Contenido

Problema 11, Pg. 119, 120 Gutirrez - de la Vara 2 ed. ................................................................... 2

a) En este problema, cul es el factor de tratamiento y cul el factor de bloque? ...................... 2
b) Suponga un DBCA, formule las hiptesis adecuadas y el modelo estadstico. ........................... 2
c) Hay diferencia entre los silos? ................................................................................................... 3
d) La temperatura de un da a otro es diferente? ......................................................................... 3
e) Revise residuos, hay algn problema evidente? ....................................................................... 4
Problema 4.1, Pg. 164 Montgomery 2 ed. (Anlisis y dis. de exp.) ................................................. 6
a) En este problema, cul es el factor de tratamiento y cul el factor de bloque? ...................... 6
b) Suponga un DBCA, formule las hiptesis adecuadas y el modelo estadstico. ........................... 6
c) Hay diferencia entre las resistencias? ....................................................................................... 7
d) La resistencia a la tensin es diferente en cada rollo? ............................................................. 8
e) Revise residuos, hay algn problema evidente? ....................................................................... 9
Problema 4.13, Pg. 166 Montgomery 2 ed. (Anlisis y dis. de exp.) ............................................. 11
a) En este problema, cul es el factor de tratamiento y cul el factor de bloque? .................... 11
b) Suponga un DBCA, formule las hiptesis adecuadas y el modelo estadstico. ......................... 11
c) Hay diferencia entre el tiempo de enfoque del ojo?................................................................... 12
d) La resistencia a la tensin es diferente en cada rollo? ........................................................... 13
e) Revise residuos, hay algn problema evidente? ..................................................................... 13
Problema 16, Pg. 121, 122 Gutirrez - de la Vara 2 ed. ................................................................. 16
Problema 11, Pg. 119, 120 Gutirrez - de la Vara 2 ed.
11.-En una empresa lechera se tienen varios silos para almacenar leche (cisternas
de 60 000 L).
Un aspecto crtico para que se conserve la leche es la temperatura de
almacenamiento.
Se sospecha que en algunos silos hay problemas, por ello, durante cinco das se
decide registrar la temperatura a cierta hora crtica. Obviamente la temperatura de
un da a otro es una fuente de variabilidad que podra impactar la variabilidad total.

a) En este problema, cul es el factor de tratamiento y cul el factor de

bloque?

Factor de tratamiento: silo

Factor de bloqueo: da.
b) Suponga un DBCA, formule las hiptesis adecuadas y el modelo

estadstico.

La afirmacin a probar es que la res puesta media poblacional lograda con cada tratamiento
es la misma para los k tratamientos y que, por lo tanto, cada respuesta media es igual a

la media global poblacional, .

0 : n
 1 : nos n nte

c) Hay diferencia entre los silos?

Anlisis de Varianza para temperatura - Suma de Cuadrados Tipo III

Fuente Suma de Cuadrados Gl Cuadrado Medio Razn-F
EFECTOS PRINCIPALES
A:silo 4.46 4 1.115 0.69
B:dia 9.76 4 2.44 1.51
RESIDUOS 25.84 16 1.615
TOTAL (CORREGIDO) 40.06 24

Fuente Valor-P
EFECTOS PRINCIPALES
A:silo 0.6092
B:dia 0.2460
RESIDUOS
TOTAL (CORREGIDO)
Todas las razones-F se basan en el cuadrado medio del error residual

La tabla ANOVA descompone la variabilidad de temperatura en contribuciones

debidas a varios factores. Puesto que se ha escogido la suma de cuadrados Tipo
III (por omisin), la contribucin de cada factor se mide eliminando los efectos de
los dems factores. Los valores-P prueban la significancia estadstica de cada uno
de los factores. Puesto que ningn valor-P es menor que 0.05, ninguno de los
factores tiene un efecto estadsticamente significativo sobre temperatura con
un 95.0% de nivel de confianza.

d) La temperatura de un da a otro es diferente?

Pruebas de Mltiple Rangos para temperatura por silo

Mtodo: 95.0 porcentaje LSD

silo Casos Media LS Sigma LS Grupos Homogneos
a 5 3.3 0.568331 X
c 5 3.4 0.568331 X
e 5 3.5 0.568331 X
b 5 4.2 0.568331 X
d 5 4.3 0.568331 X

Contraste Sig. Diferencia +/- Lmites

a-b -0.9 1.70386
a-c -0.1 1.70386
a-d -1.0 1.70386
a-e -0.2 1.70386
b-c 0.8 1.70386
b-d -0.1 1.70386
b-e 0.7 1.70386
c-d -0.9 1.70386
c-e -0.1 1.70386
d-e 0.8 1.70386
* indica una diferencia significativa.

