Escolar Documentos
Profissional Documentos
Cultura Documentos
CRUZ
ESTADISTICA INFERENCIAL II
1
Contenido
INTRODUCCIÓN............................................................................................................................................... 3
DISEÑO EXPERIMENTAL CON BLOQUES AL AZAR Y DISEÑOS FACTORIALES ........................................ 4
5.1METODOLOGÍA DEL DISEÑO EXPERIMENTAL DE BLOQUES AL AZAR ............................................. 5
Modelo estadístico...................................................................................................................................... 6
Hipótesis a probar ...................................................................................................................................... 6
Análisis de varianza .................................................................................................................................... 7
EJEMPLO................................................................................................................................................... 7
5.2 DISEÑO EXPERIMENTAL FACTORIALES ............................................................................................. 8
5.3 DISEÑO FACTORIAL CON 2K ................................................................................................................ 9
Efecto principal y efecto de interacción ....................................................................................................... 9
EJEMPLO................................................................................................................................................. 10
5.4 DISEÑO DE CUADRADO LATINO. ....................................................................................................... 12
EJEMPLO................................................................................................................................................. 15
5.5DISEÑO EN CUADROS GRECOLATINOS............................................................................................. 17
EJEMPLO................................................................................................................................................. 19
Modelo lineal general: promedio vs. Método; operador; orden; lugar ........................................................ 20
BIBLIOGRAFIA................................................................................................................................................ 21
2
INTRODUCCIÓN
3
DISEÑO EXPERIMENTAL CON BLOQUES AL AZAR Y DISEÑOS FACTORIALES
Cuando se quieren comparar ciertos tratamientos o estudiar el efecto de un factor,
es deseable que las posibles diferencias se deban principalmente al factor de
interés y no a otros factores que no se consideran en el estudio. Cuando esto no
ocurre y existen otros factores que no se controlan o nulifican para hacer la
comparación, las conclusiones podrían ser afectadas sensiblemente.
Un operador más hábil puede hacer ver a su máquina (aunque ésta sea la peor)
como la que tiene el mejor desempeño, lo cual impide hacer una comparación
adecuada de los equipos.
Para evitar este sesgo hay dos maneras de anular el posible efecto del factor
operador: la manera lógica es utilizar el mismo operador en las cuatro máquinas;
sin embargo, tal estrategia no siempre es aconsejable, ya que utilizar el mismo
sujeto elimina el efecto del factor operador pero restringe la validez de la
comparación con dicho operador, y es posible que el resultado no se mantenga al
utilizar a otros operadores.
4
5.1METODOLOGÍA DEL DISEÑO EXPERIMENTAL DE BLOQUES AL
AZAR
Los factores de bloqueo que aparecen en la práctica son: Turno, lote, día, tipo de
material, línea de producción, operador, maquina, método, etc.
5
Modelo estadístico
Cuando se decide utilizar un DBCA, el experimentador piensa que cada medición será
el resultado del efecto del tratamiento donde se encuentre, del efecto al que pertenece
y de cierto error que se espera sea aleatorio. El modelo estadístico para este diseño
está dado por:
Hipótesis a probar
La hipótesis de interés es la misma para todos los diseños comparativos, y está
pada por:
6
Análisis de varianza
La hipótesis dada se prueba con un análisis de varianza con dos criterios de
clasificación, porque se controlan dos fuentes de variación: el factor de
tratamientos y el factor de bloque.
Los cálculos necesarios pueden ser manuales, pero siempre es más práctico
hacerlos con un software estadístico, porque además proporciona muchas otras
opciones gráficas y tabulares útiles (no sólo el ANOVA).
EJEMPLO
Se comparan cuatro métodos de ensamble, ahora se va a controlar activamente
en el experimento a los operadores que realizaran el ensamble, lo que da lugar al
siguiente diseño en bloques completamente al azar.
