INSTITUTO TECNOLGICO SUPERIOR

DE ALVARADO

INGENIERA INDUSTRIAL

Materia:

ESTADISTICA INFERENCIAL II

Semestre-Grupo:
4 SEMESTRE

Producto Acadmico:
DISEOS FACTORIALES CON 2 FACTORES

Presenta:
JOSE NESTOR ORTIZ ESPEJO
No. 146Z0267

Docente:
AGUSTIN GARCIA Z.

FECHA 20/06/2016

H. Y. ALVARADO, VER.
2. Diseo de experimentos
Estadstica
 2.1 Diseos Factoriales
(dos factores)

Ejemplo
ANTDOTO
NO
S
I
V
E
N
E II
 A 0.82 0.43 0.45 0.45
1.10 0.45 0.71 0.46
III B 0.88 0.63 0.66 0.43
0.72 0.72 0.62 0.36
C 0.92 0.44 0.56 0.29
0.61 0.35 1.02 0.40
D 0.49 0.31 0.71 0.23
1.24 0.40 0.38 0.22
0 0.30 0.23 0.30 0.21
. 0.37 0.25 0.36 0.18
3 0.38 0.24 0.31
1 0.23 0.29 0.22 0.33

Se analiza el efecto de tres venenos y cuatro antdotos

en el tiempo de supervivencia de unas ratas.

Diseo Experimentos 3

Modelo
Factor 1
1 2 I yijk uijk
y111 y 211 y I11 i j ij
y112 y 212 y I 12
1 Normalidad
y11m y 21m Independencia
y I1m y121 y 221
F y I 21 Homocedasticidad
ac y122 y 222 y I 22
to 2
r
2
y12m y 22m y I 2m I J tratamientos
y1J1 y 2 J1 y IJ1 m replicaciones
y1J 2 y2 J 2
J n=m I J
y IJ 2

y1Jm y 2 Jm y IJm

Diseo Experimentos 4
 2

F
ac
to
r
2

Factor 1
1 ... I

1 ...
1 1 11 2 1 21 I 1 I1

2 ...
1 2 12 2 2 22 I 2 I2

J ...
1 J 1J 2 J 2J I J IJ
 Modelo
yijk i j ij uijk
J I
I 0 j 1 j 0 i 1 ij 0, j
i 1 i
J
: Media global j1 ij
0, i
i: Efecto del Factor 1 i, i=1,...,I
j: Efecto del Factor 2 j, j=1,...,J
ij: Interaccin de niveles ij
2
uijk : Componente aleatoria N(0, ),

Diseo Experimentos 6
 s

Estimacin del modelo

: 1 y
yi y
i
: I 1 i

j y j
y
j
: J 1
y ij yi y y
: (I 1)(J
ij
ij j
2
e
2 2 ijk
1) R
IJ (m 1)
2
: 1

m J m I m I J m
yijk yi yijk y yijk y yijk
j
k 1 j 1 k 1 i 1 k 1 i 1 j 1 k 1
y ij
m mJ mI n
Diseo Experimentos 7

Estimacin del modelo

yijk i j ij uijk

yijk i j ij
eijk

eijk yijk ( i j ij ) yijk yij

Diseo Experimentos 8
Estimacin
ANTDOTO
A B 0.37 0.18 0.38 0.23 0.29
0.31 0.21 0.34
V 0.82 0.45
I
1.10 0.46
E 0.88 0.43
0.72 0.41
N 0.88
0.36
II
E
0.92 0.29
N
0.61 0.40
O
III 0.49 0.23 1.24
S 0.32

0.82 0.22

0.30 0.21
C 0 .56 0.61
. 0.44
D 6
3 0.56 0.35 1.02
0 0.31
. 0
4 . 0.71 0.40
3 6
0 6 0.38 0.38
.
4 0
0.67 0.23
5 .
0 7
0.30 0.25
. 2
4
0.36 0.24
5 0
0 .
. 6 0.31 0.22
7 2
1 0.33
0 0.24 0.33

Diseo Experimentos 9

Estimacin
ANTDOTO
A B C D Medias
0,31 0,43
i
0,82 0,45 0,45 0,45
V I 1,10 0,46 0,71 0,63 0,615 0,136
0,88 0,43 0,66 0,72
0,72 0,62
E Medias
0,41 0,88 0,56 0,61
ij
N -0,038 0,032
0,067 0,36 -0,061 0,44
II 0,544 0,066
E 0,92 0,29 0,56 0,35
0,61 0,40 1,02 0,31
0,49 0,23 0,71 0,40
N Medias 1,24 0,38
ij 0,32 0,82 0,38 0,67
O
-0,060 -0,080
III 0,276 -0,202
S 0,073 0,22 0,068 0,23
0,30 0,21 0,30 0,25
Medias 0,37 0,18 0,36 0,24
0,38 0,23 0,31 0,22
0,29 0,33

0,21 0,34 0,24 0,33

ij
0,098 -0,139 0,198
Medias 0,314 0,677
-0,164
j
0,048 -0,007
-0,089 0,056
0,389 0,534 0,479

Diseo Experimentos 10
 Residuos
RESIDUOS
ANTDOTO
A B C D 0.00 0.00
2 ijk
-0.103 -0.060 -0.128 0.00
2
0.00 e
2
V -0.160 0.038 0.220 -0.108 1)
I sR
0.100 0.048 0.000 0.073
E 0.050 0.018 -0.160 0.163
0.010 0.00 0.00 0.00 IJ (
N 0.00

II
0.040 0.105 0.065
2
m
E -0.108 -0.030 -0.205 -0.025
0.353 0.080 -0.325 -0.065
N 0.043 -0.090 0.425 0.025
-0.288
O 0.00 0.00 0.00
III
0.00 0.010 -0.035 -0.005
S -0.025 0.000 0.035 0.015 e
0.035 -0.030 0.045 0.005
-0.015 0.020 -0.045 -0.015
0.005
 0,022

Diseo Experimentos 11

Anlisis de la varianza

yijk i j ij uijk yijk i j ij

eijk
yijk y ( yi y ) (y j
y ) ( y ij yi y j
y ) ( yijk y ij )
yijk y ( yi y ) (y j
y ) ( y ij yi y j
y ) eijk
I J m 2 I J m 2 I J m 2
( yijk y ) ( yi y ) (y j
y )
i 1 j 1 k 1 i 1 j 1 k 1 i 1 j 1 k 1
I J m 2 I J m
y ) eijk
( y ij yi y j i 1 j 1 k 1
i 1 j 1 k 1

I J m I J
2 2 2
( yijk y ) mJ ( yi y ) mI (y j
y )
i 1 j 1 k 1 i 1 j 1
I J I J m
2 2
m ( y ij yi y j
y ) ijk
i 1 j 1 i 1 j 1 k 1

Diseo Experimentos 12
 Variabilidades
I J m 2
VT ( yijk y )
i 1 j 1 k 1
I 2
VE ( A) mJ ( yi y )
i 1
J 2
VE (B) mI (y j
y )
j 1
I J
2
VE ( A B) m ( y ij yi y j
y )
i 1 j 1
I J m 2
VNE ( yijk y ij )
i 1 j 1 k 1

VT VE(A) VE(B) VE( A B) VNE

(n 1) (I 1) (J 1) (I 1)(J 1) IJ (m 1)

Diseo Experimentos 13
 Contraste de Hiptesis
Si el Veneno no influye, los I niveles son iguales
a efectos de tiempo de supervivencia, entonces
I
1 2 I i 1 i 0

H0 : 1 2 I 0
H1 : Algn i es distinto
de 0

Diseo Experimentos 14
 Contraste efecto principal de factor A

H0 : 1 2 I 0
H1 : i es distinto de 0
Algn
s R2 VNE E[s R ]
2 2

IJ (m 1)
2 2
2 VE( A) E[s A ]
Si Ho
es cierto, s A I 1
y )
2 I 1
FA 2 mJ iI1( y i FI
s 2
1;IJ (m 1)
A
R s R
2
s
Si FA F Se rechaza Ho
Diseo Experimentos 15

Contraste efecto principal factor B

de

H0 : 1 2 J 0
H1 : Algn j es distinto
de 0
2 2
2 VE(B) E[s B ]
Si Ho
es cierto, s B J 1
2
s 2 mI J ( y j
y ) J 1
B j 1
FB s 2 2 FJ 1;IJ (m 1)
R s R

Si FB F Se rechaza Ho
Diseo Experimentos 16
 E[s ]

Contraste interaccin AxB

H0 : 11 12 IJ

0 H 1 : Algn ij es distinto 2

de 0
2 2

VE(A B)
2 2

Si Ho es cierto, s2AB 2
2
AB
2

(I 1)(J 1) s
2
s AB
FAB 2
F( I 1)( J 1);IJ (m 1)
R
Si FAB F Se rechaza Ho
A y B interaccionan
 Diseo Experimentos 17

Tabla de anlisis de la varianza

Fuentes Suma de Grados de
Variabilid a Cuadrados Libertad. Varianza F p valor
d
sA
A mJ ( yi y ) I 1 sA sR pA
2
sB2
J 1 sB sR pB
B mI (y j
y )
2

s AB p AB
A B m ( yij yi y j
y ) 2 (I 1)(J 1) s 2
AB 2R

2
Residual eijk IJ (m 1) sR
2

Total ( yijk y )2 n 1

Diseo Experimentos 18
 Tabla de anlisis de la varianza

Fuentes Suma de Grados

Variabilid a Cuadrados Libertad. Varianza F p valor
d .
Veneno 1.033 2 0.516 23.2 .0000
Antdoto 3 0.307 13.8 .0000

0.921
Ven Ant 0.250 6 0.041 1.87 .11232
Residual 36 0.022
47
0.801
Total

3.005
 Diseo Experimentos 19

Contrastes mltiples: Factor A

H0 : R.R. R.R
i
1- tIJ(m-1)

j H1 :
/2
i R. Acept. H0
/2
j yi yj t /2

i yi y 2
-t /2
i j )
j yj y mJ
2

i j N( i j ,
mJ

yi yj yi yj t s
t IJ (m 1)
/2 R
mJ
2 LSD

sR Se rechaza Ho
mJ

Diseo Experimentos 20
 Contrastes mltiples: Factor B

H0 : j
R.R. R.R
i
1- tIJ(m-1)
H1 : /2
i j R. Acept. H0
/2
i y i y
i j y i y j
t /2
j y j y -t
2 2 /2
j , )
i j N( i mI mI
2
y y yi y t s
i j t IJ (m 1)
j /2 R
mI
2 LSD

sR Se rechaza Ho
mI
Diseo Experimentos 21

Intervalos de confianza
(interaccin nula)

sR
i yi t /2
mJ

sR
i y j
t /2
mI

Diseo Experimentos 22
 Intervalos de confianza

0.72
0.75

0.62
0.65

re
tie 0.52 tie 0.55
m
si
po 0.42
m
po 0.45
du0.32
0.35
os
0.22
0.25
1 2 3 A B C D
veneno

