Escolar Documentos
Profissional Documentos
Cultura Documentos
En la elaboracin de vinos de cava se produce una segunda fermentacin en botella; el envejecimiento del vino (de 9 meses a varios aos, segn tipo y calidad) se produce en presencia de las levaduras. Una vez acabada la segunda fermentacin las levaduras van muriendo por falta de sustrato fermentable y sufren autolisis, a consecuencia de la cual liberan al medio sustancias importantes para las caractersticas sensoriales del cava. En una investigacin de envejecimiento acelerado de cava, se ensayan cepas de levadura de segunda fermentacin en las que se pretende inducir una autolisis, tambin acelerada, para producir cava de calidad similar al convencional en menos tiempo. Factores tales como cepa de levadura, fase de crecimiento en que se induce la autolisis, y otras condiciones del medio inductor pueden afectar al resultado de la autolisis, que se medir por la concentracin de aminocidos liberados al medio (interesa un mximo). Se decide plantear un diseo factorial fraccionado con los factores y niveles de la tabla siguiente. Se desea estudiar el efecto principal de cada factor realizando solamente 8 experimentos. V. codificado Factores A B C D E F G Levadura IFI 473 Fase de crecimiento Temperatura (C) Etanol (%) PH cido mlico (g/L) cido actico (g/L) -1 salvaje Exponencial 16 2 3 0 0 +1 mutada Estacionaria 30 10 6 3 0,1
Las respuestas obtenidas para los 8 experimentos (en orden estndar) son: Exp. Aminocidos liberados (mg/L) 56 186 11 39 157 274 15 316
1 2 3 4 5 6 7 8
Se pide: 1. Hacer el diseo con solo 8 experimentos. 2. Calcular los efectos principales de cada factor e indicar con qu interacciones de dos factores estn confundidos. 3. Proponer un segundo diseo para, combinndolo con el anterior, obtener el mximo nmero posible de efectos principales libres de confusin.
Desarrollo:
A:levadura+BD+CE+FG C:temperatura+AE+BF+DG B:crecimiento+AD+CF+EG G:acido_acetico+AF+BE+CD E:pH+AC+BG+DF F:acido_malico+AG+BC+DE D:etanol+AB+CG+EF 0 30 60 Efecto 90 120 150
+ -
Anlisis de Varianza para aminoacidos Fuente Suma de Cuadrados A:levadura+BD+CE+FG 41472.0 B:crecimiento+AD+CF+EG 10658.0 C:temperatura+AE+BF+DG 27612.5 D:etanol+AB+CG+EF 840.5
Gl 1 1 1 1
Razn-F
Valor-P
1 1 1 0 7
R-cuadrada = 100.0 porciento R-cuadrada (ajustada por g.l.) = 0.0 porciento El StatAdvisor La tabla ANOVA particiona la variabilidad de aminoacidos en piezas separadas para cada uno de los efectos. entonces prueba la significancia estadstica de cada efecto comparando su cuadrado medio contra un estimado del error experimental. Desafortunadamente no hay grados de libertad disponibles para estimar el error. El estadstico R-Cuadrada indica que el modelo, as ajustado, explica 100.0% de la variabilidad en aminoacidos. El estadstico R-cuadrada ajustada, que es ms adecuado para comparar modelos con diferente nmero de variables independientes, es 0.0%. El error medio absoluto (MAE) de 0.0 es el valor promedio de los residuos. El estadstico de Durbin-Watson (DW) prueba los residuos para determinar si haya alguna correlacin significativa basada en el orden en que se presentan los datos en el archivo.
Ejercicio 14
Los datos siguientes representan una sola rplica de un diseo 2 que se utiliza en un experimento para estudiar la resistencia a la compresin del concreto. Los factores son la mezcla (A), el tiempo (B), el laboratorio (C), la temperatura (D) y el tiempo de secado (E).
5
(1) A B ab C ac bc abc
(a) Estime los efectos de los factores. (b) Realice el grfico normal de efectos y utilcelo para determinar cules de los efectos son importantes. (a) Si lo que se desea es maximizar la resistencia, cmo deben ajustarse las variables del proceso? (b) Suponga que en este caso slo fuera posible correr una cuarta parte del experimento 5 2 . Construya el diseo, identifique la estructura de alias y analice los datos que se obtienen al seleccionar slo la respuesta para las corridas de las cuales consta la fraccin considerada.
Desarrollando: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 -1.0 1.0 -1.0 1.0 -1.0 1.0 -1.0 1.0 -1.0 1.0 -1.0 1.0 -1.0 1.0 -1.0 1.0 -1.0 1.0 -1.0 1.0 -1.0 1.0 -1.0 1.0 -1.0 1.0 -1.0 1.0 -1.0 1.0 -1.0 1.0 -1.0 -1.0 1.0 1.0 -1.0 -1.0 1.0 1.0 -1.0 -1.0 1.0 1.0 -1.0 -1.0 1.0 1.0 -1.0 -1.0 1.0 1.0 -1.0 -1.0 1.0 1.0 -1.0 -1.0 1.0 1.0 -1.0 -1.0 1.0 1.0 -1.0 -1.0 -1.0 -1.0 1.0 1.0 1.0 1.0 -1.0 -1.0 -1.0 -1.0 1.0 1.0 1.0 1.0 -1.0 -1.0 -1.0 -1.0 1.0 1.0 1.0 1.0 -1.0 -1.0 -1.0 -1.0 1.0 1.0 1.0 1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 700 900 3400 5500 600 1000 3000 5300 1000 1100 3000 6100 800 1100 3300 6000 800 1200 3500 6200 600 1200 3600 5500 1900 1500 4000 6500 1500 2000 3400 6800
Respuestas resistencia_compresi
Unidades kg/m^2
El StatAdvisor Ha creado un diseo Factorial el cual estudiar los efectos de 5 factores en 32 corridas. El diseo deber ser corrido en un solo bloque. El orden de los experimentos no ha sido aleatorizado. Si hay variables ocultas presentes, ellas pueden distorsionar los resultados. NOTA: Si utiliz Aumentar Diseo para agregar una fraccin a un diseo factorial fraccionado, deber verificar el Patrn Alias usando las Opciones Tabulares. Si existe una confusin inusual, el nmero de grados de libertad para estimar el error experimental puede ser ms grande de lo que se muestra en el resumen.