7
5.2 DISEÑO EXPERIMENTAL FACTORIALES
Es frecuente que en muchos procesos existan varios factores de los que es
necesario investigar de manera simultánea su influencia sobre una o varias
variables de respuesta, donde cada factor tiene la misma importancia a priori
desde el momento que se decide estudiarlo, y es poco justificable suponer de
antemano que los factores no interactúan entre sí. Los diseños experimentales
que permiten estudiar de manera simultánea el efecto de varios factores son los
llamados diseños factoriales.
Los factores pueden ser de tipo cualitativo (máquinas, tipos de material, operador,
la presencia o ausencia de una operación previa, etc.), o de tipo cuantitativo
(temperatura, humedad, velocidad, presión, etc.). Para poder estudiar la manera
en que incluye cada factor sobre la variable respuesta, es necesario elegir al
menos dos niveles de prueba para cada uno de ellos (tres máquinas, dos
operadores, tres velocidades, dos temperaturas, etc.). Con el diseño factorial
completa se corren aleatoriamente en el proceso todas las posibles
combinaciones que pueden formarse con los niveles seleccionados.
Un diseño de experimentos factorial o arreglo factorial es el conjunto de puntos
experimentales o tratamientos que pueden formarse considerando todas las
posibles combinaciones de los niveles de los factores. Por ejemplo, con k = 2
factores, ambos con dos niveles de prueba, se forma el diseño factorial 2x2=2 2,
que consiste de cuatro combinaciones o puntos experimentales.
Considerando otra vez k = 2 factores, pero ahora uno con tres niveles y el otro con
dos niveles, se pueden construir 3 x 2 combinaciones que dan lugar al diseño
8
Factorial 3 x 2. Observe que en el nombre del diseño factorial va implícita el
número de tratamientos que lo componen. Para obtener el número de corridas
experimentales se multiplica el número de tratamientos por el número de réplicas,
donde una réplica se lleva a cabo cada vez que se repite el arreglo completo.
Cada uno con tres niveles de prueba. Es claro que si los k factores no tienen la
misma cantidad de niveles, entonces no se puede factorizar de esta forma, y debe
escribirse el producto de manera más explícita: por ejemplo con k = 3 factores, el
primero con cuatro niveles y los dos restantes con dos niveles, se tiene el diseño
factorial 4x2x2=4x22, que consiste de 16 combinaciones de niveles diferentes.
9
respuesta debido a un cambio de nivel de tal factor. En particular, los efectos
principales son los cambios en la media de la variable de respuesta que se deben
a la acción individual de cada factor. En términos matemáticos, el efecto principal
de un factor con dos niveles es la diferencia entre la respuesta media observada
cuando tal factor estuvo en su primer nivel, y la respuesta media observada
cuando el factor estuvo en su segundo nivel.
EJEMPLO
Diseño factorial 22. Suponga que en un proceso de fermentación tequilera, se
tienen dos factores A: tipo de levadura y B: temperatura, cada uno con dos niveles
denotados por respectivamente A1=1, A2=2, A3=3. La respuesta de interés es el
rendimiento del proceso de fermentación. En la tabla 4.1 se muestran los cuatro
tratamientos o puntos del diseño factorial 22, y entre paréntesis se ha indicado
cada nivel con los códigos (1, -1). En el experimento original cada tratamiento se
corrió tres veces (tres réplicas), lo cual da un total de 12 corridas del proceso pero,
por simplicidad, en la última columna de la tabla siguiente sólo se anotaron los
resultados de la primera réplica.
Por lo que en términos absolutos el efecto principal de B es mayor. Por otra parte,
se dice que dos factores interactúan entre sí o tienen un efecto de interacción
sobre la variable de respuesta, cuando el efecto de un factor depende del nivel en
10
que se encuentra el otro. Por ejemplo, los factores A y B interactúan si el efecto de
A es muy diferente en cada nivel de B, o viceversa.
