Sie sind auf Seite 1von 74

2.

Diseo de experimentos
Curso 2011-2012 Estadstica

2.1 Diseos Factoriales (dos factores)

Ejemplo
A 0.31 0.45 0.46 0.43 0.36 0.29 0.40 0.23 0.22 0.21 0.18 0.23 ANTDOTO B C 0.82 0.43 1.10 0.45 0.88 0.63 0.72 0.72 0.92 0.44 0.61 0.35 0.49 0.31 1.24 0.40 0.30 0.23 0.37 0.25 0.38 0.24 0.29 0.22 D 0.45 0.71 0.66 0.62 0.56 1.02 0.71 0.38 0.30 0.36 0.31 0.33

V E N E N O S

II

III

Se analiza el efecto de tres venenos y cuatro antdotos en el tiempo de supervivencia de unas ratas.
Diseo Experimentos 3

Modelo
Factor 1
1 y111 1 y112 y11m y121 2 y122 y12 m y1J 1 J y1J 2 y1Jm 2 y 211 y 212 y 21m y 221 y 222 y 22 m y2 J1 y2 J 2 y 2 Jm I y I 11 y I 12

yijk

ij

uijk

Normalidad
y I 1m y I 21 y I 22 yI 2m y IJ 1 y IJ 2

Factor 2

Independencia Homocedasticidad
I J tratamientos m replicaciones n=m I J

y IJm
4

Diseo Experimentos

Factor 1 2

...

1
1 1 11 2 1 21

...
I 1 I1

Factor 2

2
1 2 12 2 2 22

...
I 2 I2

J
1 J 1J 2 J 2J

...
I J IJ

Modelo

yijk
I i 1 i

i
0
J j 1 j

j
0
I i 1

ij
ij

uijk
0, j

: Media global i : Efecto del Factor 1 i, i=1,...,I j : Efecto del Factor 2 j, j=1,...,J ij: Interaccin de niveles ij uijk : Componente aleatoria N(0, 2),
Diseo Experimentos

J j 1

ij

0,

Estimacin del modelo


:
i : j

1 I 1 J 1 : 1
m J m I m

i j

y yi y
ij j

y y yi y j 2 eijk y

:
ij

( I 1)( J 1)
2

y ij
2 sR

IJ (m 1)

yijk y ij
k 1

yijk yi
j 1 k 1

yijk y
i 1 k 1 j

yijk y
i 1 j 1 k 1

mJ

mI

Diseo Experimentos

Estimacin del modelo


yijk
yijk
eijk yijk (
i j ij

uijk
eijk

ij

ij

) yijk yij

Diseo Experimentos

Estimacin
A 0.31 0.45 0.46 0.43 0.41 0.36 0.29 0.40 0.23 0.32 0.22 0.21 0.18 0.23 0.21 ANTDOTO B C 0.82 0.43 1.10 0.45 0.88 0.63 0.72 0.72 0.88 0.56 0.92 0.44 0.61 0.35 0.49 0.31 1.24 0.40 0.82 0.38 0.30 0.23 0.37 0.25 0.38 0.24 0.29 0.22 0.34 0.24 D 0.45 0.71 0.66 0.62 0.61 0.56 1.02 0.71 0.38 0.67 0.30 0.36 0.31 0.33 0.33

V E N E N O S

II

III

Diseo Experimentos

Estimacin
A V E N E N O S II Medias
ij

ANTDOTO B C
0,82 1,10 0,88 0,72 0,43 0,45 0,63 0,72

D
0,45 0,71 0,66 0,62

Medias 0,615

I Medias
ij

0,31 0,45 0,46 0,43

i
0,136

0,41 -0,038
0,36 0,29 0,40 0,23

0,88 0,067
0,92 0,61 0,49 1,24

0,56 0,032
0,44 0,35 0,31 0,40

0,61 -0,061
0,56 1,02 0,71 0,38

0,544

0,066

0,32 -0,060
0,22 0,21 0,18 0,23

0,82 0,073
0,30 0,37 0,38 0,29

0,38 -0,080
0,23 0,25 0,24 0,22

0,67 0,068
0,30 0,36 0,31 0,33

III Medias
ij

0,276

-0,202

0,21 0,098 0,314

0,34 -0,139 0,677

0,24 0,048 0,389

0,33 -0,007 0,534

Medias

0,479

-0,164

0,198

-0,089

0,056

Diseo Experimentos

10

Residuos
RESIDUOS
A -0.103 0.038 0.048 0.018 0.00 0.040 -0.030 0.080 -0.090 0.00 0.010 0.000 -0.030 0.020 0.00 ANTDOTO B C -0.060 -0.128 0.220 -0.108 0.000 0.073 -0.160 0.163 0.00 0.00 0.105 0.065 -0.205 -0.025 -0.325 -0.065 0.425 0.025 0.00 0.00 -0.035 -0.005 0.035 0.015 0.045 0.005 -0.045 -0.015 0.00 0.00 D -0.160 0.100 0.050 0.010 0.00 -0.108 0.353 0.043 -0.288 0.00 -0.025 0.035 -0.015 0.005 0.00

V E N E N O S

2 R

2 eijk

IJ (m 1)

0,022

II

III

Diseo Experimentos

11

Anlisis de la varianza
yijk yijk yijk
I J i j ij

uijk
j j m

yijk y ) ( y ij y ) ( y ij ( yi y ) yi
2

j j j m

ij

eijk y ij )

y y
m

( yi ( yi ( yijk

y ) (y y ) (y
I J

yi yi
I J

y y

y ) ( yijk y ) eijk (y
j I

y )

2 i 1 j 1 k 1 I J m

y )2
J m 2 eijk i 1 j 1 k 1

i 1 j 1 k 1

i 1 j 1 k 1

( y ij
i 1 j 1 k 1

y )2

( yijk
i 1 j 1 k 1

y )2

mJ
i 1 I

( yi
J

y ) 2 mI
j 1

(y

y )2
I J m 2 eijk i 1 j 1 k 1

m
i 1 j 1

( y ij

yi

y )2

Diseo Experimentos

12

Variabilidades
I J m

VT
i 1 j 1 k 1 I

( yijk mJ
i 1 J

y y

)2 )2 )2 y
j

VE ( A) VE ( B )
I

( yi (y
j 1 j

mI
J

VE ( A B )

m
i 1 j 1 I J

( y ij
m

yi ( yijk

)2

VNE
i 1 j 1 k 1

y ij ) 2

VT (n 1)

VE ( A) VE ( B) VE ( A B)