Diagrama de Pareto para resistencia_compresion B:Factor_B A:Factor_A AB E:Factor_E D:Factor_D ABD ACDE DE ACD ABCDE BDE ABC AD C:Factor_C AC CD BCDE BCD ACE BC ADE BD ABDE BCE ABCE ABCD CE BE AE ABE CDE 0 1 2 Efecto 3 4 (X 1000.0)
+ -
Anlisis de Varianza para resistencia_compresion Fuente Suma de Cuadrados Gl Cuadrado Medio A:Factor_A 1.6245E7 1 1.6245E7 B:Factor_B 1.02245E8 1 1.02245E8 C:Factor_C 80000.0 1 80000.0 D:Factor_D 1.53125E6 1 1.53125E6 E:Factor_E 1.71125E6 1 1.71125E6 AB 1.08113E7 1 1.08113E7 AC 61250.0 1 61250.0 AD 80000.0 1 80000.0 AE 5000.0 1 5000.0 BC 31250.0 1 31250.0 BD 20000.0 1 20000.0 BE 5000.0 1 5000.0 CD 45000.0 1 45000.0 CE 5000.0 1 5000.0 DE 281250. 1 281250. ABC 80000.0 1 80000.0 ABD 451250. 1 451250. ABE 1250.0 1 1250.0 ACD 101250. 1 101250. ACE 31250.0 1 31250.0 ADE 20000.0 1 20000.0 BCD 31250.0 1 31250.0 BCE 11250.0 1 11250.0 BDE 80000.0 1 80000.0 CDE 0.0 1 0.0 ABCD 5000.0 1 5000.0 ABCE 5000.0 1 5000.0 ABDE 11250.0 1 11250.0 ACDE 281250. 1 281250. BCDE 31250.0 1 31250.0 ABCDE 80000.0 1 80000.0 Error total 0.0 0 Total (corr.) 1.34379E8 31 R-cuadrada = 100.0 porciento R-cuadrada (ajustada por g.l.) = 0.0 porciento
Razn-F
Valor-P
El StatAdvisor La tabla ANOVA particiona la variabilidad de resistencia_compresion en piezas separadas para cada uno de los efectos. entonces prueba la significancia estadstica de cada efecto comparando su cuadrado medio contra un estimado del error experimental. Desafortunadamente no hay grados de libertad disponibles para estimar el error.
El estadstico R-Cuadrada indica que el modelo, as ajustado, explica 100.0% de la variabilidad en resistencia_compresion. El estadstico R-cuadrada ajustada, que es ms adecuado para comparar modelos con diferente nmero de variables independientes, es 0.0%. El error medio absoluto (MAE) de 0.0 es el valor promedio de los residuos. El estadstico de Durbin-Watson (DW) prueba los residuos para determinar si haya alguna correlacin significativa basada en el orden en que se presentan los datos en el archivo.
resisten cia_compresion
Factor_B
Factor_D
Grfico de Probabilidad Normal para resistencia_compresion 99.9 99 95 E:Factor_E D:Factor_D ABD 80 ACDE DE ACD AD ABCDE AC CD ACE BCD 50 ABDE AE BE ABCD ABE CDE ABCE CE BCE 20 BD ADE BC BCDE ABC 5 BDE C:Factor_C 1 0.1 -100 900 1900 Efectos estandarizados 2900 3900 A:Factor_A AB B:Factor_B
porcentaje
(X 1000.0)
resisten cia_compresion
Factor_B
Contornos de la Superficie de Respuesta Estimada Factor_C=0.0,Factor_D=0.0,Factor_E=0.0 1 0.6 resistencia_compresion 0.0-600.0 600.0-1200.0 1200.0-1800.0 1800.0-2400.0 2400.0-3000.0 3000.0-3600.0 3600.0-4200.0 4200.0-4800.0 4800.0-5400.0 5400.0-6000.0 6000.0-6600.0 -1 -0.6 -0.2 Factor_A 0.2 0.6 1
Factor_B
DE 187.5 97.6781 1.0 Errores estndar basados en el error total con 16 g.l. El StatAdvisor Esta tabla muestra las estimaciones para cada uno de los efectos estimados y las interacciones. Tambin se muestra el error estndar de cada uno de estos efectos, el cual mide su error de muestreo. Note tambin que el factor de inflacin de varianza (V.I.F.) ms grande, es igual a 1.0. Para un diseo perfectamente ortogonal, todos los factores seran igual a 1. Factores de 10 o ms normalmente se interpretan como indicativos de confusin seria entre los efectos. Para graficar los estimados en orden decreciente de importancia, seleccione Diagrama de Pareto de la lista de Opciones Grficas. Para probar la significancia estadstica de los efectos, seleccione Tabla ANOVA de la lista de Opciones Tabulares. Puede retirar efectos significativos pulsando el botn secundario del ratn, seleccionando Opciones de Anlisis, y pulsando el botn de Excluir.
