Académique Documents
Professionnel Documents
Culture Documents
6.1 Generalidades
Los diseos factoriales 2K son una clase especial de los diseos factoriales en los que
se tienen k factores de inters a dos niveles cada uno. Son especialmente tiles en las
etapas iniciales de la investigacin para determinar, de un gran nmero de factores
candidatos, cuales son los que realmente influyen sobre la variable respuesta.
Se llaman diseos factoriales 2k porque se quiere investigar la forma como influyen k
factores sobre una variable respuesta y en cada factor se consideran dos niveles
solamente. La rplica completa de un diseo de este tipo requiere 2 x 2 x x 2 = 2k
observaciones y recibe el nombre de diseo factorial 2k.
El diseo 2k son muy tiles en las primeras etapas del trabajo experimental, cuando se
investiguen muchos factores pero, probablemente todos ellos no influyen realmente
sobre la variable respuesta. Esto diseo proporciona el nmero ms pequeo de
corridas para estudiar simultneamente k factores en un diseo factorial completo.
Dado que slo existen dos niveles para cada factor, es necesario suponer que la
respuesta es aproximadamente lineal sobre el rango de los niveles seleccionados para
el factor. As, este tipo de diseo experimental es la forma ms econmica de estudiar
el efecto combinado de k factores.
Los niveles de cada factor pueden ser cualitativos o cuantitativos y se denotan como
Alto y Bajo o mas (+) y menos (-).
A continuacin se enumeran algunas de las razones por las cuales se estudian los
diseos factoriales 2k por separado:
Los diseos 2k se pueden fraccionar. Esta caracterstica permite correr solo una
fraccin (la mitad, la cuarta parte, etc) del diseo completo y responder algunas
inquietudes del fenmeno que se estudia.
El modelo de regresin lineal para un diseo 2k es muy fcil de obtener a partir del
ANOVA. Esto se ver detalladamente ms adelante.
ab
Alto (+)
Bajo (-)
(1)
Bajo (-)
a
Alto (+)
tiene el nivel alto, y se resta de ste el promedio de las observaciones que estn en el
lado izquierdo del cuadrado, donde A tiene el nivel bajo, o
A = y A+ y A =
a + ab b + (1) 1
=
[a + ab b (1)]
2n
2n
2n
(6-1)
B = y B+ y B =
b + ab a + (1) 1
=
[b + ab a (1)]
2n
2n
2n
(6-2)
AB =
ab + (1) a + b) 1
=
[ab + (1) a b]
2n
2n
2n
(6-3)
Debido a que la cantidad dentro de corchetes cuadrados en las ecuaciones (6-1), (6-2)
y (6-3) aparece con frecuencia en los diseos 22, resulta conveniente hacer las
siguientes definiciones:
Contraste A = [a + ab b (1)]
(6-4)
ContrasteB = [b + ab a (1)]
(6-5)
(6-6)
AB
Notacin de Yates
(1)
ab
multiplicando la columna con los signos de A por la columna con los signos de B y, el
resultado son los signos del contraste AB [ver ecuacin (6-6)].
Para generar un
SC A
2
2
[
a + ab b (1)]
[
Contraste A ]
=
=
(6-7)
[b + ab a (1)]2 = [ContrasteB ]2
(6-8)
SC B =
4n
SC AB =
4n
4n
4n
4n
(6-9)
Para los diseos 22, tal vez no se ve muy til la tabla de signos. Sin embargo, en la
medida que aumenta la cantidad de factores en el diseo 2k, la utilidad de la tabla de
signos se hace ms evidente.
