Esta Di Stica 12

Jaime Escobar, Ph.
D
ANALISIS DE VARIANCIA Y DISENO
EXPERIMENTAL
PRINCIPIOS GENERALES
Varios de los multiples aspectos del diseno experimental pueden ilustrarse por
medio de un ejemplo proveniente del importante tema de las mediciones en
ingenieria.

Supongase que una fundidora de acero surte de lamina de hojalata a tres
fabricantes de latas

la especificacion principal es que el peso del revestimiento de estano debera
ser al menos de 0.25 libras en el fondo del envase de hojalata.

La fundidora y cada uno de los fabricantes de latas tienen laboratorios donde
se realizan mediciones de lo pesos de los revestimientos de estano, tomando
muestras de cada cargamento.

Supongase tambien que han surgido algunos desacuerdos sobre los pesos
reales de los revestimientos de estano de los cargamentos de lamina

Jaime Escobar, PhD
se decide planear un experimento para determinar si los cuatro laboratorios
estan realizando mediciones consistentes.

Un factor que complica las cosas es que parte del proceso de medidas consiste
en eliminar con productos quimicos el estano de la superficie del metal en la
base

es imposible tener las mismas mediciones en las muestras de cada laboratorio
para determinar que tan aproximadas son las mediciones.

Jaime Escobar, PhD
Una posibilidad consiste en enviar varias muestras a cada uno de los
laboratorios.

Esto abre la posibilidad de averiguar si los resultados obtenidos en los
laboratorios son consistentes comparando la variabilidad de las medias de las
cuatro muestras.

Supongase que se toma la decision de enviar una muestra de 12 discos a cada
laboratorio

Jaime Escobar, PhD
Para empezar supongase que una lamina de hojalata de las dimensiones
apropiadas se selecciona y que los 48 discos se cortan de ella como se aprecia
en la figura.

Los 12 discos cortados de la tira 1 se envian al primer laboratorio, los 12
obtenidos de la tira 2 se mandan al segundo laboratorio, etc

Jaime Escobar, PhD
Si se descubre que las medias de los pesos de los cuatro revestimientos
subsecuentemente obtenidos varian significativamente, nos permitiria esto
concluir que las diferencias pueden atribuirse a falta de consistencia en las
tecnicas de medicion?
Jaime Escobar, PhD
Supongase, por ejemplo, que otras investigaciones indican que la cantidad de
estano depositada sobre una larga lamina de acero tiene un patron distinto y
repetido perpendicular a la direccion en que es laminado.

Entonces, aunque los cuatro laboratorios hayan medido la cantidad de estano
consistentemente y sin error, las diferencias en las determinaciones de los
pesos de los revestimientos de estano se deberian a alguna otra causa.
Jaime Escobar, PhD
La asignacion de los discos de una tira completa a cada laboratorio es tal que las
inconsistencias entre los metodos de medicion de los laboratorios no pueden separarse,
si las diferencias provienen de la cantidad real de estano depositado perpendicularmente
a la direccion en que la hoja de metal se lamina.

Una forma de evitar este tipo de confusion consiste en numerar los discos y
distribuirlos a los cuatro laboratorios al azar como en el siguiente esquema,
que se obtuvo con ayuda de la tabla de numeros aleatorios:

Jaime Escobar, PhD
Si hubiese algun patron real en el grueso del recubrimiento de estano sobre la lamina de
hojalata, seria disuelto por la aleatorizacion.
Jaime Escobar, PhD
Si bien identificamos y contrarrestamos un posible patron de variacion
sistematica, no hay seguridad de que los podamos hacer con los otros (por
ejemplo, imperfecciones en una parte de la lamina).

En consecuencia, siempre existe la posibilidad de que las diferencias en las
medias atribuidas a inconsistencias entre los laboratorios sean en realidad
causadas por alguna otra variable incontrolable, y el proposito de la
aleatorizacion es evitar confundir la variable sujeta a investigacion con otras.
Jaime Escobar, PhD
Distribuyendo totalmente al azar los 48 discos entre los cuatro laboratorios,
no tenemos otra opcin que incluir cualquier variacin atribuible a causas
extraas bajo la etiqueta de variacin aleatoria.