Diseo Experimentos
 antidoto
23

Diagnosis: homocedasticidad

0.6 0.6

0.3 0.3

0 0

-0.3 -0.3

-0.6 -0.6
A B C D 1 2 3
antidoto veneno
Diseo Experimentos 24
res
id
uo
s

Heterocedasticidad

0.6
0.4

0.2
0
-0.2
-0.4
-0.6
0 0.2 0.4 0.6 0.8
1 valores previstos
Diseo Experimentos 25
 Normalidad
99.9
99
pr 95
ob 80
ab 50
20
ili
5
da
1
d 0.1
-0.5 -0.25 0 0.25 0.5
Residuos
Diseo Experimentos 26
 Diagnosis: homocedasticidad
datos transformados z=1/y
1.3 1.3
0.9 0.9

0.5 0.5
0.1 0.1
-0.3 -0.3

-0.7 -0.7
-1.1 -1.1
1 2 3 A B C D
veneno
Diseo Experimentos
antidoto
27

Datos transformados

1.2
0.8

re 0.4

si 0
du -0.4
os -0.8
-1.2
0 1 2 3 4 5
6 valores previstos

Diseo Experimentos 28
 Normalidad (datos transformados)

99.9
99
pr 95
ob 80
ab 50
20
ili
5
da
1
d 0.1
-1.2 -0.8 -0.4 0 0.4 0.8 1.2
Residuos
Diseo Experimentos 29
 Tabla de anlisis de la varianza
datos transformados 1/y

Fuentes Suma de Grados

Variabilid a Cuadrados Libertad. Varianza F p valor
d .
Veneno 34.87 2 17.4 72.6 .0000
Antdoto 20.41 3 6.80 28.3 .0000
Ven Ant 1.57 6 0.26 1.09 .3867
Residual 8.68 36 0.24
Total 65.50 47

Diseo Experimentos 30
 1/t 1/t
ie ie
m m
po po

Comparaciones mltiples
intervalos de confianza

4 4
3.6 3.6
3.2 3.2
2.8 2.8
2.4 2.4
2 2
1.6 1.6
1 2 3 1 2 3 4
veneno antidoto

Diseo Experimentos 31
 Comandos en R
ARCHIVO TEXTO: venenos.txt

Diseo Experimentos 32
 Dos factores con interaccin

Diseo Experimentos 33
 Intervalos de Confianza

0.
7
0.
0. 7
6
0.
0. 6
m 5 m
ed ed 0.
ia 0. ia 5
s 4 s 0.
4
0.
3 0.
3
0.
2
I II III A B C D

VEN ANT

Diseo Experimentos 34
 Tabla ANOVA

Diseo Experimentos 35
 Comparaciones Mltiples

Diseo Experimentos 36
 Comparaciones Mltiples

Diseo Experimentos 37
 Interacciones

Diseo Experimentos 38
 Diagnosis

Diseo Experimentos 39
Diagnosis (Transformacin)

Diseo Experimentos 40
2.2 Bloques Aleatorizados
 Ejemplo de introduccin
Fluorita
0% 1% 2% 3% 4%
M 1 11.86 9.94 12.45 13.23
15.02 10.15 8.54 6.98 8.93
e 2 8.42 16.84 15.86 14.64 15.96
z 3 10.52 8.04 10.50
18.31 c 4
10.49 9.59 6.96 10.34 8.15
l 5 8.84 7.04 9.24
9.78 a 6 6.66 9.46
9.28

Se desea estudiar el efecto de la Fluorita en la

reduccin del coste energtico en la fabricacin de
cemento. Se emplean 6 mezclas distintas de materias
primas.

Diseo Experimentos 42
 Modelo
Tratamientos
1 2 I yij i j uij
1 y11 y21 y I1 Normalidad
Bl
oq 2 y12 y22 yI 2 Independencia
Bl ue
oq s J y1J y2J y IJ Homocedasticidad
ue : Media global
s I
i : Efecto del tratamiento i,
i
1
i
i=1,...,I j : Efecto del bloque j, J
j
j=1,2,...,J 1
j
2
uij : Componente aleatoria N(0, )
 0 0

Diseo Experimentos 43

Tratamientos
1 2 ... I

1 ...
1 1 2 1 I 1

2 ...
1 2 2 2 I 2

J ...
1 J 2 J I J
 2

Estimacin del modelo

: 1 y
i
: I 1 yi y
i Estimadore s : j
Parmetros y y
j: J 1 j
: 2
sR
2
eij
2
: 1
(I 1)(J 1)
J I I J
yij yij yij
j 1 j i 1 i 1j 1
y I y
yi J n

yij i j uij eij yij i j

yij i j eij yij yi y j y

Diseo Experimentos 45

Estimacin

1 2 I j

1 y11 y 21 y I1 y 1
y 1
y
2 y12 y 22 yI 2 y 2
y 2
y

J y1J y2 J y IJ y J
y J
y
y1 y2 yI y
i y1 y y2 y yI y

Diseo Experimentos 46
Estimacin (ejemplo)

Fluorita
0% 1% 2% 3% 4%
M 1 11.86 9.94 12.45 13.23 12.50 1.77
15.02 10.15 8.54 6.98 8.93 8.60
e 2 8.42 16.84 -2.13
z 3
15.86 10.52 14.64 15.96 16.32 5.59
18.31 c 4 j
10.49 8.04 9.59 10.50 10.34 9.98 -0.76
l 5 6.96 8.84 8.15 9.24 8.74 -1.99
9.78 a 6 7.04 6.66 9.46 8.26 -2.48
9.28 11.30 9.40 9.90 11.19 10.73
11.88
0.57 -1.34 -0.84 0.46
1.15 2

i
Diseo Experimentos 47

Residuos: Varianza residual

eij yij i j yij yi y j y

Fluorita
0% 1% 2% 3% 4%
M 1 1.37 -1.21 -1.22 0.79 0.27
e 2 0.98 1.27 -0.79
-1.33 z 3 -0.05 -0.13 -0.84
0.84 c 4 0.88 -0.02 -0.82 1.36
-0.64 l 5 -0.60 0.28 -0.10 0.24
-0.11
-0.45 0.04
a 6 -
0.02 0.12 -0.76 0.74
0.13

eij
17.51 0.88
sR2
(I 1)(J 1) 20

Diseo Experimentos 48
Contraste de Hiptesis
Si la Fluorita no influye, los I tratamientos
son iguales a efectos de coste, entonces
I
1 2 I i 1 i 0
2

H0 : 1 2 I 0
H1 : Algn i es distinto
e

de 0
Diseo Experimentos 49

Anlisis de la varianza

yij i j uij yij i j

eij
yij y ( yi y ) (y j
y ) ( yij yi y j
y )
yij y ( yi y ) (y j
y ) ( yij yi y j
y )
I J I J I J I J
2 2 2
( yij y ) ( yi y ) (y j
y ) eij
i 1 j 1 i 1 j 1 i 1 j 1 i 1 j 1

I J I J I J
2 2 2 2
( yij y ) J ( yi y ) I (y j
y ) ij
i 1 j 1 i 1 j 1 i 1 j 1

Diseo Experimentos 50
 Variabilidades

I J 2
VT ( yij y )
i 1 j 1
I 2
VE(T ) J ( yi y )
i 1
J VT VE(T) VE(B) VNE
VE(B) I (y j
y )2
j 1
I J
VNE e2ij (n 1) (I 1) (J 1) (I 1)(J 1)
i 1 j 1

i
2 2

Diseo Experimentos 51
 Contraste sobre tratamientos
H0 : 1 2 I 0
H1 : Algn i es distinto
de 0
VNE 2 2
sR2 E[s R ]
(I 1)(J
1)
VE(Tratamient 2 2
Si Ho es cierto, 2 E[sT ]
os)
sT
I 1
2
sT2 J I (y y ) I 1
i 1 FI 1;(I 1)(J 1)
FT sR sR

Si FT F Se rechaza Ho
Diseo Experimentos 52
 i i

Explicacin del contraste

2
Si Ho es cierto i 0 yij N( j, )
J
yi1 yi2 yiJ i J j 1 j
yi J , E[ y ]
J
2
y1 , y 2 ,..., y I N( , )
J
I 2 I 2
J ( y -y ) J ( y -y )
y1 y2 yI 2 i 1
E i 1 2
y sT I 1 I 1
I

2
Cuando Ho es cierto, s2T y s2R sern
2 2
parecidas. Cuando Ho es falso, sT ser
mayor que sR .
Diseo Experimentos 53

Contraste de bloques
H0 : 1 2 J 0
H1 : Algn j es distinto
de 0

VE(Bloques 2 2
Si Ho es cierto, 2 E[sB ]
)
sB
J 1

I J (y 2
y ) J 1
s B2 j 1 j

FB FJ 1;(I 1)( J 1)
sR 2
sR
Si FB F Se rechaza Ho
Diseo Experimentos 54
 2

2
2

2 2

Tabla de anlisis de la varianza

Fuentes Suma de Grados de p valor
Varianz F
Variabilidad Cuadrados Libertad. a 2
sT
2 sR pT
Tratamient J ( yi y ) I 1 2
sT
o

sB
2 2
Bloque I (y y ) sB sR pB
j J 1

Residua eij (I 1)(J 1) sR

l 2
( yij y ) n -1
Total
Diseo Experimentos 55

Tabla de anlisis de la varianza

Diseo Experimentos 56
 Sin bloques

Diseo Experimentos 57
 Intervalos de confianza
(ejemplo)
sR
i yi t /2
J

Fluorita Medias L.inf. L.Sup.

