EXPERIMENTOS Bifactorial

EXPERIMENTOS FACTORIALES COMPLETOS P. Reyes / Sept.
2007
EXPERIMENTOS FACTORIALES
COMPLETOS
Pgina 1 de 27
EXPERIMENTOS FACTORIALES COMPLETOS P. Reyes / Sept. 2007
CONTENIDO
1. Diseo factorial de dos factores
2. Diseo factorial de dos factores
3. Comparaciones mltiples
Pgina 2 de 27
1. Diseo factorial completo de 2 factores
Ul ingeniero decide probar los tres materiales de la cubierta, nico
factor controlable a tres niveles de temperatura (15, 70 y 125 F)
consistentes en el entorno de uso final del producto. Se prueban
cuatro bateras a cada combinacin de material de la cubierta y
temperatura, y las 36 pruebas se ejecutan al azar.
En la tabla 1 se presentan el experimento y los datos resultantes de
duracin observada de las bateras.
En este problema, el ingeniero desea contestar las siguientes
preguntas:
1. Qu efecto tienen el tipo de material y la temperatura sobre la
duracin de la batera?
2. Existe una eleccin del material que d por resultado una
duracin uniformemente larga sin importar la temperatura?
Tipo de
material
Temperatura F
15 70 125
1 13
0
15
5
34 40 2
0
70
74 18
0
80 75 8
2
58
3 15
0
18
8
12
6
12
2
2
5
70
15
9
12
6
10
6
11
5
5
8
45
3 13
8
11
0
17
4
12
0
9
6
10
4
16
8
16
0
15
0
13
9
8
2
60
Tabla 1. Duracin en horas para el ejemplo del diseo de una batera
Pgina 3 de 27
Esta ltima pregunta reviste particular importancia. Existe la
posibilidad de hallar un material que no sea muy afectado por la
temperatura. De ser as, el ingeniero puede hacer que la batera sea
robusta a la variacin de temperatura en el campo. ste es un
ejemplo del uso del diseo experimental estadstico para el diseo de
un producto robusto (o consistente), un importante problema de
ingeniera.
Este diseo es un ejemplo especfico del caso general de un diseo
con dos factores (bifactorial). Para pasar al caso general, sea Yijk la
respuesta observada cuando el factor A se encuentra en el i-simo
nivel (i -1, 2,..., n). En general, los datos observados se vern como en
la tabla 2. El orden en el cual se toman las abn observaciones es
aleatorio, de modo que ste es un diseo completamente
aleatorizado.
Tabla 2. Disposicin general para un diseo bifactorial
Las observaciones pueden describirse mediante el modelo estadstico
lineal:
Pgina 4 de 27
Y111,Y112,
...,Y11n
Factor A
Factor B
Y211,Y212,
...,Y21n
...
Ya11,Ya12,
...,Ya1n
... ... ...
Y121,Y122,
...,Y12n
...
Y1b1,Y1b2,
...,Y1bn
Y221,Y222,
...,Y22n
...
...
Y2b1,Y2b2,
...,Y2bn
Ya21,Ya22,
...,Ya2n
Yab1,Yab2,
...,Yabn
1 2 ... b
1
2
...
a
Y111,Y112,
...,Y11n
Factor A
Factor B
Y211,Y212,
...,Y21n
...
Ya11,Ya12,
...,Ya1n
... ... ...
Y121,Y122,
...,Y12n
...
Y1b1,Y1b2,
...,Y1bn
Y221,Y222,
...,Y22n
...
...
Y2b1,Y2b2,
...,Y2bn
Ya21,Ya22,
...,Ya2n
Yab1,Yab2,
...,Yabn
1 2 ... b
1
2
...
a
( )
'
+ + + +
n 1 , 2 , . . . , k
b 1 , 2 , . . . , j
a 1 , 2 , . . . , i
i j k i j j i Y i j k
En donde es el efecto medio general, i es el efecto del i-simo
nivel del factor rengln A, j es el efecto del j-simo nivel del factor
columna B, ( )ij es el efecto de la interaccin entre i y j, ijk
es el componente del error aleatorio. Inicialmente se supone que
ambos factores son fijos y que los efectos de tratamiento se definen
como desviaciones de la media general, por lo tanto.

