Universidad de Santiago de Chile Ingeniera en Estadstica

Facultad de Ciencias Diseos de Experimentos

PEP 1

1. Un fabricante de televisores est interesado en el efecto de cuatro tipos diferentes de
recubrimientos para cinescopios de color sobre la conductividad de un cinescopio. Se obtienen
los siguientes datos de la conductividad:

Tipos de
recubrimiento
Conductividad
1 143 141 150 146
2 152 149 137 143
3 134 136 132 127
4 129 127 132 129

a) Postule el modelo adecuado y estime los parmetros correspondientes.

ij i ij
dad Conductivi Modelo + + = : , donde 4 , 3 , 2 , 1 = i y 4 , 3 , 2 , 1 = j . Los supuestos
del modelo son ) , 0 ( ~
2
N
iid
ij
, y que el factor es de efectos fijos. Los parmetros estimados
se muestran en la siguiente tabla:
Parmetro Estimacin
137,938
1 7,0625
2 7,3125
3 -5,6875
4 -8,6875

El estimador de la varianza de los errores es 69 . 19
2
= . Los efectos medios estimados de
cada tipo de cubrimiento son:

Efectos Tratamiento Valor Estimado
Recubrimiento 1 145.00
Recubrimiento 2 145.25
Recubrimiento 3 132.25
Recubrimiento 4 129.25

b) Hay alguna diferencia en la conductividad debida al tipo de recubrimiento? Utilizar
05 . 0 = .

Queremos docimar 0 :
4 3 2 1 0
= = = = H vs i H
i
algn para 0 :
1
. Para ello
construimos la tabla ANOVA:

ANOVA unidireccional: Conductividad vs. Cubrimiento

Fuente GL SC MC F P
Cubrimiento 3 844,7 281,6 14,30 0,000
Error 12 236,3 19,7
Total 15 1080,9

Como se puede apreciar, como el valor-p es inferior a un 5%, se rechaza la hiptesis nula, con
lo que se concluye que el factor cubrimiento es significativo.

c) Calcular un intervalo de confianza al 95% para la media del tipo de recubrimiento 4.

Para el recubrimiento 4, un intervalo de confianza al 95% es dado por: LI = 124.42 y LS =
134.08.

d) Calcular un intervalo de confianza al 99% para la diferencia de medias entre los tipos de
recubrimiento 1 y 4.

Un intervalo de confianza para diferencia de medias entre los tipo de recubrimiento 1 y 4 al
99% es dado por: LI = 6.16 y LS = 25.34. Como los limites son positivos esto nos indica que el
efecto medio del recubrimiento 1 es superior al efecto medio del tratamiento 4.

e) Use un mtodo grfico para determinar en cual tipo de recubrimiento se produce la
conductividad ms alta.

4 3 2 1
155
150
145
140
135
130
Cubrimiento
C
o
n
d
u
c
t
i
v
i
d
a
d
Grfica de caja de Conductividad


Al observar este grfico notamos que la conductividad ms alta se produce en los
recubrimientos 1 y 2.

f) Suponga que el recubrimiento tipo 4 es el que se est usando actualmente. El fabricante
quiere minimizar la conductividad, qu le recomendara al fabricante?

Como el efecto medio del recubrimiento 4 es el ms bajo, le recomiendo al fabricante que lo
siga usando, aunque estadsticamente no hay diferencia significativa entre el recubrimiento 3 y
4 como se muestra a continuacin:

Intervalos de confianza simultneos de Tukey del 95%
Todas las comparaciones de dos a dos entre los niveles de
Cubrimiento

Nivel de confianza individual = 98,83%

Cubrimiento = 1 restado de:

Cubrimiento Inferior Centro Superior
2 -9,068 0,250 9,568
3 -22,068 -12,750 -3,432
4 -25,068 -15,750 -6,432


Cubrimiento -------+---------+---------+---------+--
2 (-----*-----)
3 (------*-----)
4 (------*-----)
-------+---------+---------+---------+--
-15 0 15 30


Cubrimiento = 2 restado de:

Cubrimiento Inferior Centro Superior
3 -22,318 -13,000 -3,682
4 -25,318 -16,000 -6,682

Cubrimiento -------+---------+---------+---------+--
3 (-----*------)
4 (-----*------)
-------+---------+---------+---------+--
-15 0 15 30


Cubrimiento = 3 restado de:

Cubrimiento Inferior Centro Superior
4 -12,318 -3,000 6,318

Cubrimiento -------+---------+---------+---------+--
4 (-----*-----)
-------+---------+---------+---------+--
-15 0 15 30

