19/02/14

3. Diseos con una fuente de variacin. Anlisis de un caso de diseo con un factor fijo

[Anterior] [Arriba]

3.7 Efectos aleatorios.

En lo expuesto en este captulo se supone que el factor tratamiento del modelo de diseo completamente aleatorizado es de efectos fijos, esto es, los niveles del factor son seleccionados especficamente por el experimentador ya que el inters del experimento se centra en conocer los efectos sobre la respuesta de estos niveles particulares. En este caso los efectos del factor son constantes desconocidas (parmetros). Los modelos conteniendo nicamente efectos fijos se denominan tambin modelos de efectos fijos. En muchas situaciones el experimentador tiene inters en un factor con un nmero elevado de posibles niveles y para realizar el experimento es necesario seleccionar una muestra de ellos al azar. En este caso el factor es de efectos aleatorios y, en el modelo matemtico del diseo los factores son variables aleatorias idnticamente distribuidas segn la distribucin de la poblacin de niveles. Los modelos con factores de efectos aleatorios se denominan modelos de efectos aleatorios. En estos modelos el inters radica en medir la variabilidad existente en la totalidad de los efectos de la poblacin de niveles. El objetivo es distinto del caso de efectos fijos y, por consiguiente, la planificacin y anlisis difiere en ambos modelos. Hay modelos de diseos de experimentos con factores fijos y factores aleatorios que se denominan modelos mixtos. En esta seccin se estudia el modelo de diseo completamente aleatorizado con el factor de efectos aleatorios. Se supone que la poblacin de niveles es infinita o lo suficientemente grande como para ser considerada como tal, en caso contrario es necesario aplicar correcciones para poblaciones finitas en la formulacin matemtica del modelo. Ejemplo 3.2. Una marca de coches est interesada en controlar la variabilidad en el consumo de los coches que fabrica de un determinado modelo y para ello somete a un nmero de coches a una prueba que consiste en que los coches hagan un recorrido predeterminado y se calcule el consumo realizado. Las causas ms probables de esta variabilidad son dos: los coches utilizados (no todos tienen el mismo consumo) y los conductores que hacen la prueba. Pueden considerarse dos situaciones: [1] Los conductores que participan en el experimento son personal de la empresa acostumbrado a realizar este tipo de pruebas y se cree que su
dm.udc.es/asignaturas/estadistica2/sec3_7.html 1/9

19/02/14

3. Diseos con una fuente de variacin. Anlisis de un caso de diseo con un factor fijo

influencia es casi nula, de modo que casi con total seguridad el problema radica en las unidades de coche fabricadas que se estn provando. El factor tratamiento es los coches y los niveles son todos los coches fabricados y que se podran fabricar en el futuro. Tericamente esta poblacin de niveles es infinita y se puede suponer que los coches elegidos entre los ltimos fabricados son una muestra aleatoria de todas los fabricados. El efecto del coche sobre el consumo es un efecto aleatorio y se modela mediante una variable aleatoria. [2] Se sabe que hay muy pocas diferencias entre los coches fabricados o estn son mnimas, y se supone que su influencia en el consumo es prcticamente nula. Por otra parte, la fbrica de coches ha querido hacer una prueba de consumo de carcter realista y ha elegido como conductores para hacer la prueba a personas de la ciudad donde est ubicada con la nica condicin de que tengan el carnet de conducir. Por tanto cabe esperar que el origen de la variabilidad debe encontrarse en los conductores. La ciudad es relativamente grande y el nmero de conductores es elevado, por este motivo los operarios seleccionados para hacer la prueba son una pequea muestra de todos los conductores de la ciudad. Asumido que el grupo seleccionado es representativo de la poblacin, ste puede considerarse una muestra aleatoria de la poblacin total de conductores. De nuevo el factor conductor es un factor de efectos aleatorios y se debe utilizar un diseo de una va completamente aleatorizado. En su planificacin, habr que seleccionar al azar una muestra de tamao I de la poblacin de niveles del factor tratamiento aleatorio y, a continuacin, asignar al azar las unidades experimentales a los I niveles seleccionados. Aqu, para conseguir una potencia especfica en las pruebas de hiptesis, hay que determinar con antelacin el valor apropiado de I, adems del tamao muestral de cada nivel.