0% 11.88 11.09 12.68
1% 11.30 10.50 12.10
2% 9.40 8.60 10.19
3% 9.90 9.10 10.69
4% 11.19 10.40 11.99

Diseo Experimentos 58
Intervalos de Confianza (% Fluorita)

12

m 11
ed
ia
s 10

0 1 2 3 4

FLUO

Diseo Experimentos 59
Intervalos de Confianza (Mezcla)

16

14
m
ed 12
ia
s 10

1 2 3 4 5 6

MEZ

Diseo Experimentos 60
 Contraste multiples: tratamientos

H0 : R.R. R.R
i
1- t(I-1)(J-1)

j H1 :
/2
i R. Acept. H0
/2
yi yj t
j /2
yi y 2
-t /2
i
i j )
j yj y J
2
i j N( i j,
J

yi yj
2
sR
J
 t(I 2
(J 1) yi yj t / 2 sR Se rechaza H 0
J
1)
LSD

Diseo Experimentos 61

Contraste multiples: bloques

H0 : R.R. R.R
i
1- t(I-1)(J-1)

j H1 :
/2
i R. Acept. H0
/2
y y t
j i j /2
y y 2
-t /2
i i
i j )
j y j y I
2
i j N( i j,
I

y y 2
i j t(I 1)(J 1) y i
y j
t s
/2 R
Se rechaza H 0
I
2
sR LSD
I

Diseo Experimentos 62
 Comparacin de medias
Fluorita LSD = 1.13
2 0% 1% 2% 3% 4%
LSD t s 0% 0 2,49 1,99
/2 R
J 0,58 1% 0,69 1,90 1,40
2 0 2% 0,11
2.085 0.9 6 3% 0 -0,50
3 4% -1,80 0 -1,30
0

1.13 LSD=1.24
1 2 3 4 5 6
1 0,00 -3,82 3,76
Mezcla 2 3,90 2 2,52 6,60 4,24
03 -1,37 0 -0,14 -
LSD t s
/2 R
I 4 6,34 0,35 7,58
0 8,07 1,23
2
0.93 55 1,72
2.08 6 0 0,49
5 0

1.24
Diseo Experimentos 63

Comparacin de medias (Tukey)

95% family-wise confidence level

1-
0

2-
0

3-
0

4-
0

2-
1

3-
1

4-
1

3-
2

4-
2

4-
3

-4 -2 0 2

Differences in mean levels of FLUO

Diseo Experimentos 64
Comparacin de medias (Tukey)
95% family-wise confidence level

2-
1

4-
1

6-
1

4-
2

6-
2

5-
3

5-
4

6-
5

-10 -5 0 5 10

Differences in mean levels of MEZ

 Diseo Experimentos 65

Diagnosis: 2
1.5
Homocedasticidad 1
0.5
0
-
Grfico de residuos 0.5
-1
2 -
1.5 1.5
1 -2
0.5 0 1 2 3 4 5 6
0 Mezcla
-0.5
-1 1.6
-1.5 1.2
0.8
res 0.4
id -2
00 1 2 3 4
uo -0.4
Fsluorita
-0.8 -1.2
-1.6
5 10 15

20 Valores previstos
Diagnosis
Diseo Experimentos 67

2.3 Diseos Factoriales

(tres factores)
 1

Diseo con tres factores

Factor A Factores A, B y C con NA, NB,
Nc niveles.
A1 A2 A3 A4 A5 A6
B1 N de Tratamientos
T=NAxNBxNc
Fa B2
Efectos principales 3 A, B , C
ct B3
Interacciones de orden dos 3
or B4
AxB, AxC, BxC
B B5

C Interaccin de orden tres 1.

C2C3
AxBxC

Tratamiento: Cada combinacin de niveles de los factores

6 x 5 x 3 = 90
 Diseo Experimentos 69

K factores con N1, N2, ..., NK

niveles
K efectos principale s con N i 1 grados de libertad cada uno
F K interaccio nes de orden 2, con (N i 1)(N j 1) grados
ac 2
to
r de libertad
2 K interaccio nes de orden 3, con (N i 1)(N j 1)(N k 1)
3

grados de libertad
...
K 1interacci n de orden k, con (N 1 1)(N 2 1) (N K 1)
K

grados de libertad

Diseo Experimentos 70
Factor 3
Datos Factor 1
2 ... K

1 2 ... I
1 2 ... K 2 ... K 1 2 ... K
1
y1111 y11K1 y 2111 y 2121 y I111 y I121 y I1K1
C y11K1 y I112 y I122 y I1K 2
A y1121 y11K 2 y 2112 y 2122
T y1112 y1122 y11K 2
A
1
LI
Z y111M y112 M y11KM y 211M y 212 M y11KM y I11M y I12M y I1KM
A
D 1 2 ... K 1 2 ... K 1 2 ... K
O y1211 y1222 y12K1 y 2211 y 2221
R y 22K1
y1221 y12K 2 y2212 y 2222
2 y1212 y 22K 2
y I 211 y I 221 y I 2K1 y I 212 y I 222 y I 2K 2

... y121M y12 KM y 222 M y 22KM y I 21M y I 22M y I 2KM

y122M 1 y221M 2 ... K 1 2 ... K

2 y 2J 21 y IJ11 y IJ 21
y1J11 ... K 1 y2JK1 y IJK1
y1JK1
y1J 21 y 2J 22 y 2JK 2 y IJ12 y IJ 22 y IJK 2
y2J11
J y1J12
y1JK 2 y 2J12
y1J 22

y1J1M y1J 2M y1JKM y 2J1M y 2J 2M y2JKM y IJ1M y IJ 2M y IJKM

Diseo Experimentos 71

Ejemplo: Proceso qumico

Concentracin
Tres factores : 1 4%
 Catalizador C-1 Ag Temperatuta T-1 300 C
2 6% C-2 Ag+Zn T-2 320
C3 8% C-3 Zn
4 10%

Variable respuesta: Rendimiento del proceso qumico.

CONCENTRACIN
1 2 3 4
T-1 T-2 T-1 T-2 T-1 T-2 T-1 T-2
72.2 74.4 75.0 80.0
65.0 C-1 69.2 66.3 70.7 78.9 73.0 65.0
74.4 71.8 66.5 80.6 64.3 74.4 82.1
71.6 64.6 T-1 73.4 T-1 78.8 T-1
64.3 T-2 70.8 T-2 76.3 T-2 72.3
79.2 63.9 83.3 79.1 80.3 72.4
61.9
80.1 76.6 88.0 89.0 86.9 75.6
T-1 T-2
75.3 T-1 84.7 T-1 86.3 T-1
62.5
75.9 C-2 T-2 69.0 T-2 72.8 T-2 78.4
84.5 68.2 94.1 73.7 87.5 79.9
65.8
72.9 93.7 87.3 79.7
71.2 78.7 80.7 80.3 79.5

77.8 80.1 89.0

T-1 T-2
69.0
73.8 C-3
70.3
59.2
68.8

80.8

Diseo Experimentos 72
 Modelo
yijkm i j k ij ik jk ijk uijkm
J I
I 0 j 1 ij 0, i i 1 ij 0, j
i 1 i
K I
J 0 ik
j 1 j k 1 ik 0, i i 1 0, k
K
J k 1 jk
K 0, j
k 1 k 0 j 1 jk
0, k
I
ijk
0, j, k,; J
ijk
0, i, k; K
ijk
0, i, j.
i j k

I J K tratamientos
Normalidad
uijkm Independencia M replicaciones
Homocedasticidad n = I J K M

Diseo Experimentos 73
 Medias
yijkm i j k ij ik jk ijk uijkm
I J K M
yijk
i 1 j 1k 1m 1
y
IJKM I K M I J M
J K M yijkm yijkm
yijkm i 1 k 1m 1 i 1 j 1m 1
j 1k 1m 1 y j y k
yi IKM IJM
JKM
K M J M I K
yijkm yijkm yijkm
k 1m 1 yi k j 1m 1 y jk i 1k 1
y ij
KM JM IM
M
yijkm
m 1
y ijk
M

Diseo Experimentos 74
 Medias: Proceso qumico
Concentracin
1 2 3 4
C-1 68.2 68.8 73.8 75.6 71.6
Catalizador C-2 71.0 74.3 83.4 79.0 76.9
C-3 70.3 79.0 82.9 80.9 78.3
69.9 74.1 80.1 78.5 75.6

1 2 3 4
Temperatura T-1
68.72 T-2
70.49
76.64 77.61
76.22
73.02 80.71
70.99 83.46 78.19
69.9 74.1 80.1 78.5 75.6

T-1 T-2
C-1 71.95 71.25
71.6 C-2 72.96 80.89
76.9 C-3 74.15 82.43
78.3 73.02 78.19 75.6

1 2 3 4
T-1
2
T-2 T-1 T-2 T-1 T-2 T-1 T-2
C-1 70.30 ; 69.07 72.73 75.70
66.17 C-2 66.50 68.53 70.43 74.90 81.47 75.40 73.43
75.53 78.20 85.33 84.50
C-3 69.37 71.27 71.97 75.73 79.53 82.23

86.10 90.13
 Diseo Experimentos 75

Estimacin del modelo

y
i yi y I 1
j y j y J 1

k y k y K 1

ij y ij yi y j y (I 1)(J 1)

ik yi k yi y k y (I 1)(K 1)

jk y jk y j y k y (J 1)(K 1)

ijk y ijk y ij yi k y jk yi y j y k y (I 1)(J 1)(K

eijkm 1)
s R2
2 IJK(M 1) eijkm yijkm y ijk

Diseo Experimentos 76
 Modelo estimado

yijkm i j k ij ik jk ijk uijkm

yijkm y yi y y j y y k y
y ij yi y j y
yi k yi y k y
y jk y j y k
y
y ijk y ij yi k y jk yi y j y k y
yijkm y ijk
Diseo Experimentos 77

Descomposicin de la
variabilidad
I J K M 2
yijkm y
i 1 j 1k 1m 1

2 2 2
JKM yi y IKM y j y IJM y k y
i j k
2
KM y ij yi y j y
i j
2
JM yi k yi y k y
i k
2
IM y jk y j y k y
j k
2
M y ijk y ij yi k y jk yi y j y k y
i j k
2
yijkm y ijk
i j k m

Diseo Experimentos 78
 Variabilidades
I J K M 2 2
VT yijkm y VE( A) JKM yi y
i
i 1 j 1k 1m 1

2 2
VE(B) IKM y j
y VE(C) IJM y k
y
j k
2
VE( A B) KM y ij yi y j y
i j
2
VE( A C) JM yi k yi y k y
i k
2
VE(B C) IM y jk y j y k y
j k
2
VE( A B C) M y ijk y ij yi k y jk yi y j y k y
i j k
2
VNE yijkm y ijk
i j k m

Diseo Experimentos 79
 Grados de libertad

DESCOMPOSI CIN DE LA
VARIABILID AD VT VE( A) VE(B) VE(C)
VE( A B) VE( A C) VE(B C)
VE( A B C) VNE

GRADOS DE LIBERTAD
(n 1) (I 1) (J 1) (K 1)
(I 1)(J 1) (I 1)(K 1) (J 1)(K
1) (I 1)(J 1)(K 1) IJK(M 1)

