PRESENTAN:

I.Agro. LUIS ALBERTO AGUILAR MANZANO

I.I.A. ALEJANDRO CRUZ HERNANDEZ
Bio. AMILCAR MORALES PEREZ
I.A. RAUL VAZQUEZ MARTINEZ

San Juan Bautista, Tuxtepec Oaxaca A 2013

CONTENIDO

TEMA I.- DISEOS FACTORIALES

TEMA II.- INTERVALOS DE CONFIANZA

30

TEMA III.-COMPARACIN DE MEDIAS

34

TEMA IV.- DISEOS EXPERIMENTALES

43

TEMA V.- PROBLEMAS DEL EXAMEN

69

TEMA VI.- DISEOS DE SUPERFICIE DE RESUESTA

77

TEMA I.- DISEOS FACTORIALES

Problema No. 1 Diseo experimental con un solo factor

Un ingeniero de desarrollo tiene inters de investigar la resistencia a la tensin de una
fibra sinttica nueva que se usara para fabricar telas de camisas. El ingeniero sabe por
experiencia que la resistencia a la tensin se afecta por el peso porcentual del algodn
utilizando en la mezcla de materiales para la fabricacin de la fibra. Adems sospecha
que al incrementar el contenido del algodn, se incrementa la resistencia, al menos en
un principio.
Se sabe que el contenido del algodn debera variar entre el 10% y 40% para que el
producto tenga las caractersticas de calidad que se desean. El Ingeniero desea probar 5
ejemplares en 5 niveles del peso porcentual del algodn (15, 20, 25, 30 y 35 %) y
tambin decide probar 5 ejemplares en cada nivel del contenido del algodn.
Resistencia a la tensin observada

Totales

Promedios

(yi)

(i)

15

15

11

49

9.8

20

12

17

12

18

18

77

15.54

25

14

18

18

19

19

88

17.6

30

19

25

22

19

23

108

21.6

35

10

11

15

11

54

10.8

Y=376

i =15.04

La suma de cuadrados requeridos para el anlisis de varianza se calcula como sigue:

Anlisis de varianza para los datos de resistencia a la tensin

Fuente de

Suma de

Grados de

Media de

variacin

cuadrados

libertad

cuadrados

Porcentaje

475.76

118.94

Error

161.20

20

8.06

Total

636.96

24

FCal

0.05
14.76

algodn

Criterio de rechazo: se recha hiptesis

confianza

(con el 95% de

F.tablas

2.87

Hiptesis a probar

Como

se concluye que las medias de tratamientos difieren, por lo tanto;

el porcentaje del algodn en la fibra afecta significativamente su resistencia media

Entrada de datos: se introduce dos vectores de datos uno que identifica la marca de fila
y el otro correspondido por fila la respuesta observada:

2 Se selecciona Stat que se presenta en la parte superior de la pantalla y dentro de esta

opcin ANOVA y luego OneWay como se muestra a continuacin:

3 Al precionar OneWay se presenta la pantalla OneWay Analysis of Variance en esta

se indica cual es el vector correspondiente a la variante respuesta Response, y la
columna donde se encuentra los niveles del factor Factor
4 En la opcin Graphs se selecciona Four in One para obtener los grficos y luego
dar click en OK

5 Finalmente se oprime el botn OK para obtener los resultados y los respectivos

grficos

Problema No. 2
Diseo factorial 2K
Un ingeniero disea una batera para su uso en un dispositivo que ser sometido a
ciertas variaciones extremas de temperatura. El nico parmetro de diseo que el puede
seleccionar en este punto es el material de la cubierta de la batera, y tiene tres
alternativas. Cuando el dispositivo se manufactura y se enva al campo, el ingeniero no
tiene control sobre los extremos de temperatura a que ser expuesto el dispositivo, y
sabe por experiencia que es probable que la temperatura influya en la duracin efectiva
de la batera. Sin embargo, si es posible controlar la temperatura en el laboratorio de
desarrollo de productos para los fines de ensayo. El ingeniero decide probar los tres
materiales de la cubierta a tres niveles de temperatura (15, 70 y 125 F) consistente en el
entorno de uso final del producto. Se prueban cuatro bateras a cada combinacin de
material de la cubierta y temperatura, y las pruebas se ejecutan al azar. En la tabla
siguiente se presentan el experimento y los datos resultantes de duracin observada de
las bateras.

Datos de duracin (en horas) para el experimento de diseo de una batera

Temperatura (F)
Tipo
de

15

70

125

yi..

material
1

y.i.

130

155

74

180

150

188

159

126

138

110

168

160

1738

539

623

576

34

40

80

75

136

122

106

115

174

120

150

139

1291

229

479

583

20

70

82

58

25

70

58

45

96

104

82

60
770

230

998

198

1300

342

1501
3799=y

SCError=77646.97= 39118.72

=18230.75

10

Tratamientos

SC

GL

CM

Fo

Ftab

Trat A

10683.72

5341.86 7.911

3.38

Trat B

39118.72

19559.36 28.97

3.38

9613.78

2403.45 3.56

2.75

Error

18230.75

27

Total

77646.97

35

Interaccion AB

675.21

Para el factor A
Como 7.911 > 3.38 se rechaza Ho por lo tanto el tipo de material causan efecto
diferente
Para el factor B velocidad rpm
Como 28.97 > 3.38 se rechaza Ho por lo tanto las temperaturas causan un efecto
diferente
Para la interaccion AB
Como 3.56> 2.75 se rechaza Ho por lo tanto la interaccin entre el factor AB causan un
efecto diferente en la duracin de la batera

11

Diseo factorial de mltiples niveles

Factores:

Rplicas:

Corridas base: 9

Total de corridas: 36

Bloques base: 1

Total de bloques:

Nmero de niveles: 3, 3
Tabla de diseo (aleatorizada)
Corrida

Bloque

Corrida

Bloque

20

21

22

23

24

25

26

27

28

10

29

11

30

12

31

13

32

15

33

16

34

17

35

18

36

19

12

Modelo lineal general: RESPUESTA vs. TIPO DE MATERIAL,

TEMPERATURA

Factor

Tipo Niveles Valores

TIPO DE MATERIAL fijo

TEMPERATURA

3 1, 2, 3

fijo

3 15, 70, 125

Anlisis de varianza para RESPUESTA, utilizando SC ajustada para pruebas

F.V

S.C.

Tipo de

10683.7

39118.7

G.L

SC Ajustada

MC. Ajustada

10683.7

5341.9

7.91

0.002

39118.7

19559.4

28.97

0.000

9613.8

9613.8

2403.4

0.019

18230.7

675.2

material
Temperatura

Tipo Material 9613.8

vs.
Temperatura
Error

18230.7

27

Total

77647.0

35

S = 25.9849 R-cuad. = 76.52% R-cuad.(ajustado) = 69.56%

Observaciones inusuales de RESPUESTA

EE de

Residuo

13

Obs Respuesta

Ajuste

ajuste

Residuo

Estndar

20

74.000

134.750

12.992

-60.750

-2.70 R

36

180.000

134.750

12.992

45.250

2.01 R

R denota una observacin con un residuo estandarizado grande.