a
1 i
b
1 j
0 j 0; i

Se supone que los efectos de interaccin son fijos y que se definen
d manera que: ( ) 0 ij
a
1 i

. Hay un total de abn observaciones

porque se realizan n rplicas.
En un diseo factorial de dos factores, tanto los factores (o
tratamientos) de rengln como de columna tienen la misma
importancia, especficamente el inters consiste en probar hiptesis
acerca de la igualdad de los efectos de tratamiento de rengln, es
decir:
0 i una menos al : H
0 a ... 2 : Ho

1
1

Y de la igualdad de los efectos de tratamiento de columna:
0 j una menos al : H1
0 b ... 2 1 : Ho

Pgina 5 de 27
Tambin es interesante determinar s los tratamientos de rengln y
columna interaccionan. En otras palabras, resulta conveniente
probar:
0 ()i una menos al : H1
j i, toda para 0 ()i : Ho
A continuacin, se muestra cmo pueden probarse estas hiptesis

usando un anlisis de variancia bifactorial o bidireccional (de dos
factores o en dos sentidos).
Anlisis Estadstico del Modelo de Efectos Fijos
ea Yi..; el total de las observaciones bajo el i-simo nivel del
factor A; Y.j. El total de las observaciones bajo el j-simo nivel
del factor B, Yij. El total de las observaciones de la ij-sima celda, e
Y... el total general de todas las observaciones. Se definen
... Y y ij. Y y .j. Y i..; Y como los promedios de rengln, columna, celda y
general, respectivamente, matemticamente:
S
'
a
1 i
b
1 j
n
1 k
a b n
Y . . .
. . . Y Y i j k Y . . .
b 1 , 2 , . . . , j
a 1 , 2 , . . . , i
;
n
Y . . .
i j . Y
n
1 k
Y i j k Y i j .
a
1 i
b 1 , 2 , . . . , j ;
n
1 k
a n
Y . j .
. j . Y Y i j k Y . j .
a 1 , 2 , . . . , i ;
b n
Y i . .
i . . Y
b
1 j
n
1 k
Y i j k Y i . .
La suma total de cuadrados corregida puede expresarse mediante:
()
()()( )
()
()
() () ( )
()
+ +
+ + + +

1
1
]
1
a
1 i
b
1 j
n
1 k
2
ij. Y - Yijk
2 a
1 i
b
1 j
... Y .j. Y i.. Y ij. Y n
2 b
1 j
... Y .j. Y an
2 a
1 i
... Y i.. Y bn
a
1 i
b
1 j
n
1 k
2
... Y Yijk
a
1 i
a
1 i
b
1 j
n
1 k
2
ij. Y Yijk
... Y .j Y ... Y ij. Y ... Y .j. Y ... Y i.. Y
b
1 j
n
1 k
2
... Y Yijk
Pgina 6 de 27
Porque los seis productos cruzados del segundo miembro de la
ecuacin anterior son iguales a cero. Se observa que la suma total de
cuadrados se ha descompuesto en una suma de cuadrados debida a
los renglones o al factor A (SS
A
) en una suma de cuadrados
debida a las "columnas" o al factor B (SS
B
), en una suma de
cuadrados debida a la interaccin entre A y B (SSA
B
), y en una suma
de cuadrados debida al error (SS
E
): Analizando el ltimo trmino del
miembro derecho de la Ecuacin anterior es posible observar que es
necesario tener al menos dos rplicas (n 2) para poder obtenerla
suma de cuadrados del error.
Simblicamente, la Ecuacin anterior puede expresarse mediante:
E A B B A T S S S S S S S S S S + + +
Los grados de libertad asociados a cada suma de cuadrados son:
Pgina 7 de 27
Efecto Grados de
liberta
d
A a-1
B b-1
Interaccin
AB
(a-1)(b-1)
Error ab(n-1)
Total abn-1