Como estos dos efectos de A en función del nivel de B son muy diferentes,
entonces es evidencia de que la elección más conveniente del nivel de A depende
del nivel en que esté B, y viceversa. Es decir, eso es evidencia de que los factores
de A y B interactúan sobre Y. En la práctica, el cálculo del efecto A en cada nivel
de B no se hace, y más bien se calcula el efecto global de la interacción de los dos
factores, que se denotan por AB y se calculan como la diferencia entre la
respuesta media cuando ambos factores se encuentran en el m ismo nivel: (-1, -1);
(1, 1), y la respuesta media cuando los factores se encuentran en niveles
opuestos: (-1, 1) (1, -1). Para el ejemplo, el efecto de interacción levadura x
temperatura está dado por
Los valores absolutos (sin importar el signo) de los efectos principales y del efecto
de interacción son una medida de importancia de su efecto sobre la variable de
respuesta. Sin embargo, como se tienen estimaciones muéstrales, para saber si
los efectos son estadísticamente significativos (diferentes de coro).
11
5.4 DISEÑO DE CUADRADO LATINO.
En el diseño en cuadro latino (DCL) se controlan dos factores de bloque y se
estudia un factor de tratamientos, por lo que se tienen cuatro fuentes de
variabilidad que pueden afectar la respuesta observada, estas son:
5.3.1 Los tratamientos
5.3.2 El factor de bloque I (renglones)
5.3.3 El factor de bloque II (columnas)
5.3.4 El error aleatorio
Se llama cuadro latino por dos razones: es un cuadro debido a que tiene la
restricción adicional de que los tres factores involucrados se prueban en la misma
cantidad de niveles, y es latino porque se utilizan letras latinas para denotar a los
tratamientos o niveles del factor de interés. Sean A, B, C,…, K, los k tratamientos
a comparar, por lo tanto ambos factores de bloques tienen también k niveles cada
uno. El aspecto de los datos se muestra en la siguiente tabla.
12
Donde Yijl es la observación del tratamiento i, en el nivel j, del factor renglón y en
el nivel del factor columna; Ɛijl el error atribuible a dicha observación. De acuerdo
con este modelo, la variabilidad total presente en los datos se puede descomponer
como
13
Selección y aleatorización de un cuadro latino. No cualquier arreglo
EJEMPLO
15
Las pruebas se hacen al mismo tiempo con choferes, a quienes se les instruye
para que manejen de manera similar sobre el mismo terreno para los cuatro
automóviles. Al hacer las pruebas de los cuatro autos al mismo tiempo se evita el
efecto del ambiente en el desgaste; asimismo, el conductor y el tipo de terreno
podrían influir, pero se considera suficiente mantenerlos lo más homogéneo
posible durante el experimento. El diseño y los datos observados se muestran en
la tabla anterior. Se mide la diferencia máxima entre el grosor de la llanta nueva y
el grosor de la llanta después de recorrido los 32 000 kilómetros. Obviamente, a
mayor diferencia en grosor mayor desgaste. Las unidades de medición son
milésimas de pulgada
Se observa que nuestro punto crítico tanto para la posición, el tipo de carro y las
marcas es de 4,76. Concluimos que en las marcas y posición no existe evidencia
de que esta influya por lo que se acepta la hipótesis nula de que son iguales a un
nivel de significancia de a = 0,05. En cuanto al tipo de carro observamos que este
si influye en el desgaste de las llantas por lo que rechazamos la hipótesis nula
16
5.5DISEÑO EN CUADROS GRECOLATINOS
17
Al igual que en el cuadro latino, cada letra (latinas y griegas) debe aparecer sólo
una vez en cada renglón y en cada columna. Además, cada par de letras debe
aparecer sólo una vez en todo el arreglo. El modelo estadístico que describe a las
mediciones en un cuadro grecolatino está dado por
Donde las sumas SCb1, SCb2, SCb3 miden la variabilidad debida a los factores de
bloque renglón, columna y de letras griegas, respectivamente. Para k tratamientos,
los grados de libertad correspondientes a cada suma son
18
Un bosquejo del análisis de varianza se muestra en la tabla 3.6, en la cual se
prueban las hipótesis de igualdad de letras latinas (tratamientos), de renglones, de
columnas y de letras griegas
EJEMPLO
19
Resultado arrojado en Minitab
Modelo lineal general: promedio vs. Método; operador; orden; lugar
21