Anlisis de Varianza para resistencia_compresion Fuente Suma de Cuadrados Gl Cuadrado Medio A:Factor_A 1.6245E7 1 1.6245E7 B:Factor_B 1.02245E8 1 1.02245E8 C:Factor_C 80000.0 1 80000.0 D:Factor_D 1.53125E6 1 1.53125E6 E:Factor_E 1.71125E6 1 1.71125E6 AB 1.08113E7 1 1.08113E7 AC 61250.0 1 61250.0 AD 80000.0 1 80000.0 AE 5000.0 1 5000.0 BC 31250.0 1 31250.0 BD 20000.0 1 20000.0 BE 5000.0 1 5000.0 CD 45000.0 1 45000.0 CE 5000.0 1 5000.0 DE 281250. 1 281250. Error total 1.22125E6 16 76328.1 Total (corr.) 1.34379E8 31 R-cuadrada = 99.0912 porciento R-cuadrada (ajustada por g.l.) = 98.2392 porciento Error estndar del est. = 276.275 Error absoluto medio = 163.281 Estadstico Durbin-Watson = 3.07165 (P=0.9848) Autocorrelacin residual de Lag 1 = -0.559653
Razn-F 212.83 1339.55 1.05 20.06 22.42 141.64 0.80 1.05 0.07 0.41 0.26 0.07 0.59 0.07 3.68
Valor-P 0.0000 0.0000 0.3212 0.0004 0.0002 0.0000 0.3836 0.3212 0.8013 0.5313 0.6157 0.8013 0.4538 0.8013 0.0729
El StatAdvisor La tabla ANOVA particiona la variabilidad de resistencia_compresion en piezas separadas para cada uno de los efectos. entonces prueba la significancia estadstica de cada efecto comparando su cuadrado medio contra un estimado del error experimental. En este caso, 5 efectos tienen una valor-P menor que 0.05, indicando que son significativamente diferentes de cero con un nivel de confianza del 95.0%. El estadstico R-Cuadrada indica que el modelo, as ajustado, explica 99.0912% de la variabilidad en resistencia_compresion. El estadstico R-cuadrada ajustada, que es ms adecuado para comparar modelos con diferente nmero de variables independientes, es 98.2392%. El error estndar del estimado muestra que la desviacin estndar de los residuos es 276.275. El error medio absoluto (MAE) de 163.281 es el valor promedio de los residuos. El estadstico de Durbin-Watson (DW) prueba los residuos para determinar si haya alguna correlacin significativa basada en el orden en que se presentan los datos en el archivo. Puesto que el valor-P es mayor que 5.0%, no hay indicacin de autocorrelacin serial en los residuos con un nivel de significancia del 5.0%. Optimizar Respuesta Meta: maximizar resistencia_compresion Valor ptimo = 6593.75 Factor Factor_A Factor_B Bajo -1.0 -1.0 Alto 1.0 1.0 ptimo 1.0 1.0
El StatAdvisor Esta tabla muestra la combinacin de los niveles de los factores, la cual maximiza resistencia_compresion sobre la regin indicada. Use el cuadro de dilogo de Opciones de Ventana para indicar la regin sobre la cual se llevar a cabo la optimizacin. Puede establecer el valor de uno o ms factores a una constante, estableciendo los lmites alto y bajo en ese valor.
Diagrama de Pareto Estandarizada para resistencia_compresion B:Factor_B A:Factor_A AB E:Factor_E D:Factor_D DE AD C:Factor_C AC CD BC BD CE BE AE 0 10 20 Efecto estandarizado 30 40
+ -
resistencia_compresion
Grfico de Probabilidad Normal para resistencia_compresion 99.9 99 95 B:Factor_B E:Factor_E D:Factor_D DE AD AC CD AE BE CE BD BC C:Factor_C A:Factor_A AB
porcentaje
80 50 20 5 1 0.1
-2
18 Efectos estandarizados
28
38
resistencia_compresion
(X 1000.0) 6 5 4 3 2 1 0 -1 -0.6 -0.2 Factor_A 0.2 0.6 1 -1 0.2 -0.2 -0.6 0.6 1
Factor_B
Contornos de la Superficie de Respuesta Estimada Factor_C=0.0,Factor_D=0.0,Factor_E=0.0 1 0.6 resistencia_compresion 0.0-600.0 600.0-1200.0 1200.0-1800.0 1800.0-2400.0 2400.0-3000.0 3000.0-3600.0 3600.0-4200.0 4200.0-4800.0 4800.0-5400.0 5400.0-6000.0 6000.0-6600.0 -1 -0.6 -0.2 Factor_A 0.2 0.6 1
Factor_B
Con un cuarto de fraccin de 1 1 1 1 1 1 1 1 -1.0 1.0 -1.0 1.0 -1.0 1.0 -1.0 1.0 -1.0 -1.0 1.0 1.0 -1.0 -1.0 1.0 1.0 -1.0 -1.0 -1.0 -1.0 1.0 1.0 1.0 1.0 1.0 -1.0 -1.0 1.0 1.0 -1.0 -1.0 1.0 1.0 -1.0 1.0 -1.0 -1.0 1.0 -1.0 1.0
de be cd bc
-1.0 -1.0 -1.0 1.0 -1.0 -1.0 -1.0 1.0 -1.0 1.0 1.0 -1.0 -1.0 -1.0 1.0 1.0 -1.0 1.0 -1.0 1.0 1.0 1.0 1.0 1.0 Analizar Experimento - resistencia
Nombre del archivo: <Sin Ttulo> Efectos estimados para resistencia Efecto Estimado Error Estd. V.I.F. promedio 3025.0 90.1388 A:Factor_A 1450.0 180.278 1.0 B:Factor_B 3650.0 180.278 1.0 C:Factor_C -150.0 180.278 1.0 D:Factor_D 1750.0 180.278 1.0 E:Factor_E 650.0 180.278 1.0 Errores estndar basados en el error total con 2 g.l.
