Jhonatan Vazquez Garcia Unidad V PDF

JHONATAN VAZQUEZ GARCIA ITSJC Pgina 1
Instituto Tecnolgico Superior de Jess Carranza

Asignatura:
ESTADISTICA INFERENCIAL II

UNIDAD V

Carrera:
INGENIERA EN GESTIN EMPRESARIAL

Docente:
LIC. JENNIFER GUZMAN GAYOSSO

Alumno:
JHONATAN VZQUEZ GARCA

JESUS CARRANZA VERACRUZ A 21 DE SEPTIEMBRE DEL 2013

5.1 Metodologa del diseo experimental de bloques al azar.

En cualquier experimento, la variabilidad proveniente de un factor de ruido puede afectar los
resultados. Un factor de ruido es un factor que probablemente tiene un efecto en la respuesta pero
que no nos interesa estudiar.

Si el factor de ruido es desconocido y no controlable, la solucin es la aleatorizacin, que tiende a
distribuir los niveles y efectos de este factor entre todas las u.e. Si el factor de ruido es conocido y no
controlable, pero por lo menos podemos medir su valor en cada corrida del experimento, entonces
podemos compensarlo usando anlisis de covarianza. Si el factor de ruido es conocido y controlable,
se utilizan bloques para eliminar su efecto en la comparacin estadstica de los tratamientos.

En el diseo completamente al azar se supone que las u.e. son relativamente homogneas con
respecto a factores que afectan la variable de respuesta. Sin embargo, algunas veces no tenemos
disponibles suficiente nmero de u.e. homogneas. Cualquier factor que afecte la variable de
respuesta y que vare entre u.e. aumentar la varianza del error experimental y disminuir la
precisin de las comparaciones. Factores como la edad y el peso de los animales, diferentes lotes
de material, sexo de las personas y parcelas alejadas son ejemplos de variables externas a los
tratamientos que pueden incrementar la variacin entre las observaciones de la variable de
respuesta.

Usar bloques estratifica a las u.e. en grupos homogneos. Una buena eleccin del criterio de
bloqueo resulta en menor variacin entre las u.e. dentro de los bloques comparada con la variacin
entre u.e. de diferentes bloques. Generalmente los criterios de bloqueo son:
A. proximidad (parcelas vecinas)
B. caractersticas fsicas (edad, peso, sexo)
C. tiempo
D. manejo de las u.e. en el experimento
Suponga que se tienen t tratamientos que se quieren comparar en b bloques.

Suponiendo normalidad en los errores, se puede demostrar Que

son v.a. independientes con distribucin 2 con sus
correspondientes grados de libertad.

Tabla de Anlisis de Varianza
No se deben probar bloques.
La aleatorizacin se aplic solamente a tratamientos dentro de
bloques, esto es, los bloques representan una restriccin a la
aleatorizacin.
Si se tiene un grupo de u.e. donde se supone que ocurre un
efecto en todas las u.e. simultneamente, esto no equivale
a la ocurrencia independiente de en cada u.e.

Los residuales en este caso son:

Los contrastes y comparaciones mltiples se hacen igual que antes, considerando este nuevo CME.
Diseos con bloques
Bloques al azar: bloques de tamao t (nmero de tratamientos)
Bloques al azar generalizados: se repiten los tratamientos en cada bloque
Bloques incompletos: los bloques no contienen a todos los tratamientos
5.2 Diseo de experimentos factoriales.

El trmino experimento factorial o arreglo factorial se refiereva la constitucin de los tratamientos
que se quieren comparar. Diseo de tratamientos es la seleccin de los factores a estudiar, sus
niveles y la combinacin de ellos.
El diseo de tratamientos es independiente del diseo experimental que indica la manera en que
los tratamientos se aleatorizan a las diferentes u.e. y las formas de controlar la variabilidad natural
de las mismas.

As, el diseo experimental puede ser completamente al azar, bloques al azar, bloques al azar
generalizados, cuadro latino, etc. y para cada uno de estos diseos se puede tener arreglo factorial
de los tratamientos, si estos se forman por la combinacin de niveles de varios factores.
A ambos tipos de diseos, el de tratamientos y el experimental, les corresponde un modelo
matemtico.

