Mg.

Myrna Manco Caycho

ENTRENAMIENTO PARA EMPLEADOS NUEVOS
El director de entrenamiento de una compaa est
tratando de evaluar tres diferentes mtodos de
entrenamiento para empleados nuevos.

Met 1: Asignar un empleado nuevo con un

trabajador experimentado.
Met 2: Ubicar a todos los empleados nuevos en un
saln de entrenamiento separado de la fbrica.
Met 3: Utilizar pelculas de entrenamiento y
materiales de aprendizaje programado.
 Los tres mtodos sern
igualmente efectivos?
O alguno de ellos ser ms
efectivo que otro?
 El objetivo del diseo de experimentos es estudiar
si utilizar un determinado tratamiento produce
una mejora en el proceso o no. Para ello se debe
experimentar utilizando el tratamiento y no
utilizndolo.
Diagrama de causa-efecto
Selecciona al azar a 15 empleados nuevos

ASIGNACIN AL
AZAR

Mtodo 1

REGISTRA PRODUCCIN
DIARIA DESPUS DEL
ENTRENAMIENTO
Mtodo 2

Mtodo 3
Conceptos generales Caso
entrenamiento
Alguno de los tres tipos
HIPTESIS DE de entrenamiento
INVESTIGACIN ser ms efectivo

Factor en estudio Mtodo de entrenamiento

Niveles M1, M2 y M3

Variable respuesta Produccin diaria

Unidad experimental Empleado nuevo

FACTOR
Un factor es una de las variables bajo estudio la cual se mantiene
bajo control durante el experimento y se modifica de manera
sistemtica para investigar su EFECTO en los resultados; estas
variables pueden influir en la variabilidad de la variable de
inters.

Los niveles de un factor tratamiento son los tipos o grados

especficos del factor que se tendrn en cuenta en la realizacin
del experimento.

Factores cualitativos son: Tipo de procesador, proveedor de una

materia prima, tipo de mquina

Factores cuantitativos son: tamao de memoria, la temperatura

 Unidades experimentales: Son el material donde
evaluar la variable respuesta y al que se le aplican los
distintos niveles de los factores tratamiento.
Ejemplos: en informtica, ordenadores, pginas web,
buscadores de internet, en industria: lotes de
material, trabajadores, mquinas.

Variable respuesta (Y) Los datos que se recogen en

un experimento son medidas de una variable
denominada variable respuesta o variable de inters.
Caractersticas:
Material experimental completamente
homogneo
Todos los tratamientos se asignan
completamente al azar a las unidades
experimentales o viceversa
 DISEO COMPLETAMENTE AL AZAR

Hay k poblaciones (k tratamientos) y se seleccionan k

muestras aleatorias independientes, una de cada
poblacin.

HIPTESIS ESTADSTICA
Ho: j = 0 (Todos los tratamientos tienen el mismo
efecto sobre la variable en estudio)
1= 2== K
H1: j 0 (No todos los tratamientos tienen el mismo
efecto sobre la variable en estudio)
Al menos un j es diferente
Anlisis de Varianza
Tcnica estadstica que permite descomponer la
variabilidad total de los resultados de un experimento en
sus distintas fuentes con la finalidad de compararlas e
identificar su importancia relativa en la explicacin de la
variacin total.

Mide el efecto de
Variabilidad entre grupos los tratamientos

Mide la variabilidad
Variabilidad dentro de los
del error
grupos
experimental
Supuestos bsicos del ANOVA
Normalidad: Se presume que los valores de la variable de inters
Y est distribuida normalmente dentro de cada grupo (los datos
de los distintos grupos han sido elegidos al azar de una poblacin
normal).

Independencia: Se refiere a que no existe correlacin entre los

datos de los distintos grupos, por lo tanto las observaciones son
independientes y constituyen una muestra aleatoria.

Homocedasticidad: Homogeneidad de Varianzas . Se refiere a

que los distintos grupos tienen una varianza comn, es decir
provienen de una misma poblacin o de poblaciones similares,
de modo que no exista diferencia significativa entre ellas.
Modelo Lineal de un diseo
experimental

yij j ij i 1, 2, . .., n ; j 1, 2, ..., k

j

La medida de El error experimental

la i-sima asociado a la observacin yij.
unidad exper.
sujeto al j-
simo Efecto de j-simo
tratamiento. tratamiento

La media
poblacional

Supuestos del eij ~ N(0,2)

modelo
La varianzas generadas por cada poblacin
de tratamientos son iguales
 DISPOSICIN DE LOS DATOS EN UN DCA

