DATOS EXPERIMENTALES

EXAMEN 4TO PARCIAL

6-7. Se llev a cabo un experimento para mejorar el rendimiento de un proceso qumico.
Se seleccionaron cuatro factores y se corrieron dos rplicas de un experimento
completamente aleatorizado. Los resultados se presentan en la tabla siguiente:

Diseo factorial completo

Factores:
4
Corridas : 32
Bloques:
1

Diseo de la base:
Rplicas:
Puntos centrales (total):

4, 16
2
0

Todos los trminos estn libres de estructuras alias

a) Estimar los efectos de los factores.

Efectos y coeficientes estimados para y (unidades codificadas)
Trmino
Constante
A
B
C
D
A*B
A*C
A*D
B*C
B*D
C*D
A*B*C
A*B*D
A*C*D
B*C*D
A*B*C*D

Efecto
-9.063
-1.312
-2.687
3.937
4.062
0.688
-2.187
-0.563
-0.188
1.688
-5.187
4.687
-0.938
-0.938
2.437

S = 2.76699
R-cuad. = 92.47%

Coef
82.781
-4.531
-0.656
-1.344
1.969
2.031
0.344
-1.094
-0.281
-0.094
0.844
-2.594
2.344
-0.469
-0.469
1.219

SE Coef
0.4891
0.4891
0.4891
0.4891
0.4891
0.4891
0.4891
0.4891
0.4891
0.4891
0.4891
0.4891
0.4891
0.4891
0.4891
0.4891

T
169.24
-9.26
-1.34
-2.75
4.02
4.15
0.70
-2.24
-0.57
-0.19
1.72
-5.30
4.79
-0.96
-0.96
2.49

PRESS = 490
R-cuad.(pred.) = 69.89%

P
0.000
0.000
0.198
0.014
0.001
0.001
0.492
0.040
0.573
0.850
0.104
0.000
0.000
0.352
0.352
0.024

R-cuad.(ajustado) = 85.42%

DATOS EXPERIMENTALES

EXAMEN 4TO PARCIAL

Diagrama de Pareto de efectos estandarizados
(la respuesta es y, Alfa = 0.05)
2.120
F actor
A
B
C
D

A
ABC
ABD
AB

Nombre
A
B
C
D

Trmino

D
C
ABCD
AD
CD
B
BCD
ACD
AC
BC
BD

4
5
6
7
Efecto estandarizado

Grfica de efectos principales para Rendimiento

Medias de datos
A

86
84
82

Media

80
78
-1

-1

1
D

86
84
82
80
78
-1

-1

Se muestra que el efecto potencialmente importante es el factor A, donde igualmente

todos los factores pasando la lnea 2.12 son significativos; Y la mejor condicin para
mejorar el rendimiento del proceso en los factores A, B y C es en -1, mientras que en
D es 1.

DATOS EXPERIMENTALES

EXAMEN 4TO PARCIAL

b) Construir la tabla del anlisis de varianza y determinar cules factores son

importantes para explicar el rendimiento.
Anlisis de varianza para y (unidades codificadas)
Fuente
Efectos principales
A
B
C
D
2-Interacciones de (No.) factores
A*B
A*C
A*D
B*C
B*D
C*D
3-Interacciones de (No.) factores
A*B*C
A*B*D
A*C*D
B*C*D
4-Interacciones de (No.) factores
A*B*C*D
Error residual
Error puro
Total

GL
4
1
1
1
1
6
1
1
1
1
1
1
4
1
1
1
1
1
1
16
16
31

SC Sec.
852.63
657.03
13.78
57.78
124.03
199.69
132.03
3.78
38.28
2.53
0.28
22.78
405.12
215.28
175.78
7.03
7.03
47.53
47.53
122.50
122.50
1627.47

Fuente
Efectos principales
A
B
C
D
2-Interacciones de (No.) factores
A*B
A*C
A*D
B*C
B*D
C*D
3-Interacciones de (No.) factores
A*B*C
A*B*D
A*C*D
B*C*D
4-Interacciones de (No.) factores
A*B*C*D
Error residual
Error puro
Total