3.7.1 El modelo matemtico de un factor aleatorio. Para un diseo completamente aleatorizado con I niveles seleccionados al azar de un factor tratamiento T, el modelo de un factor aleatorio es

(3.32)

para i = 1,...,I, j = 1,...,ni. Las Ti son variables aleatorias i.i.d. con distribucin
N(0,

las

y los ij son variables aleatorias i.i.d. con distribucin N(0, 2). Siendo y los ij mutuamente independientes.

2),

dm.udc.es/asignaturas/estadistica2/sec3_7.html

2/9

19/02/14

3. Diseos con una fuente de variacin. Anlisis de un caso de diseo con un factor fijo

Comparando el modelo de efectos aleatorios con el modelo de efectos fijos, se observa que la forma de ambos modelos y las hiptesis sobre el error son exactamente iguales. La nica diferencia est en la modelizacin del efecto tratamiento. Dado que el i-simo nivel del factor tratamiento observado en el experimento ha sido seleccionado aleatoriamente de una poblacin infinita, su efecto observado es el resultado de la variable aleatoria y, i. La media de la poblacin de los efectos del tratamiento es la constante por tanto, se justifica que la media de las
i

sea cero. El parmetro de inters

es ahora 2. Su importancia es fundamental: si todos los efectos de la totalidad de niveles del factor tratamiento son iguales, entonces 2 = 0. Si, por el contrario, existen niveles con efectos muy diferentes, entonces 2 es grande.

La independencia entre

ij

implica que el factor tratamiento no tiene

incidencia sobre cualquier fuente de variacin que haya sido englobada en el error. Comparando el modelo de efectos fijos y efectos aleatorios, se tiene: Efectos Fijos Modelo yij = +
i=1 I
i

Efectos Aleatorios yij =

i

+ =0

ij

+ N

ij

Los efectos son parmetros desconocidos variables aleatorias Influyen en Objetivo Los niveles El contraste la respuesta media estimar
i

en la variabilidad estimar
2

son predeterminados H0 :
i

se eligen al azar H0 :
2

= 0, i

=0

En el modelo con factor aleatorio se tiene:

(3.33)

dm.udc.es/asignaturas/estadistica2/sec3_7.html

3/9

19/02/14

3. Diseos con una fuente de variacin. Anlisis de un caso de diseo con un factor fijo

ya que por la independencia de Por tanto

ij

, la Cov

= 0.

(3.34)

Los dos trminos de la varianza de Y ij: de la varianza.

se denominan componentes

Al contrario que en el modelo de efectos fijos, las observaciones pertenecientes a un mismo tratamiento son correladas:

Estimacin de

Por la similitud entre los modelos de una va de efectos aleatorios y de efectos fijos y realizando un sencillo clculo matemtico puede probarse que la varianza residual residual obtenida en (3.15) para el modelo de efectos fijos tambin es un estimador insesgado de 2 en el modelo de efectos aleatorios.

(3.35)

Estimacin de

2. 2.

Se puede utilizar scmT para obtener un estimador de desarrollo matemtico permite obtener

Un sencillo

(3.36)
dm.udc.es/asignaturas/estadistica2/sec3_7.html 4/9

19/02/14

3. Diseos con una fuente de variacin. Anlisis de un caso de diseo con un factor fijo

Si todos los ni son iguales (ni = r, para todo i), entonces n = Ir y c = r. Por tanto, (3.37) De lo anterior se deduce que SCMT es un estimador insesgado de c de 2). Y de (3.35) y (3.36) se deduce que
2+
2

(no

(3.38)

Finalmente, de (3.33), (3.35) y (3.38) se deduce que un estimador insesgado de la varianza de Y, Y 2, es

(3.39)

En resumen

donde c = (1 /n - I)

; si ni = r para todo i, entonces c = r.

3.7.2 Contraste de igualdad de los efectos tratamiento. En el modelo de efectos aleatorios tiene inters la siguiente prueba de
dm.udc.es/asignaturas/estadistica2/sec3_7.html 5/9

19/02/14

3. Diseos con una fuente de variacin. Anlisis de un caso de diseo con un factor fijo

hiptesis:

Para resolver este contraste se utiliza la misma medida de discrepancia que la utilizada para contrastar si los efectos eran iguales en un modelo de efectos fijos. En el apartado anterior se obtena que:

1 y, si H1 es cierta, el cociente anterior toma valores positivos grandes. Por lo tanto el estadstico del contraste es

Si H0 es cierta, el valor esperado del cociente SCMT SCMR

(3.40)

Se rechaza H0 al nivel de significacin

si

El resultado es anlogo al caso de efectos fijos, y el clculo matemtico para resolver el problema con efectos aleatorios o con efectos fijos es el mismo aunque el planteamiento de los problemas son muy diferentes. La tabla ANOVA para el modelo de una va de efectos aleatorios es prcticamente igual al de efectos fijos con la diferencia en los valores esperados de las sumas de cuadrados medios. En la tabla 3.2. se presenta la tabla ANOVA del modelo de diseo de experimentos con un factor aleatorio.

