Tarea 6.

Repaso de an alisis de varianza y solucion

problema en particular.
Omar Soriano Romero
24 de septiembre de 2014
Consideremos el siguiente problema:
Se fabrica papel de ba no, se quiere mejorar la resistencia a la tenci on del
producto.El grupo de desarrollo encuentra que el porcentaje de pulpa de ma-
dera dura en la formula del papel es el factor importante en el problema y
que el rango de interes esta entre 5 y 20 porciento, se decide experimentar
usando un papel con: 4 %, 10 %, 15 % y 20 % un una planta piloto fabrican 24
muestras y miden su resistencia, tal como se muestra en la siguiente tabla:
Porcentaje de pulpa de madera dura Resistencia (psi)
5 7 8 15 11 9 10
10 12 17 13 18 14 15
15 14 18 19 17 16 18
20 19 25 22 23 18 20
Cuadro 1: Datos obtenidos en la fabrica piloto.
Ahora notemos que en este experimento tenemos 4 tratamientos, los cuales
representan el porcentaje de concentraci on de pulpa de madera dura, tambien
notemos que para cada tratamiento se realizaron 6 replicas de la resistencia
(psi) asociadas a cada porcentaje de pulpa de madera dura, y ya que el nu-
mero de replicas en cada tratamiento es el mismo podemos decir que estamos
ablando de un experimento balanceado.
Ahora para realizar nuestro an alisis de varianza consideremos el siguiente
modelo estadistico lineal:
y
ij
= +
i
+
ij
(1)
Donde:
y
ij
es una de las observaciones de la resistencia (psi).
es el par ametro com un a todos los tratamientos y se llama media global.
es un parametro asociado al i-esimo tratamiento y se denomina efecto del
i-esimo tratamiento.

ij
es la componente del error aleatorio.
1
El modelo estadstico lineal expresado en la ecuacion (1) se puede escribir de
la siguiente forma:
y
ij
=
i
+
ij
(2)
Donde:

i
= +
i
es el promedio del i-esimo tratamiento, (cabe mencionar que
ij
se distribuye de manera normal e independiente con media 0 y varianza
2
).

i
son desviaciones de la media global de modo que se solicita que:
a

i=1

i
) =
a

i=1
(
i
)
=
a

i=1

i

a

i=1

= a a
= 0 (3)
Queremos probar la igualdad de las medias:

1
,
2
,
3
, ...,
a
En nuestro a es igual a 4 que es el numero de tratamientos.
Ahora para probar lo anterior proponemos la siguiente prieva de hipotesis:
H
0
:
i
= 0 i (4)
H
1
:
i
= 0 para alguna i (5)
De donde H
0
es nuestra hip otesis nula y H
1
es nuestra hipotesis alternativa.
para analizar estos resultados utilizaremos la variabilidad total del expe-
rimento esta denida por la suma de cuadrados totales la cual esta dada
por:
SS
T
=
a

i=1
n

i=1
(y
ij
y
..
)
2
(6)
Donde:
y
ij
como ya mencionamos anteriormente es una observaci on cualquiera y por
tanto es una variable aleatoria.
y
..
=
n

i=1
y
i.
a
es un promedio general, de donde a es el numero de tratamientos
y y
i.
=
y
1.
n
es el promedio por tratamiento donde n es el numero de replicas.
Ahora la ecuaci on (6) se puede expandir de de tal forma que:
SS
T
=
a

i=1
n

i=1
(y
ij
y
..
)
2
= n
a

i=1
( y
i.
y
..
)
2
+
a

i=1
n

i=1
(y
ij
y
i.
)
2
(7)
2
Notemos que son dos diferencias de cuadrados, el termino ((y
ij
y
..
)
2
) es un
termino es un termino que en general mide la diferencia de los tratamientos,
por lo que SS
Trat
= n
a

i=1
( y
i.
y
..
)
2
se conoce como la suma de cuadrados
de tratamientos. Ahora el termino (y
ij
y
i.
)
2
se conoce como error aleatorio,
por lo que SS

=
a

i=1
n

i=1
(y
ij
y
i.
)
2
se conoce como la suma de cuadrados
del error. Con esto en mente la suma de cuadrados totales puede escribirse
como:
SS
T
= SS
Trat
+ SS

(8)
Ahora si se calcula el valor de expectacion para la suma de cuadrados de
tratamientos tenemos que:
E{SS
Trat
} = (a 1)
2
+ n
a

i=1

i
(9)
de donde al suponer H
0
verdadera y por la linealidad del valor de expectaci on
tenemos que:
E{
SS
Trat
(a 1)
} =
2
(10)
Entonces bajo la hip otesis nula es verdadera
SS
Trat
(a1)
es un estimador inses-
gado de la varianza, y si la hip otesis alternativa es verdadera E{
SS
Trat
(a1)
} =

2
+n
a

i=1

i
, entonces
SS
Trat
(a1)
bajo esta hipotesis tenemos que
SS
Trat
(a1)
es un esti-
mador de sesgado de la varianza; tambien cabe mencionar que MS
Trat=
SS
Trat
(a1)
es una media de cuadratica de los tratamientos.
Ahora para calculamos el valor de expectacion tal que.
E{SS

} = a(n 1)
2
(11)
De donde al utilizar la linealidad de el valor de expectaci on tenemos que:
E{
SS

a(n 1)
} =
2
(12)
Donde MS

SS

a(n1)
es una media cuadratica del error, y es un estimador in-
sesgado de la varianza.
Ahora para probar la veracidad de H
0
la cual trata de mostrar la igualdad de
las medias de cada replica de cada tratamiento, proponemos un estadstico
de prueba f de sher el cual esta dado por:
f =
MS
Trat
MS

(13)
Por lo que ahora solo falta calcular la media cuadr atica de los tratamientos
MS
Trat
y la media cuadratica del error MS

, para ello necesitamos la suma

de cuadrados de los tratamientos SS
T
y la suma de cuadrados del error SS

.
3