VNE

( I 1) ( J 1) ( I 1)( J 1) IJ (m 1)
13

Diseo Experimentos

Contraste de Hiptesis
Si el Veneno no influye, los I niveles son iguales a efectos de tiempo de supervivencia, entonces
1 2 I
I i 1 i

H0 :

2 i

H1 : Algn
Diseo Experimentos

es distinto de 0
14

Contraste efecto principal de factor A


H0 :
2 sR

2 i

0
2

H1 : Algn

es distinto de 0
2 E[ s R ]

VNE IJ (m 1)
2 A

Si Ho es cierto, s

VE ( A) I 1

2 E[ s A ]

FA

s s

2 A 2 R

mJ

I i 1

( yi s

y
2 R

)2 I 1 FI
1; IJ ( m 1)

Si FA
Diseo Experimentos

Se rechaza Ho
15

Contraste efecto principal de factor B


H0 :
1 2 j J

H1 : Algn
2 Si Ho es cierto, s B
J

es distinto de 0

VE ( B) J 1
y s
2 R

2 E[ s B ]

FB

2 sB 2 sR

mI

(y

j 1

)2 J 1 FJ
1; IJ ( m 1)

Si FB
Diseo Experimentos

Se rechaza Ho
16

Contraste interaccin AxB


H0 :
11 12 ij IJ

H1 : Algn
2 Si Ho es cierto, s AB

es distinto de 0
2 E[ s AB ] 2

VE ( A B) ( I 1)( J 1)

FAB
Si FAB F

2 s AB 2 sR

F( I

1)( J 1); IJ ( m 1)

Se rechaza Ho A y B interaccio nan


17

Diseo Experimentos

Tabla de anlisis de la varianza


Fuentes Variabilid ad A B A B Residual Total ( yijk m mJ mI ( yij Suma de Cuadrados ( yi (y y )2 y ) y
2 eijk 2

Grados de Libertad. I 1 J 1 y )2 ( I 1)( J 1) IJ (m 1) n 1 Varianza s


2 sA

F
2 A 2 sR

p valor pA pB p AB

2 B

2 sB

2 sR

yi

2 s AB 2 sR

2 s AB

2 sR

y )2

Diseo Experimentos

18

Tabla de anlisis de la varianza


Fuentes Suma de Grados F p valor 23.2 .0000 13.8 1.87 .0000 .1123

Variabilid ad Cuadrados. Libertad. Varianza Veneno 1.033 0.516 2 Antdoto 0.921 3 0.307 Ven Ant 0.250 6 0.041 Residual Total 0.801 3.005 36 47 0.022

Diseo Experimentos

19

Contrastes mltiples: Factor A


H0 : H1 :
i j

i i
y y N(
i j i

j j

R.R.

R.R

tIJ(m-1)

1/2
j

yi yj
j

/2

yi
2

yj

R. Acept. H0 -t
/2

2 i

/2

mJ

mJ

yi sR

yj 2 mJ

t IJ ( m

yi
1)

yj

/ 2 sR LSD

2 mJ

Se rechaza Ho
20

Diseo Experimentos

Contrastes mltiples: Factor B


H0 : H1 :
i j

i i
i 2 j

j j

R.R.

R.R

tIJ(m-1)

1/2

y y
j

i j

y y N(
i

/2

y
2

R. Acept. H0 -t
/2

/2

mI

mI

y 2 mI

t IJ ( m

1)

yi

/ 2 sR LSD

2 mI

sR

Se rechaza Ho
21

Diseo Experimentos

Intervalos de confianza (interaccin nula)

yi

/2

sR mJ sR mI

/2

Diseo Experimentos

22

Intervalos de confianza
0.72 0.62 0.75 0.65

tiempo

tiempo
1 2 3

0.52 0.42 0.32 0.22

0.55 0.45 0.35 0.25

veneno

antidoto

Diseo Experimentos

23

Diagnosis: homocedasticidad
0.6 0.3 0

0.6 0.3 0 -0.3 -0.6


A B C D

residuos

-0.3 -0.6

antidoto
Diseo Experimentos

veneno
24

Heterocedasticidad
0.6 0.4

residuos

0.2 0 -0.2 -0.4 -0.6 0 0.2 0.4 0.6 0.8 1

valores previstos
Diseo Experimentos 25

Normalidad
99.9 99 95 80 50 20 5 1 0.1 -0.5

probabilidad

-0.25

0.25

0.5

Residuos
Diseo Experimentos 26

Diagnosis: homocedasticidad
datos transformados z=1/y
1.3 0.9 0.5 0.1 -0.3 -0.7 -1.1 1 2 3 1.3 0.9 0.5 0.1 -0.3 -0.7 -1.1 A B C D

veneno
Diseo Experimentos

antidoto
27

Datos transformados
1.2 0.8

residuos

0.4 0 -0.4 -0.8 -1.2 0 1 2 3 4 5 6

valores previstos
Diseo Experimentos 28

Normalidad (datos transformados)


99.9 99 95 80 50 20 5 1 0.1 -1.2 -0.8 -0.4

probabilidad

0.4

0.8

1.2

Residuos
Diseo Experimentos 29

Tabla de anlisis de la varianza


datos transformados 1/y
Fuentes Suma de Grados F p valor 72.6 .0000 28.3 1.09 .0000 .3867

Variabilid ad Cuadrados. Libertad. Varianza Veneno 34.87 17.4 2 Antdoto 20.41 3 6.80 Ven Ant 1.57 6 0.26 Residual Total 8.68 65.50 36 47 0.24

Diseo Experimentos

30

Comparaciones mltiples
intervalos de confianza
4 3.6 4 3.6

1/tiempo

3.2 2.8 2.4 2 1.6 1 2 3

1/tiempo

3.2 2.8 2.4 2 1.6 1 2 3 4

veneno

antidoto

Diseo Experimentos

31

Comandos en R
ARCHIVO TEXTO: venenos.txt

Diseo Experimentos

32

Dos factores con interaccin

Diseo Experimentos

33

Intervalos de Confianza

0.7

0.6

medias

0.5

medias
I II VEN III

0.4

0.3

0.2

0.3
A

0.4

0.5

0.6

0.7

B ANT

Diseo Experimentos

34

Tabla ANOVA

Diseo Experimentos

35

Comparaciones Mltiples

Diseo Experimentos

36

Comparaciones Mltiples

Diseo Experimentos

37

Interacciones

Diseo Experimentos

38

Diagnosis

Diseo Experimentos

39

Diagnosis (Transformacin)