TIPO DE MATE*TEMPERATURA
1

15

134.75

12.992

70

57.25

12.992

125

57.50

12.992

15

155.75

12.992

70

119.75

12.992

125

49.50

12.992

15

144.00

12.992

70

145.75

12.992

125

85.50

12.992

14

OrdenEst

OrdenCorrida

Tip
Pt

Bloques

TIPO DE
MATERIAL

TEMPERATURA

RESPUESTA

30
21
4
5
12
16
11
2
9
19
3
13
25
33
22
23
34
10
8
28
15
24
35
32
31
36
14
6
17
29
7
18
26
20
27
1

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

1
1
2
2
1
3
1
1
3
1
1
2
3
2
2
2
3
1
3
1
2
2
3
2
2
3
2
2
3
1
3
3
3
1
3
1

125
125
15
70
125
15
70
70
125
15
125
15
15
125
15
70
15
15
70
15
125
125
70
70
15
125
70
125
70
70
15
125
70
70
125
15

20
70
150
136
82
138
34
40
96
130
58
188
110
25
159
122
168
155
174
74
70
58
120
106
126
104
115
45
150
80
160
82
139
75
60
180

15

Graficas:

16

17

Problema No. 3
Diseo experimental con tres factores 3k
Modelo cuadrtico completo
Incluyendo la relacin
Respuesta factor
Muchos experimentos involucran ms de dos factores.
a niveles del factor A

Arreglo

b niveles del factor B

Experimento Factorial

c niveles del factor C

Modelo matemtico
Yijk = +i+j+k+()ij + ()jk+( )jk+( )ijk+ ijk
i= 1,2,3

j=1,2,3

k=1,2,3

Yijk = Observacin cuando se aplica el i-simo nivel del factor de A, el j-simo nivel del
factor de By el K-simo nivel del factor de C.
= Efecto de la media General
i = Efecto del i-simo nivel del factor A.
j = Efecto del j-simo nivel del factor B
k = Efecto del K-simo nivel del factor C
)ij = Efecto de la interaccin del i-simo nivel del factor A y el j-esimo nivel del
factor B
()jk = Efecto de la interaccin del i-simo nivel del factor A y el k-simo nivel del
factor C
()jk = Efecto de la interaccin de i-simo nivel del factor A y el k-simo nivel del
factor C
ijk= Error asociado a la observacin en la que se aplico el i-simo nivel del factor de A,
el j-simo nivel del factor de B y el k-simo nivel del factor de C.

18

Experimento de tres factores

Yijk = +i+j+k+()ij + ()jk+( )jk+( )ijk+ ijk
i = 1,2,..., a

j = 1,2..,b

k = 1,2.,c

l = 1,2..,d

Ejemplo diseo factorial 3x3

Una empresa utiliza una maquinaria para llenar sus contenedores metlicos de 5 galones
de jarabe fructosa (Eq. Dextrosa al 45%), para una bebida gaseosa. La variable de
inters es la cantidad de jarabe perdida debido al espumeo generada. Tres factores
intervienen en este efecto: A) Tipo de la boquilla, B) Velocidad de llenado y C) Presin
de operacin. Para evaluar dicho efecto se seleccionan tres tipos de boquillas, tres
velocidades de llenado y tres presiones de operacin. Se corren tres replicas de un
experimento factorial 33.

19

Tipo de boquilla (A)

1

Velocidad (rpm) (B)

Presin

100

120

140

100

120

140

100

120

yi

140

(psi) (B)

10

-35

-45
-60

15

-105

-25

-65
41

20
-123

-39
24

-55
-74

15
-122

-60

15

24

-58

-35

-67

-30

110

-10

80

55

-55

110

90

-28

110

20

134

175

-99

154

203

-54

75

30

54

120

-44

44

113

-26

135

-40

31

-23

-64

-20

-30

-61

54

9
5
Totales

17

-25

185

20

-40

-70
-30

134

67
36

-155

-28
5

176

-126
-62

188

-51
-31

-348

-85
-55

127

-113
-52

44

-459

245

963

58

-339

288

165

4
-289

AxB
Totales A

155

-33

43

Totales B

366

-792

591

20

-15

Totales AxB

Totales CxB

yij

yik

10

-190

-58

-211

15

339

230

394

20

-205

-140

100

120

140

10

-93

-350

-16

C 15

563

-133

533

-104

-309

74

20

21

22

23

F.V

S.C

G.L

C.M

Fcal

Ftab. 0.05

993.77

496.88

1.165

3.35

61190.334

30595.16

71.73

3.35

69105.33

34552.66

81.01

3.35

AB

6300.89

1575.22

3.69

2.73

AC

7513.89

1878.47

4.40

2.73

BC

12854.33

3213.58

7.53

2.73

ABC

4628.78

578.59

1.35

2.31

ERROR

11515.5

27

426.50

TOTAL

174102.83

53

Ho :a1 = a2= a3= 0

Ho : B1 = B2= B3= 0

Ho : 1 = 1= 1=0

H1 : Al menos un i 0; j=1,

H1 : Al menos un BJ 0;

H1 : Al menos un K

2, 3 = 0

j=1,2,3=0

0; K=1,2,3=0

AB

BC

AC

Ho: ()ij = 0, para todas las

Ho:()jk=0, para todas las

H0:()jk= 0, para todas

ij

j,k

las j,k

H1: Al menos un ()ij

H1 :al menos un

H1: al menos un ()jk

0;ij=1,2,3=0

()jk0ijik=1,2,3=0

0,j,i, k=1,2,3=0

ABC
H0: ()ijk=0, para todas
las i,j,k
H1: Almenos un
()ijk0;i,j,k= 1,2,3=0
UTILIZAR

LA

TABLA

DE

DE

FISHER

CON

EL

NIVEL

DE

SIGNIFICANCIA DEL 0.05

Factor A = (2,27) = 3.35

Factor B = (2,27) = 3.35

Factor A = (2,27) = 3.35

Interaccion AB = (4,27) = 2.73

Interaccion AC = (4,27) = 2.73

Interaccion BC = (4,27) = 2.73

Interaccion ABC = (4,27) = 2.73

24

Para el factor A tipo de boquilla

Como 1.23 < 3.35 no se rechaza Ho por lo tanto el tipo de boquilla causan el mismo
efecto.
Para el factor B velocidad rpm
Como 71.73 > 3.35 se rechaza Ho por lo tanto las velocidades en rpm cause un efecto
diferente
Para el factor C presin psi
Como 81.01> 3.35 se rechaza Ho por lo tanto al menos un tratamiento en la presin en
psi cause un efecto diferente
Para la interaccion AB
Como 3.69 > 2.73 se rechaza Ho por lo tanto la interaccion en los factores AB causan
un efecto diferente
Para la interaccion AC
Como 4.40 > 2.73 se rechaza Ho por lo tanto la interaccion en los factores AC causan
un efecto diferente
Para la interaccion BC
Como 7.53 > 2.73 se rechaza Ho por lo tanto la interaccion en los factores BC causan
un efecto diferente
Para la interaccion ABC
Como 1.35 < 2.31 no se rechaza Ho por lo tanto la interaccion en los factores ABC no
causan un efecto diferente
Conclusin
El factor A el tipo de boquillas es el que no influye en la produccin de espuma. Los
factores B y C se rechaza Ho por lo tanto son los que causan efecto diferente en la
produccin de espuma.