El Anlisis de Varianza para el diseo 22 se completa con la suma de cuadrados
totales:
SCT = yijk2
i =1 j =1 k =1
y2
4n
(6-10)
(6-11)
Fuente de
Variacin
Factor A
Factor B
Interaccin
AB
Grados
de
Suma de Cuadrados
libertad
Media de
F0
cuadrados
Valor P
SC A =
[a + ab b (1)]2 = [Contraste A ]2
MC A =
SC A
1
F0 =
MC A
MC E
Probabilidad
SC B =
[b + ab a (1)]2 = [ContrasteB ]2
MC B =
SC B
1
F0 =
MC B
MC E
Probabilidad
SC AB =
MC AB =
SC AB
1
F0 =
MC AB
MC E
Probabilidad
MC E =
4n
4n
4n
4n
4n
4n
Error
4(n-1)
Total
y2
SCT = y
4n
i =1 j =1 k =1
4n-1
SC E
4(n 1)
2
ijk
6.1.2 Diseo 23
En los diseos factoriales 23 se tienen tres factores de inters A, B y C a dos niveles
cada uno. Las ocho corridas o tratamientos del diseo 23 se pueden representar
geomtricamente como un cubo similar al que se muestra en la figura siguiente:
bc
abc
c
Alto +
ac
Factor C
b
ab
Alto +
Factor B
Bajo
Bajo
a
(1)
Bajo
Factor A
+
Alto
A = y A+ y A
a + ab + ac + abc (1) + b + c + bc
4n
4n
1
[a + ab + ac + abc (1) b c bc]
=
4n
(6-12)
B = y B+ y B =
1
[b + ab + bc + abc (1) a c ac]
4n
(6-13)
C = y C+ y C =
1
[c + ac + bc + abc (1) a b ab]
4n
(6-14)
Efecto de A promedio
B alto (+)
EfectoAPara B + =
B bajo (-)
EfectoAPara B =
[(abc bc ) + (ab b )]
2n
{(ac c ) + [a (1)]}
2n
AB =
(6-15)
AC =
(6-16)
BC =
(6-17)
bc
c
ac
abc
ac
ab
ab
(1)
(1)
abc
ac
ab
(1)
bc
bc
abc
c
Efectos principales A, B y C
bc
bc
bc
abc
abc
c
(1)
ac
ac
ab
a
abc
ac
ab
(1)
(1)
ab
a
ac
b
(1)
abc
Corridas
Corridas +
ab
Interaccin
de tres factores
Figura 6.3 Calculo de los efectos principales y de interaccin en un diseo 23
La Figura 6.3 muestra los vrtices del cubo (tratamientos) que deben ir positivos y/o
negativos para el clculo de cada efecto. Estos signos concuerdan con los obtenidos
anteriormente en las ecuaciones de la (6-12) a la (6-17) y los que se vern ms
adelante en la tabla de signos que se ver ms adelante (Tabla 6.4).
ABC=
[abc-bc -ac+c-ab+b+a-(1)]
4n
(6-18)
Tratamiento
1
2
3
4
5
6
7
8
Yates
(1)
a
b
ab
c
ac
bc
abc
A
+
+
+
+
B C AB AC BC ABC
- - +
+
+
- - +
+
+ - +
+
+ - +
- + +
+
+
- + +
+
+ + +
+
+ + +
-
En la tabla de signos (Tabla 6.4) se puede obtener con facilidad los signos para los
contrastes de interaccin, multiplicando las columnas adecuadas de los efectos
principales. As, por ejemplo, la columna con los signos de interaccin AC se puede
obtener multiplicando la columna de A con la columna C rengln a rengln. Y el
contraste AC, resulta simplemente de multiplicar la columna de Yates en la Tabla 6.4
por la columna de signos AC:
(6-19)
Efecto =
SC =
Contraste
4n
(Contraste)2
8n
(6-20)
(6-21)
6.1.3 Diseo 2k
Despus de tratar los diseos 22 y 23 con cierto detalle, nos proponemos a explicar el
caso general de los diseos 2k. En estos diseos, tenemos k factores de inters. La
tabla de signos (para k 6) se muestra a continuacin:
Tratamiento Yates
1
(1)
2
a
3
b
4
ab
5
c
6
ac
7
bc
8
abc
9
d
10
ad
11
bd
12
abd
13
cd
14
acd
15
bcd
16
abcd
17
e
18
ae
19
be
20
abe
21
ce
22
ace
23
bce
24
abce
25
de
26
ade
27
bde
28
abde
29
cde
30
acde
31
bcde
32
abcde
A
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
B
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
C
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
D
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
E
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
F
-
Tratamiento