Diseo Experimentos

40

2.2 Bloques Aleatorizados

Ejemplo de introduccin
Fluorita
0% 1%
11.86 10.15 16.84 10.52 9.59 8.84

2%
9.94 8.54 15.86 8.04 6.96 7.04

3%
12.45 6.98 14.64 10.50 8.15 6.66

4%
13.23 8.93 15.96 10.34 9.24 9.46

M e z c l a

1 2 3 4 5 6

15.02 8.42 18.31 10.49 9.78 9.28

Se desea estudiar el efecto de la Fluorita en la reduccin del coste energtico en la fabricacin de cemento. Se emplean 6 mezclas distintas de materias primas.
Diseo Experimentos 42

Modelo
Tratamientos
1 2 y21 y22 y2 J I yI1 yI 2 y IJ 1 2 J y11 y12 y1J

yij

i
Normalidad

uij

Bloques

Independencia Homocedasticidad

: Media global i : Efecto del tratamiento i, i=1,...,I j : Efecto del bloque j, j=1,2,...,J uij : Componente aleatoria N(0, 2)
Diseo Experimentos

I i 1 i J j 1 j

43

Tratamientos ... 2

1
1 1

...
2 1 I 1

Bloques

2
1 2 2 2

...
I 2

J
1 J

...
2 J I J

Estimacin del modelo


: Parmetros :
i: j: 2
J

1 I 1 J 1
i

y Estimadore s :
2

j 2 sR

yi y

y y
2 eij

:
yij

1
I

( I 1)( J 1)

yi

j 1

yij y
i 1 j

yij y
i 1j 1

J
i i j j

yij yij

uij eij

eij

yij yij yi

j j

Diseo Experimentos

45

Estimacin
1 1 2 J y1 y11 y12 y1J y1
i

2 y 21 y 22 y2 J y2 y y2 y yI

I y I1 yI 2 y IJ yI y y y y y
1 2

y y y

1 2

y y y

Diseo Experimentos

46

Estimacin (ejemplo)
Fluorita
0% 1%
11.86 10.15 16.84 10.52 9.59 8.84 11.30 0.57

2%
9.94 8.54 15.86 8.04 6.96 7.04 9.40 -1.34

3%
12.45 6.98 14.64 10.50 8.15 6.66 9.90 -0.84

4%
13.23 8.93 15.96 10.34 9.24 9.46 11.19 0.46 12.50 8.60 16.32 9.98 8.74 8.26 1.77 -2.13 5.59 -0.76 -1.99 -2.48

M e z c l a

1 2 3 4 5 6

15.02 8.42 18.31 10.49 9.78 9.28 11.88 1.15

10.73

Diseo Experimentos

47

Residuos: Varianza residual


eij yij
0%

yij
2%
-1.22 1.27 0.88 -0.60 -0.45 0.12

yi
3%
0.79 -0.79 -0.84 1.36 0.24 -0.76

y
4%
0.27 -0.13 -0.82 -0.10 0.04 0.74

Fluorita
1%
-1.21 0.98 -0.05 -0.02 0.28 0.02

M e z c l a

1 2 3 4 5 6

1.37 -1.33 0.84 -0.64 -0.11 -0.13

2 sR

2 eij

( I 1)( J 1)

17.51 0.88 20
48

Diseo Experimentos

Contraste de Hiptesis
Si la Fluorita no influye, los I tratamientos son iguales a efectos de coste, entonces
1 2 I
I i 1 i

H0 :

2 i

H1 : Algn
Diseo Experimentos

es distinto de 0
49

Anlisis de la varianza
yij yij yij
I J i j

uij y ) (y y ) (y
I J j j

yij y ) ( yij y ) ( yij


I

eij y ) y )
I J 2 eij i 1 j 1

y y ( yij

( yi ( yi y )
2

yi yi
J

y y (y
j

j j

( yi
i 1 j 1

y )

2 i 1 j 1

y )

i 1 j 1

J 2 eij

( yij
i 1 j 1

y )

J
i 1

( yi

y )

I
j 1

(y

y )

2 i 1 j 1

Diseo Experimentos

50

Variabilidades
I J

VT
i 1 j 1 I

( yij J
i 1 J

y )2 y )2 VT VE (T) VE (B) VNE


j

VE (T ) VE ( B)

( yi (y
j 1 I J

y ) e
2 ij

(n 1) ( I 1) ( J 1) ( I 1)( J 1)

VNE
i 1 j 1

Diseo Experimentos

51

Contraste sobre tratamientos


H0 :
2 sR

2 i

0
2

H1 : Algn
VNE ( I 1)( J 1)

es distinto de 0
2 E[ s R ]

2 Si Ho es cierto, sT
I

VE(Tratamient os) I 1
( yi y )2 I 1
2 sR

2 E[ sT ]

FT

2 sT 2 sR

i 1

FI

1; ( I 1)( J 1)

Si FT
Diseo Experimentos

Se rechaza Ho
52

Explicacin del contraste


Si Ho es cierto yi yi1 yi 2 J
i

0 yiJ ,

yij E[ y i ] N( ,

N( J J
2

j, J j 1

y1 , y 2 ,..., y I
I

)
I

y1

y2 I

yI

J
2 sT

i 1

( y i - y )2 I 1 E

i 1

( y i - y )2 I 1

2 2 sern parecidas. Cuando Ho es cierto, sT y sR 2 2 Cuando Ho es falso, sT ser mayor que sR .

Diseo Experimentos

53

Contraste de bloques
H0 :
1 2 j J

H1 : Algn
2 Si Ho es cierto, sB

es distinto de 0
2 E[ sB ] 2

VE(Bloques ) J 1
(y y )2 J 1
2 sR

FB

2 sB 2 sR

j 1

FJ

1; ( I 1)( J 1)

Si FB
Diseo Experimentos

Se rechaza Ho
54

Tabla de anlisis de la varianza


Fuentes Variabilidad Tratamient o J Suma de Cuadrados ( yi (y y )2 y )2
2 eij

Grados de Libertad. I 1 Varianza


2 sT

F
2 sT 2 sR

p valor pT

Bloque Residual Total

J 1 ( I 1)( J 1) n -1

2 sB 2 sR

2 sB

2 sR

pB

( yij

y )2

Diseo Experimentos

55

Tabla de anlisis de la varianza

Diseo Experimentos

56

Sin bloques

Diseo Experimentos

57

Intervalos de confianza (ejemplo)


i

yi

/2

sR J
L.Sup.
12.68 12.10 10.19 10.69 11.99

Fluorita
0% 1% 2% 3% 4%

Medias
11.88 11.30 9.40 9.90 11.19

L.inf.
11.09 10.50 8.60 9.10 10.40

Diseo Experimentos

58

Intervalos de Confianza (% Fluorita)

medias

9
0

10

11

12

2 FLUO

Diseo Experimentos

59

Intervalos de Confianza (Mezcla)

medias

8
1

10

12

14

16

3 MEZ

Diseo Experimentos

60

Contraste multiples: tratamientos


H0 : H1 :
i j

i i
y y N(
i i

j j

R.R.