25

MINITAB
1 Se selecciona de la opcin STAT del menu principal de Minitab y dentro de esa
opcion , seleccionar DOE luego Factorial y Create Factorial Design

2 Despus de elegir la opcin Create Factorial Designs aparesera una ventana en la

cual hay que elegir general full factorial design y en number of factor se elige
nmero de factores, que en este caso es tres.

3 Selecionar Designs en donde hay que asignar los nombres y nmeros de niveles
respectivos de cada factor, seleccionar OK.

26

4 Se elige factors y se insertan los datos correspondientes de los niveles de evaluacin

de cada factor y luego OK.

5 Y en OPTIONS se desactiva la opcin Randomize Runs y luego OK.

27

6 Se presiona OK (en las opciones Options y Results no se modifican) y aparecer

una ventana en la cual hay que ingresar los datos correspondientes de las repeticiones de
cada factor

7 Se selecciona de la opcin STAT del menu principal de Minitab y dentro de esa

opcion , seleccionar DOE luego Factorial y Analize Fctorial Desig..

8 Se elige C8 Para que aparezca en la opcin Responses y en la opcin Graphs

seleccionar four in one y OK

28

9 Se selecciona Results donde se pasa los datos de izquierda a derecha y luego OK

10 Se presiona OK para obtener los resultados y las grficas correspondientes (en las
otras opciones no se modifican)

29

TEMA II.- INTERVALOS DE CONFIANZA

Problema No. 4.- Intervalos de confianza
Un fisioterapeuta desea estimar, con 99 por ciento de confianza, la media de fuerza
mxima de un musculo particular en cierto grupo de individuos. Se inclina a suponer
que los valores de dicha fuerza muestran una distribucin aproximadamente normal con
una variancia de 144. Una muestra de 15 individuos que participaron en el
experimento presento una media de 84.3. z=2.58.
Nivel de confianza =99%

valores para z= 2.58

Varianza = 144

Media = 84.3
ECUACION 1

30

n= 15

Sustituimos valores
|

Problema No. 5.- Intervalos de confianza

En una fbrica textil se toman muestras de la resistencia a la ruptura de un tipo de
particular de fibra. Se prueba una muestra aleatoria de n= 25 ejemplares de prueba de
la fibra y se registra la resistencia de cada una de ellas. La media muestral es de 18.6 y
la desviacin estndar muestral es de 1.20. Determine el intervalo de confianza del
99% para la media poblacional.

Problema No. 6.- Intervalos de Confianza

Un equipo de investigadores est interesado en la puntualidad de los pacientes en las
citas concretadas. En un estudio de flujo de pacientes en los consultorios mdicos, se
encontr que una muestra de 35 pacientes llegaba 17.2 minutos tarde a las citas, en
promedio. Una investigacin previa haba demostrado que la desviacin estndar era
de 8 minutos aproximadamente. Se tuvo la sensacin de que la distribucin de la
poblacin no era normal. Cul es el intervalo de confianza de 90 por ciento para ,
que sera en este caso el promedio real de las citas?

31

INTERVALOS DE CONFIANZA EN MINITAB 16

1

2.

32

3.

4.

33

TEMA III.-COMPARACIN DE MEDIAS

Problema No. 7.- Prueba de Tukey

El objetivo de un estudio realizado para Makynen fue el investigar si el calcio que se

consume diariamente en la dieta como tratamiento no farmacolgico de la presin
sangunea elevada puede influir benficamente en la funcin endotelial en la
hipertensin experimental minerado-corticoide-NaCl. Los investigadores formaron
cuatro grupos con ratas macho en la presin sangunea sistlica. Los grupos fueron los
siguientes: grupo de ratas sin tratamiento con dieta normal (WKY), grupo de ratas sin
tratamiento con dieta rica en calcio (WKY-Ca). Se pretende saber si las cuatro
condiciones tienen diferentes efectos en el peso promedio de las ratas macho.
Los datos obtenidos fueron los siguientes:
DOC

WK

DOC-Ca

WKYCa

336

328

304

342

346

315

292

284

269

343

299

334

346

368

293

348

323

353

277

315

309

374

303

313

322

356

303

301

316

339

320

354

300

343

324

346

209

343

240

319

276

334

299

289

306

333

279

322

310

313

305

308

302

333

290

325

269

372

300

311
TOTA

4950

312
5147

4840

34

4500

19437

L
MEDI

309.38

343.13

302.50

321.43

318.64

Para la comparacin de medias necesitamos CM residual, y esta la sacamos mediante la

tabla del ANOVA del factor

F.V

G.L

SC

CM

Fcal
F0

Tratamiento

a-1

SCtratamientos

CMtratamientos

Error

N-a

SCerror

CMerror

Total

N-1

SCtotal

35

F.V

G.L
4-1=3

Tratamiento

SC

MC

Fcal

Ftab

14649.19

4883.05

11.99

2.76

407.20

Error

61-4=57

23210

Total

61-1=60

37860

Criterio de rechazo: se recha hiptesis

confianza

(con el 95% de

Hiptesis a probar
H0:1= 1= 1= 1=0
Ha: 1 2 3 40
Dado que se rechazo H0, se concluye que la hiptesis alternativa es verdadera. Es decir,
se concluye que los cuatro tratamientos no tienen el mismo efecto en promedio con una
confiabilidad del 95%.

36

COMO YA TENEMOS CMERROR AHORA REALIZAMOS EL METODO DE TUKEY

DE COMPARACION DE MEDIAS

LA ECUACIN DE TUKEY
DONDE

es el nmero de significancia, k es el nmero de medias en el experimento y n es el

nmero de observaciones.

