Académique Documents
Professionnel Documents
Culture Documents
INGENIERA INDUSTRIAL
OBSERVACIONES:
FECHA DE ENTREGA:
24-05-2012
CONTENIDO
ESTRATEGIA DE EXPERIMENTACIN ................................................................................................................. 3 EJEMPLO ........................................................................................................................................................................... 6 EL ANLISIS DE VARIANZA (ANDEVA)............................................................................................................... 7 MODELO ESTADISTICO LINEAL ............................................................................................................................. 9 DISEO EXPERIMENTAL COMPLETAMENTE ALEATORIZADO ............................................................ 10 EL MODELO DE EFECTOS FIJOS .......................................................................................................................... 10 EL MODELO DE EFECTOS ALEATORIOS ......................................................................................................... 11 LA SUMA TOTAL DE CUADRADOS...................................................................................................................... 12 LA TABLA DE ANDEVA ............................................................................................................................................ 12 EL DISEO DESBALANCEADO ............................................................................................................................. 13 FORMULAS ................................................................................................................................................................... 13 INTERVALOS DE CONFIANZA PARA LA MEDIA DEL TRATAMIENTO .......................................... 14 INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE 2 TRATAMIENTOS .......... 14 ANLISIS DE RESIDUALES Y VERIFICACION DEL MODELO. .................................................................. 15 PRUEBAS SOBRE MEDIAS DE TRATAMIENTOS INDIVIDUALES ........................................................... 16 COMPROBACIN GRAFICA DE MEDIAS ........................................................................................................... 16 MTODO DE LA DIFERENCIA SIGNIFICATIVA MNIMA DE FISHER .................................................... 18 EL MODELO DE EFECTOS ALEATORIOS .......................................................................................................... 18 DISEO DE BLOQUES COMPLETOS ALEATORIZADOS .............................................................................. 19 MODELO ........................................................................................................................................................................ 21 DISEO Y ANLISIS ESTADSTICO..................................................................................................................... 21 CUNDO ES NECESARIO HACER BLOQUES?................................................................................................ 22 -PRUEBA SOBRE MEDIAS DE TRATAMIENTO INDIVIDUAL ................................................................... 22 MTODO DE LA DIFERENCIA SIGNIFICATIVA MNIMA............................................................................ 23 ANLISIS DE RESIDUALES Y VERIFICACIN DEL MODELO ................................................................... 23 DISEO DE BLOQUES COMPLETOS ALEATORIZADOS CON FACTORES ALEATORIOS............... 25 DISEO DE CUADRADOS LATINOS .................................................................................................................... 25 BIBLIOGRAFA ............................................................................................................................................................ 27
ESTRATEGIA DE EXPERIMENTACIN
El diseo de Experimentos se realiza en los casos, en donde se pretende obtener la mxima informacin de un proceso en la forma mas rpida, econmica, simple y precisa, de acuerdo al objetivo planteado, al anlisis que se lleva a cabo y la eficiencia que se desea obtener. Los investigadores hacen experimentos en diferentes campos de la ciencias: biolgicas, de fsicas, qumicas, en la agrcolas, mdicas, en la administracin negocios, ingeniera industrial, ingeniera
mecnica, ingeniera civil etc Un experimento es una prueba o ensayo que sirve para realizar un anlisis de los datos en donde se hacen cambios deliberados en las variables de entrada de un proceso o sistema, esto da la oportunidad de observar e identificar las causas de los cambios en la respuesta o salida. Para el estudio del diseo de experimentos se hace necesario representar el proceso o sistema por medio de un diagrama como el que se muestra a continuacin:
X1 X2 Xn
VARIABLES CONTROLABLES.
ENTRADA
SALIDA
Z1 Z2 Zn
VARIABLES NO CONTROLABLES
El proceso es una combinacin de recursos: materiales , econmicos , maquinaria, mtodos de trabajo , personas , condiciones de trabajo ( temperatura, PH, concentracin de soluciones qumicas , incentivos , etc..) y otros recursos que entran al sistema para ser transportados en una salida que tiene una o mas variables de respuestas observables donde X1, X2, X3.,Xn, son variables controlables , Z1, Z2, Z3.,Zn, son variables no controlables y Y1, Y2, Y3Yn , son variables de respuesta.