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
Yates
f
af
bf
abf
cf
acf
bcf
abcf
df
adf
bdf
abdf
cdf
acdf
bcdf
abcdf
ef
aef
bef
abef
cef
acef
bcef
abcef
def
adef
bdef
abdef
cdef
acdef
bcdef
abcdef
A
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
B
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
C
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
D
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
E
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
F
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
Tratamiento
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Yates
(1)
a
b
ab
c
ac
bc
abc
d
ad
bd
abd
cd
acd
bcd
abcd
A
+
+
+
+
+
+
+
+
B
+
+
+
+
+
+
+
+
C
+
+
+
+
+
+
+
+
D AB
+
+
+
+
+ +
+
+
+ +
+ +
+
+
+ +
(6-22)
De la misma forma se pueden obtener los dems contrastes para el clculo de efectos
[Ecuacin (6-23)] y la suma de cuadrados [Ecuacin (6-24)]
para el Anlisis de
Varianza.
Efecto =
SC =
Contraste
n 2 k 1
(Contraste )2
n2 k
(6-23)
(6-24)
correspondiste es:
y = 0 + 1 x1 + 2 x2 + 12 x1 x2
(6-25)
Efecto en ANOVA
2
(6-26)
(6-27)
Se debe recordar que los valores de las variables en el modelo de regresin estn
codificadas al intervalo [-1, 1]. Esto quiere decir que si se quiere expresar el modelo en
las unidades en las que realmente se mide la variable se debe hacer la transformacin
correspondiste. Esta transformacin se ilustra en la figura siguiente:
Factor en escala
normalizada
+1
Bajo
Factor en
Alto
escala real
-1
xcod . =
(6-28)
2 x A ABajo AAlto
y = 0 + 1
AAlto ABajo
2 x A ABajo AAlto
+ 12
AAlto ABajo
2 x BBajo B Alto
+ 2 B
B B
Alto
Bajo
2 x B BBajo B Alto
B B
Alto
Bajo
(6-29)
Sin embargo, siempre se prefiere trabajar el modelo con las variables codificadas (en
el intervalo [-1,1])
Si los factores son cuantitativos, el modelo de regresin, se puede utilizar, con toda
confianza, para predecir el valor de la variable respuesta para cualquier punto entre -1
y 1 (si el factor o variable est codificado) o desde el valor bajo al alto si la variable o
factor no est codificado. Es decir, el modelo de regresin se puede utilizar para
interpolar cualquier valor intermedio de la variable respuesta sin problemas pero no se
debe utilizar para extrapolar.
Factor insignificante D
despreciables.
Por
consiguiente,
cuando
el
nmero
de
factores
es
moderadamente grande (por ejemplo, k 4 o 5), una prctica comn es correr slo
una rplica del diseo 2k y luego combinar las interacciones de orden superior como
una estimacin del error. En ocasiones, una nica rplica de un diseo 2k se conoce
como diseo factorial 2k sin rplica.
Cuando se analizan datos que provienen de diseos factoriales sin rplica, en
ocasiones se presentan interacciones reales de orden superior. En estos casos resulta
inapropiado utilizar la media de cuadrados del error obtenida al combinar las
interacciones de orden superior. Para resolver este problema puede emplearse un
mtodo de anlisis ms sencillo. Para ello se construye una grfica de las
estimaciones de los efectos sobre una escala de probabilidad normal. Los efectos que
son despreciables tienen una distribucin normal, con media cero y varianza 2, y
tienden a caer a lo largo de una lnea recta sobre esta grfica, mientras que los efectos
significativos tienen medias distintas de cero y no se alinean a los largo de la lnea
recta.
