Académique Documents
Professionnel Documents
Culture Documents
Un solo factor
GENERALIDADES
En muchos problemas de investigación es necesario diseñar experimentos
en los que pueda controlarse sistemáticamente la variabilidad producida por
diversas fuentes extrañas
• No son el motivo del estudio sino que aparecen de forma natural y obligada
en el mismo
La ventaja de bloquear un factor que se supone que tienen una clara influencia
en la respuesta pero en el que no se está interesado. Convierte la variabilidad
sistemática no planificada en variabilidad sistemática planificada.
Que es un DISEÑO DE BLOQUES AL AZAR
Una posible solución es que cada uno de los individuos realice las
tres actividades. De este modo, la variable bloque es el tipo de
persona y cada uno de los bloques es cada persona.
A cada bloque (persona) se le aplican los 3 niveles del factor por
orden aleatorio:
BLOQUES ASIGNACION
Persona 1 C A G
Persona 2 A C G
Persona 3 G A C
Persona 4 C G A
Persona 5 . . .
Persona 6 . . .
Persona 7 . . .
Persona 8 . . .
Persona 9 . . .
Persona 10 . . .
Esto quiere decir que cada persona realiza cada una de las
actividades y se mide la variable de respuesta
Se tienen cuatro máquinas y se quiere medir su desempeño
Se tienen 4 máquinas y se quiere
comparar su ALTERNATIVA
desempeño 2
ALTERNATIVA 1 Si hay otros factores que no se han
Tomar muestras de cada considerado y controlan o
máquina evitando al máximo nulifican para hacer las
comparaciones se afectan las
ALTERNATIVA
favorecer el desempeño 1 de
conclusiones
alguna de ellas para evitar
cualquier tipo de sesgo que Por ejemplo si la habilidad de los
pueda afectar la comparación operarios es diferente
del desempeño de las
máquinas
Cada operador
El mismo operario en trabaja con cada una
las cuatro máquinas de las máquinas
DCA
Se restringe la validez de la
comparación de los DBA
operarios
7
DEFINICION DEL
PROBLEMA
1
Determinar el efecto del factor de
interes sobre la variable de
respuesta
IDENTIFICACION Y DEFINICION
DEL PROBLEMA
2
MODELO ESTADÍSTICO
gln = ( k – 1) gln = ( n – 1)
gld = ( k – 1) (n – 1) gld = ( k – 1) (n – 1)
Regla de Decisión
Se descarta Ho si
Fc ≥ F,gln,gld
gln = ( k – 1)
gld = ( k – 1) (n – 1)
Para cualquiera de los dos formatos para el modelo
NOTA: Los factores de bloque no se incluyen en
el experimento porque interesa su efecto sino es
un medio de estudiar de manera más adecuada el
factor de interés
Tiene un grado de importancia secundaria en
relación al factor de interés
Pueden existir otros factores que deben
controlarse durante el experimento pero no se
tiene que caer en el extremo de controlar todo
Solo aquellos que por conocimiento del proceso o
experiencia previa se sabe que pueden afectar en
forma sensible el resultado de las comparaciones
4
16
4.1 Modelo: Yij = + j + i + ij
.
Bn: 1 2 3 4 ..........k ( en forma aleatoria)
B1 B2 ……………………………… Bn
1 1 1
2 2 2
. . .
. . .
K k k
Ejemplo
3 Niveles A,B,C Para el factor de interés y
4 Bloques 1,2,3,4
Una posible configuración de la asignación aleatoria
de los niveles podría ser la siguiente:
Bloque 1 C( ) A( ) B( )
Bloque 2 A( ) C( ) B( )
Bloque 3 C( ) B( ) A( )
Bloque 4 A( ) B( ) C( )
5
20
5.1 MODELO: Yij = + i + j + ij
Totales/bloque
1 2 ... k Totales
/bloque
... ...
REGISTRO DE DATOS
1 2 ... n
Totales
/nivel
1 Y11 Y12 ... Y1k Y1.
NN
I 2 Y21 Y22 ... Y2k Y2.
V
E ... ...
L
k Yn1 Yn2 ... Ynk Yn.
E
S Y.1 Y.2 Y.k Y..
Totales
/bloque
Se consideran las siguientes hipótesis sobre el modelo:
23
6
24
6.1 MODELO: Yij = + i + j + ij
Error SCEE /
EE (n -1)(k-1) *SCEE (n -1)(k-1)
Total nk - 1 * SCTo
To
2
Y
1 n
SCB Y
2
i 1 i .