Esta tabla aplica un procedimiento de comparacin mltiple para determinar cules

medias son significativamente diferentes de otras. La mitad inferior de la salida
muestra las diferencias estimadas entre cada par de medias. No hay diferencias
estadsticamente significativas entre cualquier par de medias, con un nivel del
95.0% de confianza. En la parte superior de la pgina, se ha identificado un grupo
homogneo, segn la alineacin de las X's en columna. No existen diferencias
estadsticamente significativas entre aquellos niveles que compartan una misma
columna de X's. El mtodo empleado actualmente para discriminar entre las medias
es el procedimiento de diferencia mnima significativa (LSD) de Fisher. Con este
mtodo hay un riesgo del 5.0% al decir que cada par de medias es
significativamente diferente, cuando la diferencia real es igual a 0.
e) Revise residuos, hay algn problema evidente?

Pruebas de Normalidad para los datos de la temperatura

Prueba Estadstico Valor-P
Estadstico W de Shapiro-Wilk 0.940249 0.15767

Esta ventana muestra los resultados de diversas pruebas realizadas para

determinar si los datos de la temperatura pueden modelarse adecuadamente con
una distribucin normal. La prueba de Shapiro-Wilk est basada en la comparacin
de los cuartiles de la distribucin normal ajustada a los datos.
Debido a que el valor-P ms pequeo de las pruebas realizadas es mayor igual a
0.05, no se puede rechazar la idea de que los datos de la temperatura
provienen de una distribucin normal con 95% de confianza.
Pruebas de Bondad-de-Ajuste para los datos de la temperatura
Prueba de Kolmogorov-Smirnov
Normal Anderson-Darling A^2
DMAS 0.0846219 Normal
DMENOS 0.204314 A^2 0.631881
DN 0.204314 Forma Modificada 0.631881
Valor-P 0.248301 Valor-P >=0.10

Debido a que el valor-P ms pequeo de las pruebas realizadas es mayor

igual a 0.05, no se puede rechazar la idea de que los datos de las
temperaturas provienen de una distribucin normal con 95% de confianza.
Grfica Cuantil-Cuantil

2.4 Distribucin
Normal
1.4
A.RESIDUOS

0.4

-0.6

-1.6

-2.6
-2.6 -1.6 -0.6 0.4 1.4 2.4
Distribucin Normal

Se observa como los datos se ajustan a la recta de normalidad y las ambas

pruebas realizadas concuerdan en la normalidad de los datos
Problema 4.1, Pg. 164 Montgomery 2 ed. (Anlisis y dis. de exp.)
4-1.-Un qumico quiere probar el efecto de cuatro agentes qumicos sobre la
resistencia de un tipo particular de tela. Debido a que podra haber variabilidad de
un rollo de tela a otro, el qumico decide usar un diseo de bloques aleatorizados,
con los rollos de tela considerados como bloques. Selecciona cinco rollos y aplica
los cuatro agentes qumicos de manera aleatoria a cada rollo. A continuacin se
presentan las resistencias a las tensiones resultantes. Analizar los datos de este
experimento (utilizar = 0.05) y sacar las conclusiones apropiadas.

a) En este problema, cul es el factor de tratamiento y cul el factor de

bloque?

Factor de tratamiento: agente qumico

Factor de bloqueo: rollo (1, 2, 3, 4, 5).
b) Suponga un DBCA, formule las hiptesis adecuadas y el modelo

estadstico.

La afirmacin a probar es que la res puesta media poblacional lograda con cada tratamiento
es la misma para los k tratamientos y que, por lo tanto, cada respuesta media es igual a

la media global poblacional, .

0 :
 1 : nos nte

c) Hay diferencia entre las resistencias?