ab
b
Alto (+)
Corrida
Central
Medio
Bajo (-)
(1)
Bajo (-)
Medio
a
Alto (+)
Figura 6.6 Representacin geomtrica del diseo 22 con corridas centrales o puntos centrales
Para ilustrar este enfoque, considrese un diseo 22 con una observacin en cada uno
de los puntos factoriales (-, -), (+, -), (-, +) y (+, +), y nC observaciones en los puntos
centrales (0, 0). La Figura 6.6 ilustra esta situacin. Sean y F y y C los promedios de
las cuatro corridas en los cuatro puntos factoriales y el promedio de las nC corridas en
el punto central, respectivamente. Si la diferencia y F - y C es pequea, entonces los
puntos centrales se encuentran sobre el plano que pasa por todos los puntos
factoriales, o cerca de l, y no hay curvatura. Por otra parte, si
y F - y C es grande,
SS Curvatura
n n (y y C )
= F C F
nF + nC
(6-30)
Y = 0 + j x j + ij xi x j + jj x 2 +
j =1
i< j i< j
(6-31)
j =1
H 0 : jj = 0
j =1
k
(6-32)
H 1 : jj 0
j =1
Por otra parte, si los puntos factoriales en el diseo no estn replicados, entonces
pueden emplearse los nC puntos centrales para construir una estimacin del error con
nC -1 grados de libertad.
Tratamiento
(1)
a
b
ab
A
+
+
B AB
- +
- + + +
Contraste AB = [(1) a b + ab ]
b
ab
Corridas Bloque 1
(1)
ab
a
b
Bloque 1
Bloque 2
Corridas Bloque 2
(1)
Este diseo se muestra en la Figura 6.7. Ntese que el bloque 1 contiene las
combinaciones de tratamientos (1) y ab, y que el bloque 2 contiene a a y b. Los
contrastes para estimar los efectos principales de los factores A y B son
ContrasteA = ab + a b (1)
ContrasteB = ab + a b (1)
Observe que estos contrastes no se ven afectados por la formacin de bloques puesto
que en cada uno de ellos existe slo una combinacin de tratamientos ms y una
menos de cada uno de los bloques. Esto es, cualquier diferencia entre el bloque 1 y el
bloque 2 que aumente las lecturas en un bloque por una constante aditiva, ser
cancelada. El contraste para la interaccin AB es
ContrasteAB = ab + (1) a b
Puesto que las dos combinaciones de tratamientos con los signos ms, ab y (1), estn
en el bloque 1 y las dos con los signos menos, a y b, estn en el bloque 2, los efectos
del bloque y la interaccin AB son idnticos. Esto es, la interaccin AB queda
confundida con bloques.
La razn de esto es evidente en la tabla de signos ms y menos del diseo 22 que
aparece en la Figura 6.7. De sta se observa que todas las combinaciones de
tratamientos que tienen un signo ms en AB estn asignadas al bloque 1, mientras
que todas las combinaciones de tratamientos que tienen un signo menos en AB estn
asignadas al bloque 2.
Este esquema puede emplearse para confundir cualquier diseo 2k en dos bloques.
Como segundo ejemplo considrese un diseo 23, efectuado en dos bloques. De la
tabla de signos ms y menos (Figura 6.8), se asignan las combinaciones de
tratamientos que son menos en la columna ABC al bloque 1, y las que son ms en la
columna ABC al bloque 2. El diseo resultante se muestra en la Figura 6.8.