2. En una fbrica qumica en que trabajan diez qumicos, se les pide a cuatro de ellos que
determinen el porcentaje de alcohol metlico en cierto compuesto qumico. Cada qumico hace
tres determinaciones, y los resultados obtenidos son los siguientes:

Qumico % de alcohol
metlico

1 84.99 84.04 84.38
2 85.12 85.13 84.88
3 84.72 84.48 85.16
4 84.20 84.10 84.55

a) Postule el modelo adecuado y obtenga las estimaciones de los parmetros
correspondientes.

ij i ij
Modelo + + = Alcohol % : , donde 4 , 3 , 2 , 1 = i y 4 , 3 , 2 , 1 = j . Los supuestos del
modelo son ) , 0 ( ~
2
N
iid
ij
, ) , 0 ( ~
2

N
iid
i
ya que el factor qumico es un factor aleatorio, y
los
i
y los
ij
son independientes. Los parmetros estimados se muestran en la siguiente
tabla:
Parmetro Estimacin
84,646
2

0,078
2

0,107



b) Los qumicos difieren significativamente? Utilizar 05 . 0 = .

Queremos docimar 0 :
2
0
=

H vs 0 :
2
1
>

H . Para ello construimos la tabla ANOVA :

Fuente GL SC MC F P
Quimico 3 1,020 0,340 3,19 0,084
Error 8 0,853 0,107
Total 11 1,873

S = 0,3265 R-cuad. = 54,47% R-cuad.(ajustado) = 37,40%

Como el valor-p es mayor que 0.05 no hay evidencia para rechazar la hiptesis nula, con lo que se
concluye que no existe diferencia entre los qumicos.

c) Realice un anlisis de los supuestos del modelo postulado en a).

Para validar los supuestos, realizaremos un anlisis grfico a los residuos:

0,50 0,25 0,00 -0,25 -0,50
99
90
50
10
1
Residuo
P
o
r
c
e
n
t
a
j
e
85,0 84,8 84,6 84,4 84,2
0,50
0,25
0,00
-0,25
-0,50
Valor ajustado
R
e
s
i
d
u
o
0,6 0,4 0,2 0,0 -0,2 -0,4
4,8
3,6
2,4
1,2
0,0
Residuo
F
r
e
c
u
e
n
c
i
a
12 11 10 9 8 7 6 5 4 3 2 1
0,50
0,25
0,00
-0,25
-0,50
Orden de observacin
R
e
s
i
d
u
o
Grfica de probabilidad normal vs. ajustes
Histograma vs. orden
Grficas de residuos para %Alcohol


Al observar el grfico de normalidad notamos que los puntos estn la mayora agrupado
entorno a la recta, lo que nos sugiere que el supuesto de normalidad de los residuos se
satisface.

Al observar el grfico de los valores ajustados vs los residuos notamos que no se observa
comportamiento alguno, lo que nos indica que el modelo est bien especificado.

Al observar el grfico de los residuos vs el orden solo los primeros puntos se alejan un poco lo
que nos indica que el supuesto de homocedasticidad se estara cumpliendo, pero se
recomienda que se realice un test de homocedasticidad. En cuanto al supuesto de que los
residuos no estn correlacionados, no se observa comportamiento ni tendencia, pero si se
realiza un grfico de la funcin de autocorrelacin se obtiene la siguiente grfica:

3 2 1
1,0
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
Desfase
A
u
t
o
c
o
r
r
e
l
a
c
i

n
Funcin de autocorrelacin para RESID1
(con lmites de significancia de 5% para las autocorrelaciones)

Con lo que se confirma lo afirmado con anterioridad.

3. El fabricante de una aleacin maestra de aluminio produce refinadore3s de textura en forma de
lingotes. La compaa produce el producto en cuatro hornos. Se sabe que cada horno tiene
sus propias caractersticas nicas de operacin, por lo que en cualquier experimento que se
corra en la fundicin en el que se use ms de un horno, los hornos se considerarn como una
variable perturbadora. Los ingenieros del proceso sospechan que la velocidad de agitacin
afecta la medida de la textura del producto. Cada horno puede operarse con cuatro diferentes
velocidades de agitacin. Se lleva a cabo un experimento para un refinador particular y los
datos resultantes de la medida de la textura se muestran a continuacin:

Horno
Velocidad de
agitacin (rpm)

1

2

3

4
5 8 4 5 6
10 14 5 6 9
15 14 6 9 2
20 17 9 3 6

a) Postule el modelo adecuado y realice las estimaciones de los parmetros del modelo.

