Você está na página 1de 30

EJEMPLO 1 Corrida en Anlisis de datos en Excel

Anova: Two-Factor Without Replication

SUMMARY Count Sum Average Variance


Row 1 3 73 24.3333333333 9.3333333333
Row 2 3 99 33 4
Row 3 3 120 40 3
Row 4 3 116 38.6666666667 4.3333333333
Row 5 3 136 45.3333333333 0.3333333333

Column 1 5 183 36.6 56.3


Column 2 5 180 36 92
Column 3 5 181 36.2 53.2

ANOVA
Source of Variation SS df MS F P-value
Rows 764.93333333 4 191.233333333 37.2532467532 3.232321E-05
Columns 0.9333333333 2 0.4666666667 0.0909090909 0.914030422
Error 41.066666667 8 5.1333333333

Total 806.93333333 14
F crit
3.837854
4.458968
EJEMPLO 2 Corrida en Anlisis de Datos de Excel

Anova: Two-Factor Without Replication

SUMMARY Count Sum Average Variance


Row 1 3 34 11.33333 32.33333
Row 2 3 50 16.66667 121.3333
Row 3 3 36 12 91
Row 4 3 105 35 133

Column 1 4 92 23 127.3333
Column 2 4 101 25.25 168.9167
Column 3 4 32 8 90

ANOVA
Source of Variation SS df MS F P-value F crit
Rows 1106.917 3 368.9722 42.71061 0.000192 4.757055
Columns 703.5 2 351.75 40.71704 0.000323 5.143249
Error 51.83333 6 8.638889

Total 1862.25 11
ANOVA 2 FACTORES (Montgomery) P. Reyes 10/29/2017

MODELO PARA ANOVA DE DOS VIAS, FACTORES O DIRECCIONES - FACTORES FIJOS


Stat > ANOVA > Two way

y ij=+ i + j + ij Para i = 1, 2, ...., a j = 1, 2, ......n


y ijObservacin. ijsima Con a niveles del tratamiento y
con n tratamientos o factores
la . media. global
i =es. el . efecto . del . tratamiento. isimo
j =es. el . efecto . del . bloque. jsimo NOTA: La prueba F para los bloques
normalmente no se pone en la tabla
ANOVA porque no necesariamente
ij error . aleatorio=NID (0, 2 ) es una prueba F exacta.

La experimentacin en las unidades experimentales debe ser en forma aleatoria


en los tratamientos dentro de los bloques, por lo que a este diseo
se le denomina DISEO DE BLOQUES COMPLETAMENTE ALEATORIZADO

Para probar la Hiptesis nula Ho de que las medias de los tratamientos son iguales,
se supone que los errores del modelo son:

a) Variables aleatorias que siguen una distribucin normal


b) Son independientes unos de otros
c) Su distribucin normal tiene media cero
d) La varianza se mantiene constante para todos los niveles del factor

Por tanto las observaciones:

2
y ijN ( + i + j , )
Para el anlisis de los residuales, se aplican los mismos criterios que en el ANOVA
de una via:

Del ejemplo 4.2 de la pg. 164 del Momtgomery, se tiene usando Minitab:

Two-way ANOVA: CrecBacteria versus Solucin, Dias Solucin Dias CrecBacteria


1 1 13
Source DF SS MS F P 2 1 16
Solucin 2 703.50 351.750 40.72 0.000 3 1 5
Dias 3 1106.92 368.972 42.71 0.000 1 2 22
Error 6 51.83 8.639 2 2 24
Total 11 1862.25 3 2 4
1 3 18
S = 2.939 R-Sq = 97.22% R-Sq(adj) = 94.90% 2 3 17
3 3 1
1 4 39
Individual 95% CIs For Mean Based on 2 4 44
Pooled StDev 3 4 22
Solucin Mean ----+---------+---------+---------+----
1 23.00 (----*----)
2 25.25 (----*----)
3 8.00 (----*-----)

Pgina 10/29/2017
ANOVA 2 FACTORES (Montgomery) P. Reyes 10/29/2017

----+---------+---------+---------+-----
7.0 14.0 21.0 28.0 RESI2 FITS2
-2.58333 15.5833
-1.83333 17.8333
Individual 95% CIs For Mean Based on 4.41667 0.5833
Pooled StDev 1.08333 20.9167
Dias Mean -+---------+---------+---------+-------- 0.83333 23.1667
1 11.3333 (----*----) -1.91667 5.9167
2 16.6667 (----*----) 1.75 16.25
3 12.0000 (----*----) -1.5 18.5
4 35.0000 (----*---- -0.25 1.25
-+---------+---------+---------+-------- -0.25 39.25
8.0 16.0 24.0 32.0 2.5 41.5
-2.25 24.25