P
0.000
0.000
0.198
0.014
0.001
0.009
0.001
0.492
0.040
0.573
0.850
0.104
0.000
0.000
0.000
0.352
0.352
0.024
0.024

SC Ajust.
852.625
657.031
13.781
57.781
124.031
199.687
132.031
3.781
38.281
2.531
0.281
22.781
405.125
215.281
175.781
7.031
7.031
47.531
47.531
122.500
122.500

CM Ajust.
213.156
657.031
13.781
57.781
124.031
33.281
132.031
3.781
38.281
2.531
0.281
22.781
101.281
215.281
175.781
7.031
7.031
47.531
47.531
7.656
7.656

Los factores importantes para

explicar el rendimiento son el A, D y
las interacciones entre A*B, A*D,
A*B*C y A*B*D ya que muestran
valores significativos en el anlisis de
varianza y adems sus valores P son
menores que el nivel de significancia
de alfa = 0.05.

Observaciones inusuales de Rendimiento

Obs
13
29

OrdenEst.
13
29

Rendimiento
99.0000
90.0000

Ajuste
94.5000
94.5000

EE de
ajuste
1.9566
1.9566

F
27.84
85.82
1.80
7.55
16.20
4.35
17.24
0.49
5.00
0.33
0.04
2.98
13.23
28.12
22.96
0.92
0.92
6.21
6.21

Residuo
4.5000
-4.5000

Residuo
estndar
2.30R
-2.30R

DATOS EXPERIMENTALES

EXAMEN 4TO PARCIAL

R denota una observacin con un residuo estandarizado grande.

c) Escribir un modelo de regresin para predecir el rendimiento, suponiendo que los

cuatro factores se hicieron variar en el rango -1 a +1 (en unidades codificadas).
S = 2.76699
R-cuad. = 92.47%

PRESS = 490
R-cuad.(pred.) = 69.89%

R-cuad.(ajustado) = 85.42%

Y = 82.781 - 4.531 A - 0.656 B - 1.344 C + 1.969 D + 2.031 A*B + 0.344 A*C

- 1.094 A*D - 0.281 B*C - 0.094 B*D + 0.844 C*D - 2.594 A*B*C + 2.344 A*B*D
- 0.469 A*C*D - 0.469 B*C*D + 1.219 A*B*C*D

d) Graficar los residuales contra el rendimiento predicho y en una escala de

probabilidad normal. El anlisis residual parece ser satisfactorio?

Grficas de residuos para Rendimiento

Grfica de probabilidad normal
90
50
10
1

vs. ajustes
Residuo estandarizado

Porcentaje

99

-2

-1
0
1
Residuo estandarizado

2
1
0
-1
-2

70

Histograma
Residuo estandarizado

Frecuencia

7.5
5.0
2.5

-2

-1
0
1
Residuo estandarizado

100

vs. orden

10.0

0.0

80
90
Valor ajustado

2
1
0
-1
-2
2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32

Orden de observacin

Si, ya que presenta una normalidad distribuida cerca del ajuste. Adems hay una
predominancia en 1 y -1, dnde los puntos por encima de la lnea denotan una
independencia y se puede apreciar el patrn aleatorio alrededor de la lnea central, lo que
valida el experimento.

DATOS EXPERIMENTALES

EXAMEN 4TO PARCIAL

e) Dos interacciones de tres factores, ABC y ABD, aparentemente tienen efectos

grandes. Trazar una grfica de cubo en los factores A, B y C con los rendimientos
promedio indicados en cada vrtice. Repetir lo anterior utilizando los factores A, B
y D. Estas dos grficas ayudan a la interpretacin de los datos? Dnde se
recomendara que se corriera el proceso con respecto a las cuatro variables?
Grfica de cubos (medias de los datos) para Rendimiento
85.25

75.75

84.00

83.50

86.00

78.75
1
C

94.00

75.00

-1

-1

-1
A

Grfica de cubos (medias de los datos) para Rendimiento

85.25

82.75

84.00

76.50

95.50

75.50
1

84.50

78.25

-1

-1

D
-1

DATOS EXPERIMENTALES

EXAMEN 4TO PARCIAL

Solo nos ayudan a interpretar cul es el efecto ms significativo, mostrando la

relacin existente entre varios factores.
Es ms recomendable correr el proceso en donde el valor del rendimiento sea ms
significativo, en este caso en la interaccin A*B*C.