Esto puede darnos una estimacin demasiado grande de la variacin aleatoria,
lo cual a su vez puede dificultar la detencin de diferencias entre las medias
reales de laboratorio.

Jaime Escobar, PhD
Supngase que un fabricante de artculos de plomera desea comparar el
rendimiento de varias clases de materiales que se usarn en tuberas
subterrneas de agua.

Si condiciones como la acidez del suelo, la profundidad del tubo y el contenido
de minerales del agua que transportar pudieran mantenerse fijas, las
conclusiones sobre que material es mejor seran validas slo para el conjunto
de condiciones dadas.

Lo que el fabricante quiere saber es cul material es mejor en una amplia
variedad de condiciones

al disear un experimento adecuado seria aconsejable (en realidad, necesario)
especificar que el tubo de cada material ser enterrado a diferentes
profundidades en diversos tipos de suelos y lugares en donde el agua tiene
deferentes dureza.

Jaime Escobar, PhD
Este ejemplo sirve para ilustrar que rara vez se desea mantener fijos todos o la
mayora de los factores extraos a lo largo de un experimento.
En realidad, es muy raro, sino imposible, ejercer un control tan estricto, esto
es, mantener fijas todas las variables extraas.

En la prctica los experimentos debern planearse de tal manera que las
fuentes conocidas de variabilidad sean deliberadamente consideradas sobre
un rango tan amplio como sea necesario

ms aun, debern variarse en tal forma que su variabilidad pueda eliminarse
en la estimacin de la variacin aleatoria.
Jaime Escobar, PhD
Una manera de lograrlo es repetir el experimento en varios bloques, en los
que fuentes conocidas de variabilidad se mantienen fijas en cada bloque, pero
variando de bloque a bloque.

En el problema del revestimiento de estao podramos explicar as las
variaciones a travs de la lmina de de acero, asignando aleatoriamente tres
discos de cada tira a cada uno de los laboratorios como en el siguiente
ejemplo:

Las tiras forman los bloques, con este arreglo, no se pueden atribuir las
diferencias entre las medias obtenidas para los cuatro laboratorios, a la
diferencia entre las tiras
DISENOS COMPLETAMENTE ALEATORIOS
Jaime Escobar, PhD
El experimentador cuenta con los resultados de k muestras aleatorias
independientes, cada una de tamao n, de k diferentes poblaciones,(esto es,
datos relativos a k tratamientos, k grupos, k mtodos de produccin, etc.).

le interesa probar la hiptesis de que las medias de esas k poblaciones son
todas iguales.

Jaime Escobar, PhD
Jaime Escobar, PhD
Si denotamos la j-sima observacin la i- sima muestra por y
ij

j observacion
i muestra

DEL EXPERIMENTO DE ESTANO SE TIENE ENTONCES QUE:

Y
ij
= (i = 1,2,3,4: j = 1,2,..,12) es la j-sima medicin del peso del
revestimiento de estao del i-simo laboratorio

es la media de las mediciones obtenidas en el i-esimo laboratorio

es la media global ( o gran media ) de las 48 observaciones.

y
i

y
DISENOS COMPLETAMENTE ALEATORIOS Y
ANOVA
Jaime Escobar, PhD
Las formulas requeridas para calcular SST y SS(tr) son las siguientes
ANOVA
Jaime Escobar, PhD
(MUESTRAS DE IGUAL TAMANO)

En estas expresiones

T
i
es el nmero total de n observaciones en la i-sima muestra

T es el gran total de las kn observaciones.

