Académique Documents
Professionnel Documents
Culture Documents
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
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
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
yijk i j ij uijk
yijk i j ij
eijk
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
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
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
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
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 ]
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
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
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
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
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
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
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
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
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
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
sB
2 2
Bloque I (y y ) sB sR pB
j J 1
Diseo Experimentos 56
Sin bloques
Diseo Experimentos 57
Intervalos de confianza
(ejemplo)
sR
i yi t /2
J
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
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
1-
0
2-
0
3-
0
4-
0
2-
1
3-
1
4-
1
3-
2
4-
2
4-
3
-4 -2 0 2
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
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
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
Diseo Experimentos 71
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
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)
Diseo Experimentos 76
Modelo estimado
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
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
Diseo Experimentos 88
Interaccin:
Cat. x
Temp.
T-1
T-2
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
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
grados de libertad. 2
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
ANOVA: Obleas
Diseo Experimentos 96
Comparacin de medias
utilizando slo K2 E2 D C B E
observaciones. A3 E B A D
Diseo Experimentos 98
C
o
n
d
uc
to
r
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
Normalidad
uij(k ) Independencia K2 Observaciones
Homocedasticidad
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)
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
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
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
(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.
Factor 1 1.25
Factor 2 G.L. 20 2 10
Factor 3 5
0.25
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
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.
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) 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
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
H0 : 1 = 2 = ... = m
(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
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:
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.
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:
X
5 X
3
eij
2 = 10.2 y = 10.3
i=1 j=1
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
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
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
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:
(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.
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.
31. Una forma alternativa de la ecuacion del modelo para comparar I tratamientos es
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 .
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:
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
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.
13
(b) La tabla del analisis de la varianza del modelo anterior es
Residual 14 0,195
2,73 Total 26
46,4
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
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
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)
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
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
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?
(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