Diseo Experimentos 80
 2
2
B 2

C
R

Tabla ANOVA
FUENTE VARIABILID AD Gr. de Lib. Varianzas F
2
2 sA
A JKM yi y I 1 s 2A
i sR
B IKM y y
2 2 sB
j J 1 s
j sR
2
C IJM y k y
2
K 1 s
2 sC s 2
k 2
s AB
2
A B KM y ij yi y j y (I 1)(J 1) s AB
2 sR
i j
2 s 2AC
2 2
A C JM yi k yi y k y (I 1)(K 1) s AC sR
i k 2
s BC
2 2
B C IM y jk y j y k y (J 1)(K 1) s BC sR
j k
M ( y ijk y ij yi y ...
i j k
k jk s 2ABC
2
A B C 2 (I 1)(J 1)(K s ABC sR
... y i y j y k y ) 1)
2 2
Residual yijkm y ijk sR
i j k m
I J K M IJK(M 1)
yijkm y
Total i 1 j 1k 1m 1
IJKM 1

Diseo Experimentos 81
 Contraste efecto principal de factor A

H0 : 1 2 I 0
H1 : Algn i es distinto
de 0
2
s A2 JKM I ( y i y ) I 1
i 1 FI 1;IJK (M 1)
FA sR s R2

FI 1;IJK(M 1) Si FA F No se rechaza Ho

RR
Si FA F Se rechaza Ho

F
Diseo Experimentos 82
Contraste interaccin AxB
H0 : 11 12 IJ 0
H1 : Algn ij es distinto de 0

2 VE ( A B)
Si Ho es cierto, s AB
(I 1)(J 1)
2
s AB F
FAB 22 (I 1)(J 1);IJK (M 1)
s
R
Si FAB F Se rechaza Ho
A y B interaccionan
Diseo Experimentos 83

Contraste interaccin AxBxC

H0 : 111 112 IJK 0

H1 : Algn ijk es distinto de 0

Si Ho es cierto
2
s ABC F(I 1)(J 1)(K 1);IJK (M 1)
FABC
sR

Si FABC F Se rechaza Ho

Diseo Experimentos 84
 Anlisis de la varianza

Diseo Experimentos 85
 Interpretacin
El efecto principal del factor concentracin
influye significativamente (p-valor =0.0000)
en el rendimiento. Ms adelante se
compararn las medias de los cuatro niveles
de este factor. Este factor no interacciona
con ningn otro.
Los efectos principales de catalizador y de
la temperatura son significativos, adems
es muy significativa la interaccin de los dos
factores (p-valor 0.0064). La comparacin
de medias de estos factores debe ser
conjunta.

Diseo Experimentos 86
 Contrastes mltiples: Factor A

H0 : i j R.R. R.R
1- tIJK(M-1)
H1 : i j /2
R. Acept. H0
/2
i yi y i j yi yj t /2
j yj y -t
2 2 /2
j, )
me
i j N( i
JKM JKM
dia
s

yi yj 2
t IJK (M 1) Si yi yj t s
/2 R
,
JKM
2 se rechaza Ho
sR
JKM
 Diseo Experimentos 87

Intervalos de Confianza

80
80

80
78 78

76
me 76 me
75 dia dia
s s 74
74
72
70
72
70

k1 k2 k3 k4 t1 t2 c1 c2 c3

con temp cat

Diseo Experimentos 88
 Interaccin:
Cat. x
Temp.
T-1
T-2

C-1 71.95 71.25

71.6 C-2 72.96 80.89
76.9 C-3 74.15 82.43
78.3 73.02 78.19 75.6

Interaccin Cat x Temp

84.0
0
82.0
M 0
ed 80.0
ia
s 0
78.00 Temp - 1
76.00 Temp - 2
74.00
72.00
70.00
0 1 2 3 4
Catalizador

Diseo Experimentos 89

Seleccin de temperatura y
catalizador.
Las mejores combinaciones corresponden a la temperatura 2,
con el catalizador 2 o el 3.

Diseo Experimentos 90
 Diagnosis del modelo

10 10 10
re re re
sid 5 sid 5 sid 5
ual ual ual
s( 0 s( 0 s( 0
m m m
od -5 od -5 od -5
_q _q _q
- - -
ui) ui) ui)
10 10 10

1.0 2.0 3.0 4.0 1.0 1.4 1.8 1.0 1.5 2.0 2.5 3.0

con temp cat

Diseo Experimentos 91
 Instrucciones de R utilizadas
ARCHIVO TEXTO: quimico.txt

Diseo Experimentos 92
 Anlisis de 3 factores con
menos observaciones
Cuando no existe interaccin de orden tres.
2
No es necesario replicar para analizar el experimento.
La variabilidad explicada por el trminoB A B C se 2

convierte en Variabilidad Residual con C(I-1)(J-1)(K-1)

C

grados de libertad. 2

Las expresiones anteriores siguen siendo vlidas,2

sustituyendo M=1 (sin replicacin) y con (I-1)(J-1)(K-1)
2
como grados de libertad de la varianza residual.
2
Cuando no existe ninguna interaccin
Se puede reducir considerablemente el nmero de
observaciones si el nmero de niveles de los tres
factores es el mismo: CUADRADO LATINO

Diseo Experimentos 93
 Tabla ANOVA tres factores
(sin replicacin)
FUENTE VARIABILIDAD Gr. de Lib. Varianzas F
2
2 2 sA
A JK yi y I 1 sA
i sR
2 2 s B2
B IK y j y J 1 s
j sR
2 2
C IJ y y K 1 2 s
k s 2
k sR
2
K y ij yi y y 2 s AB
A B j (I 1)(J 1) s AB
i j sR
2 2
J yi yi y y 2 s AC
A C i k
k k (I 1)(K 1) s AC sR
2 2
I y jk y j y k y 2 s BC
B C j k (J 1)(K 1) s BC
sR
( yijk y ij yi k y jk ...
i j k
2
Residual ... y i y y y )
2 (I 1)(J 1)(K 1) sR
j k

I J K 2
Total yijk y IJK 1
i 1 j 1k 1

Diseo Experimentos 94
 Ejemplo: Obleas
Temperatura
Horno AS 1 2 3
1 122.2 103.2 115.8
1
2 138.4 144.3 159.8
1 131.0 133.4 121.8
2
2 147.4 138.0 147.5
1 120.5 102.8
3
120.0 2 140.6 126.6
141.9 1 100.0
4
105.8 114.7
2 117.0 134.4 131.7

Se ha realizado un experimento para analizar la influencia de la

temperatura y el acabado superficial (AS) en el espesor de
xido conseguido en obleas de silicio. El experimento se repiti
en cuatro hornos diferentes. ( Cada uno de los datos del cuadro
representa la media de los espesores medidos en el centro de
cada una de las 30 obleas que caben en un horno)
Diseo Experimentos 95

ANOVA: Obleas

Diseo Experimentos 96
 Comparacin de medias

El AS que produce mayor espesor es el 2

El horno que produce media mayor es el
2, aunque no es significativamente distinto
del 1.
Diseo Experimentos 97
 Cuadrado latino
Permite analizar
tres factores con K 1 2 3 4 5

niveles cada uno, 1 C A D B

utilizando slo K2 E2 D C B E

observaciones. A3 E B A D

Deben ser nulas C4 B E C A

las interacciones D
de orden 2 y orden
A D E C B
3. 5

Diseo Experimentos 98
 C
o
n
d
uc
to
r

Ejemplo: Aditivos gasolina

Una organizacin de consumidores estudi la eficacia de
cinco aditivos que segn los fabricantes reducan el
consumo de combustible. Se realiza un diseo
experimental con cinco conductores, cinco vehculos y
cinco aditivos, eligiendo las 25 combinaciones que se
muestran en la tabla, junto con una medida del consumo.
Vehculo
1 2 3 4 5 Aditivo
C A D B E
1 71 64 68 78 82
A
D C B E A B
2 65 64 81 82 82 C
E B A D C
3 63 68 74 77 85 D
B E C A D E
4 66 77 79 88 74

5 A D E C B
73 70 78 80 88

Diseo Experimentos 99
 Modelo: Cuadrado Latino
yij(k ) uij(k )
K 0
i j k i 1 i
K 0
1 2 3 4 5 j 1 j

1 y11(3) y 21(1) y31(4) y 41(2) y51(5) K

k 1 k
0
2 y12(4) y 22(3) y32(2) y42(5)
y52(1) 3 y13(5) y23(2) y33(1) y43(4)
y53(3) 4 y14(2) y24(5) y34(3)
y 44(1) y54(4)
5 y15(1) y 25(4) y35(5) y 45(3) y55(2)

Normalidad
uij(k ) Independencia K2 Observaciones
Homocedasticidad

Diseo Experimentos 100

 ;

Estimacin
yij(k ) i j k uij(k )
K K K K K
yij(k ) yij(k ) yij(k ) yij(k )
i 1j 1 yi ( ) j 1 y j( ) i 1 y (k ) k 1
y ( ) 2 K K
K K

y ( )

i yi ( ) y ( ) K 1
j y j( ) y ( ) K 1

k y (k ) y ( ) K 1
eij (k ) yij (k ) yi ( ) y j( ) y (k) 2y ( )
2
2
e ij (k )
s R2
(K 1)(K 2)
 Diseo Experimentos 101

Descomposicin de la
variabilidad
yij(k ) i j k uij(k )

yij(k ) y ( ) ( yi ( ) y ( )) (y j( ) y ( )) (y (k ) y ( )) eij(k)

K K 2
yij(k ) y ( )
i 1j 1

2 K y y 2 K y y 2 2
K yi ( ) y ( ) j( ) ( ) (k ) ( ) eij(k )
i j k i j

Grados de Libertad
2
(K 1) (K 1) (K 1) (K 1) (K 1)(K 2)

Diseo Experimentos 102

 2

2
2

Tabla ANOVA
FUENTE VARIABILIDAD Gr. de Lib. Varianzas F
2
2
K 1 s A2 sA
A K yi y ( )
i
( )
sR
2 2 2
K 1 s sB s R
B K y j( )
y ( ) B
2
j
2
K 1 sC2 sC
C K y y ( )
k
(k )
sR
(K 1)(K 2) s2R
Residual eij(k )
i j
K K 2 2
K 1
Total yij (k ) y ( )
i 1 j 1
Diseo Experimentos 103

Tabla anlisis de la varianza

Diseo Experimentos 104

Comparacin: vehculos

85

8
m 0
ed 75
ia
s 7
0
65

1 2 3 4 5

VEH
Diseo Experimentos 105
 Diseno de experimentos
1. En una planta piloto se obtiene un nuevo producto mediante un proceso qumico. Con
el n de mejorar el rendimiento se emplean dos catalizadores distintos y se trabaja con
tres temperaturas diferentes. Los resultados del experimento son

Temperatura
0
Catalizador 20 300 400
A 115 125 130 140 110
120 B 115 105 135 145 100
110

(a) Contrastar si los factores Temperatura y Catalizador tienen efectos signicativos. ( =

0.05)
(b) Que tratamiento se debe utilizar para obtener el mayor rendimiento, si se desea
garan-tizar una probabilidad de error tipo I total, T = 0.03?