Esta descomposicin del total de abn -1 grados de libertad para las
sumas de cuadrados se puede justificar como sigue: Los efectos
principales de A y B tienen a y b niveles, respectivamente, por lo
tanto, tienen a -1 y b -1 grados de libertad como se muestra.
Los grados de libertad de la interaccin simplemente corresponden a
los grados de libertad de cada celda (los cuales son iguales a ab -1)
menos los grados de libertad de los dos efectos principales A y B en
otras palabras, ab -1 -(a -1) -(b -1) -(a- 1)(b -1). Dentro de cada una
de las ab celdas hay n -1 grados de libertad entre las n rplicas, por lo
tanto, hay ab(n -1) grados de libertad del error.
Se observa que la suma de los grados de libertad de los trminos del
miembro derecho de la ecuacin anterior es igual al total de los
grados de libertad.
Cada suma de cuadrados dividida entre sus grados de libertad
produce una media de cuadrados. Los valores esperados de las
medias de cuadrados son:
Pgina 8 de 27
2
1) ab(n
SSE
E E(MSE)
1) 1)(b (a
a
1 i
b
1 j
ij
2
( n
2
1) 1)(b (a
SSAB
E E(MSB)
1 b
b
1 j
j an
2
1 b
SSB
E E(MSB)
1 a
a
1 i
i bn
2
1 a
SSA
E E(MSA)
,
_
,
_
,
_
,
_
Hay que notar, que si las hiptesis nulas, las cuales consisten en
proponer que no hay efectos de tratamiento de rengln, columna e
interaccin, son verdaderas, entonces MS
A
, MS
B
, MS
AB
y MS
E
son
estimadores de
2
. Sin embargo, si por ejemplo existen diferencias
entre los tratamientos de rengln, entonces MS
A
ser mayor que MS
E
.
En forma similar, si hay efectos de tratamiento de columna o
interaccin, las medias de cuadrados correspondientes sern
mayores que MS
E
.
Por lo tanto, para probar el significado de ambos efectos principales,
as como de su interaccin, simplemente deben dividirse las medias
de cuadrados correspondientes entre la media de cuadrados del
error. Valores grandes de estas razones implican que los datos no
concuerdan con las hiptesis nulas.
Si se considera que el modelo estadstico es adecuado y que los
trminos del error ijk son independientes con distribuciones
normales con variancia constante
2
, entonces las razones de las
medias de cuadrados MS
A
/MS
E
, MS
B
/MS
E
y MS
AB
/MS
E
tienen
distribucin F con a -1, b- 1 y (a -1)(b -1) grados de libertad en el
numerador, respectivamente, y ab(n -1) grados de libertad en el
denominador. Las regiones crticas corresponden al extremo superior
de la distribucin F. Usualmente la prueba se presenta en una tabla
de anlisis de variancia como la que aparece en la tabla 2.
Pgina 9 de 27
Fuente de
Variacin
SS G.L. MS Fo
Tratamientos
A
SS
A
a - 1
1 a
SS
MS
A
A
E
A
MS
MS
Tratamientos
B
SS
B
b - 1
1 b
SS
MS
B
B
E
B
MS
MS
Interaccin SS
A
B
(a - 1)(b -
1)
1) 1)(b (a
SS
MS
AB
AB