ij j i ij
Modelo + + + = textura : , donde 4 , 3 , 2 , 1 = i y 4 , 3 , 2 , 1 = j . Los supuestos del
modelo son ) , 0 ( ~
2
N
iid
ij
, y que el factor velocidad es de efectos fijos mientras que el factor
horno es un factor bloque. Los parmetros estimados se muestran en la siguiente tabla:




Parmetro Estimacin

7.69
1

-1.94
2

0.81
3

0.06
4

1.06
1

5.56
2

-1.96
3

-1.94
4

-1.94
El estimador de la varianza de los errores es 67 . 8
2
= . Los efectos medios estimados de
cada tipo de cubrimiento son:

Efectos medios Valor Estimado
Velocidad 1 5.75
Velocidad 2 8.50
Velocidad 3 7.75
Velocidad 4 8.75
Horno 1 13.25
Horno 2 6.00
Horno 3 5.75
Horno 4 5.75


b) Existe evidencia de que la velocidad de agitacin afecta a la medida de la textura?
Utilizar 05 . 0 = .

Queremos docimar 0 :
4 3 2 1 0
= = = = H vs i H
i
algn para 0 :
1
. Para ello
construimos la tabla ANOVA:

ANOVA de dos factores: Textura vs. Velocidad. Horno

Fuente GL SC MC F P
Velocidad 3 22,188 7,3958 0,85 0,500
Horno 3 165,188 55,0625 6,35 0,013
Error 9 78,063 8,6736
Total 15 265,438

S = 2,945 R-cuad. = 70,59% R-cuad.(ajustado) = 50,99%

Como se puede apreciar el valor-p es 0.500 con lo que se concluye que no se rechaza la hiptesis
nula, es decir no existe evidencia significativa de que la velocidad de agitacin afecte a la medida
de la textura.

c) Cul sera la recomendacin de los ingenieros del proceso con respecto a la eleccin de
la velocidad de agitacin y del horno para este refinador de textura particular si es
deseable una medida de textura pequea?

Como se verific en la pregunta anterior que la velocidad de agitacin no afecta a la medida de la
textura, esto nos indica que el horno que se utilice si afecta a la medida de textura. Al construir
intervalos de confianza al 95% de los efectos medios de los hornos se obtiene:
ICs de 95% individuales para la media
basados en Desv.Est. agrupada
Horno Media ----+---------+---------+---------+-----
H1 13,25 (-------*-------)
H2 6,00 (-------*-------)
H3 5,75 (-------*--------)
H4 5,75 (-------*--------)
----+---------+---------+---------+-----
4,0 8,0 12,0 16,0

Se aprecia que los hornos 2, 3 y 4 producen un efecto en la medida de textura muy similar, no
as el horno 1. Entonces se sugiere que se utilice el horno 2, 3 o 4 si se quiere obtener una
medida de textura pequea.

d) Realice la validacin de los supuestos del modelo postulado en a).


Para validar los supuestos, realizaremos un anlisis grfico a los residuos:

5,0 2,5 0,0 -2,5 -5,0
99
90
50
10
1
Residuo
P
o
r
c
e
n
t
a
j
e
15,0 12,5 10,0 7,5 5,0
4
2
0
-2
-4
Valor ajustado
R
e
s
i
d
u
o
3 2 1 0 -1 -2 -3 -4
3
2
1
0
Residuo
F
r
e
c
u
e
n
c
i
a
16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
4
2
0
-2
-4
Orden de observacin
R
e
s
i
d
u
o
Grfica de probabilidad normal vs. ajustes
Histograma vs. orden
Grficas de residuos para Textura


Al observar el grfico de normalidad notamos que hay puntos que se alejan de la recta, lo que
nos sugiere que el supuesto de normalidad de los residuos no se satisface, adems al
observar el histograma de los residuos se confirma lo anterior.

Al observar el grfico de los valores ajustados vs los residuos notamos que no se observa
comportamiento alguno, lo que nos indica que el modelo est bien especificado.

Al observar el grfico de los residuos vs el orden nos indica que el supuesto de
homocedasticidad se estara cumpliendo. En cuanto al supuesto de que los residuos no estn
correlacionados, no es muy claro lo que ocurre por lo que se realiza un grfico de la funcin de
autocorrelacin:

4 3 2 1
1,0
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
Desfase
A
u
t
o
c
o
r
r
e
l
a
c
i

n
Funcin de autocorrelacin para RESID1
(con lmites de significancia de 5% para las autocorrelaciones)


Segn este grfico, se concluye que los residuos no estn correlacionados.