Si se trata de un diseo factorial, los tratamientos se forman combinando los niveles de los factores
en estudio, de manera que el efecto del tratamiento i se considera a su vez compuesto de los
efectos de los factores y sus interacciones. Por ejemplo, si son dos factores en estudio se tiene:

Tratamiento = factor A + factor B + interaccin AB

Tambin se utilizan los arreglos factoriales cuando se quiere optimizar la respuesta o variable
dependiente, esto es, se quiere encontrar la combinacin de niveles de los factores que
Producen un valor ptimo de la variable dependiente. (superficie de respuesta)
Si se investiga un factor por separado, el resultado puede ser diferente al estudio conjunto y es
mucho ms difcil describir el comportamiento general del proceso o encontrar el ptimo.
Las ventajas de los experimentos factoriales son:
1. Economa en el material experimental al obtener informacin sobre varios factores sin aumentar el
tamao del experimento. Todas las u.e.se utilizan para la evaluacin de los efectos.
2. Se ampla la base de la inferencia en relacin a un factor, ya que se estudia en las diferentes
condiciones representadas por los niveles de otros factores. Se ampla el rango de validez del
experimento.
3. Permite el estudio de la interaccin, esto es, estudiar el grado y forma en la cual se modifica el
efecto de un factor por los niveles de los otros factores. Una desventaja de los experimentos
factoriales es que requiere un gran nmero de u.e., sobre todo cuando se
prueban muchos factores o muchos niveles de algunos factores, es decir, se tiene un nmero grande
de tratamientos. (factoriales fraccionales)
Ejemplo de un factorial 2 2 sin y con interaccin.


TABLA ANOVA
5.3 Diseos factoriales 2k

Diseo Factorial General 2
k

Los diseos factoriales son a ampliamente utilizados en experimentos en los que intervienen varios
factores para estudiar el efecto conjunto de estos sobre una respuesta. Existen varios casos
especiales del diseo factorial general que resultan importantes porque. Se usan ampliamente en el

trabajo de investigacin, y porque constituyen la base para otros diseos de gran valor prctico.
El ms importante de estos casos especiales ocurre cuando se tienen k factores, cada uno con dos
niveles. Estos niveles pueden ser cuantitativos como sera el caso de dos valores de temperatura
presin o tiempo. Tambin pueden ser cualitativos como sera el caso de dos mquinas, dos
operadores, los niveles "superior" e "inferior" de un factor, o quizs, la ausencia o presencia de un
factor.
Una rplica completa de tal diseo requiere que se recopilen 2 x 2 x.... x 2 = 2
k
observaciones y se
conoce como diseo general 2
k
.
El segundo caso especial es el de k factores con tres niveles cada uno, conocido como diseo
factorial 3
k
.
Se supone que:
a) los factores son fijos
b) los diseos son completamente aleatorios
c) se satisface la suposicin usual de normalidad
El diseo 2
k
es particularmente til en las primeras fases del trabajo experimental, cuando es
probable que haya muchos factores por investigar.
Conlleva el menor nmero de corridas con las cuales pueden estudiarse k factores en un diseo
factorial completo. Debido a que slo hay dos niveles para cada factor, debe suponerse que la
respuesta es aproximadamente lineal en el intervalo de los niveles elegidos de los factores.
DISEO 2
2

El primer diseo de la serie 2
k
es aquel que tiene slo dos factores, A y B, cada uno con dos
niveles. Arbitrariamente, los niveles del factor pueden llamarse "inferior" y "superior".
DISEO 2
3

Suponga que se encuentran en estudio tres factores A, B y C, cada uno con dos niveles. Este diseo
se conoce como diseo factorial, 2
3
y las ocho combinaciones de tratamientos pueden representarse
grficamente mediante un cubo.
Existen en realidad tres notaciones distintas que se usan ampliamente para las corridas o
ejecuciones en el diseo 2
k
:
La primera es la notacin "+,-", llamada "geomtrica".
La segunda consiste en el uso de letras minsculas para identificar las combinaciones de
tratamientos.
En la tercera se utilizan los dgitos 1 y 0 para denotar los niveles alto y bajo del factor,
respectivamente.

Diseo Factorial Fraccionado 2
k-p

Un diseo factorial fraccionario 2
k
que contiene 2
k-p
ensayos se conoce como fraccin 1/2
p
del diseo
factorial 2
k
, o simplemente diseo factorial fraccionario 2
k-p
. Estos diseos requieren que se elijan p
generadores independientes.
La relacin que define estos diseos consta de las p generadoras originalmente elegidas y de sus
2P - P - 1 interacciones generalizadas. La estructura de los alias puede determinarse multiplicando
cada efecto, mdulo 2, por la relacin que define al diseo. Se debe tener cuidado al elegir las
generadoras para que los efectos de inters potencial no sean alias entre s. Cada efecto tiene 2P-1
alias.
Por lo regular, se suponen despreciables las interacciones de orden superior (las
de tercero, cuarto o mayor orden) cuando los valores de k son moderadamente grandes. Esto
simplifica mucho la estructura de los alias.
5.4 Diseo de Cuadrados Latinos.