Anlisis de Varianza para resistencia a la tensin - Suma de Cuadrados Tipo

III
Fuente Suma de Cuadrados Gl Cuadrado Medio Razn-F
EFECTOS PRINCIPALES
A:rollo 157.0 4 39.25 21.61
B:agente quimico 12.95 3 4.31667 2.38
RESIDUOS 21.8 12 1.81667
TOTAL (CORREGIDO) 191.75 19

Fuente Valor-P
EFECTOS PRINCIPALES
A:rollo 0.0000
B:agente quimico 0.1211
RESIDUOS
TOTAL (CORREGIDO)
Todas las razones-F se basan en el cuadrado medio del error residual
La tabla ANOVA descompone la variabilidad de resistencia a tensin en
contribuciones debidas a varios factores. Puesto que se ha escogido la suma de
cuadrados Tipo III (por omisin), la contribucin de cada factor se mide eliminando
los efectos de los dems factores. Los valores-P prueban la significancia estadstica
de cada uno de los factores. Puesto que un valor-P es menor que 0.05, este factor
tiene un efecto estadsticamente significativo sobre resistencia a la tensin con
un 95.0% de nivel de confianza.
Tabla de Medias por Mnimos Cuadrados para resistencia a la tensin con
intervalos de confianza del 95.0%
Error Lmite Lmite
Nivel Casos Media Est. Inferior Superior
MEDIA GLOBAL 20 71.75
rollo
1 4 73.5 0.673919 72.0317 74.9683
2 4 68.5 0.673919 67.0317 69.9683
3 4 75.5 0.673919 74.0317 76.9683
4 4 72.75 0.673919 71.2817 74.2183
5 4 68.5 0.673919 67.0317 69.9683
agente quimico
1 5 70.6 0.602771 69.2867 71.9133
2 5 71.4 0.602771 70.0867 72.7133
3 5 72.4 0.602771 71.0867 73.7133
4 5 72.6 0.602771 71.2867 73.9133

Esta tabla muestra la media de resistencia a la tensin para cada uno de los niveles
de los factores. Tambin muestra los errores estndar de cada media, los cuales
son una medida de la variabilidad en su muestreo. Las dos columnas de la extrema
derecha muestran intervalos de confianza del 95.0% para cada una de las medias.
Pueden desplegarse estas medias e intervalos seleccionado Grfico de Medias de
la lista de Opciones Grficas.

d) La resistencia a la tensin es diferente en cada rollo?

Pruebas de Mltiple Rangos para resistencia a la tensin por rollo

Mtodo: 95.0 porcentaje LSD

rollo Casos Media LS Sigma LS Grupos Homogneos
2 4 68.5 0.673919 X
5 4 68.5 0.673919 X
4 4 72.75 0.673919 X
1 4 73.5 0.673919 XX
3 4 75.5 0.673919 X

Contraste Sig. Diferencia +/- Lmites

1-2 * 5.0 2.07656
1-3 -2.0 2.07656
1-4 0.75 2.07656
1-5 * 5.0 2.07656
2-3 * -7.0 2.07656
2-4 * -4.25 2.07656
2-5 0.0 2.07656
3-4 * 2.75 2.07656
3-5 * 7.0 2.07656
4-5 * 4.25 2.07656
* indica una diferencia significativa.

Procedimiento de comparacin mltiple para determinar cules medias son

significativamente diferentes de otras. La mitad inferior de la salida muestra las
diferencias estimadas entre cada par de medias. El asterisco que se encuentra al
lado de los 7 pares indica que estos pares muestran diferencias estadsticamente
significativas con un nivel del 95.0% de confianza. En la parte superior de la
pgina, se han identificado 3 grupos homogneos segn la alineacin de las X's en
columnas. No existen diferencias estadsticamente significativas entre aquellos
niveles que compartan una misma columna de X's. El mtodo empleado
actualmente para discriminar entre las medias es el procedimiento de diferencia
mnima significativa (LSD) de Fisher. Con este mtodo hay un riesgo del 5.0% al
decir que cada par de medias es significativamente diferente, cuando la diferencia
real es igual a 0.

e) Revise residuos, hay algn problema evidente?

Ajuste de Datos No Censurados para los datos de la resistencia a la tensin

Datos/Variable: resistencia a la tensin
20 valores con rango desde -1.35 a 1.85
Distribuciones Ajustadas
Normal
media = 5.55112E-18
desviacin estndar = 1.07115
Los parmetros estimados para la distribucin ajustada se muestran arriba.
Pruebas de Normalidad para resistencia a la tensin
Prueba Estadstico Valor-P
Estadstico W de Shapiro-Wilk 0.898062 0.0387935