R.R

t(I-1)(J-1)

1/2
j 2

yi yj
j

/2

yi
2

yj

R. Acept. H0 -t
/2

/2

j,

yi sR

yj 2 J

t( I

1)( J 1)

yi

yj

/ 2 sR

2 J

Se rechaza H 0

LSD
61

Diseo Experimentos

Contraste multiples: bloques


H0 : H1 :
i j

i i
y y N(
i i

j j

R.R.

R.R

t(I-1)(J-1)

1/2
j 2

y y
j

i j

/2

i 2

R. Acept. H0 -t
/2

/2

j,

y 2 I

t( I

1)( J 1)

/ 2 sR

sR

2 I

Se rechaza H 0

LSD
62

Diseo Experimentos

Comparacin de medias
Fluorita
LSD t
/2 R

2 J 2 6

2.085 0.93 1.13

0% 1% 2% 3% 4%

0% 0

LSD = 1.13 1% 2% 3% 0,58 2,49 1,99 0 1,90 1,40 0 -0,50 0

4% 0,69 0,11 -1,80 -1,30 0

Mezcla
LSD t
/2 R

2 I 2 5

1 2 3 4 5 6

1 0,00

2 3,90 0

LSD=1.24 3 4 -3,82 2,52 6,60 -1,37 0 6,34 0

5 3,76 -0,14 7,58 1,23 0

6 4,24 -0,35 8,07 1,72 0,49 0

2.085 0.93 1.24


Diseo Experimentos

63

Comparacin de medias (Tukey)


95% family-wise confidence level
1-0 4-3
-4

4-2

3-2

4-1

3-1

2-1

4-0

3-0

2-0

-2

Differences in mean levels of FLUO

Diseo Experimentos

64

Comparacin de medias (Tukey)


95% family-wise confidence level
2-1 6-5
-10

5-4

5-3

6-2

4-2

6-1

4-1

-5

0 Differences in mean levels of MEZ

10

Diseo Experimentos

65

Diagnosis: Homocedasticidad
Grfico de residuos
2 1.5 1 0.5 0 -0.5 -1 -1.5 -2 0 1 2 3 4

2 1.5 1 0.5 0 -0.5 -1 -1.5 -2 0 1 2 3 4 5 6

Mezcla
1.6 1.2 0.8 0.4 0 -0.4 -0.8 -1.2 -1.6 5 10 15 20

Fluorita

residuos

Valores previstos

Diagnosis

Diseo Experimentos

67

2.3 Diseos Factoriales (tres factores)

Diseo con tres factores


Factor A
A1 A2 A3 A4 A5 A6
B1

B2 B3 B4 B5 C1 C2 C3

Factores A, B y C con NA, NB, Nc niveles. N de Tratamientos T=NAxNBxNc Efectos principales 3 A, B , C Interacciones de orden dos 3 AxB, AxC, BxC Interaccin de orden tres 1. AxBxC

Factor B

Tratamiento: Cada combinacin de niveles de los factores 6 x 5 x 3 = 90


Diseo Experimentos 69

K factores con N1, N2, ..., NK niveles


K efectos principale s con N i 1 grados de libertad cada uno K 2 K 3 ... K K 1 interacci n de orden k, con (N 1 1 )(N 2 1 ) (N K 1 ) interaccio nes de orden 2, con (N i 1 )(N j 1 ) grados

de libertad interaccio nes de orden 3, con (N i 1 )(N j 1 )(N k 1 )

grados de libertad

grados de libertad
Diseo Experimentos 70

Datos
11

Factor 1
2 2

Factor 3
1 2
II

...

...
... ... K K y11K 1 y11K 2 y11KM K K y 22 K 1 y 22 K 2 y 22 KM ... ...

11
y1111 1 1 y1112 y111 M 11 y1211 2 y1212 y121 M

2 2 y1121 y1122 y112 M 2 2 y1221 y1222 y122 M 2 2 y1J 21 y1J 22 y1J 2 M

... ...

K K y11K 1 y11K 2 y11KM K K y12 K1 y12 K 2 y12 KM

1 1 y 2111 y 2112 y 211 M 11 y 2211 y 2212 y 221 M

2 2 y 2121 y 2122 y 212 M 2 2 y 2221 y 2222 y 222 M

11
y I 111 y I 112 y I 11M 11 y I 211 y I 212 y I 21M

2 2 y I 121 y I 122 y I 12 M 22 y I 221 y I 222 y I 22 M 2 2 y IJ 21 y IJ 22 y IJ 2 M

... ...

K K y I 1K 1 y I 1K 2 y I 1KM K K y I 2K1 yI 2K 2 y I 2 KM

Factor 2

... ...

... ...

... ...

...

11
y1J 11 y1J 12 y1J 1M

... ...

K K y1JK1 y1JK 2 y1JKM

11
y 2 J 11 y 2 J 12 y 2 J 1M

22
y 2 J 21 y 2 J 22 y2 J 2M

KK
y 2 JK1 y 2 JK 2 y 2 JKM

11
y IJ 11 y IJ 12 y IJ 1M

... ...

K K y IJK1 y IJK 2 y IJKM

J J

Diseo Experimentos

71

Ejemplo: Proceso qumico


Tres factores:
Concentracin 1 4% 2 6% 3 8% 4 10%
Catalizador C-1 Ag C-2 Ag+Zn C-3 Zn

Temperatuta T-1 300 C T-2 320 C

Variable respuesta: Rendimiento del proceso qumico.