E
AB
MS
MS
Error SS
E
ab(n-1)
1) ab(n
SS
MS
E
B
Total SS
T
abn - 1
Tabla 2 ANOVA para el modelo bifactorial de efectos fijos
Es posible obtener las frmulas para calcular las sumas de cuadrados
de la ecuacin anterior. La suma total de cuadrados se calcula en
forma usual mediante:

a
1 i
b
1 j
n
1 k
abn
...
2
Y
ijk
2
Y T SS
Las sumas de cuadrados para los efectos principales son:

b
1 j
abn
...
2
Y
an
.j.
2
Y
B
a
1 i
abn
...
2
Y
bn
i..
2
Y
A
SS
SS

Es conveniente obtener SSAB en dos etapas. Primero se calcula la
suma de cuadrados entre los totales de las ab celdas, conocida como
la suma de cuadrados debido a los "subtotales":

a
1 i
b
1 j
abn
...
2
Y
n
ij.
2
Y
es SSsubtotal
Pgina 10 de 27
Esta suma de cuadrados contiene a la SS
A
y SS
B
. Por lo tanto, la
segunda etapa consiste en calcular SS
AB
mediante:
B A s u b t o t a l e s A B S S S S S S S S
La SS
E
se calcula por diferencia:
S u b t o t a l e s T E
: b i e n o
B A A B T E
S S S S S S
S S S S S S S S S S

Pgina 11 de 27
Ejemplo: Ms sobre el experimento de diseo de una batera. En la
tabla 3 se presenta la duracin efectiva (en horas) observada en el
ejemplo de diseo de una batera descrito en la anterior Los totales
de rengln y de columna se indican en los mrgenes de la tabla; los
nmeros subrayados son los totales de celda.
Tipo
de
Mat.
Temperatura (F)
15 70 125 Yi..
1 13
0
15
5
134.75
4 539
34 40
22
9
2
0
70
23
0
998
74 18
0
80 75 8
2
58
2 15
0
18
8
623
13
6
12
2
47
9
2
5
70
19
8
130
0
15
9
12
6
10
6
11
5
5
8
45
3 13
8
11
0
576
17
4
12
0
58
3
9
6
10
4
34
2
150
1
16
8
16
0
15
0
13
9
8
2
60
Y.j.
=
1738 1291 770 Y...
=
379
9
Tabla 3. Duracin (en horas) para el experimento de diseo de una
batera
Las sumas de cuadrados se calculan a continuacin:
77,646.97
36
2
3799
2
60 ...
2
74
2
155
2
130
a
1 i
b
1 j
n
1 k
abn
...
2
Y
ijk
2
Y SST
+ + + +

Pgina 12 de 27
9,613.78 39,118.72
10,683.72
36
2
3799
4
2
342 ...
2
229
2
539
abn
...
2
Y a
1 i
b
1 j
n
ij.
2
Y
ion SSinteracc
39,118.72
36
2
3799
(3)(49
2
770
2
1291
2
1738
b
1 j
abn
...
2
Y
an
.j.
2
Y
ura SStemperat
10,683.72
36
2
3799
(3)(4)
2
1501
2
1300
2
998
a
1 i
abn
...
2
Y
bn
i..
2
Y
SSmaterial

+ + +

+ +

+ +

18,230.75
9,613.78 39,118.72 10,638.72 77,646.97 SS
SS SS SS SS SS
E
n interaccio a temperatur material T E

El anlisis de variancia aparece en la tabla 4. Se concluye que existe
una interaccin significativa entre el tipo de material y la temperatura
porque F
0.05,4.27
= 2.73. Adems, tambin son significativos los efectos
principales del tipo de material y de la temperatura, porque F
O.O5.2.27
=
3.35.
Pgina 13 de 27
Fuente de
variacin SS
G.L
. MS Fo
Tipo de material 10,683.
72
2 5,341.8
6
7.91
Temperatura 39,118.
72
2 19,558.
36
28.9
7
Interaccin 9,613.7
8
4 2,403.4
4
3.56
Error 18,230.
75
27 675.21
Total 77,646.
97
35
Tabla 4. ANOVA para los datos de la duracin de la batera
Como auxiliar en la interpretacin de los resultados de este
experimento resulta til la construccin de una grfica de las
respuestas promedio de cada combinacin de tratamiento. Esta
grfica se muestra en la figura 1.
Figura 1. Grfica de respuesta vs temperatura
Pgina 14 de 27
Material tipo 2
25
50
75
100
125
150
D
u
r
a
c
i
o
n