Normal Probability Plot of the Residuals


(response is CrecBacteria)
99

95

90

80
70
Percent

60
50
40
30
20

10

1
-5.0 -2.5 0.0 2.5 5.0
Residual

ESTIMACIN DE LOS PARMETROS DEL MODELO Y PRUEBA DE LA


REGRESIN
Problema 4.2
Del modelo general de la regresin se tiene: J
Dias
Solucin 1 2 3 4
=y.. I 1 13 22 18 39 23
2 16 24 17 44 25.25
=y i.y..para.i=1,2,....,a 3 5 4 1 22 8
11.3333333 16.6666667 12 35
=y y..para. j=1,2,....b
j .j
Promedios Y.1 Y.2 Y.3 Y.4

yj=y i. +y. j y.. Yprom.. = 18.75

FIT Y11 estimado = 15.5833333


Y11 observado= 13

RESIDUE e11 = -2.58333333 Problema 2.14

Pgina 10/29/2017
ANOVA 2 FACTORES (Montgomery) P. Reyes 10/29/2017

Problema 4.6
Algoritmo Tiempo Prop Alumina
1 1 0.05
2 1 0.04
3 1 0.09
4 1 0.03
1 2 0.04
2 2 0.02
3 2 0.13
4 2 0.04
1 3 0.05
2 3 0.03
3 3 0.11
4 3 0.05
1 4 0.06
2 4 0.05
3 4 0.15
4 4 0.05
1 5 0.03
2 5 0.03
3 5 0.08
4 5 0.03
1 6 0.05
2 6 0.02
3 6 0.12
4 6 0.02

Pgina 10/29/2017
ANOVA 2 FACTORES (Montgomery) P. Reyes 10/29/2017

General Linear Model: Tiempo Reaccion versus

Factor Type Levels Values


Ingrediemte fixed 5 A, B, C, D, E

Analysis of Variance for Tiempo Reaccion, usin

Source DF Seq SS Adj SS Adj MS


Dia 1 0.020 7.991 7.991 2.5
Lote 1 0.180 6.443 6.443 2.0
Ingrediemte 4 141.440 106.639 26.660 8.5
Dia*Dia 1 10.414 10.414 10.414 3.3
Lote*Dia 1 0.009 0.009 0.009 0.0

Pgina 10/29/2017
ANOVA 2 FACTORES (Montgomery) P. Reyes 10/29/2017

Promedios
Y1.
Y2.
Y3.

Pgina 10/29/2017
ANOVA 2 FACTORES (Montgomery) P. Reyes 10/29/2017

Pgina 10/29/2017
ANOVA 2 FACTORES (Montgomery) P. Reyes 10/29/2017

el: Tiempo Reaccion versus Ingrediemte

Levels Values
5 A, B, C, D, E

ce for Tiempo Reaccion, using Adjusted SS for Tests

Seq SS Adj SS Adj MS F P


0.020 7.991 7.991 2.55 0.131
0.180 6.443 6.443 2.06 0.172
41.440 106.639 26.660 8.50 0.001
10.414 10.414 10.414 3.32 0.088
0.009 0.009 0.009 0.00 0.958

Pgina 10/29/2017
ANOVA 2 FACTORES (Webster) P. Reyes 10/29/2017

ANOVA DE DOS VIAS; DIRECCIONES O FACTORES


Se trata de bloquear un factor externo que probablemente tenga efecto en la respuesta
pero que no hay inters en probar su influencia, slo se bloquea para mininizar la variabilidad de
este factor externo, evitando que contamine la prueba de igualdad entre los tratamientos.

Los tratamientos se asignan a las columnas y los bloques a los renglones. Un bloque indica
condiciones similares de los sujetos al experimentar con diferentes tratamientos.

Ejemplo 1 de la pgina 290 del texto ESTADISTICA - Webster

Suponiendo que se quiere investigar si la produccin de tres diferentes mquinas


es igual, tomando en cuenta la experiencia de los operadores a un nivel de significancia del 5%.

