OBJETIVO

Analizar el tiempo estimado que tarda una persona, ya sea de sexo femenino o masculino en
recorrer caminando un circuito de 1km. Para así determinar los resultados de las pruebas
estadísticas acerca del tema de interés, es decir para la interpretación de diseños factoriales.

PLANTEAMIENTO DEL PROBLEMA

Se elaboro un diseño factorial de 3 x 2 para investigar cuanto tiempo tarda una persona en
recorrer 1km. Los factores utilizados en dicha investigación fue factor A que corresponde al
sexo de las personas ya sea Hombre o Mujer, y factor B se tomo en cuenta el peso de las
personas en un rango de 60-65 kg, 66-72kg y de 73-80 kg. Los datos recabados se muestran
en la siguiente tabla.

Datos estadísticos recabados

PESO
60-65 Kg. 66-72 Kg. 73-80 Kg Total Yi
10.24 11.2 13.21
H 9.3 11.45 12.46
10.27 29.81 12.14 34.79 12.57 38.24 102.84
SEXO
10.59 11.49 13.38
M 10.27 11.51 12.55
11.35 32.21 11.54 34.54 12.17 38.1 104.85
Total yj.. 62.02 69.33 76.34 207.69

2417.2543 2396.39645 TOTAL DE Yi /18

suma de cuadrados

724.33835 suma de cuadrados del 7243.3835

total de la suma de total de la suma de datos
cuadrados entre 10 de B

a=2
b=3
n=3
Calculo de la suma de cuadrados
SCA= 9401.17165
SCB= 7228.03212
SCAB= -18301.2619
SCT= 20.85785
SCE= 20453.5436 SCT-SCA-SCB-SCAB

Análisis de la varianza: ANOVA

FV SC GL CM FO Valor p F
Efecto A 9401.17165 1 12 0.00704034 0.934514081 4.74722535
Efecto B 7228.03212 2 3614.01606 2.12032661 0.162729585 3.88529383
Efecto AB -18301.2619 2 -9150.63093 -5.36863311 3.88529383
Error 20453.5436 12 1704.46196
Total 20.85785 17

MINITAB

Sexo Peso Respuesta

1 1 10.24
1 1 9.30
1 1 10.27
2 1 10.59
2 1 10.27
2 1 11.35
1 2 11.20
1 2 11.45
1 2 12.14
2 2 11.49
2 2 11.51
2 2 11.54
1 3 13.21
1 3 12.46
1 3 12.57
2 3 13.38
2 3 12.55
2 3 12.17
ANOVA: Respuesta vs. Sexo, Tiempo, Peso

Factor Tipo Niveles Valores

Sexo fijo 2 1, 2
Tiempo fijo 3 1, 2, 3
Peso fijo 3 1, 2, 3

Análisis de varianza de Respuesta

Fuente GL SC CM F P
Sexo 1 0.0029 0.0029 0.01 0.916
Tiempo 2 17.0910 8.5455 33.63 0.000
Peso 2 0.7144 0.3572 1.41 0.283
Error 12 3.0494 0.2541
Total 17 20.8579

S = 0.504104 R-cuad. = 85.38% R-cuad.(ajustado) = 79.29%

ANOVA: Respuesta vs. Sexo, Peso

Factor Tipo Niveles Valores

Sexo fijo 2 1, 2
Peso fijo 3 1, 2, 3

Análisis de varianza de Respuesta

Fuente GL SC CM F P
Sexo 1 0.2244 0.2244 0.89 0.362
Peso 2 17.0910 8.5455 33.77 0.000
Error 14 3.5424 0.2530
Total 17 20.8579

S = 0.503017 R-cuad. = 83.02% R-cuad.(ajustado) = 79.38%

CONCLUSIÓN
Los resultados del ANOVA para dos factores pueden ser extendidos a un caso general en
donde: k son los niveles del factor A, b son los niveles del factor B, c son los factores del
nivel C, y así sucesivamente, los cuales pueden ser arreglados en un experimento factorial,
en el cual el número de réplicas es n.
Las ventajas fundamentales del diseño factorial frente a la experimentación clásica son la
eficiencia: con menos experimentos se estiman los efectos con la misma precisión. Mayor
información, pues con la experimentación clásica no se exploran todas las combinaciones de
los niveles de los factores. Mayor rango de validez de las conclusiones. Ya que tiene como
objetivos de un diseño factorial con dos factores es contrastar si existen diferencias entre las
medias de la variable respuesta en cada uno de los niveles del factor, contrastar si existen
diferencias entre las medias de la variable respuesta en cada uno de los niveles del factor
contrastar si los dos factores interaccionan. Empíricamente se comprueba que, en ocasiones,
el efecto que, sobre la variable respuesta, se produce por el cambio de nivel en un
determinado factor depende del nivel al que se encuentre el otro. Cuando esto sucede se dice
que ambos factores interaccionan. Los diseños factoriales son ampliamente utilizados en
experimentos en los que intervienen varios factores para estudiar el efecto conjunto de estos
sobre una respuesta. Existen varios casos especiales del diseño factorial general que resultan
importantes porque se usan ampliamente en el trabajo de investigación, y porque constituyen
la base para otros diseños de gran valor práctico. En los últimos años se ha observado un
creciente interés por algunas de las ideas del profesor Genechi Taguchi acerca del diseño
experimental y su aplicación al mejoramiento de la calidad.

BIBLIOGRAFÍA
 Probabilidad y Estadística aplicadas a la ingeniería. -Douglas C. Montgomery -
George C. Runger. Editorial: Mc Graw Hill.
 Probabilidad y Estadística para ingeniería. Tercera edición. -William W.Hines -
Douglas C. Montgomery. Editorial: CECSA
 Probabilidad y Estadistica para ingenieria y ciencias. -Walpole -Myers Novena
edición. Editorial: PEARSON
 Probabilidad y estadística para ingenieros. Sexta edición. -Walpole -Myers
Editorial: Pearson