El StatAdvisor Esta tabla muestra las estimaciones para cada uno de los efectos estimados y las interacciones. Tambin se muestra el error estndar de cada uno de estos efectos, el cual mide su error de muestreo. Note tambin que el factor de inflacin de varianza (V.I.F.) ms grande, es igual a 1.0. Para un diseo perfectamente ortogonal, todos los factores seran igual a 1. Factores de 10 o ms normalmente se interpretan como indicativos de confusin seria entre los efectos. Para graficar los estimados en orden decreciente de importancia, seleccione Diagrama de Pareto de la lista de Opciones Grficas. Para probar la significancia estadstica de los efectos, seleccione Tabla ANOVA de la lista de Opciones Tabulares. Puede retirar efectos significativos pulsando el botn secundario del ratn, seleccionando Opciones de Anlisis, y pulsando el botn de Excluir.
+ -
Anlisis de Varianza para resistencia Fuente Suma de Cuadrados A:Factor_A 4.205E6 B:Factor_B 2.6645E7 C:Factor_C 45000.0 D:Factor_D 6.125E6 E:Factor_E 845000. Error total 130000. Total (corr.) 3.7995E7
Gl 1 1 1 1 1 2 7
R-cuadrada = 99.6578 porciento R-cuadrada (ajustada por g.l.) = 98.8025 porciento Error estndar del est. = 254.951 Error absoluto medio = 125.0 Estadstico Durbin-Watson = 1.05769 (P=0.0978) Autocorrelacin residual de Lag 1 = 0.346154 El StatAdvisor La tabla ANOVA particiona la variabilidad de resistencia en piezas separadas para cada uno de los efectos. entonces prueba la significancia estadstica de cada efecto comparando su cuadrado medio contra un estimado del error experimental. En este caso, 3 efectos tienen una valor-P menor que 0.05, indicando que son significativamente diferentes de cero con un nivel de confianza del 95.0%. El estadstico R-Cuadrada indica que el modelo, as ajustado, explica 99.6578% de la variabilidad en resistencia. El estadstico R-cuadrada ajustada, que es ms adecuado para comparar modelos con diferente nmero de variables independientes, es 98.8025%. El error estndar del estimado muestra que la desviacin estndar de los residuos es 254.951. El error medio absoluto (MAE) de 125.0 es el valor promedio de los residuos. El estadstico de DurbinWatson (DW) prueba los residuos para determinar si haya alguna correlacin significativa basada en el orden en que se presentan los datos en el archivo. Puesto que el valor-P es mayor que 5.0%, no hay indicacin de autocorrelacin serial en los residuos con un nivel de significancia del 5.0%.
resisten cia
Factor_B
Factor_D
Ejercicio 16
Un artculo publicado en Industrial and Engineering Chemistry utiliza un diseo 25-2 para investigar el efecto sobre el rendimiento del proceso de A = temperatura de condensacin, B = cantidad de material 1, C = volumen del solvente, D = tiempo de condensacin y E = cantidad del material 2. Los resultados fueron los siguientes:
a = 23.2 de = 15.5
be = 16.9 bc = 16.2
(a) Determine la relacin generadora de este diseo. Cul es su resolucin? Ab ; ac * bc (b) Escriba las relaciones de alias de este diseo
Estructura de Alias Contraste Estimados 1 A+BD+CE 2 B+AD 3 C+AE 4 D+AB 5 E+AC 6 BC+DE 7 BE+CD
(d) Cmo llevara a cabo el anlisis para este experimento? Haciendo 2^5 1 Desarrollando:
Unidades %
El StatAdvisor Ha creado un diseo Un cuarto de fraccin el cual estudiar los efectos de 5 factores en 8 corridas. El diseo deber ser corrido en un solo bloque. El orden de los experimentos no ha sido aleatorizado. Si hay variables ocultas presentes, ellas pueden distorsionar los resultados. NO hay grados de libertad disponibles para estimar el error experimental. Por lo tanto, no ser capaz de hacer ninguna prueba estadstica a los resultados. Se recomienda que agregue suficientes puntos centrales para tener, al menos, 3 grados de libertad para el error. Debido a que este diseo
tiene una resolucin menor que V, se recomienda verificar el patrn de confusin seleccionando Estructura Alias de la lista de Opciones Tabulares. NOTA: Si utiliz Aumentar Diseo para agregar una fraccin a un diseo factorial fraccionado, deber verificar el Patrn Alias usando las Opciones Tabulares. Si existe una confusin inusual, el nmero de grados de libertad para estimar el error experimental puede ser ms grande de lo que se muestra en el resumen. Estructura de Alias Contraste Estimados 1 A+BD+CE 2 B+AD 3 C+AE 4 D+AB 5 E+AC 6 BC+DE 7 BE+CD El StatAdvisor La estructura alias muestra que efectos principales e interacciones estn confundidos unos con otras. Puesto que este diseo es de resolucin III, los efectos proncipales estarn confundidos con las interacciones de orden 2. Para interpretar los resultados, tendr que asumir que no hay ninguna interaccin entre los factores. Despus de correr el diseo, puede agregar corridas adicionales para llevar el diseo a resolucin IV, seleccionado Aumentar Diseo desde el men principal.
