Académique Documents
Professionnel Documents
Culture Documents
Método 1
REGISTRA
PRODUCCIÓN DIARIA
Método 2 DESPUÉS DEL
ENTRENAMIENTO
Método 3
Pautas generales para diseñar un experimento
Planeación
1. Identificación y 2. Elección de los previa
exposición del factores y los niveles del
problema experimento
7. Conclusiones y
recomendaciones
El error experimental
Registro en el i-ésimo Efecto de i-ésimo asociado a la
tratamiento con la j- tratamiento observación yij.
ésima repetición
La media eij~ N(0,2)
poblacional
Supuestos
o Errores siguen distribución
normal.
o Errores con varianzas
homogéneas.
Esquema de análisis estadístico de datos
Verificación del
problema de o Realización del análisis de
investigación varianza (Anva o Anova)
Comparaciones de los
o Prueba de Duncan o DMS
tratamientos en pares
Supuestos del modelo DCA
NORMALIDAD DE LOS
RESIDUOS
Tratamiento
Repeticiones
1 2 ... k
Distribución F (Fisher)
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0
Punto crítico:
F(, grado de libertad Tratamiento) , grado de libertad Error)
5. Decisión
o Se Rechaza H0 Si Fcal > F(, gl Tratamiento, gl error)
o No se Rechaza H0
6. Conclusión
Comparaciones múltiples: Duncan o DMS
Permite evaluar si existen diferencias significativas entre todas las medias
de cada “par de tratamientos”.
H 0 : 𝝁𝒊 = 𝝁𝒋
H 1 : 𝝁𝒊 ≠ 𝝁𝒋 Para todo i diferente de j
Marcas
A B C D
86 83 100 99
81 72 95 88
78 82 90 94
86 87 92 95
76 78 83 98
Situación: El administrador Ramírez debe preparar un informe estadístico para
la Gerencia de la empresa, donde sustente la recomendación por alguna marca
de estas maquinas que mejore la productividad de los enlatados.
Para este caso se usara un nivel de significación del 5%
Solución
Se resolverá este caso aplicando las cinco dimensiones:
Comunicación/
Interpretación Representación Cálculo Análisis
Argumentación
Interpretación:
Se debe determinar la marca de máquina que mejore la productividad
del enlatado.
Representación:
- Factor: Marcas de Maquina.
- Niveles de tratamiento: k = 4 (A, B, C, D)
- Variable respuesta Y: unidades producidas por hora.
- Unidad experimental: Un enlatado.
Se utilizará la prueba de Análisis de varianza de un factor.
- Hipótesis a resolver:
Ho: El número de unidades promedio por hora producidos por las
cuatro marcas son iguales
H1: El número de unidades promedio por hora producido es diferente
para al menos una marca.
Modelo: yij i ij
μ: La media poblacional
𝜏𝑖 = 𝑒𝑓𝑒𝑐𝑡𝑜 𝑑𝑒 𝑙𝑎 𝑖é𝑠𝑖𝑚𝑎 𝑡𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜 , 𝑖 = 1,2,3,4
Ԑij = error aleatorio
Cálculo
𝑌..2 407 + 402 + 460 + 474 2 17432
= =
A B C D 𝑛. . 5+5+5+5 20
86 83 100 99 Hallando la suma de cuadrados:
81 72 95 88 17432
SC T = 862 + 812 + 782 + 862 + ⋯ . + 952 +982 −
20
= 1248.55
78 82 90 94
4072 4022 4602 4742 17432
86 87 92 95 𝐒𝐂 𝐓𝐫 =
5
+
5
+
5
+
5
− 20
= 803.35
Sumas 76 78 83 98
407 402 460 474 SC E = 1248.550 - 803.350 = 445.2
20 – 1 =19 1248.55
Total
H0: El número de unidades promedio por hora producidos por las cuatro marcas
son iguales.
H1: El número de unidades promedio por hora producido es diferente para al
menos una marcas.
Gráfica de distribución
F, df1=3, df2=16
Nivel de significación: α = 0.05
0.8
0.6
Análisis: 0.5
Densidad
Criterio de decisión: 0.4
0.3
0.1
Si Fcal > Fcrit, DE: R Ho 0.05
0.0
0 3.239
X
Fcrit(0.05,3,16)=3.239
=INV.F.CD(0.05;3;16)
Como Fcal = 9.624 > Fcrit = 3,239, DE: R Ho
H O : 12 22 32 42
H1 : Al menos un i2 es diferente
unidades
Ejemplo 1 Duncana,b
Subconjunto
Subconjunto 1 Marca N 1 2
Ho: 𝜇𝐴 =𝜇𝐵 , sig = 0.768 N R Ho B 5 80,40
A 5 81,40
C 5 92,00
Subconjunto 2 D 5 94,80
unidades
Subconjunto 1 Duncana,b
Ho: 𝜇𝐴 =𝜇𝐵 , sig = 0.768 No R Ho Subconjunto
Marca N 1 2
B 5 80,40
Subconjunto 2
A 5 85,40 85.40
Ho: 𝜇𝐴 =𝜇𝐶 =𝜇𝐷 , sig = 0.414 No R Ho
C 5 90,00
D 5 92,80
Sig. ,768 ,414
De los subconjuntos tenemos
B A C D
Comparaciones múltiples
Variable dependiente: unidades
(I) Diferencia de Intervalo de confianza al 95%
Marca (J) Marca medias (I-J) Error estándar Sig. Límite inferior Límite superior
DMS A B 1,00 3,336 ,768 -6,07 8,07
C -10,60* 3,336 ,006 -17,67 -3,53
D -13,40* 3,336 ,001 -20,47 -6,33
B A -1,00 3,336 ,768 -8,07 6,07
C -11,60* 3,336 ,003 -18,67 -4,53
D -14,40* 3,336 ,001 -21,47 -7,33
C A 10,60* 3,336 ,006 3,53 17,67
*
B 11,60 3,336 ,003 4,53 18,67
D -2,80 3,336 ,414 -9,87 4,27
D A 13,40* 3,336 ,001 6,33 20,47
B 14,40* 3,336 ,001 7,33 21,47
C 2,80 3,336 ,414 -4,27 9,87
Comparaciones múltiples: DMS
Caso de A y B:
Ho: 𝜇𝐴 = 𝜇𝐵 vrs H1: 𝜇𝐴 ≠ 𝜇𝐵
Caso de A y C:
Ho: 𝜇𝐴 = 𝜇𝐶 vs. H1: 𝜇𝐴 ≠ 𝜇𝐶