p
r
o
m
e
d
i
o

Temperatura
15 70 125
175
. ij Y
Material tipo 1
Material tipo 3
Material tipo 2
25
50
75
100
125
150
D
u
r
a
c
i
o
n

p
r
o
m
e
d
i
o

Temperatura
15 70 125
175
. ij Y
Material tipo 1
Material tipo 3
El hecho de que las rectas no sean paralelas indica una interaccin
significativa. En general, a menor temperatura mayor duracin,
independientemente del tipo de material.
Al variar la temperatura de baja a intermedia, la duracin aumenta
con el material tipo 3, mientras que disminuye con los materiales tipo
1 y 2,
Cuando la temperatura vara de intermedia a alta, la duracin
disminuye con los materiales tipo 2 y 3, mientras que con el tipo 1
esencialmente permanece sin cambio. Al parecer, el material tipo 3
da los mejores resultados si lo que se desea es menor perdida de
duracin efectiva al cambiar la temperatura.
Pgina 15 de 27
3. Comparaciones Mltiples
i el anlisis de variancia indica que hay diferencia en el nivel
medio de los renglones o columnas, resulta de inters llevar a
cabo comparaciones entre las medias individuales de rengln o
columna para descubrir las diferencias especficas para esto, los
mtodos de comparacin mltiple analizados en l capitulo anterior
resultan tiles.
S
A continuacin, se ilustra la aplicacin de la prueba de intervalos
mltiples de Duncan a los datos de duracin de las bateras del
ejemplo 1. Se recordar que en este experimento la interaccin
result significativa. Cuando esto ocurre, las diferencias en las medias
de un factor (por ejemplo el A) pueden ser ocultadas por la
interaccin AB. Un enfoque consiste en fijar el factor B en un nivel
especfico, y aplicar la prueba de intervalos mltiples de Duncan a las
medias del factor A en ese nivel. Para ilustrar esto, supongamos que
en el ejemplo 1 se desea detectar diferencias en el nivel medio de los
tres tipos de material. Como la interaccin es significativa, las
comparaciones se realizan en un solo nivel de la temperatura, por
ejemplo el nivel 2 (70 grados). Se supone que el mejor estimador de
la variancia del error es la MS
E
obtenida de la tabla del anlisis de
variancia. Adems, se utiliza la suposicin de que la variancia del
error experimental es la misma en todas las combinaciones de
tratamientos. Los promedios de los tres tipos de material,
organizados en arden ascendente son:
3) tipo (material 145.75 32. Y
El error estndar de estos promedios o medias de tratamiento es:

Pgina 16 de 27
12.99
4
675.21
n
MSE
12. Y S
Ya que cada promedio se calcula mediante n = 4 observaciones.
Usando la Tabla VII del Apndice se obtienen los valores de r
0.05(2, 27)
=
2.91 y de r
0.05(3, 27)
= 3.06. Los intervalos mnimos significativos son:

R
2
= r
0.05(2,27)
. S 2 i Y = (2.91)12.99) = 37.80
R
3
=r
0.05(3,27)
. S 2 i Y = (3.26)(12.99) = 39.75
Y las comparaciones proporcionan:
3 vs. 1 = 145.75 57.25 = 88.50 >39.75(R3)
3 vs. 2 = 145.75 119.75 = 26.00 <37.80(R2)
2 vs. 1 = 119.75 57.25 = 62.50 >37.80(R2)
Este anlisis indica que en el nivel de temperatura de 70 grados, el
voltaje medio producido por los materiales 2 y 3 es el mismo y que el
voltaje medio del material 1 es significativamente menor que el
producido por los materiales tipo 2 y 3. Si la interaccin resulta ser
significativa, el investigador puede comparar las medias de todas las
ab celdas para determinar en cules hay una diferencia significativa.
En este anlisis las diferencias entre las celdas incluyen tanto los
efectos principales como el efecto de interaccin. En el ejemplo 1
este mtodo producir 36 comparaciones entre todos los posibles
pares de medias de nueve celdas.
Variabilidad del modelo
plicando el procedimiento general a los datos del voltaje de las
bateras del A
Pgina 17 de 27
Ejemplo 1. Debe observarse que
SS
Modelo
= SS
Material
+ SS
temperatura
+ SS
interaccin