La suma de cuadrados del error, SSE, se obtiene por sustraccin

ANOVA
Jaime Escobar, PhD
EJEMPLO
A fin de ilustrar el anlisis de variancia para un experimento completamente
aleatorio supngase que segn el esquema del problema de estano y el
revestimiento cada laboratorio mide los pesos de los revestimientos de estao
de 12 discos y que los resultados son los siguientes:

Constryase una tabla de anlisis de variancia y segn estos resultados
informe a la compania productora y a los laboratorios si estan obteniendo
resultados consistentes
ANOVA
Jaime Escobar, PhD
Solucin:
Los totales para la cuatro muestras son, respectivamente, 3.21, 2.72, 2.76 y
3.00
El gran total es 11.69 y los clculos con que se obtienen las sumas necesarias
son los siguientes:

C = (11.69)
2
/ 48

= 2.8470

SST = (0.25)
2
+ (0.27)
2
+ . + (0.21)
2
- 2.8470 = 0.0809

SS(Tr) = {[(3.21)
2
+ (2.72)
2
+ (2.76)
2
+ (3.00)
2
]/12} - 2.8470 = 0.0130

SSE = 0.0809 0.0130 = 0.0679

En esta forma se obtiene la siguiente tabla de anlisis de variancia:

ANOVA
Jaime Escobar, PhD

Con que se comparan los resultados de la tabla de ANOVA que construimos?

La hipotesis nula sera rechazada si F excede a F , donde F se obtiene de la tabla con k-1 y
k(n-1) grados de libertad

K-1 = 3
K(n-1) = 4(11) = 44
ANOVA
Jaime Escobar, PhD

Puesto que el valor obtenido para F (tabla ANOVA) excede a 2.82, que corresponde al
valor de F
05
con 3 y 44 grados de libertad, la hiptesis nula puede rechazarse con
nivel de significancia de 0.05.

Se concluye que los laboratorios no estn logrando resultados consistentes.

ANOVA
Jaime Escobar, PhD

muestras de tamanos distintos
ANOVA
Jaime Escobar, PhD

EJEMPLO
Como parte de la investigacin del derrumbe del techo de un edificio, un laboratorio
prueba todo los pernos disponibles que conectaban la estructura de acero en tres
distintas posiciones del techo.
Las fuerzas requeridas para cortar cada uno de los pernos (valores codificados) son
los siguientes:

Posicin: 1 90, 82, 79, 98, 83, 91

Posicin:2 105, 89, 93, 104, 89, 95, 86

Posicin:3 83, 89, 80, 94

Efectese el anlisis de variancia para probar con un nivel de significancia de 0.05 si
las diferencias entre las medias muestrales en las tres posiciones son significativas.

ANOVA
Jaime Escobar, PhD

Hiptesis nula:
1
=
2
=
3

Hiptesis alterna: las no son iguales

Nivel de significancia = 0.05

Clculos: sustituyendo

n
1
= 6, n
2
= 7, n
3
= 4, N = 17

T
1
= 523, T
2
= 661, T
3
= 1530

= 138,638

y
2
ij
j 1
ni
i 1
k

ANOVA
Jaime Escobar, PhD

SST = 138,638 (1530
2
)/17

= 938

SS(Tr) = (523
2
)/6 + (661
2
)/7 + (346
2
)/4 - (1530
2
)/17 = 234

Y tambin

SSE = 938 234 = 704

ANOVA
Jaime Escobar, PhD

ANOVA
Jaime Escobar, PhD

Como comparo los resultados de la tabla ANOVA?

Criterio: se rechaza la hiptesis nula si F > 3.74, el valor de F
0,05
para k 1 = 3 -1 = 2 y
N- K = 17 3 = 14 grados de libertad donde F es determinado por un anlisis de
variancia; de lo contrario, lo aceptamos

Decisin: dado que F = 2.33 no sobrepasa 3.74, o sea de F
005
para 2 y 14 grados de
libertad, la hiptesis nula no puede rechazarse; en otras palabras, no se puede
concluir que existe una diferencia en las resistencias medias a los esfuerzos cortantes
de los pernos en las tres posiciones sobre el techo.

DISENO EN BLOQUES ALEATORIOS
Jaime Escobar, PhD

Como observamos en la primera parte de esta clase la variacin aleatoria (el error
experimental) a menudo puede reducirse, esto es, liberarse de la variabilidad debida a causas
extraas, dividiendo las observaciones de cada clasificacin en bloques.