Existen diferentes definiciones de la palabra experimento ya que tambin se define o se conoce como la bsqueda planeada para obtener nuevos conocimientos o para comprobarlos; tal que estos resultados de experimentos previos ayudare en la toma de decisiones. Tales experimentos caen dentro de tres categoras que son: CATEGORIAS 1. Experimentos preliminares. 2. Experimentos Crtico. 3. Experimentos Demostraciones 1. EN UN EXPERIMENTO PRELIMINAR: El investigador prueba un nmero grande de tratamientos (diferentes niveles de estudio), con el objeto de obtener indicios para futuros trabajos, la mayora de los tratamientos aparecen en una sola vez. 2. EN UN EXPERIMENTO CRITICO: El investigador compara las respuestas a diferentes tratamientos usando un nmero suficiente de observaciones de las respuestas para tener seguridad razonable de detectar diferencias significativas.
3. LOS EXPERIMENTOS DEMOSTRATIVOS: Se llevan a cabo cuando los trabajadores de extensin comparan uno o ms tratamientos nuevos con un patrn previamente determinado. Existen tres principios fundamentales de Diseo de Experimentos que son: REPRODUCCIN: Este principio en la facultad que tenga el experimento original de repetirse y se pueda estimar el error puro o aleatorio ,lo que permitir determinar si las diferencias observadas son significativas o no. ALEATORIZACIN: Consiste en que todas las muestras deben ser tomadas al azar o aleatoriamente de la poblacin a investigar. Aun cuando se suponga que las muestras son independientes una de la otra y que solamente estn afectadas por el parmetro que se controla. CONTROL LOCAL: Se refiere tanto al tipo de Diseo de Experimental que se haya realizado como a las medidas que se toman para controlar el proceso experimental. El diseo experimental se puede usar para:
PARA
Mejorar el rendimiento del proceso. Reducir el tiempo de desarrollo. Disminuir el costo. Menor variabilidad del proceso. EL DISEO DE EXPERIMENTO SE RECOMIENDA LA SIGUIENTE
METODOLOGA.:
Comprensin y planteamiento del problema. Eleccin de factores y variables relevantes del problema. Seleccion de la (s) variable (s) de respuesta.
Eleccin del diseo experimental, decidir tamao muestral (numero de repeticiones), establacer el orden adecuado para los ensayos. Realizacin del experimento para recopilar datos. Anlisis de datos. Conclusiones y recomendaciones.
EJEMPLO
Un fabricante de papel para hacer bolsas para comestibles, se encuentra interesado en mejorar la resistencia a la tensin del producto. El departamento de ingeniera del producto piensa que la resistencia a la tensin es una funcin de la concentracin de madera dura en la pulpa y que el rango de las concentraciones de madera dura de inters practico est entre 5% y 20% .El equipo de ingenieros responsable del estudio decide investigar cuatro niveles de concentracin de madera dura: 5%, 10%, 15%, y 20% .Deciden hacer seis ejemplares de prueba con cada nivel de concentracin ,utilizando una planta piloto .Las 24 muestras se prueban , en orden aleatorio , con una mquina de laboratorio para probar la resistencia . Este es un ejemplo de un experimento con un solo factor completamente aleatorizado con cuatro niveles del factor. A los niveles del factor en ocasiones se les llama tratamientos y cada tratamiento tiene seis observaciones o rplicas .El papel de la aleatorizacin en este experimento es de suma importancia. Al aleatorizar el orden de las 24 corridas, se equilibra aproximadamente el efecto de cualquier variable perturbadora que puede influir en la resistencia a la tensin observada. Por ejemplo, suponer que hay un efecto de calentamiento en la mquina para probar
la tensin, es decir, entre ms tiempo est funcionando la mquina, mayor ser la resistencia a la tensin observada. Si las 24 corridas se hacen en orden ascendente de la concentracin de madera dura (es decir, se prueban primero los seis ejemplares con la concentracin de 5%, seguidas por los seis ejemplares con la concentracin de 10% podra ser causada por el efecto de calentamiento. Es importante analizar grficamente los datos de un experimento diseado. Y siempre es una buena idea hacer la interpretacin grafica de los datos. Los diagramas de caja muestran la variabilidad de las observaciones dentro de un tratamiento (nivel del factor) y la variabilidad entre los tratamientos. etc...), entonces cualquier diferencia observada en la resistencia a la tensin tambin
2. Estimar y probar la hiptesis con respecto a las medias de las poblaciones. En el anlisis de la varianza a las variables se les suele llamar factores y a los diferentes niveles de estudio de cada variable o factor se les llama tratamientos o categoras. El diseo de experimentos se define como : Factor (es)a la variable (es) que afectan el resultado del experimento o problema y tratamientos (niveles) de estudio de diferentes categoras que tiene cada factor, Por ejemplo: Si estamos comparando el tiempo promedio que tienen los corredores en una prueba atltica , puede ser el factor sexo que incluye dos niveles ( tratamientos ) de estudio que son hombres o mujer , si tomamos en cuenta otros factores como la edad ,estos pueden ser tres categoras ( tratamientos ) o niveles de estudio que pueden ser infantil, adolescente y adulto. Segn el nmero de factores que influyen en el experimento ste puede ser: 1. Experimento de un factor (simple o de una va). 2. Experimento de dos factores o experimento factorial. Cuando en un experimento se tiene que un solo factor (variable) afecta el resultado del experimento (problema) dicho factor puede clasificarse con efecto fijo o con efecto aleatorio. Se entiende que el experimento de un factor es de efecto fijo cuando los niveles o tratamientos de ese nico factor son escogidos a propsito, es decir son seleccionados por alguna razn especial por el investigador o experimentador.