WKY(D)

WKY-CA(C)

DOC (B)

DOC-CA (A)

medias

334.13

321.50

309.38

302.50

DOC-CA(A)

302.50

40.63

19

6.88

----

DOC (B)

309.38

33.74

12.12

-----

WKY-CA (C)

321.50

21.63

----

WKY(D)

343.13

----

PARA HACER LA COMPARACIN ENTRE MEDIAS REALIZAN LAS

HIPTESIS

HO: A =D

HO: A =C

No se rechaza Ho porque 19<20.22

No se rechaza Ho porque 6.88<19.53

Se rechaza Ho porque 33.74> 19.53

No se rechaza Ho por 12.12< 20.22

Se rechaza Ho porque 40.63 > 19.54

No se rechaza Ho porque 6.88<18.9

37

COMO REALIZAR LA PRUEBA DE TUKEY MEDIANTE MINUTAB 16

1. - STAT
2.-ANOVA
3.-ONE WAY
One-way ANOVA: C2 versus C1

Source DF
C1

SS

MS

3 14649 4883 11,99 0,000

Error 57 23211 407

Total 60 37860

S = 20,18 R-Sq = 38,69% R-Sq(adj) = 35,47%

Individual 95% CIs For Mean Based on

Pooled StDev
Level

Mean

StDev -------+---------+---------+---------+--

16

309,38

23,54

15

343,13

18,71

16

302,50

16,05 (-----*-----)

14

321,43

21,72

(-----*------)
(-----*------)

(------*------)
-------+---------+---------+---------+-304

320

336

352

Pooled StDev = 20,18

Grouping Information Using Tukey Method

CL

Mean

Grouping

15

343.13

14

321.43

16

309.38

16

302.50

Means that do not share a letter are significantly different.

Tukey 95% Simultaneous Confidence Intervals
All Pairwise Comparisons among Levels of C1
38

Problema No. 8.-Diseo Experimental de un Solo Factor y Prueba de

Medias Por el Mtodo de Duncan
Una fbrica de papel est interesada en mejorar la resistencia a la tensin del producto
final. Los ingenieros de manufactura consideran que la resistencia a la tensin es una
funcin de la concentracin de madera dura en la pulpa, y que el intervalo de
concentracin de madera dura esta entre 5 20%. Se decidi estudiar cuatro niveles de
la concentracin de madera dura: 5, 10, 15 y 20. Se decidi tambin derivar 6
especmenes de prueba por cada nivel de concentracin. Los 24 especmenes se analizan
en un probador de tensin de laboratorio en orden aleatorio.
Resistencia del papel a la tensin
% de madera

Observaciones

dura

Totales Medias

(yi)

(i)

15

11

10

60

10

10

12

17

13

18

19

15

94

15.67

15

14

18

19

17

16

18

102

17

20

19

25

22

23

18

20

127

21.17

383

15.96

39

= 512.96-382.79 = 130.17

Anlisis de varianza
Fuente de

Suma de

Grados de

Cuadrado

variacin

cuadrados

libertad

medio

Tratamiento

382.79

127.93

Error

130.17

20

6.50

Total

512.96

23

Criterio de rechazo: se recha hiptesis

confianza

Ftab

19.68

(con el 95% de

Hiptesis a probar
H0:1= 1= 1= 1=0
Ha: 1 2 3 40

40

3.10

Como Fcal >Ftab, se rechaza Ho, por lo tanto al menos un tratamiento causa un efecto
diferente con una confiabilidad del 95%.

PARA LA PRUEBA DE DUNCAN

Tratamiento

Total

Posiciones
originales

60

10

10

94

15.67

15

102

17

20

127

21.17

ORDENAMIENTO DE DATOS.

1.

2.

3.

41

|
|
4.
|
|
5.
|
|
6.
A= SON DIFERENTES

ORDENAMIENTO EN TABLA DE DUNCAN

20

15

10

15
0

3.3072

3.224

3.068

10

3.224

3.068

15

3.068

20

Tratamiento %

Media

madera dura

Agrupacin de
Duncan

20(A)

21.17

15(B)

17

10(C)

15.67

5(D)

10

Los mejores tratamientos fueron los tratamiento de 20% y 15% en madera dura ya que
obtuvieron las medias ms y comparacin con los tratamientos 10% y 5%.

42

TEMA IV.- DISEOS EXPERIMENTALES

Problema No. 9.- Diseo Experimental de un solo Factor

Un ingeniero de desarrollo tiene intereses en investigar la resistencia a la tensin de una
fibra sinttica nueva que se asegura para fabricar telas de camisas. El ingeniero sabe por
experiencia previa que la resistencia a la tensin se afecta por el peso porcentual del
algodn utilizado en la mezcla de materiales para la fabricacin de la Fibra, adems
sospecha que al incrementar el contenido de algodn se incrementa la resistencia al
menos en un principio.
Se sabe que el contenido de algodn deber variar entre 10 y 40 % para que el producto
tenga las caractersticas de calidad. El ingeniero decidi probar 5 ejemplos en 5 niveles
y tambin decidi probar 5 ejemplares en cada nivel del contenido de algodn.

Experimento de un solo factor

a= niveles aleatorios n= replicas

a x n= 25 corridos

Hiptesis probadas
H0: 1 = 2== a
Ha: 1 2 a
Tabla de Anlisis de Varianza para modelo de un factor

F.V

S.C.

G.L.

C.M

FO

TRA.

SSTA

a-1

MSTRA

MSTAT/MSE

ERROR

SSE

N-1

MSE

TOTAL

SST

N-1

43

DATOS
Peso
porcentual

NMERO DE CORRIDAS EXPERIMENTAL

del algodn
15

20

10

25

11

12

13

14

15

30

16

17

18

19

20

35

21

22

23

24

25

DATOS (EN bl/in2 ) DEL EXPERIMENTO DE LA RESISTENCIA A LA TENSION

P.P.ALGODON

OBSERVACIONES

TOTAL

PROMEDIO

15

15

11

49

9.8

20

12

17

12

18

18

77

15.4

25

14

18

18

19

19

88

17.6

30

19

25

22

19

23

108

21.6

35

10

11

15

11

54

10.8

44

636.96 475.76 = 161.2

CUADRADOS MEDIOS

F.V

S.C.

G.L.

C.M

FO

TRA.

475.76

18.94

14.76

ERROR

161.2

20

8.06

TOTAL

636.96

24

Se concluye que F0 > 2.5661, por lo tanto se rechaza Ho ya que la media de los
tratamientos son diferentes con un 95% de confiabilidad, el peso porcentual del algodn
en la fibra afecta de manera significativa la resistencia de la tensin.

Se realiz la prueba de Scheffe

45

Valores crticos

Puesto que /Cu/< Su, se concluye que el contraste Ti= 1 + 2- 3- 4- 5 es igual a cero,
Puesto que /Cu/> Su, se concluye que el contraste T2 = 1- 4 no es igual a cero.

Problema No. 10.-Prueba de Scheffe

En un estudio de contacto visual materno-filiales en chimpancs, se obtuvieron datos
acerca de cuantas veces se daba esta conducta en parejas de madres y cras en un
determinado periodo de tiempo. Para probar el posible efecto del entorno se
recolectaron los datos del estudio en cuanto a zoolgicos europeos.
En cada instalacin se estudiaron cinco parejas de chimpancs (madre-hijo),
cuantificando cuanta integracin se daba en un tiempo de 10 minutos. Los resultados se
muestran en la siguiente tabla.