Combinacin de
Tratamientos
(1)
a
b
ab
c
ac
bc
abc
I
+
+
+
+
+
+
+
+
A
+
+
+
+
Efectos Factoriales
B AB C AC BC ABC
- + - + +
- - - - +
+
+ - - +
+
+ + - - + + +
- - + +
+ - + - +
+ + + + +
+
ac
Corridas + (Bloque 2)
b
ab
(1)
(1)
ab
ac
bc
a
b
c
abc
Bloque 1
Bloque 2
L = x1 + x2 + x3
b:
b (1)
=b
b ab = ab2 = a
b ac
= abc
2
b bc = b c = c
Combinacin de
Tratamientos
a
b
c
abc
ab
ac
bc
(1)
I
+
+
+
+
+
+
+
+
A
+
+
+
+
Efectos Factoriales
B C AB AC BC ABC
+
+
+ +
+
+ +
+
+ + + + +
+
+ +
+ +
+ + +
+ + +
bc
abc
c
ac
(1)
Relacin de
definicin
del diseo
Combinacin
Efecto
Explicacin
[a b c + abc]
A+BC
[-a + b c + abc]
B+AC
[-a b + c + abc]
C+AB
interaccin ABC. Sin embargo, las interacciones de orden superior, usualmente, son
despreciables en el mundo real.
En general, la fraccin a realizar se escoge de tal suerte que los efectos principales y
las interacciones de orden inferior que son de inters formen alias slo con
interacciones de orden superior (las que probablemente son despreciables).
Supngase que en lugar de escoger la mitad superior de la Figura 6.9 para fraccionar
al diseo 23, se hubiera escogido la mita inferior. Es decir la combinacin de
tratamientos en los que ABC tiene signo negativo. Estas cuatro corridas se muestran
en color amarillo en la Figura 6.9. La relacin de definicin para este diseo es I = ABC. Los alias son A =-BC, B = -AC, y C = -AB. Por tanto, las estimaciones de A, B y
C que se obtienen de esta fraccin en realidad estiman A BC, - B AC y C AB. En
la prctica, usualmente no es importante la fraccin un medio que se escoja pues
ambas son lleva a resultados equivalentes. La fraccin con el signo ms en la relacin
de definicin se conoce como fraccin principal, y la otra como fraccin alternativa.
A=
( A + BC ) fraccin + ( A BC ) fraccin
principal
alternativa
(6-33)
BC =
( A + BC ) fraccin ( A BC ) fraccin
principal
alternativa
(6-34)
Diseos de Resolucin III. En estos diseos los efectos principales no son alias entre
s, pero si pueden ser alias con alguna interaccin doble. El diseo 23-1 pertenece a
esta clase. Lo usual es utilizar un nmero romano como subndice para indicar la
resolucin 2 3III1
Diseos de Resolucin IV. Son diseos en los que ningn efecto principal tiene alias
con otro efecto principal o con interacciones entre dos factores, pero estas pueden
tener alias entre s. El diseo 24-1 con relacin de definicin I = ABCD (o I = - ABCD) es
de resolucin IV. Este diseo se denota como 2 4IV1
Diseos de Resolucin V. En estos diseos los efectos principales y las
interacciones dobles son alias con interacciones triples o de orden superior, es decir,
los efectos principales y las interacciones dobles se pueden determinar limpiamente.
Un ejemplo de un diseo con esta resolucin es el diseo 25-1 ( 2V51 ) con relacin de
definicin I = ABCDE (o I = - ABCDE).
1. Se construye la tabla de signos para un diseo factorial completo con k-1 factores
y de esta forma se tienen las primeras k-1 columnas de la fraccin deseada.
D= ABC
6.4.4
Un diseo factorial 2k-2 representa la cuarta parte del diseo factorial completo. Para
generar este diseo se necesitan dos efectos generadores, los cuales se toman de las
interacciones de orden superior y que al mismo tiempo su producto sea tambin una
interaccin de orden superior.
primeros que se escogieron y el que resulta del producto entre ellos y ninguno de ellos
se puede estimar. La estructura de alias se obtiene a partir de los dos generadores
iniciales y su producto. Por lo tanto cada efecto tiene tres alias. En general, el nmero
de palabras de la relacin definidora indica el nmero de alias que tendr cada efecto,
y multiplicando un efecto cualquiera por esta relacin se determinan sus alias.