SUPOSICIONES 1. NORMALIDAD: Se considera que los valores de cada grupo siguen una distribucin normal. 2. HOMOGENEIDAD DE LA VARIANZA: Se considera que la varianza dentro de cada poblacin debe ser igual para todas las poblaciones, esto se requiere para agrupar las varianzas dentro de los tratamientos de una sola fuente de variacin igual a la sucesin de sumas de cuadrados del error. 3. INDEPENDENCIA DE ERRORES: No se refiere a los errores, sino a la diferencia de cada valor con la media de su propio grupo (tratamiento). Suponiendo que deben ser independientes para cada valor, es decir que el error de una observacin no debe estar relacionado con el error de cualquier otra observacin.
Yij es una variable aleatoria que denota la observacin ij-sima , es un parmetro comn a todos los tratamientos llamado la media global ,i es un parmetro asociado con el tratamiento i-simo llamado el efecto del tratamiento i-simo , y ij es un componente del erros aleatorio.
10
Datos tpicos de un experimento con un solo factor. Tratamiento 1 2 A Observaciones Y11 Y21 Ya1 yan y12 . Y1n y22 y2n ya2 Totales Y1. Y2. ... Ya. Promedios 1. 2. a.
11
Donde: = Media General para todos los tratamientos. = Es la observacin i del tratamiento j con i = 1, 2, 3, , n (pruebas independientes, j = 1, 2, 3, , k tratamientos). = Es un parmetro asociado con el j-esimo del tratamiento (efecto tratamiento). En el modelo de efectos fijos usualmente definen los efectos de los tratamientos como decisiones de la media general, tal que .
aleatorias independientes. Obsrvese que la estructura del modelo es idntica a la del caso de efectos fijos, pero los parmetros tienen una interpretacin diferente. Si la varianza de los efectos de los tratamientos es , entonces, por la independencia la varianza de la repuesta es:
12
( A las varianzas y
modelo, la ecuacin del modelo lineal estadstico se le llama el modelo de componentes de la varianza o modelo de efectos aleatorios.
LA TABLA DE ANDEVA
Fuente variacin Tratamientos Error total de Suma de Grados libertad a-1 a(n-1) An-1 de Cuadrado medio Fo
cuadrados
13
EL DISEO DESBALANCEADO
En algunos experimentos con un solo, factor el nmero de observaciones que se hacen bajo cada tratamiento puede ser diferente. Se dice que el diseo es DESBALANCEADO. El anlisis de varianza descrito arriba sigue siendo vlido, aunque es necesario hacer ligeras modificaciones en las formulas de las sumas de cuadrados. Sea que se hagan bajo tratamiento , y sea Y observaciones. Las formulas para calcular la siguiente definicin. Las formulas para calcular las sumas de cuadrados para el anlisis de varianza con tamaos de las muestras son diferentes en cada tratamiento observaciones se presentan en . El nmero total de
FORMULAS
Elegir un diseo balanceado tiene dos ventajas importantes. Primera, el procedimiento de prueba es relativamente insensible a las desviaciones pequeas del supuesto de la igualdad de las varianzas si los tamaos de la muestra son iguales. Este no es el caso para tamaos de las muestras diferentes. Segunda, la potencia de la prueba se maximiza se las muestras son de tamaos iguales.