Experiencia Mquinas
de ops. En aos Maq 1 Maq 2 Maq 3 Prom.
1 27 21 25 24.33333 Ho1: No hay diferencia entre Trats.
2 31 33 35 33 Ha1: Caso contrario
3 42 39 39 40
4 38 41 37 38.66667 Ho2: No hay diferencia en productiv
5 45 46 45 45.33333 debida a aos de experiencia
Proms. 36.6 36 36.2 36.26667 Ha2: Caso contrario

Los clculos de SCT, SCTR, CMT y CMTR son similares a los del ANOVA de una va
La diferencia es ahora que el trmino de error se divide en el tmino CMBL correspondiente
a los bloques y determinado en forma similar que CMTR pero ahora para los renglones
y un trmino adicional de error SCE = SCT - SCTR - SCBL.

TABLA para determinar


la suma de cuadrados total
SCT
Xij Media global
27 36.26667
31 36.26667
42 36.26667 Tabla para calcular SCT
38 36.26667 13 18.75
45 36.26667 22 18.75
21 36.26667 18 18.75
33 36.26667 39 18.75
39 36.26667 16 18.75
41 36.26667 24 18.75
46 36.26667 17 18.75
25 36.26667 44 18.75
35 36.26667 5 18.75
39 36.26667 4 18.75
37 36.26667 1 18.75
45 36.26667 22 18.75

La tabla ANOVA queda como sigue:


GL
SCT = 806.9333 14 CMT= 57.6381

SCTR= 0.933333 2 CMTR= 0.466667 Ftr=CMTR/CME=

Pgina 10/29/2017
ANOVA 2 FACTORES (Webster) P. Reyes 10/29/2017

SCBL= 764.9333 4 CMBL= 191.2333 Fbl=CMBL/CME=

SCE = 41.06667 8 CME= 5.133333


=(r-1)*(c-1)

F0.05,2,8
0.090909 4.46

37.25325 3.84
F0.05,4,8

CONCLUSIONES: No hay diferencia en la produccin de mquinas


despus de ajustar experiencia
No se rechaza P. bloques: La experiencia si influye
No hay dif. Entre mquinas en la produccin

Fm Fexcel = 4.46 Fexcel=3.84 Fm

Caso de tratamientos: Caso de bloques


es el factor de inters factor externo bloqueado
a probar, en este caso experiencia de los operadores
la produccin entre diferentes se trata de que no contamine la
mquinas 1, 2 y 3 prueba de diferencia ente mquinas

Ejemplo 4.2 pg. 164 del libro de Diseo de Experimentos de Montgomery

Se comparan 3 soluciones de lavado para retardar el


crecimiento de bacterias, contra das... Alfa =0.05

Dias Sol 1 Sol. 2 Sol. 3 Medias


1 13 16 5 11.33333
2 22 24 4 16.66667
3 18 17 1 12
4 39 44 22 35
Medias 23 25.25 8 18.75
Gran media

F0.05,2,6
40.71 5.14

Grados lib. 42.71 4.75


F0.05,3,6
SCT = 1862.25 11 CMT= 169.29

SCTR= 703.5 2 CMTR= 351.75 Ftr=CMTR/CME=

SCBL= 1106.917 3 CMBL= 368.97 Fbl=CMBL/CME=

Pgina 10/29/2017
ANOVA 2 FACTORES (Webster) P. Reyes 10/29/2017

SCE = 51.8333 6 CME= 8.64

CONCLUSIONES: Si hay diferencia entre las soluciones despus de considerar el da

NOTA: Si un experimentador no recurre a la formacin de bloques cuando debera haberlo


hecho, puede inflar el error experimental a tal grado que las diferencias importantes entre
las medias de los tratamientos sean indetectables.

Pgina 10/29/2017
CUADRADO LATINO (Webster) P. Reyes 10/29/2017

CUADRADO LATINO
Es un diseo que permite bloquear dos factores externos, minimizando su variabilidad y efecto en la
prueba de efecto del factor de tratamiento de inters, para evitar contaminar la prueba en el factor de inters.

Del ejemplo 1, si adems de la experiencia influye la hora del da por cansancio del operador, y lo que nos
interesa probar la produccin de las tres mquinas pero considerando estos dos factores externos, se tiene:

En cada celda se requiere slo un elemento por tratamiento. Con una letra por col. el dis. es Ortogonal

Si hay r tratamientos, se tiene r x r elementos para el bloqueo de los dos factores o variables, de ah el.
trmino de CUADRADO y LATINO porque se utilizan las letras ltinas A, B, C, etc. para los tratamientos.
La letra latina slo aparece una vez por cada columna.
En el ejemplo 1, ahora se toman tres operadores con 3 niveles de experiencia y trabajando en 3 turnos de
trabajo. Las 3 mquinas se identifican como A, B y C. A continuacin se muestra el diseo:

Turno
Empleado Maana Tarde Noche Total filas
1 B/15 A/18 C/11 44

2 C/12 B/20 A/9 41

3 A/17 C/19 B/10 46

Total columnas 44 57 30 131


Suma A 44 Suma B 45 Suma C 42
2
CALCULOS:
Suma . de . cuadrados . del . bloque. de . filas:. . . .. . . .. SCBF=
(suma . de . la. fila )2 ( X i ) ;. . .. . . gl =r1
r r2
( 44 )2 +( 41)2 +( 46)2 (131)2
SCBF = 2 =4 . 222
3 3
2

Suma . de . cuadrados . del . bloque. de . columnas :. SCBC=


( suma. de . la . columna )2 ( X i ) ;. . gl =c1
r r2
( 44 )2 +(57 )2 +(30 )2 (131 )2
SCBC = 2 =121. 5556
3 3
2
( suma. de . TRT i )2 ( X i )
Suma . de . cudrados. del .tratamiento . .. . . .. . . .. . . .. . . SCTR = ;.. gl=trat .1
r r2
( 44 )2 +(45 )2 +( 42)2 ( 131)2
SCTR = 2 =1 . 5556
3 3
2
2 ( X i)
Suma . de . cuadrados . total . . . .. . . .. . . .. . . .. . .. . . .. . . .. . . . SCT = ( X i ) ;.. . . . gl .=n1
r2
(131)2
SCT =(15)2 +(12)2 +( 17 )2 +. . .. . . .. .+(10)2 =138 . 22
32
SCE =SCTSCTRSCBCSCBF
SCE =138 . 221 .5556121 . 55564 . 222=10 . 890

Pgina 14
CUADRADO LATINO (Webster) P. Reyes 10/29/2017

TABLA DE ANOVA PARA EL CUADRADO LATINO:

Fuente de Suma Grados Cuadrado Valor de


Variacin cuadrados libertad medio F
Bloques de 4.222 2 2.111 0.3877
fila

Bloques de 121.555 2 60.778 11.1621


columna

Tratamientos 1.555 2 0.7775 0.1428

Error 10.89 2 5.445

Total 138.222

CONCLUSIN: No se rechaza Ho

Ho: Las producciones de las mquinas son iguales, despus de considerar


el turno de trabajo y la experiencia del trabajador

Ejemplo 4.3 pg. 144 del texto de Montgomery


Problema de la carga propulsora en funcin de las formulaciones A-F, considerando los operadores y
los lotes de materia prima, cuyo efecto se quiere minimizar. Representan dos factores perturbadores
o dos restricciones sobre la aleatorizacin.

Operadores
Lotes MP 1 2 3 4 5
1 A=24 B=20 C=19 D=24 E=24 Gl. = p-1
2 B=17 C=24 D=30 E=27 A=36 Con p lados del
3 C=18 D=38 E=26 A=27 B=21 cuadrado
4 D=26 E=31 A=26 B=23 C=22
5 E=22 A=30 B=20 C=29 D=31

Restado 25 a cada observacin y haciendo los clculos del ANOVA, se tiene:

Operadores
Lotes MP 1 2 3 4 5 Totales Yi..

1 A=-1 B=-5 C=-6 D=-1 E=-1 -14

2 B=-8 C=-1 D=5 E=2 A=11 9

3 C=-7 D=13 E=1 A=2 B=-4 5

4 D=1 E=6 A=1 B=-2 C=-3 3

5 E=-3 A=5 B=-5 C=4 D=6 7

Pgina 15
CUADRADO LATINO (Webster) P. Reyes 10/29/2017

Total Y..k -18 18 -4 5 9 y.. = 10

CALCULOS

Totales por letra


A y.1 18
B y.2 -24
C y.3 -13
D y.4 24
E y.5 5

2
y. . (10 )2
SS T = 2
y ijk =680 =676
i j k N 25

1
p
y 2. . 1 (10)2
SS LOTES= yi .. = [ (14 )2 +92 +52 +3 2 +7 2 ]
2
=68
p i=1 N 5 25

1
p
y 2.. 1 2 (10 )
2
SS OPERADORES= y . . k = [(18) +18 +(4 ) +5 + 9 ]
2 2 2 2 2
=150
p k =1 N 5 25

1
p
y 2. . 1 2 2 (10 )
2
SS FORMULACIONES= y . j. = [ 18 +(24 ) +(13) + 24 +5 ]
2 2 2 2
=330
p j=1 N 5 25