Niveles
Muestra 1 2 j k Total
1 Y11 Y12 Y1j Y1k
2 Y21 Y22 Y2j Y2k
3 Y31 Y32 Y3j Y3k

i Yj1 Yj2 Yij Yjk

nj Y n1 1 Y n2 2 Ynj j Ynk k
Total Y.1 Y.2 Y.j Y.k T
k k nj
T Y. j yij Y.j representa el total del j-simo Grupo o nivel
j 1 i 1 j 1
Anlisis de Varianza
Fuentes de Suma de Grados Cuadrados Fcal
Variacin Cuadrados de Medios
Libertad
Entre Trat. SCTR k-1 CMTR = SCTR/k-1
Dentro de SCE n-k CME = SCE/n-k
Trat. CMTR/CME
Total SCT n-1

k
n nj
ni
k
T2
SCT y 2
ij
j 1 n
i 1 j 1

k
T2Y. 2j
SCTR
j 1 n j n SCE SCT SCTR
Regla de decisin
Rechazar Ho si Fcal > F(1-,k-1,n-k)
Distribucin F (Fisher)
0.9

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0.0
0
F(1-,k-1,n-k)

Regin de No R H0 Regin de R H0
 Ejemplo de entrenamiento

Repeticin M1 M2 M3
1 28 18 22
2 27 17 18
3 25 19 19
4 21 16 22
5 23 22 17
Totales 124 92 98 314
Produccin diaria segn mtodo de
entrenamiento.
27,5

25
produccin

22,5

20

17,5

Mtodo 1 Mtodo 2 Mtodo 3

METODO
 Ho: No hay diferencia en la produccin promedio diaria que
HIPTESIS
obtiene un empleado nuevo cuando se le entrena con
cualquiera de los tres mtodos.
H1: Hay diferencia en la produccin promedio diaria que
obtiene un empleado nuevo cuando se le entrena con alguno
de los tres mtodos.
Nivel de significacin= 0.05
ANVA
Fuentes de
variacin GL SC CM F
Mtodos 2 115.733 57.8665 9.234
Error 12 75.2 6.2667
Total 14 190.933
F(0.05;2,12)=3.8853 DECISIN: Rechazar Ho
Conclusin: Con un nivel de significancia del 5% se puede afirmar
que los mtodos de entrenamiento producen un efecto diferente
en la produccin diaria que obtienen un empleado nuevo.
Verificacin de supuestos
1) NORMALIDAD DE LOS ERRORES
Ho: Los errores se distribuyen normalmente
H1: Los errores no se distribuyen normalmente
One-Sample Kolmogorov-Smirnov Test

Residual for
Produccion
N 15
Normal Parameters a,b Mean .0000
Std. Deviation 2.31763
Most Extreme Absolute .162
Differences Positive .127
Negative -.162
Kolmogorov-Smirnov Z .628
As ymp. Sig. (2-tailed) .826 >0.05
a. Test distribution is Normal.
b. Calculated from data.

Al NS del 5% los errores se distribuyen normalmente

Verificacin de supuestos
2) HOMOGENEIDAD DE VARIANZAS

H O : 12 22 32
H1 : Al menos un i2 es diferente

Contraste de Levene sobre la igualdad de las varianzas errora

Variable dependiente:produccion

F gl1 gl2 Sig.

,270 2 12 ,768 >0.05
Contrasta la hiptesis nula de que la varianza error de la variable dependiente es igual a lo
largo de todos los grupos.

a. Diseo: Interseccin + metodos

Al nivel de significacin del 5% se verifica la

homogeneidad de varianzas.
 QU MTODO ES MS
EFECTIVO?
CUL DEBERA ADOPTAR EL
DIRECTOR DE ENTRENAMIENTO

COMPARACIONES MLTIPLES
 DIFERENCIA MNIMA SIGNIFICATIVA (DMS)
Comparaciones mltiples

Variable dependiente:produccion

(I)metodos (J)metodos

Intervalo de confianza 95%

Diferencia de
medias (I-J) Error tp. Sig. Lmite inferior Lmite superior

DMS M1 M2 6,40* 1,583 ,002 2,95 9,85

dimension3

M3 5,20* 1,583 ,007 1,75 8,65

M2 M1 -6,40* 1,583 ,002 -9,85 -2,95

dimension2 dimension3

M3 -1,20 1,583 ,463 -4,65 2,25

M3 M1 -5,20* 1,583 ,007 -8,65 -1,75

dimension3

M2 1,20 1,583 ,463 -2,25 4,65

Basadas en las medias observadas.

El trmino de error es la media cuadrtica(Error) = 6.267.
*. La diferencia de medias es significativa al nivel 0.05.