14
Un estimador puntual de
es
errores tienen una distribucin normal, el promedio de cada tratamiento tiene una distribucin normal con media conociera intervalo de confianza. Usando , podra usarse la distribucin normal para construir un como estimador de ya que
desviacin estndar agrupada que aparece en la salida de minitab) el intervalo de confianza se basara en la distribucin Tiene una distribucin con grados de libertad. Esto lleva a la
siguiente definicin del intervalo de confianza. DEFINICIN Un intervalo de confianza del tratamiento i-esimo , es: por ciento para la media del
15
para estimar
, entonces
con
intervalo de confianza para DEFINICIN Un intervalo de confianza del las medias de dos tratamientos
Puesto que un intervalo de confianza incluye al cero, se concluira que no hay diferencia en la resistencia a la tensin, media de estos dos niveles de madera dura particulares.
estudio,
completamente aleatorizado
. Y cada residual es
decir, la diferencia entre una observacin y la media observada del tratamiento correspondiente.
16
El supuesto normalidad puede verificarse construyendo una grafica de probabilidad normal de los residuales. Para verificar el supuesto de la igualdad de las varianzas en cada nivel del factor, se grafican los residuales contra los niveles del factor y se compara la dispersin de los residuales. Tambin es conveniente graficar los residuos contra (llamada en ocasiones valor ajustado); la variabilidad de los residuales no deber depender en forma alguna del valor de El supuesto de independencia puede verificarse graficando los residuales contra el tiempo o en contra el orden de corridas en que se realizo el experimento. Un patrn en esta grafica, como secuencias de residuales positivos y negativos, puede indicar que las observaciones no son independientes. Esto sugiere que el tiempo o el orden de las corridas es importante o que las variables que cambian con el tiempo son importantes y no se han incluido en el diseo experimental.
17
, donde
es la desviacin
estndar de una observacin individual. Si todos los promedios de los tratamientos son iguales, las medias observadas . Se comportaran como si fueran un conjunto de observaciones tomadas al azar de una distribucin normal con media y desviacin estndar .
Imaginar que una distribucin normal puede deslizarse sobre un eje abajo del cual se grafican las medias de los tratamientos si todas las medias de los tratamientos son iguales, deber haber alguna posicin para esta distribucin que haga evidente que los valores . se tomaron de la misma distribucin. Si no es este el caso, entonces los valores de . que no parecen haberse sacado con esta distribucin, se asocian con tratamientos que producen respuestas medias diferentes. La nica falla en este razonamiento es que puede usarse no se conoce. Sin embargo,
del anlisis de varianza para estimas . Esto implica que en lugar de la normalidad al hacer y la normal, unidades
grfica, pero dada la gran semejanza entre la distribucin trazar una curva normal que tenga aproximadamente de ancho funcionara bien en la mayora de los casos.
Este procedimiento es una tcnica de comparacin mltiple aproximada pero muy eficaz. Sin embargo, hay procedimientos de prueba con fundamentos estadsticos ms formales
18
Si los tamaos de las muestras son diferentes en cada tratamiento, entonces la LSD se define como LSD = ( )
19
poblacin de los niveles del factor es de tamao infinito o bien lo suficientemente grande como para considerarlo infinito. El modelo lineal estadstico es { Donde los efectos de los tratamientos aleatorias independientes. es Si la y los errores de los son variables de los
varianza
efectos
tratamientos respuesta, es V =
A las varianzas
No son el motivo del estudio sino que aparecen de forma natural y obligada en el mismo. Se asume que no tienen interaccin con el factor en estudio.
Ejemplo. Se quieren determinar las necesidades energticas de una persona cuando anda, come o hace deporte. Supongamos que se tienen 10 personas para realizar el experimento y se considera como variable respuesta o cuantitativa, el nmero de caloras consumidas por segundo.
20
Los resultados varan segn el individuo considerado. Aqu, el factor es la actividad realizada, con 3 posibles niveles: andar, comer o hacer gimnasia. Si a cada una de las personas se le asigna una actividad distinta puede ser que la variabilidad observada entre las distintas actividades sea debida a las diferencias entre los propios individuos. Una posible solucin es que cada uno de los individuos realice las tres actividades. De este modo, la variable bloque es el tipo de persona y cada uno de los bloques es cada persona.