+ -
Efecto estandarizado
Anlisis de Varianza para rendimiento Fuente Suma de Cuadrados Gl A:Factor_A 10.3513 1 B:Factor_B 40.0512 1 C:Factor_C 10.3512 1 D:Factor_D 3.78125 1 E:Factor_E 4.65125 1 Error total 20.5525 2 Total (corr.) 89.7388 7
R-cuadrada = 77.0974 porciento R-cuadrada (ajustada por g.l.) = 19.8409 porciento Error estndar del est. = 3.20566 Error absoluto medio = 1.2625 Estadstico Durbin-Watson = 1.93063 (P=0.6345) Autocorrelacin residual de Lag 1 = -0.0903175 El StatAdvisor La tabla ANOVA particiona la variabilidad de rendimiento en piezas separadas para cada uno de los efectos. entonces prueba la significancia estadstica de cada efecto comparando su cuadrado medio contra un estimado del error experimental. En este caso, 0 efectos tienen una valor-P menor que 0.05, indicando que son significativamente diferentes de cero con un nivel de confianza del 95.0%. El estadstico R-Cuadrada indica que el modelo, as ajustado, explica 77.0974% de la variabilidad en rendimiento. El estadstico R-cuadrada ajustada, que es ms adecuado para comparar modelos con diferente nmero de variables independientes, es 19.8409%. El error estndar del estimado muestra que la desviacin estndar de los residuos es 3.20566. El error medio absoluto (MAE) de 1.2625 es el valor promedio de los residuos. El estadstico de DurbinWatson (DW) prueba los residuos para determinar si haya alguna correlacin significativa basada en el orden en que se presentan los datos en el archivo. Puesto que el valor-P es mayor que 5.0%, no hay indicacin de autocorrelacin serial en los residuos con un nivel de significancia del 5.0%.
rendimiento
Factor_B
Factor_D
Ejercicio 29
Ozzie Cadenza, poseedor de un Ph.D. en Estadstica y actualmente propietario y gerente de Ozzies Bar and Grill, decidi recientemente estudiar los factores que influyen en el monto de las ventas de su bar. En un principio, no saba cules factores eran importantes y cules no, pero seleccion la siguiente lista de seis, los cuales decidi estudiar usando una fraccin de un experimento factorial:
La iluminacin del bar. La presencia de papas fritas gratis en la barra. El volumen de la rockola. La presencia de la clienta favorita de Ozzie, la Srta. Rapunzel Freeny. La Srta. Freeny es el tipo de persona que es el alma de la fiesta, y se la pasa bromeando con los clientes, repartiendo las papas fritas, etc., de modo que Ozzie siente que su presencia tiene un efecto real en el monto de las ventas. La presencia de una banda de gitanos que han formado un grupo musical llamado Los Gitanos, y quienes han sido contratados por Ozzie para tocar en el local, pero sin indicar un perodo fijo. El efecto del barman que est trabajando. Originalmente haba tres barman, Tom, Dick y Harry, pero Harry fue despedido, de manera que cada factor del experimento tendr dos niveles. Los niveles para los factores se asignan como sigue: Nivel bajo (-1) Nivel alto (+1) Luces bajas Luces altas No hay papas fritas S hay papas fritas La rockola tiene volumen bajo La rockola tiene volumen alto La Srta. Freeny se queda en casa La Srta. Freeny va al local Los Gitanos no estn Los Gitanos estn Tom es el barman Dick es el barman
(a) Ozzie decidi llevar a cabo una corrida cada viernes en la tarde durante la hora del cocktail (4:30 p.m. a 6:30 p.m.). Pens que debera intentar una fraccin de un diseo factorial con el menor nmero posible de corridas, porque no sabe cundo Los Gitanos decidirn recoger sus cosas e irse. Finalmente /3 decide usar un miembro de la familia de diseos 2 6 con generatriz III I=ABD=ACE=BCF (la cual incluye todos los diseos que involucran estas relaciones con signo positivo o negativo). Hubiera preferido un diseo en el cual la rockola no estuviese a todo volumen mientras Los Gitanos tocaban, pero descubri que este requerimiento era imposible de cumplir. Por qu? (b) De todas maneras, insisti en que en ninguna corrida del experimento los factores A, C y E deberan estar a nivel alto simultneamente. Esta restriccin era necesaria, pues las luces tenan una extraa tendencia a fundirse si Los Gitanos enchufaban su amplificador cuando las luces estaban altas y la rockola sonando a todo volumen. Qu miembros de la familia de diseos escogida cumplen con esta restriccin? (c) Ozzie decidi usar la relacin generatriz I=ABD=-ACE=BCF. La matriz de diseo y la variable de respuesta (ingreso en dlares) se indican en la siguiente tabla:
A + + + +
B + + + +
C + + + +
D=AB + + + +
E=-AC + + + + -
F=BC + + + +
Suponiendo que las interacciones de orden tres o mayor son despreciables, escriba los estimados obtenidos a partir de estos experimentos, e indique qu estiman.