..
k nk
n k 2
Y
SCT0 Y 2
ij
..
i 1 j 1 nk
6.1
MODELO: Yij = + j + i + ij
Error SCEE /
EE (n -1)(k-1) *SCEE (n -1)(k-1)
Total nk - 1 * SCTo
To
2
Y
1 n
SCB 2
j 1 . j
Y ..
k nk
i 1 j 1 nk
7 CONCLUSIONES
Se comparan los valores obtenidos
para la Fc con el punto crítico de
rechazo establecido en la Regla de
Decisión, tanto para los niveles del
factor como para los bloques
Se da respuesta al problema
planteado inicialmente en el
experimento
8
8.1 MODELO: Yij = + i + j + ij
Y ij
² = CMEE i 1 j 1
nk
Estimación de las
Estimación de las
medias de los niveles medias de los bloques
. Y
j
.j Y.. i. Yi Y..
j= 1........k i= 1........n
8.2
MODELO: Yij = + j + i + ij
Parámetros del Modelo:
n k
Y ij
² = CMEE i 1 j 1
nk
Estimación de las
Estimación de las
medias de los niveles medias de los bloques
i. Y Y i. .. . j Y. j Y..
j= 1........k i= 1........n
9
33
MODELO: Yij = + i + j + ij
9.1
Interpretación:
Es un valor entre 0 y 1
Indica que el modelo explica en ese
porcentaje la variabilidad de las
mediciones de la variable de
respuesta
EJEMPLO
Problema 5.7 (Montgomery)
Bloques (Hornos)
Ho : 1 = 2 = 3 = 4
H1 : al menos uno de los tamaños promedio de grano es diferente
Regla de Decisión : Se descarta Ho si la Fc ≥ F0.05,gln,gld
gln = ( n – 1) = 4 – 1=3
gld = ( k – 1) (n – 1)= (4-1)(4-1)= 9
Procedimiento de Aleatorización:
Velocidades de Agitación
1 8 14 14 17 53
2 4 5 6 9 24
3 5 6 9 3 23
4 6 9 2 6 23
Totales/velocidad
de agitación 23 34 31 35 123
SUPUESTOS DEL MODELO
43
ANDEVA
Fuente de Grados de Suma de Cuadrado Fc F
Libertad
Variable Cuadrados Medio
gl
FV SC CM
Total 15 265.44
To
Interpretación de Resultados
= 123 / 16 = 7.69
² = CMEE = 8.67
Coeficiente de Determinación:
Interpretación:
El modelo explica en un 71% la
variabilidad en los tamaños de grano
O el 71% de la variabilidad en el tamaño
del grano se debe a la velocidad de
agitación
Intervalos de confianza para los tamaños de grano
promedio de las distintas velocidades de agitación
Variable de Respuesta
Es la productividad del j-esimo sistema de computación
manejado por el i-esimo operario.
Factor de Interés: Tipo de Sistema de computación
Selección del Diseño Apropiado: Diseño de bloques al azar
Bloques: operadores
Continuación.............
Modelo Estadistico
Yij = µ + Bi + Tj + Eij
i = l,.....5 j = l,...3
Yij = es la productividad del i-esimo tipo de sistema de
computación manejado por el j-esimo operario.
µ = Productividad media Total
Bi = Es el efecto del i-esimo operario sobre la productividad
Tj = Es el efecto del j-esimo tipo de sistema de
computadora sobre la productividad
Eij = Error experimental
Continuación………..
Formulación de Hipotesis
Para Bloques ( operadores )
Ho: µ1 = µ2 =... = µ5
Hi: al menos un promedio es diferente
Para niveles ( sistemas )
Ho: µ1 = µ2 = µ3
Hi: al menos un promedio es diferente
Selección del nivel de significancia y regla de decisión
œ = 0.05%
Para los operadores: Descartar Ho Si Fc> F0.05, 4, 8
Para los tipos de sistemas: Descartar Ho si Fc> F0.05, 2, 8
Continuación………….
Procedimiento de Aleatorización
TIPOS DE SISTEMAS
OPERARIO A B C TOTALES
1 27 21 25 73
2 31 33 35 99
3 42 39 39 120
4 38 41 37 116
5 45 46 46 136
TOTALES 183 180 181 544
SUPUESTOS DEL MODELO
55
Continuación………
10. Andeva
FUENTE DE
VARIACION GL SC CM Fc Fcritica
Totales 14 806.93
Continuación…………
Conclusión:
Para el factor de interés se observa que Fc = 0.09 < F0.05,2, 8 =
4.46, por lo tanto no se descarta Ho. Se concluye que no existe
diferencia significativa en la productividad promedio para los 3
tipos de sistemas.