6-8. Un bacterilogo est interesado en los efectos de dos medios de cultivo diferentes y
dos tiempos diferentes sobre el crecimiento de un
virus particular. Realiza seis rplicas de un diseo
2^2, haciendo las corridas de manera aleatoria.
Analizar los datos del crecimiento viral que se
presenta enseguida y sacar las conclusiones
apropiadas. Analizar los residuales y comentar la
adecuacin del modelo.

Diseo factorial de mltiples niveles

Factores:
Corridas base:
Bloques base:

2
4
1

Rplicas:
Total de corridas:
Total de bloques:

6
24
1

Nmero de niveles: 2, 2

Modelo lineal general: Crecimiento vs. Tiempo, Cultivo

Factor
Tiempo
Cultivo

Tipo
fijo
fijo

Niveles
2
2

Valores
12, 18
1, 2

Anlisis de varianza para Crecimiento, utilizando SC ajustada para pruebas

Fuente
Tiempo
Cultivo
Tiempo*Cultivo
Error
Total
S = 2.26016

GL
1
1
1
20
23

SC Sec.
590.04
9.38
92.04
102.17
793.63

SC Ajust.
590.04
9.38
92.04
102.17

R-cuad. = 87.13%

CM Ajust.
590.04
9.38
92.04
5.11

F
115.51
1.84
18.02

R-cuad.(ajustado) = 85.20%

P
0.000
0.191
0.000

DATOS EXPERIMENTALES

EXAMEN 4TO PARCIAL

Observaciones inusuales de Crecimiento
Obs
17

Crecimiento
28.0000

EE de
ajuste
0.9227

Ajuste
23.3333

Residuo
4.6667

Residuo
estndar
2.26 R

R denota una observacin con un residuo estandarizado grande.

Medias de cuadrado mnimo para Crecimiento

Tiempo
12
18
Cultivo
1
2
Tiempo*Cultivo
12
1
12
2
18
1
18
2

Media
24.67
34.58

Error
estndar
de la
media
0.6525
0.6525

30.25
29.00

0.6525
0.6525

23.33
26.00
37.17
32.00

0.9227
0.9227
0.9227
0.9227

Grficas de residuos para Crecimiento

Grfica de probabilidad normal
Residuo estandarizado

Porcentaje

99
90
50
10
1

vs. ajustes

-2

-1
0
1
Residuo estandarizado

2
1
0
-1
-2

25

30
Valor ajustado

vs. orden
Residuo estandarizado

Histograma

Frecuencia

4.8
3.6
2.4
1.2
0.0

-1

0
1
Residuo estandarizado

35

2
1
0
-1
-2
2

8 10 12 14 16 18 20 22 24
Orden de observacin

DATOS EXPERIMENTALES

EXAMEN 4TO PARCIAL

El anlisis de varianza nos muestra que los efectos ms significativos sobre el crecimiento
de un virus en particular son el tiempo y su interaccin con el medio de cultivo. Por lo que
las grficas residuales presentan una distribucin normal con los datos muy cerca unos de
otros de la lnea de ajuste. Esto quiere decir que el crecimiento dado en los intervalos de
tiempo es satisfactorio.

Grfica de efectos principales para Crecimiento

Medias de datos
Tiempo

35.0

Cultivo

Media

32.5

30.0

27.5

25.0
12

18

Grfica de interaccin para Crecimiento

Medias de datos
38

Tiempo
12
18

36
34

Media

32
30
28
26
24
22
1

2
Cultivo

DATOS EXPERIMENTALES

EXAMEN 4TO PARCIAL

La grfica de efectos muestra que las mejores condiciones para el crecimiento del virus se
deben dar en un tiempo de 18hrs y con el cultivo nmero 1.
Adems, se puede apreciar que no hay una interaccin entre ambas variables, por lo que
si alguna cambia, no afectara directamente en el rendimiento.

6-9. Un ingeniero industrial empleado por una compaa refresquera est interesado en
los efectos de dos diferentes tipos de botellas de 32 onzas sobre el tiempo de entrega de
cajas de 12 botellas del producto. Los dos tipos de botellas son de vidrio y plstico. Se
usan dos empleados para realizar una tarea que
consiste en mover 40 cajas del producto 50 pies
de una plataforma de carga estndar y
acomodarlas en un estante de venta. Se hacen
cuatro rplicas de un diseo factorial 2^2 y los
tiempos observados se enlistan en la siguiente
tabla. Analizar los datos y sacar las conclusiones
apropiadas. Analizar los residuales y comentar la adecuacin del modelo.