SS
Modelo
= 10,683.72 + 39,118.72 + 9613.78 = 59,416.22
Y que
R
2
= SS
Modelo
/SS
T
= 59,416.22/77,646.97 = 0.765210
En otras palabras, cerca de 77% de la variabilidad en la cada del
voltaje se explica por el tipo de material de las placas de la batera,
por la temperatura y por la interaccin entre el tipo de material y la
temperatura.
AComprobacin de la idoneidad del Modelo
ntes de poder adoptar las conclusiones del anlisis de variancia, debe
probarse la adecuacin del modelo supuesto. Como antes, la
herramienta principal es el anlisis de residuos. Los residuos para el
modelo factorial de dos factores son:
ijk ijk ijk Y
Y e
Pgina 18 de 27
Para los residuos del ejemplo 3.1 tenemos que:
Tipo
de
Mat.
Temperatura grados Fahrenheit
15 70 125
1 130-
134.75=
-4.75
155-
134.7
5
=20.2
5
-
23.2
5
-
17.2
5
-
37.2
5
12.5
0
74-
134.750
=-60.75
180-
134.7
5
=45.2
5
22.7
5
17.2
5
24.5
0
0.50
2 -5.75 32.25 16.2
5
2.25 -
24.5
0
20.5
0
3.25 -
29.75
-
13.7
5
-
4.75
8.50 -
4.50
3 -6.00 -
34.00
28.2
5
-
25.7
5
10.5
0
18.5
0
24.00 16.00 4.25 -
6.75
-
3.50
-
25.5
0
Tabla 5. Residuos para el ejemplo 1
Pgina 19 de 27
J X(J) (j-.5)/n J X(J) (j-.5)/n J X(J) (j-.5)/n
1 -60.8 1.3889 13 -5.8 34.722 25 16 68.056
2 -37.5 4.1667 14 -4.8 37.5 26 16.3 70.833
3 -34 6.9444 15 -4.8 40.278 27 17.8 73.611
4 -29.8 9.7222 16 -4.5 43.056 28 18.5 76.389
5 -25.8 12.5 17 -3.5 45.833 29 20.3 79.167
6 -25.5 15.278 18 0.5 48.611 30 20.5 81.944
7 -24.5 18.056 19 2.3 51.389 31 22.8 84.722
8 -23.3 20.833 20 3.3 54.167 32 24 87.5
9 -17.3 23.611 21 4.3 56.944 33 24.5 90.278
10 -13.8 26.389 22 8.5 59.722 34 28.8 93.056
11 -6.8 29.167 23 10.5 62.5 35 32.3 95.833
12 -6 31.944 24 12.5 65.278 36 45.3 98.611
Figura 2. Grafica de probabilidad normal e histograma de residuos
para el ejemplo 1.
Pgina 20 de 27
Tabla 6. Residuos
Figura 3. Grfica de Residuos versus respuesta estimada
Pgina 21 de 27
eijk eijk eijk
134.75 -4.75 57.25 -23.25 57.5 -37.5
134.75 -60.75 57.25 22.75 57.5 24.5
134.75 -5.75 57.25 16.25 57.5 -24.5
134.75 3.25 57.25 -13.75 57.5 8.5
155.75 -6 119.75 28.25 49.5 10.5
155.75 24 119.75 4.25 49.5 -3.5
155.75 20.25 119.75 -17.75 49.5 12.5
155.75 45.25 119.75 2.25 49.5 0.5
144 32.25 145.75 -4.75 85.5 20.5
144 -29.75 145.75 -25.75 85.5 -4.5
144 34 145.75 -6.75 85.5 18.5
144 16 145.75 -37.5 85.5 -25.5
. Yij . Yij . Yij
Grafica de residuos vs Yijk(estimador)
-80
-60
-40
-20
0
20
40
60
0 50 100 150 200
Estimador Yijk
eijk
Y ya que los valores ajustados son . Y Y
ij ijk (el promedio de las