Esto se logra cuando fuentes conocidas de variabilidad se mantienen fijas dentro de cada
bloque, pero varan de bloque en bloque.

En primer termino, consideramos el caso en que hay exactamente una observacin de cada
tratamiento en cada bloque

Jaime Escobar, PhD

Jaime Escobar, PhD

y
ij
denote la observacin relativa al i-simo tratamiento, y al j-simo bloque

la media de las b observaciones para el i-simo tratamiento

la media de las a observaciones en el j-simo bloque

la gran media de las ab observaciones

el modelo fundamental que supondremos para el anlisis de esta clase de experimento con
una observacin por celda (esto es, existe una observacin correspondiente a cada
tratamiento dentro de cada bloque)

y
i

y
. j

y
..
DISENO EN BLOQUES ALEATORIOS Y
ANOVA
Jaime Escobar, PhD

ANOVA
Jaime Escobar, PhD

Se dispone de frmulas adecuadas para calcular SST, SS(Tr) y SS(BI) con calculadoras
manuales.

En esta frmula

T
i.
es la suma de las b observaciones en el i-simo tratamiento

T
.J
es la suma de las a obserbvaciones en el i-esimo bloque

T es el gran total de las observaciones.

ANOVA
Jaime Escobar, PhD

Ejemplo
Se diseo un experimento para estudiar el rendimiento de cuatro detergentes diferentes. Las
siguientes lecturas de blancura se obtuvieron con un equipo especialmente diseado para
12 cargas de lavado distribuidas en tres modelos de lavadoras

Considerando los detergentes como tratamiento y las lavadoras como bloques se obtiene la
siguiente tabla

Pruebe con un nivel de significancia de 001 si existen diferencias entre los detergentes o entre
las lavadoras

ANOVA
Jaime Escobar, PhD

Sustituyendo

C = (565
2
)/12 = 26,602

SST = 45
2
+ 43
2
+ .. + 49
2
= 26,867 26,602 = 265

SS(Tr) = [(139
2
+ 145
2
+ 153
2
+ 128
2
)/3] 26,602 = 111

SS(BI) = [(182
2
+ 176
2
+ 207
2
)/4] 26,602 = 135

SSE = 265 111 135 = 19
ANOVA
Jaime Escobar, PhD

ANOVA
Jaime Escobar, PhD

Como comparo los resultados de la tabla ANOVA?

Para tratamientos = rechazaremos la hiptesis nula si F > 9.78
el valor de F
0.01
con a 1 = 4 1 = 3 y (a-1)(b-1) = (4-1)(3-1) = 6 grado de libertad

Para bloques = rechazamos la hiptesis nula si F> 10.9
el valor de F
0.01
con b 1 = 3-1 = 1 = 2 y (a 1) (b -1) = (4-1)(3-1) = 6 grado de libertad

Decisiones:
Dado que F
Tr
= 11.6 sobrepasa 9.78, el valor de F
0.01
con 3 y 6 grados de libertad, se concluye
que existen diferencias en la eficiencia de los cuatro detergentes.

Tambin, puesto que F
Bl
= 21.1 excede a 10.9, el valor de F
0.01
con 2 y 6 grados de libertad, se
colige que las diferencias entre los resultados obtenidos por las tres lavadoras son
significativos

COMPARACIONES MULTIPLES
Jaime Escobar, PhD

Las pruebas F utilizadas hasta ahora en este capitulo han indicado si las diferencias entre
varias medias son significativas, pero no nos informaron si una media dada (o grupo de
medias) difieren en forma significativa de otra media considerada (o grupo de media).

En la practica, esto ultimo es la clase de informacin que un investigador en realidad desea;
por ejemplo, habiendo determinado que las medias de los pesos de los recubrimientos de
estao obtenidos por los cuatro laboratoristas difieren de manera significativa, puede ser
importante determinar que laboratorio (o laboratoristas ) difieren de los otros.