Esta ventana muestra los resultados de diversas pruebas realizadas para

determinar si los datos de la resistencia a la tensin pueden modelarse
adecuadamente con una distribucin normal. La prueba de Shapiro-Wilk est
basada en la comparacin de los cuartiles de la distribucin normal ajustada a los
datos.
Debido a que el valor-P ms pequeo de las pruebas realizadas es menor a 0.05,
se puede rechazar la idea de que los datos de la resistencia a la tensin
provienen de una distribucin normal con 95% de confianza.
Pruebas de Bondad-de-Ajuste para resistencia a la tensin
Prueba de Kolmogorov-Smirnov
Normal Anderson-Darling A^2
DMAS 0.205687 Normal
DMENOS 0.104394 A^2 0.72638
DN 0.205687 Forma Modificada 0.72638
Valor-P 0.369346 Valor-P >=0.10

Los resultados de diversas pruebas realizadas para determinar si los datos de la

resistencia a la tensin pueden modelarse adecuadamente con una distribucin
normal.
Debido a que el valor-P ms pequeo de las pruebas realizadas es mayor igual a
0.05, no se puede rechazar la idea de que los datos de resistencia a la tensin
provienen de una distribucin normal con 95% de confianza.
Grfica Cuantil-Cuantil

2 Distribucin
Normal

1
B.RESIDUOS

-1

-2
-2 -1 0 1 2
Distribucin Normal

Aunque la primera prueba de normalidad nos arroja que los datos de la resistencia
a la tencin no se comportan de manera normal (Kolmogorov-Smirnov), la prueba
de Anderson-Darling, que es ms robusta, se puede aceptar que los datos
provienen de una distribucin normal.
Problema 4.13, Pg. 166 Montgomery 2 ed. (Anlisis y dis. de exp.)
4-13.- Un ingeniero industrial est realizando un experimento sobre el tiempo de
enfoque del ojo. Se interesa en el efecto de la distancia del objeto al ojo sobre el
tiempo de enfoque. Cuatro distancias diferentes son de inters. Cuenta con 5
sujetos para el experimento. Debido a que puede haber diferencias entre los
individuos, el ingeniero decide realizar el experimento en un diseo de bloques
aleatorizados. Los datos obtenidos se presentan a continuacin. Analizar los datos
de este experimento (utilizar = 0.05) y sacar las conclusiones apropiadas.

a) En este problema, cul es el factor de tratamiento y cul el factor de

bloque?

Factor de tratamiento: distancia (pies)

Factor de bloqueo: sujeto (1, 2, 3, 4, 5).
b) Suponga un DBCA, formule las hiptesis adecuadas y el modelo

estadstico.

La afirmacin a probar es que la res puesta media poblacional lograda con cada tratamiento
es la misma para los k tratamientos y que, por lo tanto, cada respuesta media es igual a

la media global poblacional, .

0 :
 1 : nos nte

c) Hay diferencia entre el tiempo de enfoque del ojo?

Anlisis de Varianza para tiempo enfoque ojo - Suma de Cuadrados Tipo III
Fuente Suma de Cuadrados Gl Cuadrado Medio Razn-F
EFECTOS PRINCIPALES
A:distancia 32.95 3 10.9833 8.61
B:sujeto 36.3 4 9.075 7.12
RESIDUOS 15.3 12 1.275
TOTAL (CORREGIDO) 84.55 19

Fuente Valor-P
EFECTOS PRINCIPALES
A:distancia 0.0025
B:sujeto 0.0035
RESIDUOS
TOTAL (CORREGIDO)
Todas las razones-F se basan en el cuadrado medio del error residual

La tabla ANOVA descompone la variabilidad de tiempo enfoque del ojo en

contribuciones debidas a varios factores. Puesto que se ha escogido la suma de
cuadrados Tipo III (por omisin), la contribucin de cada factor se mide eliminando
los efectos de los dems factores. Los valores-P prueban la significancia estadstica
de cada uno de los factores. Puesto que 2 valores-P son menores que 0.05, estos
factores tienen un efecto estadsticamente significativo sobre tiempo enfoque
del ojo con un 95.0% de nivel de confianza.
d) el tiempo de enfoque es diferente para cada distancia?

Pruebas de Mltiple Rangos para tiempo enfoque ojo por distancia

Mtodo: 95.0 porcentaje LSD

distancia Casos Media LS Sigma LS Grupos Homogneos
8 5 3.6 0.504975 X
10 5 3.8 0.504975 XX
6 5 5.2 0.504975 X
4 5 6.8 0.504975 X

Contraste Sig. Diferencia +/- Lmites

4-6 * 1.6 1.55599
4-8 * 3.2 1.55599
4 - 10 * 3.0 1.55599
6-8 * 1.6 1.55599
6 - 10 1.4 1.55599
8 - 10 -0.2 1.55599
* indica una diferencia significativa.