CONCENTRACIN
1 T-1 C-1
72.2 74.4 64.3

2 T-2
65.0 71.6 61.9

3 T-2
69.2 71.8 64.6

4 T-2
70.7 80.6 73.4

T-1
74.4 66.3 66.5

T-1
75.0 78.9 64.3

T-1
80.0 65.0 82.1

T-2
73.0 74.4 78.8

CATALIZADOR

T-1 C-2
62.5 65.8 71.2

T-2
75.9 72.9 77.8

T-1
70.8 63.9 76.6

T-2
79.2 80.1 75.3

T-1
76.3 79.1 89.0

T-2
83.3 88.0 84.7

T-1
72.3 72.4 75.6

T-2
80.3 86.9 86.3

T-1 C-3
69.0 70.3 68.8

T-2
73.8 59.2 80.8

T-1
69.0 68.2 78.7

T-2
84.5 93.7 80.1

T-1
72.8 73.7 80.7

T-2
94.1 87.3 89.0

T-1
78.4 79.9 80.3

T-2
87.5 79.7 79.5

Diseo Experimentos

72

Modelo
yijkm
I i 1 i
J j 1 j

j
J j 1

k
ij

ij

ik

jk
ij

ijk

uijkm

0
0

0,
0,

i
i

I i 1

0,
0,

j
k

K k 1

ik

I i 1

ik

K k 1 k I ijk i

0
0,

J j 1

jk

0,
J j ijk

K k 1

jk

0,
K k

j
ijk

j, k , ;

0,

i, k ;

0,

i, j.

Normalidad

K tratamientos

uijkm

Independencia

M replicaciones
n = I J K M
73

Homocedasticidad
Diseo Experimentos

Medias
yijkm
I

j
J K M

k
yijk

ij

ik

jk

ijk

uijkm

i 1 j 1k 1m 1

IJKM
J K M

yijkm yi
j 1k 1m 1

K M

J M

yijkm y
i 1 k 1m 1 j J M

yijkm y
i 1 j 1m 1 k I K

JKM
K M

IKM yijkm
j 1m 1

IJM yijkm

yijkm y ij
k 1m 1

KM
M

yi

JM

i 1k 1 jk

IM

yijkm y ijk
m 1

M
74

Diseo Experimentos

Medias: Proceso qumico


Concentracin C-1 C-2 C-3 1 68.2 71.0 70.3 69.9
1 68.72 70.99 69.9

Catalizador

2 68.8 74.3 79.0 74.1


2 70.49 77.61 74.1

3 73.8 83.4 82.9 80.1


3 76.64 83.46 80.1

4 75.6 79.0 80.9 78.5


4 76.22 80.71 78.5

71.6 76.9 78.3 75.6

Temperatura

T-1 T-2

73.02 78.19 75.6

T-1
C-1 C-2 C-3 71.95 72.96 74.15 73.02

T-2
71.25 80.89 82.43 78.19 71.6 76.9 78.3 75.6

1 T-1
C-1 C-2 C-3 70.30 66.50 69.37

2 T-2
66.17 75.53 71.27

3 T-2
68.53 78.20 86.10

4 T-2
74.90 85.33 90.13

T-1
69.07 70.43 71.97

T-1
72.73 81.47 75.73

T-1
75.70 73.43 79.53

T-2
75.40 84.50 82.23

Diseo Experimentos

75

Estimacin del modelo


i j k ij

y yi y y

j k

y y y yi
k

I 1 J 1 K 1 y y
j j

y ij yi y

y
k

( I 1)( J 1) ( I 1)( K 1) y y
jk

ik

yi y

y
k

jk

jk

y yi
2 eijkm

( J 1)( K 1) yi yijkm y
j

ijk 2 2 sR

y ijk

y ij

( I 1)( J 1)( K 1)

IJK ( M 1)

eijkm

y ijk

Diseo Experimentos

76

Modelo estimado
yijkm
yijkm y y ij yi y
k jk

ij

ik

jk

ijk

uijkm

yi yi yi y y ij y ijk
j

y y y y yi
k j k k

y y y y y

y ijk yijkm

jk

yi

Diseo Experimentos

77

Descomposicin de la variabilidad
I J K M

yijkm
i 1 j 1k 1m 1

y y yi
k

JKM
i

yi y ij

IKM
j

y y

j 2

IJM
k

KM
i j

y y
j

JM
i k

yi y
j k

yi y

y y y
jk

IM M
i j k

jk

y yi
2

y ijk yijkm

y ij y ijk

yi

j k m

Diseo Experimentos

78

Variabilidades
I J K M

VT
i 1 j 1k 1m 1

yijkm IKM
j

y y y ij

VE ( A) VE (C ) y y
j j

JKM
i

yi y
k k

y y

VE ( B )

IJM
2

VE ( A B ) VE ( A C ) VE ( B C )

KM
i j

yi
k

y
k

JM
i k

yi y
j k

yi y y ijk

y y
k

IM M
i

jk

y y ij

VE ( A B C ) VNE
i

yi

jk

yi

j k

yijkm
j k m

y ijk

Diseo Experimentos

79

Grados de libertad
DESCOMPOSI CIN DE LA VARIABILID AD VT VE ( A) VE ( B ) VE (C ) VE ( A B ) VE ( A C ) VE ( B C ) VE ( A B C ) VNE GRADOS DE LIBERTAD (n 1) ( I 1) ( J 1) ( K 1) ( I 1)( J 1) ( I 1)( K 1) ( J 1)( K 1) ( I 1)( J 1)( K 1) IJK ( M 1)
Diseo Experimentos 80

Tabla ANOVA
FUENTE VARIABILID AD A B C A B A C B C JKM
i

Gr . de Lib.
2

yi y
j j

y y y yi
k

I 1 J 1 K 1 y y
j

Varianzas F 2 sA s2
A 2 sB 2 sC 2 s AB 2 s AC 2 s BC 2 sB 2 sC

2 sR 2 sR 2 sR 2 sR 2 sR 2 sR

IKM IJM
k

KM
i j

y ij yi
i k

y
k

( I 1)( J 1) ( I 1)( K 1) ( J 1)( K 1) ... )2

2 s AB 2 s AC 2 s BC

JM IM
j k

yi y
j

y y y
k jk

y
i j k

jk

y yi
j 2

k k

M A B C Residual
i I

( y ijk ... y i yijkm


j k m J K M

y ij y

2 ( I 1)( J 1)( K 1) s ABC 2 sR

2 s ABC

2 sR

y ijk y

IJK ( M 1)
2

Total
i 1 j 1k 1m 1

yijkm

IJKM 1

Diseo Experimentos

81

Contraste efecto principal de factor A


H0 :
I

2 i

H1 : Algn
FA
2 sA 2 sR

es distinto de 0
y )2 I 1 FI
1; IJK ( M 1)

JKM
i 1

( yi
2 sR

FI

1; IJK ( M 1)

Si FA Si FA

F F

No se rechaza Ho Se rechaza Ho

RR

F
Diseo Experimentos 82

Contraste interaccin AxB


H0 :
11 12 ij IJ

H1 : Algn

es distinto de 0
VE ( A B) ( I 1)( J 1)
1)( J 1); IJK ( M 1)