Zoo Barcelona

Zoo Madrid

Zoo Berln

Zoo Londres

10

46

Fuente de

Suma de

Grados de

Cuadrado

variacin

cuadrados

libertad

medio

Tratamiento
Error
Total

Fuente de

Suma de

Grados de

Cuadrado

variacin

cuadrados

libertad

medio

Tratamiento

62.55

15.75

Error

38.40

15

2.53

Total

100.95

19

Se rechaza H0 ya que

6.1084

4.89

, por lo tanto al menos uno de los tratamientos es

diferente con un nivel de confiabilidad del 99%.

Calcular el estndar del error

47

Valores crticos

Problema No. 11-. Prueba de Scheffe

La compaa USA LUZ produce focos. Un estudiante de maestra del instituto de
investigaciones (IIE), comento a la compaa que sus focos duran 300 das, la compaa
va a varios supermercados y compra 15 focos para probar si es verdad lo que se afirma.
Se realiza el anlisis y los focos de la muestra duran en promedio 290 das, con una
desviacin estndar de 50 das, si se requiere desmentir al estudiante, se necesita saber
cul es la probabilidad de que 15 focos seleccionados al azar tenga una vida promedio
no mayor a 290 das.

=290

48

Criterio de rechazo
| |

Problema No. 12.- Prueba de t de dos Muestras

La fuerza de la tensin de adhesin del mortero de cemento portland es una
caracterstica importante del producto. Un ingeniero esta interesado en comparar la
fuerza de una formulacin modificada en la que se han agregado emulsiones de ltex de
polmeros durante el mezclado, con la fuerza del mortero sin modificar. El
experimentador ha reunido 10 observaciones de la fuerza de la formulacin modificada
y otras 10 observaciones de la formulacin sin modificar. Los datos se muestran en la
siguiente tabla.
La prueba t de dos muestras
Considere que puede suponerse que las varianzas de las fuerzas de la tensin de
adhesin fueron idnticas para ambas formulaciones del mortero. Entonces el
estadstico de prueba que deber usarse para comparar las medias de dos tratamientos en
el diseo completamente aleatorizado es

Donde y1 y y2 son las medias muestrales, n1 y n2 son los tamaos de las muestras,
una estimacin de la varianza comn

es

calculada a partir de

son las dos varianzas muestrales individuales. Para determinar si deber

rechazarse H0:1= 2, se comparara t0 con la distribucin t con n1+n2-2 grados de

49

libertad. Si ItoI>t/2,n1+n2-2, donde t/2,n1+n2-2 es el punto porcentual /2 superior de la

distribucin t con n1+n2-2 grados de libertad, entonces se rechazara Hoy se concluira
que las fuerzas promedio de las dos formulaciones del mortero de cemento portland
difieren. A este procedimiento de prueba se le llama generalmente la prueba t de dos
muestras.
Mortero modificado

Mortero sin modificar

y1=16.76 kgf/cm2

y2=17.92 kgf/cm2

n1=10

n2=10

Prueba de hiptesis
HO: 1= 2
HO: 12
n1 + n2 -2 =10 + 10 2 = 18, y si se elige =0.05, entonces H0: 1= 2 se rechazara si
el valor numrico del estadstico de prueba to >t0.025,18=2.101, o si to<-t0.025,18=-2.101.
Estos limites de la regin critica se ilustran en la distribucin de referencia (t con 18
grados de libertad).

=0.081
Y el estadstico de prueba es

= -9.13
Puesto que t0=-9.13 <-t0.025,18=-2.101, se rechazara H0 y se concluira que las fuerzas de
la tensin de adhesin promedio de las dos formulaciones del mortero de cemento
portland son diferentes
50

Problema No. 13.- Factorial por Boque

Se desea probar si 4 tipos de punta tienen efecto diferente al realizar la determinacin de
dureza sobre cierto material. El investigador decide obtener 4 observaciones por cada
punta.
Diseo de bloque completos aleatorizados para el experimento de la prueba de dureza.
Tipo de punta

Ejemplar de prueba (bloque)

1

9.3

9.4

9.6

10

9.4

9.3

9.8

9.9

9.2

9.4

9.5

9.7

9.7

9.6

10

10.2

Transformacin de datos.
Tipo de Ejemplar de prueba (bloque)

Yi

punta
1

-2

-1

-1

-2

-3

-1

-2

15

-4

-3

18

20=y

51

SS tratamiento =

=129

SS BLOQUE =

GRADOS DE LIBERTAD
TRATAMIENTO = a - 1 = 4-1 = 3
BLOQUE = b - 1 = 4-1 = 3
ERROR =

(a-1)(b-1) = 3*3 = 9

TOTAL = N-1 = 16-1 = 15

52

SUMA DE CUADRADOS MEDIOS

= 12.83
MS BLOQUE
MS ERROR

=27.5
= 0.89

F0=

Resuelto con MInitab

1. Se insertan los datos como se muestra en la siguiente ventana

2. Se elige de la opcin STAT \ANOVA\GENERAL LINEAR MODEL

53

3. Se selecciona las C3, C1 y C2 respectivamente y posteriormente ok y se obtiene el

anlisis de varianza con sus respectivos grficos

54

Problema No. 14.- Diseo Factorial de 2 Factores (Bloques)

Un fisioterapeuta tiene como propsito comparar tres mtodos para ensear a sus
pacientes a utilizar cierto aparato protsico. Se considera que el porcentaje de
aprendizaje sera diferente a los pacientes ya que, estos tienen diferentes edades
tomadas en cuenta. Escogi al azar 3 pacientes por agrupar y formar 5 grupos por edad.
Que participaran en el experimento y a cada uno de los pacientes en cada grupo de edad
se le asigna al azar un mtodo de enseanza. Los mtodos de instruccin forman 3
tratamientos y los 5 grupos de edades son los bloques, los datos obtenidos se muestran
en la siguiente tabla. Tiempo (en das) necesario para aprender a utilizar cierto aparato
protsico

55

Mtodo de enseanza
Grupo de edad

Total

Media

Menor de 20

10

26

8.67

20 a 29

10

27

30 a 29

12

30

10

40 a 49

10

12

31

10.33

50 y mas

11

12

14

37

12.33

total

45

48

58

151

media

9.6

11.6

10.07

F.V

S.C

G.L

C.M

F.CAL

Tratamientos

SCtrat

(k-1)

CMtrat=SCtra (k-1)

CMtrat/CMresi

F. Tab

dual
Bloques

SCtrat

(k-1)

CMbloq=SCbloq

(n-

1)
Residuales

SCtrat

(k-1) (k-1)

CMresidual=SCresidu
al (n-1)(K-1)

Total

SCtrat

(k-1)