Una forma sencilla de construir un diseo factorial 2k-2 es:
1. Se escribe el diseo 2k-2 como si fuera un diseo factorial completo con k-2
factores y de esta forma se obtienen los primeros k-2 factores.
2. Los niveles que corresponden a los factores de las dos ltimas columnas (factores
k-1 y k) se obtienen multiplicando columnas previas de acuerdo a los generadores
escogidos.
Veamos este procedimiento de dos pasos para construir un diseo factorial 25-2:
1. Se parte del diseo factorial completo 23 para los tres factores A, B y C
2 5III2
Se observa en la Tabla 6.7 que cada efecto principal tiene al menos una interaccin
doble como alias que es lo que conduce a un diseo de resolucin III.
De la Tabla 6.7 se puede asumir que las interacciones de orden superior son
despreciables y por lo tanto eliminarlas del modelo para obtener una estructura de
alias reducida (ver Tabla 6.8)
A + BD + CE
B + AD
C + AE
D + AB
E + AC
BC + DE
BE + CD
Tabla 6.8 Estructura de alias reducida para un diseo
2 5III2
Cuando se alan efectos con la misma jerarqua, como en el caso de BD + CE, debe
decidirse con base en el conocimiento del proceso, a que interaccin se atribuye el
efecto observado en el caso que resulte significativo. Otra manera es fijarse en qu
efectos principales resultan significativos ya que estos tienen ms probabilidad de
estar activos en sus interacciones.
II
III
Total
82
80
84
(1) = 246
78
82
79
(a) = 239
71
70
66
(b) = 207
89
88
93
(ab) = 270
d. Seale en forma especfica cmo utilizara los contrastes para calcular los
efectos y la suma de los cuadrados.
e. Cmo aplicara los tres principios bsicos del diseo de experimentos en
este caso para cada uno de los efectos anteriores?
3. A continuacin se muestran los resultados obtenidos en un diseo factorial 23 no
replicado. Conteste los siguientes incisos sin utilizar un software computacional, es
decir, haga las operaciones que se le piden de forma manual.
Cdigo?
25
12
30
10
10
14
31
17
Qu tendra que hacer para saber si los efectos que clculo en los incisos
anteriores, afectan de manera significativa a la variable de respuesta?
Seale en forma especfica cmo utilizara los contrastes para calcular los
efectos y la suma de los cuadrados.
j.
Ingrediente B
Ingrediente C
Viscosidad
-1
-1
-1
13.3, 13.7
+1
-1
-1
14.7, 14.4
-1
+1
-1
14.6, 14.5
+1
+1
-1
14.3, 14.1
-1
-1
+1
16.9, 17.2
+1
-1
+1
15.5, 15.4
-1
+1
+1
17.0, 17.1
+1
+1
+1
18.9, 19.0
Repeticin
Tratamiento
(1)
22
31
25
32
43
29
35
34
50
ab
55
47
46
44
45
38
ac
40
37
36
bc
60
50
54
abc
39
41
47
A1
B0
B1
B0
B1
C0
C1
C0
C1
C0
C1
C0
C1
D0
12
17
13
20
18
15
16
15
D1
10
19
13
17
25
21
24
23
a. Analice estos datos con el uso de todos los criterios existentes para
encontrar el mejor ANOVA. En las figuras considere de entrada los 15
efectos posibles.
b. Cules efectos estn activos?
c. Determine el mejor tratamiento.
d. Prediga el rendimiento esperado en el mejor tratamiento y d un intervalo
de confianza para el rendimiento futuro.
e. Compruebe los supuestos del modelo.
f.
Puede este diseo colapsarse en uno 23 con dos rplicas? De ser posible,
hgalo y repita los incisos anteriores para este nuevo diseo.