Ya vimos que el diseo de bloques al azar, era el diseo apropiado cuando se conoca de antemano
algn factor que fuera fuente de variabilidad entre las unidades experimentales. Pero qu pasa si
se sabe de dos factores o fuentes de variabilidad que afectan el material experimental?
Supongamos que se tiene un experimento agrcola donde las unidades experimentales son parcelas,
pero estas parcelas estn ubicadas en diferentes tipos de suelo y adems tienen diferentes valores
de pH, uno podra pensar en realizar un diseo de bloques al azar usando cualquiera de estas dos
caractersticas: realizando bloques de acuerdo a los diferentes valores de pH o bloques que
consideren los diferentes tipos de suelo. Otra alternativa, que como ya se habrn imaginado es la
ms adecuada, es hacer un doble bloqueo, o sea bloques en dos direcciones, que consideren las
dos fuentes de variacin, a este tipo de diseo se le denomina Cuadrado Latino, donde se tiene un
conjunto de t tratamientos y t
2
unidades experimentales, que son agrupadas por dos factores.
El diseo de cuadrados latinos tuvo sus orgenes en experimentos agrcolas, donde se tenan
parcelas de terreno con gradientes de fertilidad en dos direcciones, tal como aparece en el siguiente
grfico.


con dos gradientes de fertilidad son poco comunes, pero el uso de este diseo no se limita a esta
situacin, se ha utilizado en otras reas diferentes a la agricultura, tales como la biologa, estudio de
mercados, procesos industriales, entre otros. Se debe tener en cuenta que un diseo de cuadrados
latinos no requiere que las unidades experimentales estn distribuidas fsicamente en un cuadrado
como tal, de hecho, esta situacin slo se presenta en un caso como el de los dos gradientes de
fertilidad mencionado anteriormente.
Para un diseo de cuadrados latinos t*t, se tienen t tratamientos que se asignan aleatoriamente a
t
2
unidades experimentales, de tal manera que cada tratamiento aparece una sola vez en cada
fila y en cada columna, a cada tratamiento se le designa con una letra latina: A, B, C, etctera, de
ah el nombre de cuadrado latino. En el ejemplo de los gradientes de fertilidad, se podra evaluar
entonces el efecto de
cuatro tratamientos (A, B, C y D), que podran estar dispuestos de la siguiente manera:

A un cuadrado latino como el anterior, donde las letras en la primera fila y la primera
columna estn organizadas alfabticamente, se le llama cuadrado latino estndar.
Importante: En este diseo, la asignacin aleatoria de los tratamientos a las unidades
experimentales, se hace a travs de la aleatorizacin de un cuadrado del tamao t*t requerido,
veamos los pasos recomendados:
PASOS PARA OBTENER UN CUADRADO LATINO ALEATORIZADO
1. Partir de un cuadrado latino estndar del tamao requerido: Supongamos que necesitamos un
cuadrado 4*4 y arbitrariamente hemos seleccionado el planteado anteriormente, donde se observa el
orden alfabtico de las letras en la primera fila y la primera columna;
2. Aleatorizar todas las columnas del cuadrado elegido: Para este efecto existen tablas de
permutaciones o simplemente se elige un orden aleatorio (con ayuda de la calculadora o de tablas
de nmeros aleatorios) de las t columnas; para este caso, con ayuda de la calculadora se
encontraron los valores: 1,3,4.

1: Quiere decir que la primera columna permanece como estaba.
3: Entonces, la que antes era la tercera columna, ahora pasa a ser la segunda.
4: La que inicialmente era la cuarta columna, ahora pasa a ser la tercera, por descarte, entonces, la
que originalmente era la segunda columna, ahora pasa a ser la cuarta, con lo que el cuadrado
quedara:

3. Aleatorizar todas las filas del cuadrado encontrado: Nuevamente, con ayuda de la calculadora, el
orden aleatorio encontrado fue: 3, 4, 1.
3: La que en el ltimo cuadrado era la tercera fila, ahora pasa a ser la primera.
4: La que era la cuarta fila, ahora se convierte en la segunda.
1: La primera fila debe ser ahora la tercera y por descarte, la segunda fila pasa a ser la cuarta,
quedando el siguiente cuadrado, que sera el definitivo:

4. Asignar aleatoriamente los tratamientos a las letras.
VENTAJAS DEL DISEO DE CUADRADOS LATINOS
Si se conocen dos fuentes de variabilidad de las unidades experimentales y se puede hacer un
bloqueo en dos direcciones, se va a poder hacer una comparacin ms precisa de los tratamientos
(se tiene ms potencia) pues la variacin debida a las filas y las columnas es removida del error
experimental.
Es fcil de analizar, comparado con el diseo de bloques al azar, slo se requiere de una suma de
cuadrados adicional.
Cuando se tienen cuadrados pequeos (lo que implica pocos grados de libertad para el error
experimental) se pueden utilizar varios de estos cuadrados de poco tamao y realizar un anlisis
combinado de los mismos en algo que se llama cuadrados latinos repetidos.

DESVENTAJAS DEL DISEO DE CUADRADOS LATINOS
El nmero de tratamientos, filas y columnas debe ser igual, a veces es difcil encontrar unidades
experimentales que permitan armar los bloques homogneos en las dos direcciones, ms an, si el
nmero de tratamientos es grande.

Los diseos pequeos tienen pocos grados de libertad para la estimacin del error experimental y a
medida que el tamao del diseo aumenta, es posible que no se tenga homogeneidad al interior de
cada bloque.
No es un diseo adecuado si existe interaccin entre los efectos de fila, columna y tratamientos.
MODELO LINEAL
En este caso el modelo sera: Y
ijk
= +
i
+ f
j
+ c
k
+
ijk

Donde:
Y
ijk
es la lectura del tratamiento i-simo en la fila j-esima y en la k-sima columna
es el promedio poblacional de la variable respuesta
i
es el efecto del tratamiento i, con i = 1,2,.....,t
f
j
es el efecto de la fila j, con j = 1,2,.....,t
c
k
es el efecto de la columna k, con k = 1,2,.....,t
ijk
es el error asociado con la lectura del i-simo tratamiento en la fila j-esima y en la k-sima
columna.

ANLISIS DE VARIANZA
Para realizar el anlisis de varianza se requieren los siguientes trminos:
Y
...
= Y
ijk
= Gran total
Y
i..
= Total del tratamiento i
Y
.j.
= Y
ijk
= Total de la fila j
Y
..k
= Y
ijk
= Total de la columna k TABLA ANOVA

Donde :
F de V : Fuente de Variacin
GL : Grados de libertad
t : Nmero de tratamientos = Nmero de filas = Nmero de columnas
TC : Trmino de correccin = Y
2
... / t
2

Nota 1: As como en el diseo de bloques al azar, el efecto de los bloques no se evaluaba, en el diseo
de cuadrados latinos, los efectos de filas y columnas tampoco se evalan, pues por diseo se espera
que existan diferencias entre ellas.
Nota 2: Los grados de libertad del error tambin se pueden calcular como la diferencia entre los grados
de libertad totales y los grados de libertad de las otras fuentes de variacin (tratamiento, filas y
columnas).
5.5 Diseo en Cuadrado Grecolatino

La eliminacin de tres fuentes extraas de variabilidad puede lograrse mediante el diseo de
Cuadro Grecolatino. En un diseo consistente en un arreglo cuadrado de n letras latinas y n letras
griegas; ms exactamente, cada letra latina aparece slo una vez al lado de cada letra griega:

A B C D
B A D C
C D A B
D C B A

Tambin se los llama Cuadros Grecolatinos Ortogonales.
Como ejemplo, suponer el caso de las soldaduras, la temperatura es otra fuente de variabilidad. Si
tres temperaturas de soldado, denotadas , y se utilizan junto con los tres mtodos, los tres

operadores (renglones) y tres fundentes (columnas), la repeticin de un experimento apropiado de
Cuadro Grecolatino puede establecerse as:

Fundente 1 Fundente
2
Fundente
3
Operador 1 A B C
Operador 2 C A B
Operador 3 B C A

As pues, el Mtodo A sera utilizado por el Operador 1, usando fundente 1, a la temperatura
, por el Operador 2, usando fundente 2, a la temperatura y por el Operador 3, usando fundente 3,
a la temperatura .
En un Cuadro Grecolatino, cada variable (representada por renglones, columnas, letras
latinas o letras griegas) est distribuida equitativamente respecto a las otras variables.