F.V

S.C

G.L

C.M

F.CAL

F. Tab

Tratamientos

18.53

9.26

21.04

4.46

Bloques

24.85

6.21

Residuales

3.54

0.44

Total

46.93

14
56

SCtotal =

SCbloq =

= (7-10.07)2 + (8-10.07)2 ++ (14-10.07)2 = 46.9335

=

SCbloq= 3[ ((8.67-10.07)2 + (9-10.07)2 +..+ (12.33-10.07)2 ]=24.855

SCtrat =

SCtrat= 5[((9-10.07)2 + (9.6-10.07)2 + (11.6-10.07)2 ] = 18.5335

SCresidual=SCtotal-SCbloq-SCtrat
SCresidual= 46.9335-24.855-18.5335=3.545
Los grados de libertad en total son = (3)(5)-1 = 14, bloques =5-1=4, tratamientos = 3-1
= 2, y el (error) residual = (5-1)(3-1)=8
Hiptesis
Ho: j=0 j= 1,2,3
HA: no todas las j = 0

Decisin estadstica
Puesto que la razn de la varianza, 20.91, es mayor que 4.46, se rechaza la hiptesis
nula de que no hay efectos del tratamiento bajo la suposicin de que F. cal., tan grande
refleja que el cuadrado medio de las dos muestras no son estimaciones de la misma
cantidad. La otra nica explicacin para esa F. cal., tan grande seria que la hiptesis
nula es realmente verdadera, y que se observ un conjunto de resultados inusuales. Se
descarta la segunda explicacin a favor de la primera
Conclusin
Se concluye que no todos los efectos de los tratamientos son iguales a cero, o
equivalentes, es decir que no todos los tratamientos son iguales.
57

MINITAB 16
1.- Ingresar los datos

2.- Seleccionar ANOVA, se presenta en la figuras despus seleccionar Two-Way.

58

3.- Seleccionar respuesta C3, Row factor C2 y por ltimos columna factor C1 y okey

4. Resultados tabla de ANOVA

59

Problema No. 15.- Cuadro Latino y Grecolatino

Suponga que un investigador estudia los efectos que tienen cinco formulaciones
diferentes de las cargas propulsoras utilizadas en los sistemas de expulsin de la
tripulacin de avin basado en la rapidez de combustin. Cada formulacin se hace con
un lote de materia prima que solo alcanza para probar cinco formulaciones. Adems las
formulaciones son preparadas por varios operadores y puede haber diferencias
sustanciales entre las habilidades y experiencia de los operadores.
Por lo tanto al parecer hay dos factores perturbadores que ser calculado en promedio en
el diseo.

Operadores
Lotes de M.P

A24

B20

C19

D24

E24

B17

C24

D30

E27

A36

C18

D38

E26

A27

B21

D26

E31

A26

B23

C22

E22

A30

B20

C29

D31

operadores
Lotes de M.P

Yi

A24

B20

C19

D24

E24

111

22.2

B17

C24

D30

E27

A36

134

26.8

C18

D38

E26

A27

B21

130

26

D26

E31

A26

B23

C22

128

25.6

E22

A30

B20

C29

D31

132

26.4

Y..k

107

143

121

130

134

635

25.4

21.4

28.6

24.2

26

26.8

60

Datos transformados
operadores
Lotes de M.P

A-1

B-5

C-6

D-1

E-1

-14

B-8

C-1

D5

E2

A11

C-7

D13

E1

A2

B-4

D1

E6

A1

B-2

C-3

E-3

A5

B-5

C4

D6

Y..k

-18

18

-4

10=Y

(-1 )2 +(-5 )2 +( -6 )2 +(-1 )2 +( -1 )2 +( -8 )2 +(-1 )2 +( 5 )2 +(2 )2 +(-4 )2 +(11 )2 +

( -7 )2 +(13 )2 +(1 )2 +( 2 )2 +(-4 )2 +( 1 )2 +(6 )2 +( 1 )2 +(-2 )2 +(-3 )2 +(-3 )2 +( 5 )2
+(-5 )2 +( -4 )2 +(-6 )2 -

= 676

61

ANOVA
F.V

S.C

G.L.

C.M.

FO

F TABLAS

TRA

330

82.5

7.73

3.259

68

17

150

37.5

128

12

10.67

676

24

Se rechaza Ho porque 7.73 > 3.259 entonces si existen diferencias significativas entre
los lotes de materia prima con un 95% de confiabilidad.

Diseo de Cuadro grecolatino

OPERADORES
Lotes de M.P

Ax-1

By-5

C-6

D-1

E-1

-14

B-8

C-1

D5

Ey2

A11

C-7

D13

E1

A2

B-4

D1

Ex6

Ay1

B-2

C-3

E3

A5

B-5

C4

Dy6

Y..k

-18

18

-4

10=Y

Realizar tabla de ANOVA

Ecuaciones

62

F.V

S.C

G.L.

C.M.

FO

FOR

330

82.5

10.00

0.003

COSTOS

68

17

2.06

0.178

COPERADORES 150

37.5

4.55

0.003

PRUEBA

62

15.50

1.88

ERRO

66

8.25

TOTAL

676

24

COMPARACION DE MEDIAS
LOTE

MEDIA

AGRU.

FORMULA

MEDIA

3.6

1.8

1.0

4.00

3.60

1.00

-0.8

-2.60

-3.6

-4.80

63

AGRUPACIN

Se realiza en MINITAD, primero se realiza en modelo de la siguiente manera.

2.-STAT-ANOVA-GENERA LINEAR MODELO. ENTER

64

RESULTADOS DEL ANOVA.

Residual Plots for RES
Results for: Worksheet 3
General Linear Model: RESPUSTA versus LOTES, OPERADOR, FORMULAS
Factor

Type

Levels

Values

LOTES

fixed

1, 2, 3, 4, 5

OPERADOR

fixed

1, 2, 3, 4, 5

FORMULAS

fixed

a, b, c, d, e

Analysis of Variance for RESPUSTA, using Adjusted SS for Tests

Source

DF

Seq SS

Adj SS

Adj MS

LOTES

68.00

68.00

17.00

1.59

0.239Aco

OPERADOR

150.00

150.00

37.50

3.52

0.040

FORMULAS

330.00

330.00

82.50

7.73

0.003

Error

12

128.00

128.00

10.67

Total

24

676.00

S = 3.26599 R-Sq = 81.07% R-Sq(adj) = 62.13%

65

Unusual Observations for RESPUSTA

Obs

RESPUSTA

20

29.0000

22

36.0000

Fit

SE Fit Residual

St Resid

24.0000

2.3551

5.0000

2.21 R

31.4000

2.3551

4.6000

2.03

R denotes an observation with a large standardized residual.