2. Se pretende estudiar el efecto que produce los factores (1) Porcentaje de algodon (10%,
20% y 30%) (2) Tipo de confeccion (A y B) en la resistencia al desgaste de ciertos tejidos
de bra sintetica. Se ha realizado el siguiente diseno con tres replicaciones

10% 20% 30%

115 120 126
A 112 135 118
133 139 142
107 110 132
B 114 102
114 108 117 125

(a) Construir la tabla de Analisis de la Varianza y contrastar la inuencia de los dos

factores y la presencia de la interaccion.
(b) Hacer un contraste de diferencia de medias y decidir el tratamiento mas adecuado
para conseguir la mayor resistencia al desgaste.

3. Cierto Organismo Publico (O.P.) encargado de certicar la composicion de aleaciones

de metales preciosos, debe seleccionar entre dos Laboratorios al mas capacitado para la
realiza-cion de futuros analisis de gran precision. Para tomar la decision les somete a
la siguiente prueba: Prepara tres aleaciones A, B y C que contienen proporciones
distintas de oro. De cada una de ellas enva cuatro muestras a cada uno de los dos
laboratorios. As pues, cada laboratorio recibe un lote de 12 muestras (codicadas)
ordenadas aleatoriamente sin conocer como han sido obtenidas. Los resultados recibidos
por el O.P. son (entre parentesis las medias de las casillas):
1
 Aleac. A Aleac. B Aleac. C
10.96 10.95 11.07
11.03 Lab. I 11.08 11.00 11.04 11.01 10.97
11.01 10.97 11.03
(11.02) (10.99) (11.02)
10.97 10.97 11.02
10.96 Lab. II 10.94 10.96 10.97 11.00 11.01
10.95 10.98 11.01
(10.955) (10.97) (11.01)

(a) Determinar si existen diferencias entre los resultados de los laboratorios y si estos
han encontrado diferencias entre las aleaciones.
(b) Aceptando que los datos cumplen la hipotesis de normalidad, indicar si podemos
aceptar que verican el resto de las hipotesis del modelo y en caso negativo que
medidas se deben adoptar para analizar los datos.
(c) Realizar un test de razon de varianzas para contrastar que las varianzas de los
dos laboratorios son iguales, sabiendo que las tres aleaciones tienen composicion
distinta. Interpretar el resultado.
(d) El O.P. conoce exactamente el porcentaje en oro de la aleacion A (11 %), de la
B (11.02 %) y de la C (11.04 %). Con esta informacion comparar los resultados
de los laboratorios.

4. Complete la tabla ADEVA siguiente y diga de que diseno se trata.

Suma de Cuad. Varianzas

Factor 1 1.25
Factor 2 G.L. 20 2 10
Factor 3 5
0.25

Int. Segundo orden

Int. Tercer orden
44 29
TOTAL

5. Se ha realizado un
diseno factorial sin replicacion con tres factores A, B, C con 5, 5 y 4 niveles
respectivamente. Si la interaccion
de tercer orden es nula, obtener la descomposicion de la variabilidad e indicar los grados
de libertad de cada termino.

6. Para estudiar el efecto de tres factores (A,B,C) en el tiempo de fraguado del hormigon se
ha realizado un experimento factorial completo a dos niveles con tres replicaciones (24 datos
en total). Los resultados de la estimacion han sido:
 Media A B C AC BC ABC
AB 92.5 2.4 3.3 15.0 -1.4 2.65
8.5 0.72

2
Teniendo en cuenta que la varianza residual obtenida es s R = 18.8, indicar que efectos
son signicativos para un nivel de signicacion = 0.05.

2
 7. Una caracterstica de la calidad de la gasolina es su ndice de octanos. Una renera
de petroleo tiene cinco formulas que pueden emplearse para la obtencion de gasolina con
plomo o sin plomo.

(a) Para determinar que formula proporciona mayor ndice de octanos, con cada una
de ellas se ha repetido 10 veces en el laboratorio el proceso de fabricacion de gasolina
con plomo. Si el coeciente de determinacion del analisis de la varianza de los
resultados es igual a 0.20, contrastar con = 0.05 si existen diferencias entre las
cinco formulas para este tipo de gasolina.
(b) Los valores medios (yi ) para cada formula son:

Formula 1 2 3 4 5
Media 89.2 90.1 90.7 90.5
89.5

Contrastar con = 0.05 que formulas proporcionan ndices de octanos

signicativa-mente distintos y cuales no.
(c) Debido a los problemas medio-ambientales gran parte de la produccion futura
debe estar libre de plomo. Para determinar que formula de las anteriores produce
mejores resultados en cuanto al ndice de octanos , se realizo un diseno
experimental similar al anterior (cinco formulas, 10 observaciones en cada f
ormula) para la obtencion de gasolina sin plomo. El coeciente de determinacion
en este caso es igual a 0.25 y el ndice medio para cada formula es,

Formula 1 2 3 4 5
Media 88.0 89.5 88.5 90.2
89.8

Contrastar ( = 0.05) si existe interaccion entre los factores tipo de gasolina (con y
sin plomo) y formula.

8. Para comprobar las propiedades de rigidez de dos materiales A y B a tres temperaturas se

ha realizado un experimento con 4 replicaciones. Las medias se proporcionan en la tabla.
Teniendo en cuenta que la varianza residual ha sido 1.69 y que el analisis de la varianza
ha indicado: (1) que existen diferencias signicativas entre los dos materiales, (2) que no
existen diferencias entre las tres temperaturas y (3) que la interaccion de los dos
factores es muy signicativa, calcula y dibuja los intervalos de conanza ( = 0.01) para
la comparacion de los dos materiales, de las tres temperaturas y de la interaccion.
Interpretar los resultados.
3
 9. Para estudiar la inuencia de la temperatura y la presion sobre el rendimiento de un
proceso qumico se ha realizado un experimento con 5 valores de presion y 4 valores de
temperatura. Los resultados se muestran en la tabla siguiente.

Temperatura
10 20 30 40 Medias
1 65,58 96,71 124,20 156,63 110,71
2 66,32 101,5 130,37 161,38 114,89
Presio 3 74,42 99,81 134,63 160,59 117,36
n 4 80,24 104,11 138,42 166,96 122,43
5 79,61 112,14 143,58 170,68 126,50
73,24 102,85 134,24 163,19 118,38
Medias

(a) Considere solamente el efecto de la presion y estudie si es signicativo ( =

0, 05), sabiendo que las varianzas muestrales corregidas para los datos
2 2 2 2 2
correspondientes
1 a cada presion
2 son bs
3 = 149, 85;4bs = 164, 62;
5 bs = 143, 95; bs =
145, 11; bs = 154, 94.
(b) Incorpore el efecto de la temperatura en un modelo adecuado para los datos. Interprete
el resultado.
(c) Calcule un intervalo de conanza al 95% para la varianza del error experimental de los
modelos de los dos apartados anteriores. Interprete las diferencias.

10. Se desea estudiar la fuerza de percusion de una perforadora en funcion de la

VELOCIDAD de giro (baja y alta) y de un coeciente mecanico que denominaremos
RATIO (0.15, 0.30, 0.45 y 0.60). Se ha experimentado en las ocho posibles
combinaciones de ambos
factores, replicando cada experimento dos veces. Los resultados se muestran en
la tabla siguiente

0.15 0.30 0.45 Media

0.60 270 245 260
Vel. 266.875
275 278 249 272
Baja
286 283 285 286
286.125
294 286 280 287
Vel. Alta
288 279.25 264.75 276.25 276.5
Media 285.75

Las variabilidades explicadas por el RATIO, la VELOCIDAD y la interaccion RAT x

VEL son respectivamente 925, 1482.25 y 418,75 y la Variabilidad Total es 3034.

(a) Completa la tabla de analisis de la varianza e indica que efectos son signicativos
para = 0.05.
(b) Interpreta el resultado, indicando como inuye el RATIO y la VELOCIDAD en la
fuerza de la perforadora. Dibuja el graco que permite interpretar la interaccion.
Proporciona el intervalo de conanza para la media de la combinacion RATIO 0.30, y
VELOCIDAD baja.

4
 (c) Cada tratamiento tiene dos observaciones, llamando Dij = |Yij1 Yij2 | , al valor abso-
luto de la diferencia de estas observaciones, demuestra que

Di2 2
1
2j
2
2 4
D2 i=1 j=1
ij
y que SD2factorial.
modelo = 1
es un estimador centrado de la varianza del
6
(d) Supon que la varianza de las observaciones a velocidad 2 baja es 1 y de las
observaciones a velocidad
2 alta es 2 . Utilizando el resultado del apartado 3,
realiza el siguiente contraste con nivel de signicacion 0.05,

H0 : 21 = 22
H1 : 21 = 22

11. Cuando un lenguaje de alto nivel es compilado, el tiempo de ejecucion depende del
compi-lador. Un ingeniero de software desea comparar tres compiladores (A, B y C), para
ello ha seleccionado 5 programas muy distintos, cada uno de los cuales ha sido compilado
por los tres compiladores. Los tiempos de CPU se proporcionan a continuacion:

1 2 3 4 5 Medias
A 189.6
200.9 307.3 193.6 173.8
122.9 147.4 B 199.3 296.6 183.7 192.7
113.8 135.1 C 219.8 318.9 203.1 185.3
131.2 152.8 206.7 307.6
Medias 122.7 145.1

La variabilidad total es 62899.2, y las variabilidades explicadas por el tipo de compilador y

tipo de programa son 937.2 y 61868.9, respectivamente. Da un intervalo de conanza
(95%) para la diferencia de las medias entre los dos compiladores mas rapidos.