Diseo factorial de mltiples niveles

Factores:
Corridas base:
Bloques base:

2
4
1

Rplicas:
Total de corridas:
Total de bloques:

4
16
1

Nmero de niveles: 2, 2

Modelo lineal general: Tiempo vs. Tipo de botella, Empleado

Factor
Tipo de botella
Empleado

Tipo
fijo
fijo

Niveles
2
2

Valores
Vidrio, Plstico
1, 2

Anlisis de varianza para Tiempo, utilizando SC ajustada para pruebas

DATOS EXPERIMENTALES

EXAMEN 4TO PARCIAL

Fuente
Tipo de botella
Empleado
Tipo de botella*Empleado
Error
Total
S = 0.370487

GL
1
1
1
12
15

SC Sec.
2.1389
1.6706
0.4590
1.6471
5.9156

R-cuad. = 72.16%

SC Ajust.
2.1389
1.6706
0.4590
1.6471

CM Ajust.
2.1389
1.6706
0.4590
0.1373

R-cuad.(ajustado) = 65.20%

F
15.58
12.17
3.34

Observaciones inusuales de Tiempo

Obs
2

Tiempo
6.65000

Ajuste
5.98250

EE de
ajuste
0.18524

Residuo
0.66750

Residuo
estndar
2.08 R

R denota una observacin con un residuo estandarizado grande.

Medias de cuadrado mnimo para Tiempo

Tipo de bote
Vidrio
Plstico
Empleado
1
2
Tipo de bote*Empleado
Vidrio
1
Vidrio
2
Plstico
1
Plstico
2

Media
5.490
4.759

Error
estndar
de la
media
0.1310
0.1310

4.801
5.447

0.1310
0.1310

4.997
5.982
4.605
4.913

0.1852
0.1852
0.1852
0.1852

P
0.002
0.004
0.092

DATOS EXPERIMENTALES

EXAMEN 4TO PARCIAL

Grficas de residuos para Tiempo

Grfica de probabilidad normal
90
50
10
1

vs. ajustes
Residuo estandarizado

Porcentaje

99

-2

-1
0
1
Residuo estandarizado

2
1
0
-1
-2

Histograma
Residuo estandarizado

Frecuencia

3
2
1

-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5

Residuo estandarizado

5.0
5.5
Valor ajustado

6.0

vs. orden

4.5

2.0

2
1
0
-1
-2

1 2 3 4 5 6 7

8 9 10 11 12 13 14 15 16

Orden de observacin

Los efectos ms significativos sobre el tiempo de entrega son el tipo de botella y el

empleado. La grfica de residuos presenta una normalidad cercana al ajuste, lo que valida
el modelo. Adems la variabilidad en los factores es independiente, donde el tipo de
botella afecta ms al tiempo de entrega que la relacin entre empleado-tipo de botella, y
se puede apreciar con el patrn aleatorio alrededor de la lnea central.

DATOS EXPERIMENTALES

EXAMEN 4TO PARCIAL

Grfica de efectos principales para Tiempo
Medias de datos
Tipo de botella

Empleado

5.5
5.4

Media

5.3
5.2
5.1
5.0
4.9
4.8
4.7
Vidrio

Plstico

Grfica de interaccin para Tiempo

Medias de datos
6.00

Tipo de
botella
Vidrio
Plstico

5.75

Media

5.50
5.25
5.00
4.75
4.50
1

2
Empleado

Es notorio que tiene un mayor efecto con el tiempo el tipo de botellas de vidrio que las de
plstico, al igual que el empleado 2, por lo que para hacer un menor tiempo de entrega es
recomendable las botellas de plstico y el empleado 1, pero para una mejor calidad de
producto es mejor el tipo de botella de vidrio y el empleado 2.
Como se puede apreciar no hay interaccin entre ambos factores, por lo que si alguno
cambia, no afectar directamente al tiempo de entrega de la compaa refresquera.