Problema No. 16.- Cuadro Latino y Grecolatino

Suponga que un investigador estudia los efectos que tienen 5 formulaciones diferentes
de las cargas propulsoras utilizadas en los sistemas de expulsin de la tripulacin de un
avin basado en la rapidez de combustin. Cada formulacin se hace con un lote de
materia prima que solo alcanza para probar 5 formulaciones. Adems las formulaciones
son diferencias sustanciales entre las habilidades y experiencia de los operadores. Por lo
tanto al parecer hay 2 factores perturbadores que sern calculados en promedio en el
diseo.
Valores transformados
Operadores
Lotes de Materia

Yi

A=-1

B=-5

C=-6

D=-1

E=-1

-14

B=-8

C=-1

D=5

E=2

A=11

C=-7

D=13

E=1

A=2

B=-4

D=1

E=6

A=1

B=-2

C=-3

E=-3

A=5

B=-5

C=4

D=6

Yk

-18

18

-4

Y=10

Prima

66

SStotal=[

= 676

SSLotes= [

= 68.00

SSFormulacin= [

= 330.00

SSOperadores= [

SSError= 676

Tratamientos

= 150.00

=128.00

SS

GL

CM

F0

SSFormulaciones

330.00

82.50

7.73

SSLotes

68.00

17.00

SSOperadores

150.00

37.50

SSError

128.00

12

10.67

SSTotal

676.00

24

67

Diseo Cuadro Grecolatino

Operadores
Lotes de Materia

Yi

A=-1

B=-5

C=-6

D=-1

E=-1

-14

B=-8

C=-1

D=5

E=2

A=11

C=-7

D=13

E=1

A=2

B=-4

D=1

E=6

A=1

B=-2

C=-3

E=-3

A=5

B=-5

C=4

D=6

Yk

-18

18

-4

Y=10

Prima

=-1+6+5+4-4=10

=-7-5+1+2+6=-3

=1-1-5+2-1=-4

=-3+13-6-2+11=13

=-8+5+1-1-3=-6

SSEnsamblaje= [

Tratamientos

= 62.00

SS

GL

CM

Fo

Formulaciones

330.00

82.50

10.00

Lotes

68.00

17.00

Operadores

150.00

37.50

Montaje

62.00

15.50

Error

66.00

8.25

Total

676.00

24

68

TEMA V.- PROBLEMAS DEL EXAMEN

Problema No. 17.- Intervalo de Confianza
En una planta de productos enlatados el peso promedio de chicharos que se colocan en
las latas del nmero 3030 es de

1=

15.97 onzas y S1=0.15 onzas (desviacin estndar),

muestras tomadas de tamao n1= 12 latas. En otra planta de enlatado del miso producto
el peso promedio de los chicharos que se empacan en las latas del nmero 303 es de
2=16.14

onzas y S2=0.09 onzas (desviacin estndar), tomadas de una muestra n2=15

latas. Se supone que las distribuciones de las cantidades empacadas siguen una
distribucin aproximadamente normal. Estime las diferencias entre los pesos netos
promedios de los chicharos que se empacan en las latas del nmero 303 para las dos
plantas, usando un intervalo de confianza de 90% (gl=n1+n2-2).

Problema No. 18.- Regresin Lineal

En un experimento para estudiar el efecto de la exposicin de un bacilo de la fiebre
tifoidea a bajas temperatura, se expusieron cultivos de este durante diferentes periodos
de tiempo a una temperatura de -5 C. Los datos se presentan en la siguiente tabla No.
2, en donde X es el nmero de semanas de exposicin y Y el porcentaje de bacilos
sobrevivientes. = 0.05, Los datos se muestran en la siguiente tabla:
Tabla 2. Nmero de semanas de exposicin y porcentaje de bacilos sobrevivientes

69

0.5

12

15

18

22

100

42

14

7.5

0.4

0.11

0.09

0.05

0.005

0.002

0.0001

1) Formule las hiptesis correspondientes y concluya si la Ha se acepta o se rechaza, la

regla de decisin consiste en rechazar H0 Si F0 F n-2, .

X2

Y2

XY

100

10000

0.5

42

0.25

1764

21

14

196

14

7.5

56.25

15

0.4

0.16

1.2

0.11

25

0.0121

0.55

0.09

49

0.0081

0.63

0.05

81

0.0025

0.45

12

0.005

144

0.000025

0.006

15

0.002

225

0.000004

0.003

18

0.0001

324

0.00000001

0.0018

22

484

=94.5

=164.15

=1346.25

=12016.43

=52.84

(94.5)(164.15)/12]2 1346.25-(94.5)2/12= 2553.1

= 12016.43-164.152/12= 9770.8

SCerror= SCtotal - SCreg = 9770.8-2553.1=7217.89

CMreg= SCreg= 2553.1
CMerror= SCerror/n-2 = 7217.89/10= 721.78
Fcalculada= CMreg/ CMerror=2553.1/721.78= 3.53

70

[52.84-

F.V

G.L

S.C

C.M

F.Cal

F(V1,V2)

3.53

4.96

Regresin

2553.1

2553.1

Error

10

7217.89

721.78

11

9770.8

residual
Total

Y = 29.9 - 2.06 X
Conclusin
Como 3.53 < 4.96 no se rechaza Ho por lo tanto el modelo de regresin no es adecuado,
con una confiabilidad del 95%.

Problema No. 19.-Factorial de 2 Factores

En un proceso industrial se ha diseado un dispositivo para evaluar las transiciones
trmicas dentro de un tnel de horneado para la fabricacin de porta muestras utilizadas
en equipos de calorimetra diferencial de barrido. Dentro del diseo experimental se han
seleccionado tres diferentes tipos de aleaciones de material cermico (1,2 y 3) para la
fabricacin del porta muestras, se sabe que las temperaturas de transiciones trmicas
son (200,250 y 350) del material de estudio son tres. Los datos se muestran en la
siguiente tabla.

71

TIPO DE

TEMPERATURA (C)

MATERIAL

200

250

300

TOTAL

150

157

220

240

280

270

153

154

240

230

282

258

250

248

270

293

320

315

259

256

290

294

312

300

138

250

274

220

296

304

169

260

250

239

292

398

TOTAL

2426

Qu efecto tiene el tipo

3060

2616

3407

3090

3627

de formulacin de la aleacin sobre la temperatura de

degradacin de los materiales y cul es la formulacin adecuada para la fabricacin de

los porta muestras?

Y
ij (

j 1

[
[

]
[

72

[
]

PARA CALCULAR LOS GRADOS DE LIBERTAD.

PARA CALCULAR LOS CUADRADOS MEDIOS

73

A N O V A.

FUENTE DE

SUMA DE

GRADOS DE

CUADRADOS

VARIACION

CUADRADOS

LIBERTAD

MEDIOS

FACTOR

FO

3.35

3.35

INTERACCION

2.73

ERROR

27

MATERIAL
FACTOR
TEMPERATURA

TOTAL

115 500.3056

35

REALIZAMOS PRUEBA DE HIPOTESIS

Como el valor de F0 calculado se comparamos el valor con el de Ftablas para probar las
siguientes hiptesis:
H0: MAT=TEMP= 0
H1: MAT TEMP para al menos una es igual
Por lo tanto si F0 > F tablas se rechaza la Ho.
Por lo tanto.
F

F0
MATERIAL

16.48

TEMPERATURA

37.54

INTERACCION

2.27

>

3.35

>
<

3.35
2.73

Decimos que:
1. El valor de F0> F entonces se rechaza la H0 y se acepta la Ha, y nos dice que el
tipo de material si tiene efecto en las transiciones trmicas.
2. Para la temperatura el valor de F0> F entonces la temperatura tambin influye
sobre el tipo de material, no as para la interaccin de temperatura y tipo de
material, ya que F0< F por lo que la interaccin no tienen efecto en el anlisis.