12. Se ha realizado el analisis de la varianza de un diseno con un unico factor a 10 niveles

con 6 observaciones para cada nivel. El nivel crtico que muestra la tabla ADEVA es p =
0.5832. Los niveles crticos de los contrastes individuales de igualdad de medias son
mayores de 0.05 para todas las parejas excepto para la comparacion entre los niveles 3 y 7
que ha sido igual a 0.0405. Es posible este resultado? Que se puede concluir del an
alisis? Que procedimiento sugiere para realizar los contrastes individuales?

13. Se ha realizado un diseno factorial sin replicacion con tres factores A, B, C con 5, 5
y 4 niveles respectivamente. Si la interaccion de tercer orden es nula, obtener la
descomposicion de la variabilidad e indicar los grados de libertad de cada termino.

14. Sea un diseno factorial con 4 factores a 3, 4, 2 y 5 niveles. Calcular el numero de para
metros totales correspondientes a efectos principales e interacciones de orden 2, 3 y 4.
5
15. Un ingeniero ha estudiado el efecto que tienen 5 niveles de iluminacion en una operacio
n de ensamblado. El departamento en el que se ha experimentado tiene cuatro estaciones
de trabajo, que representan una fuente potencial de variabilidad. Para cada estacion de
trabajo y nivel de iluminacion se ejecuto la operacion de ensamblado, midiendo la
holgura en micras. Los resultados fueron:

ESTAC. ILUMINACION
1 2 3 4 5 yi
1 131 116 88 75 102.8
2 92 96 104 97 70 86.0
3 128 129 75 99 94 111.0
4 121 107 105 84 89 97.4
yj 118 112 86 92 82 y = 99.3
92.5

(a) Contrastar ( = 0.05) si la iluminacion o la estacion de trabajo inuye en los

resultados del ensamblado.
(b) Comparar los niveles de iluminacion y los niveles de las estaciones de trabajo.
Indicar en cada caso cuales se pueden considerar distintos y cuales no.
(c) Calcular la varianza teorica del valor medio previsto para cada observaci
on. (d) Explicar por que no se debe contrastar la hipotesis

H0 : 1 = 2 = ... = m

del modelo basico de analisis

_ _ la varianza (un factor), mediante contrastes de la t de
de
m
Student a cada uno de los pares de muestras.
2

16. Se realiza un experimento para estudiar la inuencia de 2 factores en el rendimiento de un

proceso, donde el factor que se encuentra a 3 niveles (Alto, medio y bajo) es la
temperatura, el otro factor, catalizador, tiene dos niveles: catalizador I y II. Los datos
del experimento se muestran en la siguiente tabla:

Alto Medio Bajo

CI 279 172 176 174 277 130 397 348 434
(215.6) (193.6) (393)
CII 253 238 387 252 367 323 417 427 423
(292.6) (314) (422.3)

(Nota: Los numeros entre parentesis son las medias de las casillas)

(a) Contrastar con = 0.05 que efectos son signicativos. Interprete el resultado.
(b) Determinar el intervalo con el 99% de conanza para la varianza del error experimental.
6
 (c) Dar un intervalo para una observacion realizada en condiciones optimas. Si se
realizan 10 experimentos en estas condiciones, determinar el intervalo que con
probabilidad igual al 95% contiene a todas ellas. Utilice la aproximacion

z + 1
tg = z (1 )1
4g
donde g son los grados de libertad de la t y z el valor de la normal estandar, tal
que P (Z z ) =

17. Un laboratorio de Analisis Clnicos ha adquirido un nuevo equipo (B) para medir el
coles-terol en la sangre de los enfermos. Para evaluar si el nuevo equipo esta ajustado se
decide analizar muestras de 5 enfermos que previamente han sido analizadas con otro
equipo (A), dando como resultado

Enfermo 1 2 3 4 5 Media
Equipo A 215 305 247 221 286 254.8
Equipo B 224 312 251 232 295 262.8

Contrastar con = 0.05 existen

diferencias entre los dos equipos.

18. Para estudiar el consumo de aceite de un motor se prueban 4 motores distintos con 3 tipos
de aceites obteniendo 12 medidas de consumo. Se ha obtenido:

Variabilidad explicada por aceite = 100

Variabilidad explicada por motor = 80

Variabilidad Total = 220
Se pide escribir la tabla ADEVA correspondiente, y obtener conclusiones.

19 . Para
determinar el consumo de energa electrica para usos domesticos se ha medido el con-
sumo
medio por persona en las distintas estaciones del ano en siete comunidades
autonomas
para 1989, habiendose obtenido los siguientes resultados:
COMUNIDAD ME INVIERNO PRIMAV
1 DI 13.1 13.4 ERA 11.4 12.1 12.1 12.8
2 AS 13.8 14.0 12.6 13.4 14.2 12.66
3 14.4 14.8
4 15.6 14.16
5
6
7
VERAN 1 . 11.1 12.0 12.15
O 0 5 11.4 12.9 12.55
. 11.7 12.6 12.77
OTO 6 1 12.5 13.4 13.22
NO 1 13.0 14.0 13.80
1 . 14.1 14.4 14.57
MED 1 6 12.06 12.97 12.96
IAS 5

(a) Analizar si el factor estacion del ano es inuyente, sabiendo que2 sy = 1.53.(No
consid-erar el factor Comunidad).

7
 (b) Razonar estadsticamente cual es la estacion de mayor consumo y la de menor,
uti-lizando el analisis anterior. Calcular los intervalos de conanza para el consumo
medio de cada estacion del ano.
(c) Sabiendo que la variabilidad explicada por el factor comunidad es 23.62, construir una
nueva tabla de la varianza, con dos factores, y decidir que factor es signicativo.
(d) Utilizar los resultados del apartado anterior para realizar un contraste de igualdad de
medias del efecto estacion y comparar los resultados con los del apartado 2,
justicando las diferencias encontradas.

( NOTA: Utilizar = 0.05 en todos los contrastes )

20. Se realiza un experimento para estudiar si la presencia de uorita reduce el coste de fabri-
cacion de clinker de cemento en tres tipos diferentes de mezcla. Los resultados del
mismo (en miles de pesetas por Tm) se muestran en la siguiente tabla:

FLUORITA MI MII MIII y i

0% 15.4 10.6 17.8
1% 14.6 10.3 5.5 10.9
2% 8.9 7.4 1.2 8.1
3%
4% y 5.5 10.7 6.5 9.6
8.9 13.5 11.6 15.5
13.5
11.4 7.1 12.4

X
5 X
3
eij
2 = 10.2 y = 10.3

i=1 j=1

(a) Determinar si el tipo de mezcla y el nivel de uorita anadido inuyen

signicativamente en el coste de fabricacion. Se supone que no existe interaccion
entre los dos factores.
(b) Contrastar que porcentaje de uorita produce el menor coste del clinker.

21. El analisis de la varianza de un diseno en bloques aleatorizados proporciona los

siguientes resultados: V T = 232, V E(factor) = 156, V E(bloque) = 15 y V N E = 61. El
numero de niveles del factor es 5 y el numero de bloques 8. Construir la tabla
ADEVA. Cual sera el resultado del analisis si no se tiene en cuenta el efecto de los
bloques ? Indicar en que circunstancias es preferible cada uno de los modelos.

22. Se ha realizado un experimento con tres factores, (A, B y C), con 4, 3, y 5 niveles,
sin replicaciones. El modelo propuesto no incluye las interacciones de orden 3, por lo
que la variabilidad explicada por estas interacciones se pretende utilizar para estimar la
varianza residual. Los resultados proporcionan para la variabilidad explicada por las
interacciones de orden 3 un valor igual a 234.5; que es muy superior a lo esperado. Debido
a esto se repitio por completo el experimento, obteniendose para este segundo
experimento un valor de 158.7

8
 (para la variabilidad explicada por la interacciones de orden 3). Proponer un procedimiento
para contrastar si se ha producido un cambio signicativo en esta variabilidad de uno a otro
experimento, indicando las hipotesis en las que se basa el contraste. (Dejar el resultado
del contraste indicado en funcion de los valores crticos de la tabla correspondiente.)

i
23. 8.25. (2-96) En un modelo de analisis de la varianza se ha observado que la desviacion t
pic
i
a (s ) y la media (y i ) de las observaciones de cada tratamiento estan
relacionadas
i linealmente, s = ky , donde k es una constante. Cual de las siguientes
transformaciones es la mas adecuada para corregir la heterocedasticidad ? z = log y, z =
y 2 o z = ky

24. La oxidacion es una etapa de la fabricacion de chips y consiste en anadir una capa
de oxido sobre la placa silicio (oblea). Se esta experimentando con 6 tratamientos (Ti )
para seleccionar el que proporciona un mayor espesor de oxido en un mismo tiempo de
proceso. Una caracterstica que inuye en el espesor es el acabado supercial de la oblea,
por lo que se tomaron 5 tipos distintos de acabado (Oj ). De cada tipo (Oj ) se tomaron 6
obleas y se asignaron aleatoriamente a los tratamientos. En la tabla se proporciona el
espesor obtenido en cada oblea y las medias por las y columnas.

T1 T2 T3 T4 T5 T6
O1 85.60 93.00 80.50 88.90
90.90 O2 85.20 93.60 83.20 87.35 91.00
89.30 87.80 90.90 81.00 89.40
91.50 O3 83.20 95.60 84.60 86.30 85.60 VT = 465.1
84.70 87.60 94.90 82.70 91.10 89.50
87.50 O4 86.70 93.60 82.40 88.70
87.60 86.10 88.90 89.20
90.50 O5 88.15
87.30
93.10
86.90
90.70

(a) Contrastar si el tipo de

oblea y el tratamiento inuyen en el espesor del oxido. Elegir el tipo de oblea y
tratamiento mas adecuado, indicando si son signicativamente distintos del resto.
(b) Para jar los seis tratamientos, se seleccionaron dos temperaturas (t1 , t2 ) y tres
presiones (p1 , p2 , p3 ) y se combinaron de forma que T1 = (t1 , p1 ), T2 = (t1 , p2 ), T3
= (t1 , p3 ) T4 = (t2 , p1 ), T5 = (t2 , p2 ) y T6 = (t2 , p3 ). Calcular las variabilidades
explicadas por la temperatura, la presion y su interaccion (t p).
(c) Indicar si sus efectos son signicativos, suponiendo nulas las interacciones de los factores
O t, O p y O t p.