observaciones en la ij-sima celda), la Ecuacin de residios se
transforma en:
. Y Y e ij ijk ijk
Los residuos de los datos de duracin de las bateras del ejemplo 1 se
muestran en la tabla 6. La grfica de probabilidad normal y el
histograma de estos residuos no revelan algo que pudiera causar
problemas, a pesar de que el residuo menor (-60.75 a 65 F y para el
tipo de material 1) parece alejarse de los dems. El valor
estandarizado de este residuo es (-60,75)/ (675.21)
1/2
= - 2.34. ste es
el nico residuo cuyo valor absoluto es mayor que dos. En la tabla 7
se presenta una grfica de los residuos contra los valores ajustados
ijk Y
. Esta grfica muestra una ligera tendencia de la variancia de los

residuos a aumentar, a medida que aumenta el voltaje.

Tabla 7 Residuos del material
Pgina 22 de 27
T. Mat eijk T. Mat eijk T. Mat eijk
1 -4.75 1 -23.3 1 -37.5
1 -60.8 1 22.75 1 24.5
1 5.75 1 16.25 1 -24.5
1 3.25 1 -13.3 1 8.5
2 -6 2 28.25 2 10.5
2 24 2 4.25 2 -3.5
2 20.25 2 -17.3 2 12.5
2 45.25 2 17.75 2 0.5
3 32.25 3 2.25 3 20.5
3 -29.8 3 -4.75 3 -4.5
3 -34 3 -25.8 3 18.5
3 16 3 -6.75 3 -25.5
Grafica de residuos vs. tipo de material
-80
-60
-40
-20
0
20
40
60
0 0.5 1 1.5 2 2.5 3 3.5
eijk

Figura 4. Grfica de residuos versus tipo de material

Tabla 8 Residuos de Temperatura
Pgina 23 de 27
Temp. eijk Temp. eijk Temp. eijk
15 -4.75 15 -23.25 15 -37.5
15 -60.75 15 22.75 15 24.5
15 -5.75 15 16.25 15 -24.5
15 3.25 15 -13.75 15 8.5
70 -6 70 28.25 70 10.5
70 24 70 4.25 70 -3.5
70 20.25 70 -17.03 70 12.5
70 45.25 70 17.75 70 0.5
125 32.25 125 2.25 125 20.5
125 -29.75 125 -4.75 125 -4.5
125 -34 125 -25.75 125 18.5
125 16 125 -6.75 125 -25.5
Figura 5 Grfica de residuos de temperatura versus tipo de material
En la tabla 7 y figura 5 aparecen las grficas de los residuos contra el
tipo de material y contra la temperatura, respectivamente. Ambas
grficas indican una ligera desigualdad en la variancia siendo quiz
mayor la variancia de la combinacin de 65 F y tipo de material 1
que la de cualquier otra combinacin.
La celda correspondiente a 70 F y el tipo de material es la que
contiene ambos residuos extremos (-60.75 y 45.25). Estos dos
residuos son los principales responsables de la desigualdad de la
variancia detectada en las Fig. 7,8 y 9.
Un examen posterior de los datos no revel ningn problema obvio,
como por ejemplo, errores en el registro de los datos y, por lo tanto,
estas observaciones deben ser aceptadas como legtimas. Es posible
que en esta combinacin de tratamiento particular se produzcan
voltajes ligeramente ms errticos que en las otras combinaciones.
Pgina 24 de 27
-80
-60
-40
-20
0
20
40
60
0 20 40 60 80 100 120 140
Temperatura
Sin embargo, el problema no es tan severo como para tener un efecto
importante en el anlisis y las conclusiones.
Estimacin de los Parmetros del Modelo

os parmetros en el modelo de anlisis de variancia de
clasificacin en dos sentidos: L
( )
'
+ + + +
n 1 , 2 , . . . , k
b 1 , 2 , . . . , j
a 1 , 2 , . . . , i
i Y j k i j j i i j k
Pueden estimarse usando el mtodo de mnimos cuadrados. Como
hay 1 + a + b + ab parmetros del modelo que deben ser estimados
habr 1 + a + b + ab ecuaciones normales. No es difcil mostrar que
las ecuaciones normales son:
( )
( )
( )
( ) ( )
'
+ + +
+ + +