CUADRO DEL ANLISIS DE LA VARIANZA UNA VA EFECTOS ALEATORIOS Fuente de Variacin g.l. scm E(SCM)

Suma de Cuadrados scT =

scmT =
6/9

dm.udc.es/asignaturas/estadistica2/sec3_7.html

19/02/14

3. Diseos con una fuente de variacin. Anlisis de un caso de diseo con un factor fijo

Tratamientos

i=1

j =1

ni

I-1

2+

Residual
i=1

scR =
I j =1 ni
2

scmR = n-I scmG =

2 2

scG = Global
i=1 I j =1 ni

n-1

c= : T2 = 0 en base al p-valor p = P

Rechazar H0

Cuadro 1.2: Cuadro del anlisis de la varianza para un diseo completamente aleatorizado de efectos aleatorios. "Como regla general, los modelos de efectos fijos se utilizan para conocer si deben no aplicarse determinados tratamientos, mientras que los modelos de efectos aleatorios permiten medir el efecto de factores que, se quiera o no, estn presentes en el proceso. En el primer caso, nos interesa conocer el aumento o disminucin de la media de la respuesta segn los niveles de los factores, mientras que con el segundo se busca su efecto sobre la variabilidad." Comparando el modelo de efectos fijos y efectos aleatorios, se tiene: Efectos Fijos Modelo
yij = +
i

Efectos Aleatorios
yij =
i

+ uij

+ N

+ uij

=0

Los efectos Influyen Objetivo Los niveles El contraste

parmetros desconocidos variables aleatorias en la respuesta media estimar se eligen

H0 :
i i

en la variabilidad estimar al azar

H0 :
2=0
7/9

= 0, i

dm.udc.es/asignaturas/estadistica2/sec3_7.html

19/02/14

3. Diseos con una fuente de variacin. Anlisis de un caso de diseo con un factor fijo

3.7.3 Anlisis de un caso de diseo con un factor aleatorio. En esta seccin se estudia un problema de un diseo de experimentos con un factor aleatorio. Ejemplo 3.3. Un laboratorio controla la calidad de los plsticos utilizados en bolsas. Se desea contrastar si existe variabilidad en la calidad de los plsticos que existen en el mercado. Para ello se eligen al azar cuatro plsticos y se los somete a una prueba de resistencia. De cada plstico elegido se han seleccionado ocho muestras y los resultados de la variable que mide la resistencia son los de la tabla adjunta. Qu conclusiones se deducen de este experimento? Plst.A. 135 213 175 171 97 115 Plst.B. 275 219 170 187 154 220 133 185 Plst.C. 169 253 239 179 184 280 222 193 Plst.D. 115 120 105 74 93 85 87 63

169 143 Solucin:

Un primer anlisis de estos datos se recoge en la siguiente tabla Pintura Observ. Media Pint.A Pint.B Pint.C Pint.D Total 8 8 8 8 32 D. tip. Sim.Est Kurt. est 0104 0761 0565 -0014 0426 -0.196 0288 -0671 -0556 -0815

15212 3719 19287 4452 21487 3991 9275 1970

16315 5862

dm.udc.es/asignaturas/estadistica2/sec3_7.html

8/9

19/02/14

3. Diseos con una fuente de variacin. Anlisis de un caso de diseo con un factor fijo

La tabla ANOVA es: Tabla ANOVA Fuentes de variacin Entre pinturas Residual Total Suma de cuadrados Grados de libertad Varianzas 69094'1 37430'1 106524'0 3 28 31
2

SCMP= 23.031'4
R Y 2 2

= 1.336'8 = 3.436'2

El test de la F sobre la hiptesis H0 :

= 0 es:

el p - valor = 0'000 y se rechaza la hiptesis de no influencia del factor. Esta conclusin concuerda con los resultados de la tabla de estadsticos descriptivos de los datos. Se estiman los parmetros del modelo como sigue:

[Anterior] [Arriba]

dm.udc.es/asignaturas/estadistica2/sec3_7.html

9/9