2 Si Ho es cierto, s AB

FAB
Si FAB

2 s AB 2 sR

F( I

Se rechaza Ho A y B interaccio nan


83

Diseo Experimentos

Contraste interaccin AxBxC


H0 :
Si Ho es cierto
111 ijk 112 IJK

H1 : Algn
2 s ABC 2 sR

es distinto de 0

FABC

F( I

1)( J 1)( K 1); IJK ( M 1)

Si FABC
Diseo Experimentos

Se rechaza Ho
84

Anlisis de la varianza

Diseo Experimentos

85

Interpretacin
El efecto principal del factor concentracin influye significativamente (p-valor =0.0000) en el rendimiento. Ms adelante se compararn las medias de los cuatro niveles de este factor. Este factor no interacciona con ningn otro. Los efectos principales de catalizador y de la temperatura son significativos, adems es muy significativa la interaccin de los dos factores (p-valor 0.0064). La comparacin de medias de estos factores debe ser conjunta.
Diseo Experimentos 86

Contrastes mltiples: Factor A


H0 : H1 :
i j

i i
i 2 j

j j

R.R.

R.R

tIJK(M-1)

1/2
yi
2

yi yj
j

y y N(
i j,

/2

yj

R. Acept. H0 -t
/2

/2

JKM

JKM

yi sR

yj 2 JKM

t IJK ( M

1)

Si yi

yj

/2 R

2 , JKM

se rechaza Ho

Diseo Experimentos

87

Intervalos de Confianza

80

80

78

medias

medias

medias
t1 temp t2

75

76

74

70

72

k1

k2 con

k3

k4

70
c1

72

74

76

78

80

c2 cat

c3

Diseo Experimentos

88

Interaccin: Cat. x Temp.


T-1
C-1 C-2 C-3 71.95 72.96 74.15 73.02

T-2
71.25 80.89 82.43 78.19 71.6 76.9 78.3 75.6

Interaccin Cat x Temp


84.00 82.00 80.00 78.00 76.00 74.00 72.00 70.00 0 1 2 Catalizador 3 4

Medias

Temp - 1 Temp - 2

Diseo Experimentos

89

Seleccin de temperatura y catalizador.

Las mejores combinaciones corresponden a la temperatura 2, con el catalizador 2 o el 3.


Diseo Experimentos 90

Diagnosis del modelo

10

10

residuals(mod_qui)

residuals(mod_qui)

residuals(mod_qui)
1.0 1.4 temp 1.8

-5

-5

-10

-10

1.0

2.0 con

3.0

4.0

-10
1.0

-5

10

1.5

2.0 cat

2.5

3.0

Diseo Experimentos

91

Instrucciones de R utilizadas
ARCHIVO TEXTO: quimico.txt

Diseo Experimentos

92

Anlisis de 3 factores con menos observaciones


Cuando no existe interaccin de orden tres.
No es necesario replicar para analizar el experimento. La variabilidad explicada por el trmino A B C se convierte en Variabilidad Residual con (I-1)(J-1)(K-1) grados de libertad. Las expresiones anteriores siguen siendo vlidas, sustituyendo M=1 (sin replicacin) y con (I-1)(J-1)(K-1) como grados de libertad de la varianza residual.

Cuando no existe ninguna interaccin


Se puede reducir considerablemente el nmero de observaciones si el nmero de niveles de los tres factores es el mismo: CUADRADO LATINO

Diseo Experimentos

93

Tabla ANOVA tres factores (sin replicacin)


FUENTE VARIABILID AD A B C A B A C B C JK
i

Gr . de Lib.
2

yi y
j j

y y y yi
k

I 1 J 1 K 1 y y
j

Varianzas F 2 sA s2
A 2 sB 2 sC 2 s AB 2 s AC 2 s BC 2 sB 2 sC

2 sR 2 sR 2 sR 2 sR 2 sR 2 sR

IK IJ
k

K
i j

y ij yi
i k

y
k

( I 1)( J 1) ( I 1)( K 1) ( J 1)( K 1) ...

2 s AB 2 s AC 2 s BC

J I
j k i j k

yi y
j

y y y y
k jk

jk

y yi y
j 2

k k

( yijk Residual ... y i


I J K

y ij

2 ( I 1)( J 1)( K 1) s R

Total
i 1 j 1k 1

yijk

IJK 1

Diseo Experimentos

94

Ejemplo: Obleas
Horno AS 1 1 2 1 2 2 1 3 2 1 4 2 1 122.2 138.4 131.0 147.4 120.5 140.6 100.0 117.0 Temperatura 2 103.2 144.3 133.4 138.0 102.8 126.6 105.8 134.4 3 115.8 159.8 121.8 147.5 120.0 141.9 114.7 131.7

Se ha realizado un experimento para analizar la influencia de la temperatura y el acabado superficial (AS) en el espesor de xido conseguido en obleas de silicio. El experimento se repiti en cuatro hornos diferentes. ( Cada uno de los datos del cuadro representa la media de los espesores medidos en el centro de cada una de las 30 obleas que caben en un horno)

Diseo Experimentos

95

ANOVA: Obleas

Diseo Experimentos

96

Comparacin de medias

El AS que produce mayor espesor es el 2 El horno que produce media mayor es el 2, aunque no es significativamente distinto del 1.
Diseo Experimentos 97

Cuadrado latino
Permite analizar tres factores con K niveles cada uno, utilizando slo K2 observaciones. Deben ser nulas las interacciones de orden 2 y orden 3.
Diseo Experimentos

1 1 2 3 4 5 C D E B A

2 A C B E D

3 D B A C E

4 B E D A C

5 E A C D B

98

Ejemplo: Aditivos gasolina


Una organizacin de consumidores estudi la eficacia de cinco aditivos que segn los fabricantes reducan el consumo de combustible. Se realiza un diseo experimental con cinco conductores, cinco vehculos y cinco aditivos, eligiendo las 25 combinaciones que se muestran en la tabla, junto con una medida del consumo.
1 1
C A

2 71 64
C

Vehculo 3
D B

4
E

5 78 82
A

68
B E

Conductor

2 3 4 5

65
E B

64
A

81
D

82
C

82 85
D

63
B E

68
C

74
A

77 88
C B

66
A D

77
E

79 78

74 88

Aditivo A B C D E

73

70

80

Diseo Experimentos

99

Modelo: Cuadrado Latino


yij (k )
1 1 2 3 4 5 y11(3) y12 ( 4) y13(5) y14 ( 2) y15 (1) 2 y 21(1) y 22 (3) y 23( 2) y 24 (5) y 25 ( 4)
i j k

uij ( k )
5 y51(5) y52 (1) y53(3) y54 ( 4) y55 ( 2)