25. Demostrar que en un modelo de bloques aleatorizados, , i y j son independientes.

26. Un centro ha realizado un experimento para mejorar la resistencia a la tension de

ciertos muelles de acero. En una etapa del proceso el muelle caliente se sumerge en aceite
templado. Se han estudiado tres factores, A (temperatura del acero antes de la inmersi
on, con tres niveles), B (temperatura del bano de aceite, dos niveles) y C (concentraci
on de carbono en el acero, dos niveles). El experimento se ha replicado tres veces. En la
tabla se muestra la media y la varianza (corregida) para los tres datos de cada tratamiento.

9
 i
A B C yi
s2 1 1 1
40.2 0.25 1 1
2 61.1 2.68 1
2 1 35.9
2.43 1 2 2 57.1
4.44 2 1 1 49.0
3.49 2 1 2 70.3
7.77 2 2 1 46.7
5.08 2 2 2 67.6
1.03 3 1 1 41.9
4.27 3 1 2 62.7
11.41 3 2 1 37.1
1.33 3 2 2 60.3
6.13

(a) Dar un intervalo del 95 % de conanza para la

varianza del error experimental, 2 . (b) Indicar si los efectos principales de A, B y C son
signicativamente distintos de cero.
(c) Dado 2 , construir un intervalo que cumpla que la probabilidad de que s 2
i (la
varianza muestral corregida de un tratamiento) este contenido en el sea igual a 0.95.
Sustituir 2 por su estimador y con ayuda de este intervalo, discutir si se puede rechazar
la hipotesis de homocedasticidad de las observaciones.

27. Estimar por maxima verosimilitud los parametros , i y j del modelo de bloques
aleator-izados. Obtener la distribucion de estos estimadores, indicando su media y
varianza.

28. Explicar por que en un modelo de dos factores con interaccion es necesario poner las condi-
ciones
XI XJ
XI XJ ()ij = 0 para todo j, y ()ij = 0 para todo i.
i = 0, j = i=1 j=1
0,
i=1 j=1

Se podran haber puesto otras condiciones distintas a las anteriores? Justicar la

respuesta.

29. La calidad de un producto qumico despues de un largo periodo de almacenamiento

depende del conservante empleado y de las caractersticas de almacenamiento. Se ha
estudiado el efecto de cuatro conservantes distintos (columnas) y cinco almacenamientos
(las) sobre la degradacion del producto:

1 1 15.1 2
 8.1 3 15.3 2 3 4 Medias
4 11.0 18.8 10.3
8.0 5 13.5 4.3 11.8 13.8 3.8
Medias 11.5 7.0 9.2
15.6 4.4 12.9 5.8
12.0 11.0 9.3 7.3 18.2
15.8 8.1 14.2 9.46
14.6 11.04

10
 La tabla de analisis de la varianza para los datos anteriores es:

Suma de Grados de S. Cuadrados F Nivel

Cuadrados Libertad Medios Cr
Almacen. 205.488 4 51.372 10.0 tico
Conserv. 123.676 3 41.225 3 0.000
5.123 8.05 8
Residuos 61.484 12 0.003
Total 390.648 19 3

(a) Elegir con = 0.05 el conservante y el almacenamiento que producen menor degradacio
n.
(b) El analisis de los residuos muestra como atpica la observacion y54 = 18.2. Un
examen qumico conrma el resultado anomalo por lo que se recomienda eliminar la
observacion. Segun el modelo de dos factores sin interaccion, la prediccion de
la observacion yIJ
(eliminada) es:
SI SJ S
ybIJ +
= (J 1) (I
1) (I 1)(J 1)
donde I = 5, J = 4, SI es la suma de las observaciones de la la I (sin incluir la
elimi-nada), SJ es la suma de las observaciones de la columna J (sin incluir la
eliminada), y S es la suma de las observaciones restantes no incluidas en la la I ni
en la columna J. Obtener la distribucion (media y varianza) del error de prediccion
I
eIJ = yIJ yb J .
(c) Cuando, como en el caso anterior, falta una observacion se recomienda el siguiente
pro-cedimiento: sustituir la observacion faltante por su prediccion y aplicar los
contrastes habituales teniendo en cuenta que los residuos tienen un grado de libertad
menos. La nueva descomposicion de la variabilidad es: VT=339.63,
VE(Conservantes)=166.02, VE(Almacenamiento)=164.02 y VNE=9.59. Contestar al
apartado 1 con esta modi-cacion e interpretar las diferencias.

30. Una instalacion tpica de almacenamiento de combustible en una Estacion de Servicio

(gaso-linera) esta formada por un tanque enterrado de gran capacidad, al que se
encuentran conectados distintos surtidores. La cantidad total de gasolina suministrada
en un da se puede determinar midiendo directamente la variacion que se ha producido
en el tanque de almacenamiento (Y1j ) o por la suma de los suministros de los distintos
surtidores (Y2j ). La comparacion de ambas medidas permite determinar perdidas en la
instalacion enterrada y otras anomalas. En el proceso de comparacion es necesario
tener en cuenta que las medidas estan afectadas por errores aleatorios. Durante 20 das
se han tomado los valores anteriores en un gasolinera:
Da 1 2 34 Da 11 12 13 14 Y1j
Y1j 4116,2 5627,0 2820,4 4323,6 1880,7 2131,4 3349,6 Y2j 4305,4
2521,8 Y2j 4143,6 5632,0 2868,1 1877,9 2159,2 3366,7
2477,7
 5 6 7 8 9
10 2973,5 2834,9 2335,7 15 16 17 18 19 20
2590,8 2182,7 2621,4 2955,4 2851,9 2545,0 2247,3 1817,5 1461,3 1646,5
2312,7 2630,6 2208,9 2635,9 1955,4 2566,1 2281,4 1854,6 1461,5 1607,3
1956,4

11
 (a) Llamando Dj = Y1j Y2j a la diferencia en las medidas de un mismo da, contrastar
con = 0.05
H0 : D = 0
H1 : D = 0
donde Dj tiene distribucion N(D , D ). Calcular el nivel crtico del contraste
aproxi-mando la distribucion t de Student por la normal.
(b) Los datos anteriores pueden ser analizados mediante un modelo de bloques
aleatorizados tomando el tipo de medida (tanque, surtidores) como un factor y los das
como bloques. Demostrar con caracter general que en el modelo de bloques
aleatorizados si el factor tiene dos niveles la varianza residual cumple:

2 1
sbR = 2bsD
2
2 2
donde sb D es la estimacion de D del apartado 1.

(c) Teniendo en cuenta lo anterior, demostrar que el contraste correspondiente al factor en

el modelo de bloques aleatorizados es equivalente al contraste del apartado 1.

31. Una forma alternativa de la ecuacion del modelo para comparar I tratamientos es

yij = + i + uij , i = 1, 2, ..., I; j = 1, 2, ..., m

donde
es la media global
1 , P
2 , ..., I son los parametros que determinan los efectos de cada tratamiento,
I
cumplen que i=1 i = 0
uij son variables aleatorias independientes con identica distribucion normal de media cero
y varianza 2 .

(a) Obtener el estimador maximo verosmil de i , indicar su distribucion de

probabilidad, media y varianza.
PI 2
(b) Calcular la esperanza de la variabilidad explicada (V E = m i=1 b i ) cuando
los parametros i no son todos nulos.
(c) Calcular la correlacion entre b i y un residuo eij cualquiera (del mismo o
diferente tratamiento). Que implicacion tiene este resultado en el contraste de an
alisis de la varianza.

32. Un ingeniero esta estudiando metodos para mejorar ciertas propiedades mecanicas de
una aleacion metalica. Los dos factores que considera mas importantes son la cantidad
de Man-ganeso y la temperatura de templado. Se disena un experimento empleando
tres niveles para el factor manganeso y dos para la temperatura, en total 32 = 6
tratamientos. Se dispone de 6 hornos diferentes para realizar la fundicion. Cada horno
requiere un operador y se disponen de seis operadores cada uno de los cuales es capaz de
manejar los seis hornos. Disenar un experimento que con 36 observaciones permita
estudiar las diferencias entre los
12
 seis tratamientos y que tenga en cuenta el tipo de horno y el operador como variables blo-
ques. Construir la tabla de analisis de la varianza, indicando los grados de libertadad
de cada variabilidad, separando en ella el factor manganeso, el factor temperatura y su
inter-accion. (Los bloques y los factores no interaccionan). (Nota: no es necesario
indicar en la tabla como se obtienen las distintas variabilidades).

33. Una asociacion de consumidores para comprobar la utilidad de ciertos compuestos que segu
n sus fabricantes reducen el consumo de gasolina de los automoviles realizo el siguiente
exper-imento: eligio al azar 9 vehculos nuevos de distintas marcas con cilindrada
similar y con cada uno de ellos recorrio tres veces un mismo trayecto con conductores
distintos. Ademas en cada uno de estos tres trayectos empleo un tratamiento diferente
para la gasolina:

A : Gasolina con Cyber-Gas

Tratamiento B : Gasolina con Consumin
C : Gasolina sin aditivo

En la tabla siguiente se muestra el consumo en litros de gasolina en cada uno de los recorridos
y el tipo de tratamiento
(letra latina).
Nu Conductores Media
mero 1 2 3 la
Veh
culo
1 15,5 (A) 15,6 (B) 16,6 (C) 15,9
2 13,0 13,3 (A) 13,0 0
3 (B) 11,8 13,1 (C) (C) 12,5 13,1
Media de
4 (B) 14,4 14,8 (C) (A) 0 A:13,89
Tratam.
5 (A) 12,4 14,3 (A) 15,0 12,47 B:13,42
6 (B) 15,6 15,3 (A) (B) 14,1 14,73 C:14,18
7 (C) 12,7 12,0 (C) 14,7 13,6
8 (C) 14,2 (B) 14,0 (B) 12,0 0
9
Media (C) 12,6 (B) 13,5 (A) 15,1 15,2
Columna (A) (C) (A) 12,3 0
(B) 12,23
13,58 13,99 14,43
13,92 12,8
0
Media Total
13,83

El analisis de los datos se

realiza con el siguiente modelo

yijk = + i + j + k + uijk
donde yijk representa el consumo en litros, la media global; i , i = 1, 2, ..., 9 y j , j
= 1, 2, 3 los efectos correspondientes a los vehculos (las) y los conductores (columnas).
La estimacion e interpretacion de estos parametros es similar al modelo de bloques
aleatorizados. Ademas se incluye los parametros k , k = 1, 2, 3 que miden el efecto de los
P3
tratamientos (tipo
k=1 k = 0. Por ultimo, uijk la componente aleatoria son
de aditivo) y cumplen
variables aleatorias independientes con distribucion normal de media cero 2y varianza
para todas
las observaciones.

