre ingenieros ycientficos. Funciona demanera adecuada si los experi-
mentadores cuentan conunagran cantidad deconocimientos tcnicos otericos del sistema queestn es-
tudiando, as como amplia experiencia prctica. Sinembargo, el enfoque delamejor conjetura presenta
al menos dosdesventajas. Primera, supngase quelamejor conjetura inicial noproduce losresultados de-
seados. Entonces el experimentador tiene quehacer otra conjetura acerca delacombinacin correcta de
los niveles delosfactores. Esto podra continuar por mucho tiempo, singaranta alguna dexito. Segun-
da, supngase quelamejor conjetura inicial produce un resultado satisfactorio. Entonces, el experimen-
tador sevetentado asuspender laspruebas, aun cuando nohayninguna garanta dequesehaencontrado
la mejor solucin.
Otra estrategia deexperimentacin muy comn enlaprctica esel enfoque deunfactor alavez. Este
mtodo consiste enseleccionar unpunto departida, olneabase delosniveles, para cadafactor, para des-
pus variar sucesivamente cadafactor ensurango, manteniendo constantes losfactores restantes enel ni-
vel base. Despus dehaber realizado todas laspruebas, seconstruye por 10 general una serie degrficas
enlasquesemuestra laforma enquelavariable derespuesta esafectada al variar cadafactor mantenien-
do los dems factores constantes. En lafigura 1-2sepresenta una serie degrficas para el experimento
del golf, utilizando comolnea baselosniveles deloscuatro factores: el palo grande, lapelota degoma de
1. El tipo de palo usado (grande o normal).
2. El tipo de pelota usada (de goma de balata o de tres piezas).
3. Caminar cargando los palos de golf o hacer el recorrido en un carrito.
4. Beber agua o cerveza durante el juego.
5. J ugar en la maana o en la tarde.
6. J ugar cuando hace fro o cuando hace calor.
7. El tipo de spikes usados en los zapatos de golf (metlicos o de hule).
8. J ugar en un da con viento o en uno apacible.
quegeneral para planear yllevar acabo el experimento selellamaestrategia deexperimentacin. Existen
varias estrategias quepodra usar un experimentador. Seilustrarn algunas deellas conun ejemplo muy
sencillo.
Al autor legusta mucho jugar golf. Desafortunadamente, no leagrada practicar, por lo que siempre
busca lamanera ms sencilla para bajar supuntuacin. Algunos delos factores que l considera impor-
tantes, o que podran influir en su puntuacin, son los siguientes:
1-1 ESTRATEGIA DE EXPERIMENTACIN 3