Sin un experimentador tiene ante si k medias, parece razonable en primer trmino probar
diferencias significativas entre todos los pares posibles, estos es, efectuar

(
k
2
)
k(k 1)
2
Pruebas t bimuestrales
Jaime Escobar, PhD

Se han propuesto varias pruebas de comparaciones mltiples para salvar estas
dificultades, entre ellas la prueba del rango mltiple de Duncan, (Referencias o otras
pruebas de comparaciones mltiples aparecen en el libro de H. Scheffe) para tamaos
muestrales iguales.

La prueba compara el rango de cualquier conjunto de p medias con un apropiado rango de
mnima significancia R
p
, dado por

R
p
S
x
* r
p
Rango de mnima significancia

S
x

MSE
n
Donde MSE es la media de los cuadrados del error en el
anlisis del error en el anlisis de variancia. El valor de r
p

depende del nivel deseado de significancia y del nmero
de grados de libertad correspondiente a la MSE, que se
obtienen en tablas para = 0.05 y 0,01 para P = 2, 3,.,
10, y para varios grados de libertad entre 1 y 120
Jaime Escobar, PhD

Con respecto a los datos de los pesos del recubrimiento de estao, aplquese una prueba
de rango mltiple de Duncan para probar cules medias de los laboratorios difieren de las
otras empleado un nivel de significancia de 0.05.

Jaime Escobar, PhD

Solucin

En primer trmino se ordenan en orden creciente de magnitud las cuatro medias
muestrales como sigue:

Laboratorio B C D A

Media 0.227 0.230 0.250 0.268

A continuacin se calcula s
x,
usando el error del cuadrado medio 0.0015 que se obtuvo en
el anlisis de variancia, y se tiene as

Sx
0.0015
12
0.011
Jaime Escobar, PhD

Entonces se obtiene (por interpolacin lineal) de la tabla 12a) los siguientes valores de r
p
para = 0.05 y 44 grados de libertad:

P 2 3 4

r
p
2.85

3.00 3.09

Multiplicando cada valor de r
p
por S
x
= 0.0011, da finalmente

P 2 3 4

R
p
0.031 0.033 0.034

Jaime Escobar, PhD

El rango de las cuatro medias es 0.268 0.227 = 0.041, que excede a R
4
= 0.034.

Este resultado era de esperarse, dado que la prueba F indic que las diferencias entre las
cuatro medias eran significativas con = 0.05.

Para probar si hay diferencias significativas entre tres medias adyacentes, se obtiene un
rango de 0.038 para 0.230, 0.250, 0.268 y un rango de 0.023 para 0.227, 0.230, 0.250

Puesto que el primero de estos valores (0.038) sobrepasa R
3
= 0.033, las diferencias
observadas en el primer conjunto son significativas y dado que el segundo valor (0.023) no
sobrepasa R
3
= 0.033, las diferencias correspondientes no son significativas.

Por ultimo en el caso de parejas adyacentes de medias, ningn par adyacente tiene un
rango mayor que el rango significativo mnimo R
2
= 0.031.
Jaime Escobar, PhD

Si se aplica el mismo mtodo al ejemplo donde se comparaban los cuatro detergentes, se
obtiene:
Jaime Escobar, PhD

Si se aplica el mismo mtodo al ejemplo donde se comparaban los cuatro detergentes, se
obtiene:

Detergente

D A B C
42.7 46.3 48.3 51.0

Se ha dibujado una lnea bajo cualquier conjunto de medias adyacentes para las cuales las
diferencias no son significativas.
Interpretando estos resultados, se concluye que el detergente D es significativamente
inferior a cualquiera de los otros y que el detergente A es evidentemente inferior al
detergente C.

ALGUNOS OTROS DISENOS
EXPERIMENTALES
Jaime Escobar, PhD

El diseo en bloques aleatorios es adecuado cuando una fuente de variabilidad extraa se
elimina comparando un conjunto de medias muestrales.

Una caracterstica importante de este tipo de diseo es su balance, que se logra asignando
el mismo nmero de observaciones a cada tratamiento de cada bloque. La misma clase de
balance puede lograrse en otros tipos de diseo ms complicados, en los cuales es
conveniente eliminar el efecto de varias fuentes extraas de variabilidad

DISENO DEL CUADRADO LATINO
Jaime Escobar, PhD

Con el fin de presentar el diseo del cuadrado latino, supongamos que es necesario
comparar tres tratamientos, A, B y C, en presencia de otras dos fuentes de variabilidad.