(d) Explique brevemente cul fraccin llevara a cabo a continuacin y por qu. (e) Parcializndose por la Srta. Freeny y alentado por los resultados de la primera fraccin, Ozzie escogi una segunda fraccin que le proporcionara estimadores no confundidos para ella y sus interacciones. Los resultados de esta segunda fraccin, con los factores A, B y C en orden standard, fueron 135, 165, 285, 175, 205, 195, 295, 145. (f) Escriba los estimados obtenidos combinando los resultados de ambas fracciones. (g) A la luz de estos resultados, cree que fue razonable la eleccin de la segunda fraccin? (h) Establezca una breve conjetura que explique la presencia y direccin de las interacciones que involucran a la Srta. Freeny.
no no si si no no si si
si no no si si no no si
si no si no no si no si
Unidades soles
El StatAdvisor Ha creado un diseo Un octavo de fraccin el cual estudiar los efectos de 6 factores en 8 corridas. El diseo deber ser corrido en un solo bloque. El orden de los experimentos no ha sido aleatorizado. Si hay variables ocultas presentes, ellas pueden distorsionar los resultados. NO hay grados de libertad disponibles para estimar el error experimental. Por lo tanto, no ser capaz de hacer ninguna prueba estadstica a los resultados. Se recomienda que agregue suficientes puntos centrales para tener, al menos, 3 grados de libertad para el error. Debido a que este diseo tiene una resolucin menor que V, se recomienda verificar el patrn de confusin seleccionando Estructura Alias de la lista de Opciones Tabulares. NOTA: Si utiliz Aumentar Diseo para agregar una fraccin a un diseo factorial fraccionado, deber verificar el Patrn Alias usando las Opciones Tabulares. Si existe una confusin inusual, el nmero de grados de libertad para estimar el error experimental puede ser ms grande de lo que se muestra en el resumen.
no no si si no no si si
si no no si si no no si
si no si no no si no si
El StatAdvisor Esta tabla muestra las estimaciones para cada uno de los efectos estimados y las interacciones. Tambin se muestra el error estndar de cada uno de estos efectos, el cual mide su error de muestreo. Note tambin que el factor de inflacin de varianza (V.I.F.) ms grande, es igual a 1.0. Para un diseo perfectamente ortogonal, todos los factores seran igual a 1. Factores de 10 o ms normalmente se interpretan como indicativos de confusin seria entre los efectos. Para graficar los estimados en orden decreciente de importancia, seleccione Diagrama de Pareto de la lista de Opciones Grficas. Para probar la significancia estadstica de los efectos, seleccione Tabla ANOVA de la lista de Opciones Tabulares. Puede retirar efectos significativos pulsando el botn secundario del ratn, seleccionando Opciones de Anlisis, y pulsando el botn de Excluir.
+ -
Anlisis de Varianza para ganacias Fuente Suma de Cuadrados A:iluminacion 3200.0 B:papas_fritas 200.0 C:volumen_musica 800.0 D:seorita 16200.0 E:banda 7200.0 F:barman 1800.0 Error total 0.0 Total (corr.) 29400.0
Gl 1 1 1 1 1 1 1 7
Razn-F
Valor-P
R-cuadrada = 100.0 porciento R-cuadrada (ajustada por g.l.) = 100.0 porciento Error estndar del est. = 0.0 Error absoluto medio = 0.0 Estadstico Durbin-Watson = Autocorrelacin residual de Lag 1 =
El StatAdvisor La tabla ANOVA particiona la variabilidad de ganacias en piezas separadas para cada uno de los efectos. entonces prueba la significancia estadstica de cada efecto comparando su cuadrado medio contra un estimado del error experimental. En este caso, 0 efectos tienen una valor-P menor que 0.05, indicando que son significativamente diferentes de cero con un nivel de confianza del 95.0%. El estadstico R-Cuadrada indica que el modelo, as ajustado, explica 100.0% de la variabilidad en ganacias. El estadstico R-cuadrada ajustada, que es ms adecuado para comparar modelos con diferente nmero de variables independientes, es 100.0%. El error estndar del estimado muestra que la desviacin estndar de los residuos es 0.0. El error medio absoluto (MAE) de 0.0 es el valor promedio de los residuos. El estadstico de Durbin-Watson (DW) prueba los residuos para determinar si haya alguna correlacin significativa basada en el orden en que se presentan los datos en el archivo.
ganacias
barman
Grfico de Probabilidad Normal para ganacias 99.9 99 95 D:seorita E:banda A:iluminacion F:barman C:volumen_musica B:papas_fritas
porcentaje
80 50 20 5 1 0.1 -10 10 30
50
70
90
Efectos estandarizados
Diseo placket-burman:
nmero posible de pruebas. Utilice la plantilla del diseo Placket-Burman ms adecuada, de modo que no tenga que hacer repeticiones.
El StatAdvisor Ha creado un diseo Plackett-Burman el cual estudiar los efectos de 7 factores en 12 corridas. El diseo deber ser ejecutado en un solo bloque. El orden de los experimentos no ha sido aleatorizado. Si hay variables ocultas presentes, ellas pueden distorsionar los resultados. Debido a que este diseo tiene una resolucin menor que V, se recomienda verificar el patrn de confusin seleccionando Estructura Alias de la lista de Opciones Tabulares. NOTA: Si utiliz Aumentar Diseo para agregar una fraccin a un diseo factorial fraccionado, deber verificar el Patrn Alias usando las Opciones Tabulares. Si existe una confusin inusual, el nmero de grados de libertad para estimar el error experimental puede ser ms grande de lo que se muestra en el resumen.
planta otro otro planta otro otro otro planta planta planta otro planta
alta baja alta alta baja alta alta alta baja baja baja baja
si si no si no no
nuevo rapida nuevo viejo lenta viejo viejo nuevo lenta lenta rapida rapida viejo viejo viejo nuevo nuevo nuevo
32 bajo 30 10 8 13
12
18 10 6 9
El StatAdvisor Esta tabla muestra las estimaciones para cada uno de los efectos estimados y las interacciones. Tambin se muestra el error estndar de cada uno de estos efectos, el cual mide su error de muestreo. Note tambin que el factor de inflacin de varianza (V.I.F.) ms grande, es igual a 1.0. Para un diseo perfectamente ortogonal, todos los factores seran igual a 1. Factores de 10 o ms normalmente se interpretan como indicativos de confusin seria entre los efectos. Para graficar los estimados en orden decreciente de importancia, seleccione Diagrama de Pareto de la lista de Opciones Grficas. Para probar la significancia estadstica de los efectos, seleccione Tabla ANOVA de la lista de Opciones Tabulares. Puede retirar efectos significativos pulsando el botn secundario del ratn, seleccionando Opciones de Anlisis, y pulsando el botn de Excluir.