Como sig de la comparacin de M2 con M3 es 0.463 > =0.05

Se concluye que No hay diferencias significativas entre estos
dos mtodos.
En los dems casos, se encuentran que hay diferencia
significativas.
COMPARACIONES DE RANGO MLTIPLE DE DUNCAN

Produccin
Mtodos Subconjunto
N 1 2
Duncana,b M2 5 18,40
dimension M3 5 19,60
1
M1 5 24,80
Sig. ,463 1,000
Se muestran las medias de los grupos de subconjuntos homogneos.
Basadas en las medias observadas.
El trmino de error es la media cuadrtica(Error) = 6.267.
a. Usa el tamao muestral de la media armnica = 5.000

b. Alfa = .05.

> =0.05
Con un =0.05, no hay diferencia
significativa entre M2 y M3
Ordenar las medias en forma ascendente:

M2 M3 M1
Medias 18.4 19.6 24.8

M2 M3 M1

No se encontr diferencia significativa entre la

produccin promedio diaria de los empleados
nuevos que fueron entrenados con los
mtodos 1 y 2, pero si se encontr diferencias
significativas entre el mtodo 1 con cada uno
de los otros dos mtodos. Por lo que se puede
concluir que el mtodo 1 es ms efectivo.
 Ejemplo 2

En un experimento de
proceso de soplado
de envases PET
(Politereftalato de
Obser. T E M P E R A T U R A
etileno),
consideremos el 140 150 160 170
inters de averiguar 1 122 126 126 126
la influencia del 2 121 122 126 131
factor temperatura de
horneado (C) en la 3 121 121 126 128
Presin Interna del 4 122 122 128 128
envase PET

FUENTE: (Parte de la Data de Tesis de Maestra 1999- UNT, L. Rubio)

IDENTIFICANDO LOS COMPONENTES DEL
PROBLEMA O EXPERIMENTO

Variable Respuesta
PRESIN INTERNA

FACTOR Tratamientos:
TEMPERATURA
NIVELES: 4 4 niveles de
CUANTITATIVOS temperatura
PRESION INTERNA DEL ENVASE PET SEGN TEMPERATURA

PRESION INTERNA DEL EN VASE PET

SEGUN TEMPERATURA DE HORNEADO

130

128
Presint

126

124

122

n=4 n=4 n=4 n=4

1 2 3 4

Temper

FUENTE: Parte de Data tesis de Maestra

UNT, L. Rubio, 1999
 Anlisis de Varianza para probar la
hiptesis de igualdad de presin interna
media de los 4 niveles de temperatura
Formulacin de la Hiptesis:
Ho: 1 = 2 = . = 4
H1: i j para algn i j

PROCESAMIENTO: SPSS V 15: Ingresar los datos de la variable de respuesta en

una sola columna y los niveles del factor (o Grupos) van en otra columna.
Analizar/Comparar medias/ Anova de un factor/PresintDependiente,
Temper Factor/ En PostHoc Duncan, continuar/ En Opciones: Prueba de
Homogeneidad de varianzas, Continuar.
 Tabla de Anlisis de Varianza para
probar la hiptesis de igualdad de
presin interna media de los 4 niveles de
temperatura

ANOVA

Presint
Suma de Media
cuadrados gl cuadrtica F Sig.
Inter-grupos 119.500 3 39.833 15.175 .000
Intra-grupos 31.500 12 2.625
Total 151.000 15
 PRE REQUISITO:
PRUEBA DE LEVENE DE HOMOGENEIDAD DE VARIANZAS

Ho : 21 = = 24 ( varianzas homogneas )
H1 : 2i >2j ( varianzas heterogneas )
Para probar la hiptesis de igualdad de 2 ms medias
poblacionales, se requiere verificar el cumplimiento del
supuesto bsico de homogeneidad de varianzas

a
Contra ste de Leve ne sobre la igualdad de l as varia nza s error

Variable dependiente: Pres int

F gl1 gl2 Signific acin
1.309 3 12 .317
Contrasta la hiptesis nula de que la varianz a error de la
variable dependient e es igual a lo largo de todos los grupos.
a. Diseo: Int erseccin+Temper
 TABLA DE ANALISIS DE VARIANZA PARA PROBAR LA HIPOTESIS DE
IGUALDAD DE PRESIN INTERNA MEDIA DE LOS 4 NIVELES DE
TEMPERATURA.

PROCESAMIENTO: SPSS V 15: Analizar/Modelo Lineal General/

Univariante/ PresintDependiente, Temper Factores fijos/ En PostHoc,
Factores: Temper Contrastes PostHoc Duncan, continuar/ En
Opciones: Prueba de Homogeneidad, continuar.

Pruebas de los efectos inter-sujetos

Variable dependiente: Presint

Suma de
cuadrados Media
Fuente tipo III gl cuadrtica F Significacin
Modelo corregido 119.500a 3 39.833 15.175 .000
Interseccin 249001.000 1 249001.000 94857.524 .000
Temper 119.500 3 39.833 15.175 .000
Error 31.500 12 2.625
Total 249152.000 16
Total corregida 151.000 15
a. R cuadrado = .791 (R cuadrado corregida = .739)
 TABLA DE ANALISIS DE VARIANZA PARA PROBAR LA HIPOTESIS
DE IGUALDAD DE PRESIN INTERNA MEDIA DE LOS 4 NIVELES
DE TEMPERATURA.