K i 1 i
K j 1 j

0
0

3 y31( 4) y32 ( 2) y33(1) y34 (3) y35 (5)

4 y 41( 2) y 42 (5) y 43( 4) y 44 (1) y 45 (3)

K k 1 k

Normalidad

uij ( k )

Independencia

K2 Observaciones

Homocedasticidad
Diseo Experimentos 100

Estimacin
yij ( k )
K K K

i
yij ( k )
j 1 ( )

j
K

k
yij ( k )

uij ( k )
K

yij ( k ) y
i 1j 1 ( )

yij ( k ) y
k 1 (k )

yi

i 1 j( )

y
i j k

( ) ( ) j( ) (k )

yi y y

y y y

( ) ( ) ( )

K 1 K 1 K 1 y e
2 ij ( k ) j( )

eij ( k )
2

yij ( k )
2 sR

yi

( )

(k )

2y

( )

( K 1)( K 2)

Diseo Experimentos

101

Descomposicin de la variabilidad
yij ( k )
yij ( k )
K K

i
( ))

j
j( )

k
( ))

uij ( k )
(y
(k )

( )

( yi
2 ( ) 2 ( )

( )

(y

( ))

eij ( k )

yij ( k )
i 1j 1

y y

K
i

yi

( )

K
j

j( )

2 ( )

K
k

(k )

2 ( ) i j

eij ( k )

Grados de Libertad ( K 2 1) ( K 1) ( K 1) ( K 1) ( K 1)( K 2)

Diseo Experimentos

102

Tabla ANOVA
FUENTE VARIABILID AD A B C Residual
i K j K

Gr. de Lib.
2

Varianzas
2 sA 2 sB 2 sC

K
i

yi y
j

( )

y y y

( ) 2 ( ) 2 ( )

K 1 K 1 K 1

F 2 sA
2 sB 2 sC

2 sR 2 sR 2 sR

K K
k

j( )

(k )

2 eij (k ) 2 ( )

2 ( K 1)( K 2) sR

Total
i 1 j 1

yij ( k )

K2 1

Diseo Experimentos

103

Tabla anlisis de la varianza

Diseo Experimentos

104

Comparacin: vehculos

medias

65
1

70

75

80

85

3 VEH

Diseo Experimentos

105

Dise no de experimentos
1. En una planta piloto se obtiene un nuevo producto mediante un proceso qu mico. Con el n de mejorar el rendimiento se emplean dos catalizadores distintos y se trabaja con tres temperaturas diferentes. Los resultados del experimento son Temperatura 20 300 400 115 125 130 140 110 120 115 105 135 145 100 110
0

Catalizador A B

(a) Contrastar si los factores Temperatura y Catalizador tienen efectos signicativos. ( = 0.05) (b) Qu e tratamiento se debe utilizar para obtener el mayor rendimiento, si se desea garantizar una probabilidad de error tipo I total, T = 0.03? 2. Se pretende estudiar el efecto que produce los factores (1) Porcentaje de algod on (10%, 20% y 30%) (2) Tipo de confecci on (A y B) en la resistencia al desgaste de ciertos tejidos de bra sint etica. Se ha realizado el siguiente dise no con tres replicaciones 10% 20% 30% 115 120 126 112 135 118 133 139 142 107 110 132 114 102 114 108 117 125

(a) Construir la tabla de An alisis de la Varianza y contrastar la inuencia de los dos factores y la presencia de la interacci on. (b) Hacer un contraste de diferencia de medias y decidir el tratamiento m as adecuado para conseguir la mayor resistencia al desgaste. 3. Cierto Organismo P ublico (O.P.) encargado de certicar la composici on de aleaciones de metales preciosos, debe seleccionar entre dos Laboratorios al m as capacitado para la realizaci on de futuros an alisis de gran precisi on. Para tomar la decisi on les somete a la siguiente prueba: Prepara tres aleaciones A, B y C que contienen proporciones distintas de oro. De cada una de ellas env a cuatro muestras a cada uno de los dos laboratorios. As pues, cada laboratorio recibe un lote de 12 muestras (codicadas) ordenadas aleatoriamente sin conocer como han sido obtenidas. Los resultados recibidos por el O.P. son (entre par entesis las medias de las casillas):

Lab. I

Lab. II

Aleac. A 10.96 11.03 11.08 11.01 (11.02) 10.97 10.96 10.94 10.95 (10.955)

Aleac. B 10.95 11.00 11.04 10.97 (10.99) 10.97 10.96 10.97 10.98 (10.97)

Aleac. C 11.07 11.01 10.97 11.03 (11.02) 11.02 11.00 11.01 11.01 (11.01)

(a) Determinar si existen diferencias entre los resultados de los laboratorios y si estos han encontrado diferencias entre las aleaciones. (b) Aceptando que los datos cumplen la hip otesis de normalidad, indicar si podemos aceptar que verican el resto de las hip otesis del modelo y en caso negativo que medidas se deben adoptar para analizar los datos. (c) Realizar un test de raz on de varianzas para contrastar que las varianzas de los dos laboratorios son iguales, sabiendo que las tres aleaciones tienen composici on distinta. Interpretar el resultado. (d) El O.P. conoce ex actamente el porcentaje en oro de la aleaci on A (11 %), de la B (11.02 %) y de la C (11.04 %). Con esta informaci on comparar los resultados de los laboratorios. 4. Complete la tabla ADEVA siguiente y diga de que dise no se trata.