+ -
Anlisis de Varianza para tiempo_de_filtracion Fuente Suma de Cuadrados A:fuente_abasteimiento 972.0 B:materia_prima 33.3333 C:temperatura_filtracion 1925.33 D:reciclado 507.0 E:vel_adicion_NaOH 33.3333 F:material_filtro 161.333 G:tiempo_abastecimiento 736.333 Error total 633.0 Total (corr.) 5001.67 R-cuadrada = 87.3442 porciento R-cuadrada (ajustada por g.l.) = 65.1966 porciento Error estndar del est. = 12.5797 Error absoluto medio = 5.88889 Estadstico Durbin-Watson = 1.69668 (P=0.2759) Autocorrelacin residual de Lag 1 = 0.151615 No puede ejecutarse la prueba de falta de ajuste. No hay grados de libertad para el error puro.
Gl 1 1 1 1 1 1 1 4 11
Cuadrado Medio 972.0 33.3333 1925.33 507.0 33.3333 161.333 736.333 158.25
El StatAdvisor La tabla ANOVA particiona la variabilidad de tiempo_de_filtracion en piezas separadas para cada uno de los efectos. entonces prueba la significancia estadstica de cada efecto comparando su cuadrado medio contra un estimado del error experimental. En este caso, 1 efectos tienen una valor-P menor que 0.05, indicando que son significativamente diferentes de cero con un nivel de confianza del 95.0%. La prueba de falta de ajuste est diseada para determinar si el modelo seleccionado es adecuado para describir los datos observados si se debera usar un modelo ms complicado. La prueba se realiza comparando la variabilidad de los residuos del modelo actual con la variabilidad entre observaciones obtenidas en condiciones repetidas de los factores. Desafortunadamente, la prueba no puede realizarse en este caso porque no hay observaciones replicadas.
El estadstico R-Cuadrada indica que el modelo, as ajustado, explica 87.3442% de la variabilidad en tiempo_de_filtracion. El estadstico R-cuadrada ajustada, que es ms adecuado para comparar modelos con diferente nmero de variables independientes, es 65.1966%. El error estndar del estimado muestra que la desviacin estndar de los residuos es 12.5797. El error medio absoluto (MAE) de 5.88889 es el valor promedio de los residuos. El estadstico de Durbin-Watson (DW) prueba los residuos para determinar si haya alguna correlacin significativa basada en el orden en que se presentan los datos en el archivo. Puesto que el valor-P es mayor que 5.0%, no hay indicacin de autocorrelacin serial en los residuos con un nivel de significancia del 5.0%.
40 35
tiempo_de_filtracion
2.- Un ingeniero metalurgista est interesado en determinar las condiciones de operacin que maximizan el rendimiento de un proceso de extraccin de un metal pesado de un efluente va extraccin por solventes. Dos variables controlables influyen en este proceso: La concentracin de resina y el pH. Actualmente el proceso trabaja con una concentracin de resina de 0,3% y un pH de 3 . Esto produce una extraccin mxima de cerca de 44%. a) Se pide realizar un diseo preliminar para determinar cules de los factores son ms significativos al nivel del 5%. En el anlisis debe incluirse tambin la curvatura. Formule el modelo matemtico respectivo.
b) Utilizando el modelo matemtico anterior y mediante el mtodo del mximo ascenso indique los nuevos intervalos de experimentacin que se realizar en la siguiente etapa de optimizacin para lograr una extraccin superior al 85%. Suponga que la extraccin del metal pesado est dado por la siguiente ecuacin matemtica que simular los experimentos en el laboratorio:
2 2
4,52 C 2 ALEATORIO() 1
2
B:pH
+ -
A:resina
AB
200
800
1000
Gl
Cuadrado Medio
Razn-F
Valor-P
1 1 1 1 2 6
R-cuadrada = 99.3278 porciento R-cuadrada (ajustada por g.l.) = 98.6555 porciento Error estndar del est. = 0.011547 Error absoluto medio = 0.382857 Estadstico Durbin-Watson = 0.603632 (P=0.0619) Autocorrelacin residual de Lag 1 = 0.552233 El StatAdvisor La tabla ANOVA particiona la variabilidad de extraccion en piezas separadas para cada uno de los efectos. entonces prueba la significancia estadstica de cada efecto comparando su cuadrado medio contra un estimado del error experimental. En este caso, 3 efectos tienen una valor-P menor que 0.05, indicando que son significativamente diferentes de cero con un nivel de confianza del 95.0%. La prueba de falta de ajuste est diseada para determinar si el modelo seleccionado es adecuado para describir los datos observados si se debera usar un modelo ms complicado. La prueba se realiza comparando la variabilidad de los residuos del modelo actual con la variabilidad entre observaciones obtenidas en condiciones repetidas de los factores. Dado que el valor-P para la falta de ajuste en la tabla ANOVA es menor que 0.05, existe una falta de ajuste estadsticamente significativa con un nivel de confianza del 95.0%. Esto significa que el modelo as ajustado no representa adecuadamente a los datos. El estadstico R-Cuadrada indica que el modelo, as ajustado, explica 99.3278% de la variabilidad en extraccion. El estadstico R-cuadrada ajustada, que es ms adecuado para comparar modelos con diferente nmero de variables independientes, es 98.6555%. El error estndar del estimado muestra que la desviacin estndar de los residuos es 0.011547. El error medio absoluto (MAE) de 0.382857 es el valor promedio de los residuos. El estadstico de Durbin-Watson (DW) prueba los residuos para determinar si haya alguna correlacin significativa basada en el orden en que se presentan los datos en el archivo. Puesto que el valor-P es mayor que 5.0%, no hay indicacin de autocorrelacin serial en los residuos con un nivel de significancia del 5.0%.