74

EN MINITAB SERIA DE LA SIGUIENTE MANERA:

1.-PRESIONAS DOE, DESPUES CREAR DISEO FACTORIA, GENERAR
FACTORIAL, POSTERIROMENTE EN DESINGD.

2.- GENERAR FACTORIAL, SELECCIONAR DESIGNS, Y DAR EL NOMBRE A

LAS VARIABLES (TEMPERATURA Y TIPO DE MATERIAL) Y EN NUMERO
DE NIVELES ES 3, Y NUMERO DE REPLICAS ES 4

75

3.- COLOCAR LAS RESPUESTA.

PASO 4.- DOE-FACTORIAL-ANALIZE Y ENTER.

76

EL RESULTADO DEL ANOVA

Analysis of Variance for RES, using Adjusted SS for Tests

Source

DF

Seq SS

Adj SS

Adj MS F

TEMERATURA

60162

60162

30081

TIPO DE MATERIAL

26412

26412

13206 16.48 0.000

TEMERATURA*TIPO DE MATERIAL 4

7291

7291

21635

21635

Error

27

Total

35 115500

37.54 0.000

1823 2.27

0.087

801

S = 28.3070 R-Sq = 81.27% R-Sq(adj) = 75.72%

TEMA VI.- DISEOS DE SUPERFICIE DE RESUESTA

Problema No 21.- Diseo Box-Behnken (BBD) y Plackett-Burman

(PBD)
Optimizacin de la composicin del medio de un sistema de produccin bifsica para el
crecimiento del micelio y la produccin de esporas de Aschersonia utilizando la
respuesta metodologa de superficie.
Resumen
Los medios de cultivo para el crecimiento micelial y la esporulacin del hongo
entomopatgeno Aschersonia placenta, se optimizaron utilizando el mtodo de
superficie de respuesta (RSM). Las interacciones de los componentes del medio y la
optimizacin de un sistema de produccin bifsico fueron estudiadas a travs del diseo
Box-Behnken (BBD) con tres niveles, tres variables. La experimentacin ha confirmado
que el modelo desarrollado sobre la base de RSM y BBD predijo con xito la
produccin de micelio (R2 = 0,9336) y la produccin de conidios (R2 = 0.9532). En la
primera fase, el peso seco del micelio fue mayor (2,14 0,17 g por cada 100 ml de la

77

cultura, con una media SE) cuando las concentraciones (g / l) de glucosa, vitamina B6
y MgSO4 7H2O! Fueron 31,4, 11,5 y 0,64 , respectivamente. En la segunda fase, la
produccin de conidios fue ms alta (9,31 0,48 "107 esporas por cm2) despus de 18
das de cultivo en el medio que contiene 33,8 g / l de mijo, 1,11 g / l de KH2PO4, y 0,37
g / l de MgSO4. micelial y los rendimientos de conidios eran de 3,6 y 10 veces mayores,
respectivamente, con los medios de comunicacin optimizados que con los medios
basales no optimizada. Los resultados indican que los mtodos de RSM y BBD son
eficaces para aumentar la produccin de A. placenta micelio y conidios.
El objetivo de este estudio fue optimizar las composiciones de medios del sistema de
produccin bifsica para la produccin de conidios de A. placenta
Se utiliz Box-Behnken diseo (BBD) para estudiar las interacciones de los
componentes importantes e identificar sus niveles ptimos.
Las variables obtenidas en los experimentos preliminares fueron seleccionadas
utilizando el diseo Plackett-Burman (PBD) para identificar aquellas variables
que tienen ms efecto en la produccin de micelio y conidios
Matriz codificada que va desde -1 a 1. Tiene 12 corridas, 8 factores y dos respuestas

78

Se utiliz el software STATGRAPHICS centurin (CON ESTOS FOCTORES NO SE

PUEDE HACER MEDIANTE DESING EXPERT 8. POR QUE SOLO PERMITA
ARRIVA DE 11 FACTORES

2.- En el artculo para realizar la matriz pide 8 factores y 2 respuestas

79

3.-Agregar el nombre de los factores (ok). Nombre de las respuestas (ok). Escoger el
tipo de diseo Box-Behnken (BBD) (ok)

80

4.-Agregamos las respuestas y damos OK. Aparece una tabla de damos All (todos)

5.- Tabla del ANOVA

81

7. Diseo Plackett-Burman (PBD)(SCREENING) y se siguen los mismos pasos

de agregar nombre de factores y respuestas y se selecciona Plackett-Burman.

82

8.

Se agregan las respuestas en la Matriz y enseguida te vas a DOE-DESING

ANALYSIS-DESING ANALYSIS.

83

Problema No. 22.-Superficie de Respuesta

Licuefaccin agua subcrtica de fruta de palma de aceite de fibra de prensa en presencia
de hidrxido de sodio: UN ESTUDIO DE OPTIMIZACIN UTILIZANDO LA
METODOLOGA DE SUPERFICIE DE RESPUESTA.
Este estudio utiliza un diseo experimental y herramientas de optimizacin del proceso
para maximizar el rendimiento LP (producto lquido) utilizando la metodologa de
superficie de respuesta (RSM) con diseo central compuesto (CCRD).
Resumen
La descomposicin trmica de aceite de palma fruta prensa de fibra (FPF) en un
producto lquido (LP) se logr mediante el tratamiento del agua subcrtica en presencia
de hidrxido de sodio en un reactor discontinuo de alta presin. Este estudio utiliza un
diseo experimental y herramientas de optimizacin del proceso para maximizar el
rendimiento LP utilizando la metodologa de superficie de respuesta (RSM) con diseo
central compuesto (CCRD). Las variables independientes fueron la temperatura, tiempo
de residencia, tamao de partcula, la carga de la muestra, y la carga de aditivo. El
modelo matemtico que se desarroll se ajusta a los resultados experimentales as para
todas las variables de respuesta que se estudiaron. Se encontr que las condiciones
ptimas para ser una temperatura de 551 K, un tiempo de residencia de 40 min, un
tamao de partcula de 710 a 1.000 lm, una carga de muestra de 5 g, y una carga de
aditivo de 9 en peso % Para lograr un rendimiento LP de 76,16%.
La Matriz codificada va desde alfa a +alfa.

84

En el caso de este artculo no se pudo realizar la matriz por medio de los diferente
software, ya que no se encontr la opcin de como eliminar el alfa del factor 5.
Matriz del Articulo

85