+ + +
+ + +

b 1,2,..., j
a 1,2,..., i
. Y n n n n : ij
b 1,2,..., j Y.j.
i i
n j an i n an : j
a 1,2,..., i i
1 j
j
n j n i bn bn : i
Y... ij
i j j
n j an i bn abn :
ij ij j i
ij
a
1
a
1
j
b b
1
a
1
b
1
a
1 i
b
1

Para mayor claridad se muestra el parmetro correspondiente a cada
ecuacin normal, a la izquierda de las Ecuaciones anteriores.
Con el fin de obtener una solucin ptima a las ecuaciones anteriores,
tenemos que imponer las siguientes restricciones:
Pgina 25 de 27
( )
( )

b
1 j
ij
ij
a
b
1 j
a
1
a 1,2,..., i 0
b 1,2,..., j 0
1 i
0 j
i
0 i
Al aplicar estas restricciones, las ecuaciones normales se simplifican
considerablemente y se obtienen las soluciones:
( ) ( )
'
b 1,2,. .., j
a 1,2,. .., i
... Y .j. Y - i.. Y ij. Y ij estimador
b 1,2,..., j ... Y .j . Y j
a 1,2,..., i ... Y i.. Y i
... Y
Estas soluciones son intuitivamente atractivas. Los efectos de los

tratamientos de rengln se estiman mediante la diferencia entre el
promedio del rengln y el promedio general; los efectos de los
tratamientos de columna mediante la diferencia entre el promedio de
la columna y el promedio general, y la ij-sima interaccin se estima
restando el promedio general, el efecto del rengln i y el de la
columna j al promedio de la ij-sima celda.
Usando la ecuacin anterior puede determinarse el valor ajustado de
Yijk mediante:
( )
( ) ( ) ( )
ij. Y ijk Y
... Y .j. Y i.. Y ij. Y ... Y .j. Y ... Y i.. Y ... Y ijk Y
) de estimador (el ij j i ijk Y
+ + + +
+ + +

Pgina 26 de 27
En otras palabras, la k-sima observacin de la ij-sima celda se
estima mediante el promedio de las n observaciones de dicha celda.
Suposiciones del anlisis de varianza
l aplicar un anlisis de varianza se hacen las suposiciones
siguientes: A
1. El proceso esta en control estadstico (estable). Esto es, se
pueden repetir y las causas de variacin se han eliminado.
2. La distribucin de la poblacin que se muestra es normal.
3. La varianza de los errores dentro de los k niveles del factor es la
misma: Esto es, la variabilidad natural dentro de cada tratamiento
es la misma de un tratamiento a otro.
Cuando se observa que no se puede suponer igual varianza (por
ejemplo un proceso Poisson: donde la varianza varia con la media), se
tiene dos opciones; Transformar los datos, o pruebas no
parametricas. En particular una prueba no parametrica que se usa es
la Kruskal Wallis.
Pgina 27 de 27

EXPERIMENTOS Bifactorial

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

EXPERIMENTOS Bifactorial

Enviado por

Direitos autorais:

Formatos disponíveis

EXPERIMENTOS FACTORIALES COMPLETOS P. Reyes / Sept.

. Hay un total de abn observaciones

A continuacin, se muestra cmo pueden probarse estas hiptesis

El error estndar de estos promedios o medias de tratamiento es:

ij ijk (el promedio de las

. Esta grfica muestra una ligera tendencia de la variancia de los

Estas soluciones son intuitivamente atractivas. Los efectos de los

Você também pode gostar