Por ejemplo, los tres tratamientos pueden ser tres mtodos de soldadura para
conductores elctricos y las dos fuentes extraas de variabilidad pueden ser 1) diferentes
operadores aplicando la soldadura y 2) la utilizacin de diversos fundentes para soldar. Si
tres operadores y tres fundentes son considerados, el experimento podra disponerse
segn el patrn siguiente:
Cada mtodo de soldadura se aplica una sola vez por cada operador junto con
cada fundente
DISENO DEL CUADRADO LATINO
Jaime Escobar, PhD

Un cuadro latino n x n es un arreglo cuadrado de n letras distintas, las cuales aparecen slo
una vez en cada rengln y en cada columna.

Ejemplo de cuadrados latinos con n = 4 y n = 5
cuadrados de mayor tamao se incluyen en el libro de W.G. Cocharn y G.M. cox
DISENO DEL CUADRADO LATINO Y ANOVA
Jaime Escobar, PhD

Jaime Escobar, PhD

Jaime Escobar, PhD

T
i..
es el total de las rn observaciones en todos los i-simos renglones

T
.j.
es el total de las rn observaciones en todas las j-simas columnas

T
..l
es el total de las n
2
observaciones en las l-sima repeticin

T
(k)
es el total de todas rn observaciones relativas al k-simo tratamiento

T
es el gran total de todas las rn

2
observaciones.

Jaime Escobar, PhD

EJEMPLO

Supngase que se efectan dos repeticiones del ya mencionado experimento de soldadura,
empleando el siguiente arreglo:
Jaime Escobar, PhD

Los resultados, que seala el nmero de libras de fuerza de tensin requerida para separar
los puntos soldados, fueron como se indican a continuacin:
Analcese el experimento como un cuadrado latino y prubese con un nivel de
significancia de 0.001 si existen diferencias en los mtodos, en los operadores, los
fundentes o las reparticiones.
Jaime Escobar, PhD

Jaime Escobar, PhD

Como comparamos los resultados de ANOVA?

Criterios:

Para tratamientos, renglones o columnas, se rechaza la hipotesis nula si F > 7.56, el cual es
el valor de F en tabla para n-1 = 3-1 = 2 grados de libertad y (n - 1)(rn + r - 3) = (3-1)(2x3 +2-
3) = 10 grados de libertad

Para repeticiones, se rechaza la hipotesis nula si F > 10.00, el cual es el valor de F para r-1 =
2-1 = 1 y (n - 1)(rn + r - 3) = (3-1)(2x3 +2-3) = 10 grados de libertad
Jaime Escobar, PhD

Decisin:

Para tratamiento (mtodos) y columnas (fundentes), dado que F = 17.6 y 14.7
sobrepasan 7.56, la hiptesis nula correspondiente debe rechazarse

Para renglones (operadores), dado que F = 0.1 no excede 7.56 y para repeticiones, dado
que F = 0.1 no excede a 10.00, la hiptesis nula correspondiente no puede rechazarse.

En otras palabras, se concluye que las diferencias en los mtodos y los fundentes, pero no
en los operadores ni en las repeticiones, afectan a la resistencia de la soldadura de las
terminales elctricas.

Jaime Escobar, PhD

Ms an, la prueba de rango mltiple de Ducan da el siguiente patrn de decisin con un
nivel de significancia de 0.01.

METODO

C B A

11.0 14.4 14.6
En consecuencia, se tiene que el mtodo C
produce uniones con soldaduras ms dbiles
que los mtodos A o B.

Esta Di Stica 12

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Esta Di Stica 12

Transféré par

Droits d'auteur :

Formats disponibles

Jaime Escobar, Ph.

DISENOS COMPLETAMENTE ALEATORIOS Y

es el gran total de todas las rn

Vous aimerez peut-être aussi