A cada bloque (persona) se le aplican los 3 niveles del factor por orden aleatorio: Persona 1 Persona 2 Persona 10 C A G G A C A G C
Una variable bloque no presenta interaccin con los factores en estudio. El modelo se dice que es de bloques aleatorizado completos cuando en cada bloque se presentan todos los posibles tratamientos (o un mltiplo de ese nmero) y dentro de cada bloque se asignan los tratamientos de forma aleatoria. En ocasiones no se pueden asignar todos los tratamientos sobre cada bloque, de modo que se tienen los diseos por bloques aleatorizado incompletos.
21
MODELO
Suponemos que el nmero de unidades experimentales para cada bloque coincide con el nmero de tratamientos, esto es, hay una observacin para cada cruce de los niveles del factor y del bloque. La variable respuesta Y puede depender de un primer factor de inters (A) y de la variable bloque (B). El modelo es: Yij = + i + j + ij para i = 1, . . . , a y j = 1, . . . , b, siendo:
el efecto medio global i el efecto incremental sobre la media causado por el nivel i del factor A j el efecto incremental sobre la media causado por el nivel j del bloque B ij el trmino de error.
DISEO Y ANLISIS ESTADSTICO
Los resultados de la mayora de los experimentos deben ser evaluados por un. El anlisis estadstico adecuado, aunque, en algunos casos, los resultados son tan claros que es obvio que cualquier estadstica anlisis estadstico no alterara la interpretacin. El anlisis debe reflejar el propsito del estudio. Por lo tanto, el objetivo de un anlisis exploratorio es identificar patrones en los datos sin mucho nfasis en la comprobacin de hiptesis, el objetivo de un experimento de confirmacin es probar una o una prepocos hiptesis planteadas, y los experimentos encaminados a estimar un parmetros tales como la vinculacin gentica requiere es apropiado
22
para naciones y los errores estndar. El objetivo general, sin embargo, es extraer todo el presente informacin til en los datos en un manera que se puede interpretar, teniendo en cuenta de la diversidad biolgica variabilidad y el error de medicin. Es particularmente til en la prevencin de reclamaciones injustificadas sobre el efecto de un tratamiento cuando los resultados podran ser explicados por muestreo variacin. Tenga en cuenta que es posible que un efecto como para ser significativo ticamente significativa, pero de una importancia biolgica muy poca o ninguna.
aleatorizados consiste en seleccionar b bloques y correr una replica completa del experimento en cada bloque.
23
gnero), mientras que el ANOVA resulta conveniente cuando deseamos comparar las medias entre ms de dos grupos.
Donde (LSD) Q es la mnima diferencia significativa para un riesgo determinado; es el valor de la tabla para a y el nmero de grados de es la media de los cuadrados del error residual en libertad asociado con la media de los cuadrados del error en la tabla resumen del ANOVA; la tabla resumen del ANOVA; n es el nmero de observaciones implcito en cada media de los tratamientos. El trmino media y el factor 2 aparece es el error tpico de la, en la ecuacin
24
solo factor (diseo completamente aleatorizado) sigue siendo vlido para este modelo. Se contrastarn las hiptesis de: Normalidad de los residuos. Homocedasticidad: la varianza en los diferentes niveles de cada uno de los dos factores es constante. Independencia de los residuos. Homogeneidad de los datos, todos provienen de la misma distribucin y no hay datos atpicos No existe interaccin entre los dos factores. El concepto de interaccin se estudia con mayor detalle en la seccin siguiente. Intuitivamente y basndose en el ejemplo. que no exista interaccin entre el factor tratamiento T y el factor bloque B significa que la velocidad de impresin de una determinada impresora es mayor (o menor) de la media global independientemente de la foto que imprima (del bloque). Si existe interaccin entre T y B , el modelo de bloques completamente
aleatorizado no es adecuado y hay que tratar el factor bloque como un factor tratamiento (T ). Se tiene entonces un diseo de experimentos con dos factores (tratamiento) y el modelo matemtico es
con el
25
Donde: Es la observaciones del i-simo rengln, j-esima columna, k-simo tratamiento. = medida general El i-simo efecto del rengln (fila) El j-simo efecto de la columna. El k-simo efecto del tratamiento.
26
El error aleatorio.
27