Si se aumenta el nmero de factores-bloque, la extensin del cuadrado latino es el greco-latino,
que permite con K
2
observaciones estudiar cuatro factores de K niveles sin interacciones (un factor-
tratamiento y tres factores bloque), si se utilizase el diseo completo es necesario utilizar K
4

observaciones. En el diseo en cuadrado greco-latino se superponen dos cuadrados latinos,
resultando el siguiente modelo matemtico:

El inconveniente de este modelo es que su utilizacin es muy restrictiva. Adems pueden no existir
cuadrados latinos de determinadas condiciones.
5.6 Aplicaciones.

Ejemplo de cuadro latino
Un ingeniero industrial est investigando el efecto de cuatro mtodos de ensamblado (A,B,C,D) en el
tiempo de ensamblado de una componente de televisin a color. Seleccion a cuatro operadores
para el estudio. Adems, el ingeniero sabe que cada mtodo de ensamblado produce cierta fatiga,
de tal manera que el tiempo requerido para el ltimo ensamblado puede ser mayor que el tiempo

requerido para el primero, independientemente del mtodo. Para tomar en cuenta estas dos fuentes
de variabilidad (operador, orden de ensamblado), el ingeniero decide usar un diseo en Cuadro
Latino, cuyos resultados se presentan a continuacin.

La generacin de un arreglo aleatorio en, por ejemplo, un
Cuadro 5 5:
Se construye un cuadro bsico:
(1) A B C D E
(2) B C D E A
(3) C D E A B
(4) D E A B C
(5) E A B C D

Se aleatoriza el orden de los renglones y despus el de las columnas. Y se aleatorizan los
tratamientos a las letras.

EJ EMPLO DE DISEO DE EXPERIMENTO FACTORIAL
Un ingeniero est diseando una batera para usarse en un aparato que estar sujeto a variaciones
extremas de temperatura. Tiene tres opciones para el material de la placa para la batera, y como
sabe que la temperatura afecta la vida de la batera decide probar tres temperaturas:
15F, 70F, 125F.
Se prueban 4 bateras en cada combinacin de material y temperatura y las 36 pruebas (3 3 4)
se corren en orden aleatorio (completamente al azar).
Los datos son vida (en horas) de las bateras.

Ejemplo Diseo Factorial 2k

Se quiere medir el rendimiento de un qumico midiendo la temperatura y la presin a la que esta
expuesto. Supongamos que de la data obtenida los valores de la temperatura fluctan entre 100
o
F y
200
o
F y los valores de la presin varan entre 3 y 5 Bars. en esta forma resulta muy difcil poder
llegar a conclusiones asertivas, es por esto que para este tipo de experimento es necesario codificar
las variables. La ecuacin para codificar las variables (factores) es como sigue:

Supongamos que ahora con las variables codificadas la ecuacin resultante del modelo de regresin
es la siguiente:


El valor de la constante, 30, es el valor de mi respuesta cuando X
i
est en cero (cero es el centro de
mi regin experimental). Ahora tiene una explicacin fsica porque los ceros estn contenidos.

Ejemplo Diseo de cuadrados latinos.

Un investigador quiere evaluar la productividad de cuatro variedades de aguacate y decide realizar el
ensayo en un terreno que posee un gradiente de pendiente de oriente a occidente y adems,
diferencias en la disponibilidad de Nitrgeno de norte a sur, para controlar los efectos de la
pendiente y la disponibilidad de Nitrgeno, utiliz un diseo de cuadrado latino, las variedades son:
A, B, C y D, los datos corresponden a la produccin en kg/parcela.

Aqu el juego de hiptesis a probar sera:
Ho =
A =
B =
C =
D

Ha =
i

j
para cualquier i diferente de j.
El anlisis de varianza queda:


Ejemplo Diseo de cuadrados grecolatinos.

Una compaa que produce procesadores de alimentos desea determinar el efecto del diseo de
empaque en las ventas de uno de sus productos. Se tienen 5 diseos para probar: A,B,C,D y E. Hay
algunas fuentes de variacin:
1. da de la semana
2. diferencia entre tiendas
3. efecto de la altura del entrepao
Se realiza un experimento en diseo cuadro grecolatino con los cinco das de la semana como
clasificacin rengln, cinco diferentes tiendas como clasificacin columna y cinco alturas del
entrepao como clasificacin de letra griega. La siguiente tabla contiene los resultados del
experimento. La medicin es el nmero de ventas en el da.

Jhonatan Vazquez Garcia Unidad V PDF

Transféré par

Informations du document

Titre original

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

Jhonatan Vazquez Garcia Unidad V PDF

Transféré par

Droits d'auteur :

Formats disponibles

JHONATAN VAZQUEZ GARCIA ITSJC Pgina 1

Instituto Tecnolgico Superior de Jess Carranza

Vous aimerez peut-être aussi