SSE=SST SS LOTESSS OPERADORESSS FORMULACIONES=67668150330=128

Los grados de libertad se calculan como p - 1 (con p = 5)

Fuente de Suma de Grados de Cuadrado


variacin cuadrados libertad medio Fo Valor P
Formulacin 330 4 82.5 7.73 0.0025
Lotes de MP 68 4 17
Operadores 150 4 37.5
Error 128 12 10.67
Total 676 24

CONCLUSINLas formulaciones tienen un efecto significativo en la respuesta


despus de considerar los lotes de materias primas y los operadores

Pgina 16
CURADRADO GRECOLATINO P. Reyes 10/29/2017

CUADRADO GRECOLATINO
Es un diseo que permite bloquear tres factores externos, minimizando su variabilidad y efecto en la
prueba de efecto del factor de tratamiento de inters, para evitar contaminar la prueba en el factor de inters.

Es un diseo en tres direcciones, permite la investigacin de cuatro factores (renglones, columnas, letras latinas y
letras griegas).

Del ejemplo 4.3 de cuadrado latino, si se agrega un factor adicional como los montajes de prueba, si a los
cinco montajes de prueba se les denomina por las letras griegas alfa, beta, gama, delta y psilon se tiene el siguiente
diseo:

Operadores

Lotes MP 1 2 3 4 5

1 Aa=-1 Bc=-5 Ce=-6 Db=-1 Ed=-1

2 Bb=-8 Cd=-1 Da=5 Ec=2 Ae=11

3 Cc=-7 De=13 Eb=1 Ad=2 Ba=-4

4 Dd=1 Ea=6 Ac=1 Be=-2 Cb=-3

5 Ee=-3 Ab=5 Bd=-5 Ca=4 Dc=6

Los valores de SStotal, SSlotes, SS de operadores y SS de formulaciones, son iguales a los ejemplo 4.3

Sstotal = 330 SSlotes =68 SSoperadores = 150 SSformulaciones = 330

Lo que cambia es que el error ahora se divide en la suma de cuadrados de los montajes de prueba y el error mismo

Pgina 17
CURADRADO GRECOLATINO P. Reyes 10/29/2017

Letra griega Total prueba

a= alfa y..1. = 10
b= beta y..2. = - 6
c= gama y..3.= - 3
d = delta y..4.= - 4
e = psilon y..5.= 13

p 2
1 y .. . . 1 (10)2
SS ENSAMBLAJES=
p
2
y .. k .
N
=
5
2 2 2 2 2
[ 10 +(6 ) +(3 ) +(4 ) +13 ] 25 =62
k=1

SS ERROR=SS T SS LOTES SSOPERADSS FORMULACIONESSS MET . ENSAMBLE=66

La tabla de ANOVA queda como:

Fuente de Suma de Grados de Cuadrado


variacin cuadrados libertad medio Fo Valor de P

Formulaciones 330 4 82.5 10 0.0033

Lotes de MP 68 4 17

Operadores 150 4 37.5

Montajes Prueba 62 4 15.5

Error 66 8 8.25

Total 676 24

CONCLUSIN: Las formulaciones tienen un efecto significativo en la respuesta

Pgina 18
CURADRADO GRECOLATINO P. Reyes 10/29/2017

despus de considerar los lotes de materias primas, los operadores y los montajes de prueba

Pgina 19
Datos de edades de personas
datos 1 datos 2 datos 3 datos 4
14 21 23 21
19 22 25 16
24 24 25 16
19 18 19 12
16 17 18 25
20 23 16 19
24 26 15 24
20 22 24 20

calculo previos
N de datos 32 N de clases 7
limite sup. 26 limite inf 12
Rango 14 Ampllitud 2

Tabla de frecuencias
N de clase lim.inf lim. Sup M. de clase F. Absolutas F.acumulada F.relativas
1 12 14 13 2 2 0.0625
2 14 16 15 5 7 0.15625
3 16 18 17 3 10 0.09375
4 18 20 19 7 17 0.21875
5 20 22 21 4 21 0.125
6 22 24 23 7 28 0.21875
7 24 26 25 4 32 0.125
totales = 32 1

Histograma con ojiva de frecuencias


35
Frecuencas

32
30
28
25

20 21
17
15

10 10
7 7
57 4 4
5 3
2
2
0
13 15 17 19 21 23 25
Marca de clase
F. relativas % % acumulado
6.25% 6.25%
15.63% 21.88%
9.38% 31.25%
21.88% 53.13%
12.50% 65.63%
21.88% 87.50%
12.50% 100.00%
100%

32

25