50 48
extraccion
Camino de Mximo Ascenso para extraccion Prediccin para resina pH extraccion (%) 0.3 3.0 44.94 0.336113 2.9 52.0318 0.367758 2.8 57.8662 0.393194 2.7 62.5854 0.410322 2.6 66.4272
El StatAdvisor Esta ventana despliega el trayecto de mximo ascenso (o descenso). Este es el trayecto, desde el centro de la regin experimental actual, a travs del cual la respuesta estimada cambia ms rpidamente con un cambio menor en los factores experimentales. Indica buenas caractersticas para ejecutar experimentos adicionales si el objetivo es incrementar o decrementar extraccion. Actualmente, 11 puntos se han generado cambiando pH en incrementos de 0.1. Puede especificarse la cantidad de cambio en cualquiera de los factores presionando el botn secundario del ratn y seleccionando Opciones de Ventana. STATGRAPHICS determinar entonces cuanto tendrn que cambiar los otros factores para mantenerse en el trayecto del mximo ascenso. El programa tambin calcula la extraccion estimada en cada uno de los puntos del trayecto, con los cuales pueden compararse los resultados si es que se corren esos ensayos.
Ejercicio 26
Una empresa de consultora debe llevar a cabo para un cliente un estudio experimental para determinar los efectos de seis variables sobre las propiedades fsicas de cierto tipo de asfalto. Llamemos A, B, C, D, E y F a esas variables.
(a) Si se lleva a cabo un diseo factorial completo a dos niveles cuntas corridas deben hacerse? 64 +3= 67 corridas
Diseo Base Nmero de factores experimentales: 6 Nmero de bloques: 1 Nmero de respuestas: 1 Nmero de corridas: 67, incluyendo 3 puntos centrales por bloque Grados de libertad para el error: 45 Aleatorizar: S Factores Factor_A Factor_B Factor_C Factor_D Factor_E Factor_F Respuestas Var_1 Bajo -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 Alto 1.0 1.0 1.0 1.0 1.0 1.0 Unidades Continuo S S S S S S
Unidades
El StatAdvisor Ha creado un diseo Factorial el cual estudiar los efectos de 6 factores en 67 corridas. El diseo deber ser ejecutado en un solo bloque. El orden de los experimentos ha sido completamente aleatorizado. Esto aportar proteccin contra el efecto de variables ocultas.
NOTA: Si utiliz Aumentar Diseo para agregar una fraccin a un diseo factorial fraccionado, deber verificar el Patrn Alias usando las Opciones Tabulares. Si existe una confusin inusual, el nmero de grados de libertad para estimar el error experimental puede ser ms grande de lo que se muestra en el resumen.
(c) Escriba un diseo fraccional de resolucin IV que requiera slo 16 corridas. Escriba una relacin generadora para este diseo.
Un cuarto de fraccin.
Abc ; bcd y ad
(c) En el diseo que Ud. realiz, qu efectos estn confundidos con A? Y con BD?
Estructura de Alias Contraste Estimados 1 A 2 B 3 C 4 D 5 E 6 F 7 AB+CE 8 AC+BE 9 AD+EF 10 AE+BC+DF 11 AF+DE 12 BD+CF 13 BF+CD El StatAdvisor La estructura alias muestra que efectos principales e interacciones estn confundidos unos con otras. Puesto que este diseo de resolucin IV, los efectos principales estarn libres de las interacciones de dos factores. No obstante, al menos una interaccin de dos factores estar confundida con otra interaccin de dos factores con el efecto de bloques. No ser capaz de estimar estas interacciones. Verifique la tabla para determinar cules interacciones estn confundidas.
-1.0 -1.0
1.0 1.0
S S
Unidades
El StatAdvisor Ha creado un diseo Un cuarto de fraccin el cual estudiar los efectos de 6 factores en 16 corridas. El diseo deber ser ejecutado en un solo bloque. El orden de los experimentos no ha sido aleatorizado. Si hay variables ocultas presentes, ellas pueden distorsionar los resultados. Solamente hay disponibles 2 grados de libertad para estimar el error experimental. Por lo tanto, las pruebas estadsticas aplicadas a los resultados sern muy dbiles. Se recomienda que agregue suficientes puntos centrales para tener, al menos, 3 grados de libertad para el error. Debido a que este diseo tiene una resolucin menor que V, se recomienda verificar el patrn de confusin seleccionando Estructura Alias de la lista de Opciones Tabulares. NOTA: Si utiliz Aumentar Diseo para agregar una fraccin a un diseo factorial fraccionado, deber verificar el Patrn Alias usando las Opciones Tabulares. Si existe una confusin inusual, el nmero de grados de libertad para estimar el error experimental puede ser ms grande de lo que se muestra en el resumen.