FUENTE DE GRADOS DE SUMA DE CUADRADO RAZON F SIGNIF

VARIACIN LIBERAD CUADRADOS MEDIO

Temperatura 3 189,5 39.833 15.175 0.000

Error 12 31,5 2.625

experimental

15

Como el valor p o valor de significacin es = 0.000 < 0.01, decimos

que:
Los datos nos proporcionan suficiente evidencia para concluir que
existe diferencia altamente significativa entre las presiones internas
medias del envase PET, obtenida con las diferentes temperaturas.
Ahora nos falta determinar cul es el mejor tratamiento. Para ello
utilizamos un mtodo de comparacin mltiple:
PRUEBA DE COMPARACIN MULTIPLE DE DUNCAN PARA DETERMINAR
EL MEJOR TRATAMIENTO: MENOR NIVEL DE TEMPERATURA

Presint
a,b
Duncan
Subconjunto
Temper N 1 2
140 4 121.50
150 4 122.75
160 4 126.50
170 4 128.25
Significacin
.297 . 153
Se muestran las medias para los grupos en subconjuntos
homogneos.

El trmino error es la Media cuadrtica (Error) = 2.625.

a.
Usa el tamao muestral de la media armnica = 4.000
b.
Alfa = .05.
EJERCICIO:
1) Trabajando con todos los datos, pero considerando slo la variable
presin interna, realice el procesamiento de datos del diseo
Completamente aleatorizado (siguiendo las instrucciones) e interprete
sus resultados:

SOLUCION USANDO SOFTWARE SPSS:

1) Defina las variables en Vista de variables
i) Presin con 3 dgitos 0 decimales y 4 columnas
ii) Temper con 1 dgito 0 decimales ( se ingresarn cdigos
numricos para cada nivel de temperatura) , pero se debern
etiquetar, para ello, ingresar en valores:
Valor: 1 140 aadir
Valor: 2 150 aadir
Valor: 3 160 aadir
Valor: 4 170 aadir, aceptar

2) En Vista de datos, aparecen dos columnas con los nombres de las

variables que hemos ingresado; en la primera PRESIN, ingrese
todos los valores de la variable presin interna, ya sea por hilera o por
columna y luego para la variable TEMPER, ingrese los cdigos
numricos que le corresponde a cada uno de los valores ingresados.
3) En grficos/ interactivos/ diagrama de caja/ en eje Y, Presin
en eje X, temper/En Ttulo: PRESION INTERNA DEL ENVASE
PET SEGN TEMPERATURA DE HORNEADO, en Pie: Fuente:
Datos Tesis de Maestra en Estadstica. L.Rubio, U.N.T./
aceptar. Visualice e interprete el grfico

4) En analizar: Comparar medias / one way ANOVA

Seleccione e ingrese las variables: Presin en Variable
dependiente, Temper en Factor. En PostHoc
seleccionar Temper y Duncan, continuar/ En Opciones:
Prueba de Homogeneidad de varianzas, continuar/
aceptar
5) En analizar: Modelo Lineal General / Univariante/
PresintDependiente, Temper Factores fijos/ En
PostHoc, Factores: Temper Contrastes PostHoc
Duncan, continuar/ En Opciones: Prueba de
Homogeneidad, continuar/ aceptar

6) Visualice los resultados e Interprtelos

EJEMPLO: El gerente de compras de la empresa MODA desea
comparar el tiempo en minutos de 5 maquinas de diferente marca,
con el fin de adquirir la ms rpida en la confeccin. Para esto se
registr los tiempos que cada mquina utiliza para producir 5
unidades de la confeccin, en forma aleatoria. Es posible concluir
que las mquinas utilizan la misma cantidad de tiempo promedio
por unidad de confeccin?

MAQUINAS

A B C D E
7 12 14 19 7
7 17 18 25 10
15 12 18 22 11
11 18 19 19 15
9 18 19 23 11
Total
49 77 88 108 54
Promedio
9.8 15.4 17.6 21.6 10.8
Ejemplo

Se desea comparar Mtodo A Mtodo B Mtodo C

3 mtodos de 89 78 64
enseanza A, B y C,
se eligen al azar una 45 85 69
muestra de 59 93 82
estudiantes de cada 46 81 74
mtodo y se le aplica 64 79 79
una prueba final
comn. Los 71 98 82
resultados son como 65 94 78
sigue:
Habr suficiente evidencia para
concluir que hay diferencia entre
mtodos?