(a) Obtener razonadamente los estimadores maximo verosmiles de k .

13
 (b) La tabla del analisis de la varianza del modelo anterior es

Suma de Grados de Varianza F p-Valor

Cuadrados Libertad
Tratamiento 2,67 2 1,31 6,7 0,0091
Vehculo 40,2 8 5,02 25,7
Conductor 0,876 2 0,438 0,0000 2,2
0,1428

Residual 14 0,195
2,73 Total 26
46,4

Reducen los aditivos el consumo de gasolina? Existen diferencias signicativas entre

Cyber-gas (A) y Consumin (B)? (Realizar los contrastes con nivel de signicacion
0.05).
(c) Demostrar que el diseno anterior, independientemente de los valores numericos
(yijk ) obtenidos, es un diseno ortogonal, es decir que cumple:

VT = VE(Vehculos) + VE(Conductores) + VE(Tratamientos) + VNE

(Nota.- Es suciente con demostrar la ortogonalidad del vector correspondiente a los

tratamientos con respecto a los otros tres).

34. Un informatico quiere comparar los tiempos de ejecucion de tres programas realizados
en lenguajes diferentes que realizan el mismo proceso. Para hacer la comparacion
utilizan 4 ordenadores con microprocesadores distintos. Los tiempos requeridos por cada
programa en cada ordenador han sido:

O
RDENADOR PROGRAMA
A B C yi
1 1,36 2,23 1,54
2 0,97 1,71 0,76
0,70 3 1,79 0,81 1,84
1,74 4 0,64 1,79 0,74
0,69 yj 1,19 0,69 1,22
1,34 1,25

Existen diferencias signicativas en los tiempos requeridos por los 3 programas?

35. Se ha realizado un experimento con dos factores cada uno de ellos con 3 niveles. El 20%
de la variabilidad total esta explicada por la interaccion de los dos factores y el 40%
de la variabilidad total es debida a la variabilidad residual. Determinar el numero de
replica-ciones necesarias en cada tratamiento para que la interaccion sea signicativa con
= 0.01. (Explicar el procedimiento de calculo, dejando el resultado indicado en funcion de
las tablas).

14
 36. Un investigador quiere estudiar el efecto de sexo (hombre, mujer) y tipo de formacion
(cien-cias, letras) en el dominio del ingles escrito en profesores universitarios. Para ello
analiza el numero de incorrecciones gramaticales en artculos cientcos enviados a
publicacion. Para cada combinacion de niveles de los factores se han elegido al azar tres
profesores. En la tabla se proporciona el numero de fallos detectados en artculos de 15 p
aginas

Letras Ciencias
Hombre 8, 6, 22, 28, 33
13 12, 14, 9
Mujer 5, 10,
6

Contrastar con nivel de signicacion 0.05 si los

efectos principales y la interaccion son signi-cativos. Tener en cuenta que P (F1,8 5.32) =
0.95, siendo F1,8 la distribucion F con grados de libertad 1 y 8. Interpretar los resultados.

37. Un alumno, como trabajo de la asignatura de estadstica, ha comparado tres marcas

distintas (A,B,C) de palomitas de maz precocinadas. Cada marca puede prepararse
friendolas en una sarten (metodo 1) o en el horno microondas (metodo 2). El alumno
ha realizado un diseno factorial completo 32 con cinco replicaciones en cada uno de los
seis tratamientos. La variable respuesta medida es el porcentaje de granos de maz que
no se han inado adecuadamente. Los resultados del experimento se muestran en la tabla,
en cada tratamiento se proporciona la media y entre parentesis la desviacion tpica
corregida para las cinco replicaciones. Contrastar si la interaccion entre los dos factores
es signicativa.

A B C
5.5 3.6 7.5
Sart
(1,4) (1,8) (2,5)
en
3.8 3.4 4.3
(1,3) (0,9)
Horno
(1,3)

38. Se ha realizado un experimento con dos factores, A

(temperatura con tres niveles), B (con-centracion con cuatro niveles). El experimento
se ha replicado 5 veces. En la tabla se
15
 muestra la media y la varianza (corregida) para los 5 datos de cada tratamiento.

i
A B yi
s2 1 1
240 1.2 1 2
261 1.6 1 3
235 1.4 1 4
257 2.4 2 1
249 1.4 2 2
270 5.7 2 3
246 5.8 2 4
267 1.7 3 1
241 4.2 3 2
262 9.4 3 3
237 1.3 3 4
260 6.1

Escribir la tabla de analisis de la varianza.

39. Se desea estudiar la inuencia de 2 factores en el error de medida de un equipo de visi

on articial. Un factor F es la distancia focal, para el que se han jado 4 niveles y el otro
factor L es el nivel de iluminacion con 2 niveles. Ademas se dispone de 2 equipos
diferentes para realizar las medidas. Se ha tomado un patron y se ha medido en las
combinaciones indicadas en la tabla, donde yijk es el error obtenido al situar la distancia
focal i, con iluminacion j y el equipo k.

F 1 3 4 1 2 3
2 L 1 41 1 2 2 2
1 2
Equipo 1 y111 y211 y311 y411 y121 y221 y321
Equipo 2 y112 y212 y421 y312 y412 y122 y222 y322
y422

Construir la tabla de an
alisis de la varianza, que incluya los efectos principales debidos a la distancia focal (F ), la
iluminacion (L) y el equipo, y ademas la interaccion F L, suponiendo que son nulas el
resto de interacciones.

40. Cierta industria de lentes para gafas desea comparar dos tipos de recubrimiento
antireec-tante A, B. Los dos tipos tienen identico aspecto y prestaciones, pero antes de
decidirse por uno u otro desean comprobar si el tipo de recubrimiento inuye en el
desgaste que sufre la lente. Para ello construyen gafas con una lente de cada tipo que
distribuyen entre 10 per-sonas seleccionadas al azar que habitualmente utilizan gafas. Al
cabo de seis meses miden el desgaste y se obtienen los valores que se indican en la tabla.
16
 Persona Lente A Lente B
1 6.7 6.9
2 5.0 5.8
3 3.6 4.1
4 6.2 7.0
5 5.9 7.0
6 4.0 4.6
7 5.2 5.5
8 4.5 5.0
9 4.4 4.3
10 4.1 4.8

Que tipo de recubrimiento recomendara a los

fabricantes con el criterio de mnimo desgaste?.

41. Demuestre que en un modelo en bloques aleatorizados, con I niveles para el factor y J niveles
para el bloque, con modelo

yij = +i+ j +uij ,el valor esperado de la variabilidad explicada por el factor es: E[V E()] =
PJ
(I 1) 2 + J i=1 2i ,siendo 2 la varianza del error experimental.

42. Se desea comprobar si el orden en el que aparecen las preguntas de un examen test inuye
en resultado obtenido por el alumno. Se han preparado dos examenes, el Test A tiene
las preguntas en orden de dicultad creciente y el Test B a la inversa. Se ha elegido una
muestra aleatoria de 20 alumnos y se han emparejado segun su habilidad, de forma que
los dos alumnos de cada pareja han demostrado durante el curso una habilidad similar.
De cada pareja, un alumno se ha asignado aleatoriamente al Test A y el otro al Test B.
Los resultados nales del ejercicio han sido (cada pareja es una columna)

Test A: 83 82 95 91 60 89 69 70
92 Test B: 76 62 70 72 52 63 48 80 76
74 74

Es evidente que las puntuaciones del Test B son mas bajas que las del Test A?

43. El analisis de la varianza de un diseno en bloques aleatorizados proporciona los si-

guientes resultados: V T = 129, V E(factor) = 38, 5 y V E(bloque) = 82, 5. El numero de
niveles del factor es 4 y el numero de bloques 4. Construir la tabla de analisis de la
varianza y hacer los contrastes correspondientes con nivel de signicacion 0,05.

44. Se ha estudiado la inuencia de la cantidad de cierto aditivo en la opacidad de un material

plastico que se puede fabricar por tres metodos de extrusion. El objetivo es
conseguir el tratamiento con opacidad mnima. Cada tratamiento se ha replicado 5
veces, los valores medios y las desviaciones tpicas corregidas para cada caso se
proporcionan en la tabla 1. La tabla 2 corresponde al analisis de la varianza. Se ha
comprobado que se verican las condiciones de normalidad y homocedasticidad.
17
 M Aditivo Medias Desv. T
etodo 1 9.5 p. 0.83
1 2 9.3 0.67
1 1 10.0 1.53 (TABLA 1)
2 2 8.1 0.77
2 1 11.5 0.78
3
3 2 6.0 1.23

Suma de Var. F p-valor

cuadrad. 0.358
Extrus. g.l. 1.105 1.072 0.000 (TABLA 2)
Aditivo 2.210 2 47.636 46.2 0.000
Interac. 47.636 1 18.786 18.2

Residual 37.572 2 1.030

Total 24.728
24
112.146 29

(a) A la vista de los resultados de las dos tablas indica que metodo de extrusion es
acon-sejable para conseguir la opacidad mnima.
(b) Da un intervalo del 95% de conanza para la opacidad media en las condiciones optimas.
(c) Sea
di = y i1 y i2

la diferencia entre las medias observadas en los dos niveles del factor aditivos para el
metodo de extrusion i. Calcula el valor esperado y la varianza de di en terminos de
los parametros del modelo factorial.
(d) Si E(di) = 0 para los tres metodos, obten la distribucion de probabilidad de

2 2 2

5 d1 + d2 + d3
.
2 2

45. Se ha estudiado el efecto de tres hornos diferentes y dos temperaturas (290 o C y 320 o C)
en la duracion de cierto componente. Para cada combinacion de horno y temperatura
se ha replicado el experimento 3 veces. En la tabla siguiente se proporcionan las medias
y desviaciones tpicas de los datos de cada tratamiento.

Temperatura o C
290 o C 320 o C
Media H
Horno 1 245.6 o 191.0 Horno
3 187.0 Desv. T. Media Desv. T.
8.50 2.65
180.0 2.65
15.39 8.62
144.0 4.58
134.3

18
 Suma Grados Varianza F p-valor
Fuente Cuadrado Libertad 4823.2 69.1 0.000
Horno 9646.3 2 13667.6 0.000
Temp. 13667.6 1 195.9 137.4 0.182
HxT 274.8 2 1.97
Residual 837.3 12 69.8
Total 24426 17

Seleccionar el horno y la
temperatura que proporcionan maxima duracion, haciendo los con-trastes de igualdad de
medias con nivel de signicacion 0.01.
19