La mitad inferior de la salida muestra las diferencias estimadas entre cada par de
medias. El asterisco que se encuentra al lado de los 4 pares indica que estos
pares muestran diferencias estadsticamente significativas con un nivel del
95.0% de confianza. En la parte superior de la pgina, se han identificado 3 grupos
homogneos segn la alineacin de las X's en columnas. No existen diferencias
estadsticamente significativas entre aquellos niveles que compartan una misma
columna de X's. El mtodo empleado actualmente para discriminar entre las medias
es el procedimiento de diferencia mnima significativa (LSD) de Fisher. Con este
mtodo hay un riesgo del 5.0% al decir que cada par de medias es
significativamente diferente, cuando la diferencia real es igual a 0.

e) Revise residuos, hay algn problema evidente?

Ajuste de Datos No Censurados - C.RESIDUOS

Datos/Variable: tiempo enfoque ojo
20 valores con rango desde -2.1 a 1.3
Distribuciones Ajustadas
Normal
media = 1.66533E-17
desviacin estndar = 0.897365

Pruebas de Normalidad para los datos de tiempo enfoque ojo

Prueba Estadstico Valor-P
Estadstico W de Shapiro-Wilk 0.949832 0.376169
Esta ventana muestra los resultados de diversas pruebas realizadas para
determinar si los datos de tiempo enfoque ojo puede modelarse adecuadamente
con una distribucin normal. La prueba de Shapiro-Wilk est basada en la
comparacin de los cuartiles de la distribucin normal ajustada a los datos.
Debido a que el valor-P ms pequeo de las pruebas realizadas es mayor igual a
0.05, no se puede rechazar la idea de que los datos de tiempo enfoque ojo
proviene de una distribucin normal con 95% de confianza.

Pruebas de Bondad-de-Ajuste para los datos de tiempo enfoque ojo

Prueba de Kolmogorov-Smirnov Anderson-Darling A^2
Normal Normal
DMAS 0.111302 A^2 0.363672
DMENOS 0.13093 Forma Modificada 0.363672
DN 0.13093 Valor-P >=0.10
Valor-P 0.882835

Esta ventana muestra los resultados de diversas pruebas realizadas para

determinar si los datos de tiempo enfoque del ojo puede modelarse adecuadamente
con una distribucin normal.
Debido a que el valor-P ms pequeo de las pruebas realizadas es mayor igual a
0.05, no se puede rechazar la idea de que los datos de tiempo enfoque ojo
proviene de una distribucin normal con 95% de confianza.
 Grfica Cuantil-Cuantil

1.9 Distribucin
Normal

0.9
C.RESIDUOS

-0.1

-1.1

-2.1
-2.1 -1.1 -0.1 0.9 1.9
Distribucin Normal

Ambas pruebas realizadas y de manera grafica se puede observar a normalidad de

los residuos de los datos de tiempo enfoque del ojo.
Problema 16, Pg. 121, 122 Gutirrez - de la Vara 2 ed.
Se quiere estudiar el efecto de cinco diferentes catalizadores (A, B, C, D y E) sobre
el tiempo de reaccin de un proceso qumico. Cada lote de material slo permite
cinco corridas y cada corrida requiere aproximadamente 1.5 horas, por lo que slo
se pueden realizar cinco corridas diarias. El experimentador decide correr los
experimentos con un diseo en cuadro latino para controlar activamente a los lotes
y das. Los datos obtenidos son:

a) Cmo se aleatoriz el experimento?

La eleccin del cuadro latino a utilizar se hace antes de obtener los datos.
Para ello, a partir de un cuadro la tino inicial se aleatorizan las columnas y
los renglones; despus, las diferentes marcas de llanta se asignan de manera
aleatoria a las letras latinas que denotan los niveles del factor de inters
Fuente
b) Anote la ecuacin del modelo y las hiptesis estadsticas

correspondientes.

c) Existen diferencias entre los tratamientos? Cules tratamientos son

diferentes entre s?

d) Los factores de ruido, lote y da afectan el tiempo de reaccin del

proceso?

e) Dibuje los grficos de medias para los tratamientos, los lotes y los das.

Cul tratamiento es mejor?

f) Verifique los supuestos del modelo, considerando que los datos se

obtuvieron columna por columna, da a da.