8. En una empresa panificadora existen problemas con la simetra y el color del pan
integral. Los responsables del proceso sospechan que el problema se origina
desde la fase de fermentacin. En sta se combina agua, harina, cierta cantidad
de levadura ms una serie de ingredientes como fosfato, sal, etc. Al final de la
fermentacin se obtiene lo que se llama esponja lquida la cual debe cumplir una
serie de parmetros de calidad: una acidez total titulable (ATT) mayor a 6.0 y un
pH mayor a 4.8. Sin embargo, no se ha cumplido con dichas exigencias de calidad;
se han hecho algunos intentos experimentales con un factor a la vez, pero los
resultados han sido malos. En busca de una mejor estrategia experimental, se
decide utilizar un diseo factorial fraccionado 26-2 para investigar el efecto de seis
factores en las variables ATT y pH. Los primeros cinco factores se refieren a cierta
cantidad que se agrega en la fermentacin: A: levadura (17,19), B: sal (2.5, 3.7), C:
fosfato (2.0, 3.6), D: sulfato (1.5, 2.2), E: cloruro (0.89, 1.20); el sexto factor es F:
temperatura inicial del agua (22, 26). Los datos obtenidos se muestran en la tabla
siguiente.
Orden de
Variables de
Matriz de diseo
corrida
9
respuesta
ATT
pH
6.2
4.86
5.6
4.86
5.8
4.85
5.8
4.99
14
5.7
4.94
10
6.4
4.74
13
6.4
4.83
12
6.6
4.85
11
5.3
4.81
6.6
4.81
15
5.2
4.98
16
5.5
4.98
6.9
4.84
7.1
4.85
6.7
4.96
6.9
4.84
a. Observe los datos con cuidado, sobre todo los correspondientes al pH,
qu observa de destacado? A qu puede deberse eso?
9. Se piensa que cuatro factores tienen influencia sobre el sabor de un refresco: tipo
de endulzante (A), proporcin jarabe/agua (B), nivel de carbonatacin (C) y
temperatura (D). Cada factor puede correrse en dos niveles, lo que produce un
diseo 24. En cada corrida del diseo, se dan muestras de la bebida a un grupo
de prueba formado por 20 personas. Cada una de ellas asigna un puntaje a la
bebida, que va de 1 a 10. El puntaje total es la variable de respuesta, y el objetivo
es encontrar una frmula que maximice el puntaje total. Se corren dos rplicas de
este diseo, y los resultados se muestran a continuacin. Analice los datos y
obtenga conclusiones. Utilice = 0.05 y las prueba estadsticas.
Combinacin
de
Rplica
Rplica
Combinacin de
II
tratamientos
II
(1)
159
163
164
159
168
175
ad
187
189
158
163
bd
163
159
ab
166
168
abd
185
191
175
178
cd
168
174
ac
179
183
acd
197
199
bc
173
168
bcd
170
174
abc
179
182
abca
194
198
tratamientos
Orden real
Nmero
de corrida
de la
A B C D
Rendimiento
corrida
(lbs)
Bajo (-)
Alto
(+)
12
A (h)
2.5
18
B (%)
14
18
13
C (psi) 60
80
13
16
D (C)
250
17
15
14
20
15
10
10
11
25
11
13
12
15
24
13
19
14
16
21
15
10
17
16
12
23
225
a. Haga una grfica de las estimaciones de los efectos sobre una escala
de probabilidad normal. Qu factores son los que aparentemente
tienen los efectos ms grandes?
b. Realice un anlisis de varianza utilizando la grfica de probabilidad
normal del inciso a) como gua para formar el trmino del error. Cules
son sus conclusiones?
c. Analice los residuos de este experimento. El anlisis de stos indica
algn problema en potencia?
d. Puede reducirse este diseo en un diseo 23 con dos rplicas? Si es
as, esboce el diseo con el promedio y el rango del rendimiento den
cada punto de un cubo. Interprete los resultados.
11. Considere el experimento descrito en el ejercicio anterior. Encuentre intervalos de
confianza del 95% sobre los efectos de los factores que parezcan importantes.
Utilice la grfica de probabilidad normal como gua con respecto a los efectos que
pueden combinarse para proporcionar una estimacin del error.