Factor 1 Factor 2 Factor 3 Int. Segundo orden Int. Tercer orden TOTAL

Suma de Cuad. 20 5

G.L. 2

Varianzas 1.25 10 0.25

44

29

5. Se ha realizado un dise no factorial sin replicaci on con tres factores A, B, C con 5, 5 y 4 niveles respectivamente. Si la interacci on de tercer orden es nula, obtener la descomposici on de la variabilidad e indicar los grados de libertad de cada t ermino. 6. Para estudiar el efecto de tres factores (A,B,C) en el tiempo de fraguado del hormig on se ha realizado un experimento factorial completo a dos niveles con tres replicaciones (24 datos en total). Los resultados de la estimaci on han sido: Media 92.5 A B AB 2.4 3.3 8.5 C AC BC ABC 15.0 -1.4 2.65 0.72

Teniendo en cuenta que la varianza residual obtenida es s 2 e efectos son R = 18.8, indicar qu signicativos para un nivel de signicaci on = 0.05. 2

7. Una caracter stica de la calidad de la gasolina es su ndice de octanos. Una rener a de petr oleo tiene cinco f ormulas que pueden emplearse para la obtenci on de gasolina con plomo o sin plomo. (a) Para determinar que f ormula proporciona mayor ndice de octanos, con cada una de ellas se ha repetido 10 veces en el laboratorio el proceso de fabricaci on de gasolina con plomo. Si el coeciente de determinaci on del an alisis de la varianza de los resultados es igual a 0.20, contrastar con = 0.05 si existen diferencias entre las cinco f ormulas para este tipo de gasolina. (b) Los valores medios ( yi ) para cada f ormula son: F ormula 1 Media 89.2 2 3 4 5 90.1 90.7 90.5 89.5

Contrastar con = 0.05 que f ormulas proporcionan ndices de octanos signicativamente distintos y cuales no. (c) Debido a los problemas medio-ambientales gran parte de la producci on futura debe estar libre de plomo. Para determinar que f ormula de las anteriores produce mejores resultados en cuanto al ndice de octanos , se realizo un dise no experimental similar al anterior (cinco f ormulas, 10 observaciones en cada f ormula) para la obtenci on de gasolina sin plomo. El coeciente de determinaci on en este caso es igual a 0.25 y el ndice medio para cada f ormula es,

F ormula 1 2 3 4 5 Media 88.0 89.5 88.5 90.2 89.8 Contrastar ( = 0.05) si existe interacci on entre los factores tipo de gasolina (con y sin plomo) y f ormula. 8. Para comprobar las propiedades de rigidez de dos materiales A y B a tres temperaturas se ha realizado un experimento con 4 replicaciones. Las medias se proporcionan en la tabla. Teniendo en cuenta que la varianza residual ha sido 1.69 y que el an alisis de la varianza ha indicado: (1) que existen diferencias signicativas entre los dos materiales, (2) que no existen diferencias entre las tres temperaturas y (3) que la interacci on de los dos factores es muy signicativa, calcula y dibuja los intervalos de conanza ( = 0.01) para la comparaci on de los dos materiales, de las tres temperaturas y de la interacci on. Interpretar los resultados.

9. Para estudiar la inuencia de la temperatura y la presi on sobre el rendimiento de un proceso qu mico se ha realizado un experimento con 5 valores de presi on y 4 valores de temperatura. Los resultados se muestran en la tabla siguiente. Temperatura 10 20 65,58 96,71 66,32 101,5 74,42 99,81 80,24 104,11 79,61 112,14 73,24 102,85

Presi on

1 2 3 4 5

Medias

30 124,20 130,37 134,63 138,42 143,58 134,24

40 156,63 161,38 160,59 166,96 170,68 163,19

Medias 110,71 114,89 117,36 122,43 126,50 118,38

(a) Considere solamente el efecto de la presi on y estudie si es signicativo ( = 0, 05), sabiendo que las varianzas muestrales corregidas para los datos correspondientes a cada 2 2 2 2 presi on son s2 1 = 149, 85; s2 = 164, 62; s3 = 143, 95; s4 = 145, 11; s5 = 154, 94. (b) Incorpore el efecto de la temperatura en un modelo adecuado para los datos. Interprete el resultado. (c) Calcule un intervalo de conanza al 95% para la varianza del error experimental de los modelos de los dos apartados anteriores. Interprete las diferencias. 10. Se desea estudiar la fuerza de percusi on de una perforadora en funci on de la VELOCIDAD de giro (baja y alta) y de un coeciente mec anico que denominaremos RATIO (0.15, 0.30, 0.45 y 0.60). Se ha experimentado en las ocho posibles combinaciones de ambos factores, replicando cada experimento dos veces. Los resultados se muestran en la tabla siguiente 0.15 0.30 0.45 0.60 Media 270 245 260 275 266.875 278 249 272 286 283 285 286 294 286.125 286 280 287 288 279.25 264.75 276.25 285.75 276.5

Vel. Baja Vel. Alta Media

Las variabilidades explicadas por el RATIO, la VELOCIDAD y la interacci on RAT x VEL son respectivamente 925, 1482.25 y 418,75 y la Variabilidad Total es 3034. (a) Completa la tabla de an alisis de la varianza e indica qu e efectos son signicativos para = 0.05. (b) Interpreta el resultado, indicando c omo inuye el RATIO y la VELOCIDAD en la fuerza de la perforadora. Dibuja el gr aco que permite interpretar la interacci on. Proporciona el intervalo de conanza para la media de la combinaci on RATIO 0.30, y VELOCIDAD baja.

(c) Cada tratamiento tiene dos observaciones, llamando Dij = |Yij 1 Yij 2 | , al valor absoluto de la diferencia de estas observaciones, demuestra que
2 Dij 2 1 2 2 2 y que SD =
2 i=1 4 j =1 2 Dij

16

es un estimador centrado de la varianza del modelo factorial.

(d) Sup on que la varianza de las observaciones a velocidad baja es 2 1 y de las observaciones 2 a velocidad alta es 2 . Utilizando el resultado del apartado 3, realiza el siguiente contraste con nivel de signicaci on 0.05,
2 H0 : 2 1 = 2 2 H1 : 2 1 = 2

11. Cuando un lenguaje de alto nivel es compilado, el tiempo de ejecuci on depende del compilador. Un ingeniero de software desea comparar tres compiladores (A, B y C), para ello ha seleccionado 5 programas muy distintos, cada uno de los cuales ha sido compilado por los tres compiladores. Los tiempos de CPU se proporcionan a continuaci on: A B C Medias 1 122.9 113.8 131.2 122.7 2 147.4 135.1 152.8 145.1 3 189.6 173.8 192.7 185.3 4 200.9 199.3 219.8 206.7 5 Medias 307.3 193.6 296.6 183.7 318.9 203.1 307.6

La variabilidad total es 62899.2, y las variabilidades explicadas por el tipo de compilador y tipo de programa son 937.2 y 61868.9, respectivamente. Da un intervalo de conanza (95%) para la diferencia de las medias entre los dos compiladores m as r apidos. 12. Se ha realizado el an alisis de la varianza de un dise no con un u nico factor a 10 niveles con 6 observaciones para cada nivel. El nivel cr tico que muestra la tabla ADEVA es p = 0.5832. Los niveles cr ticos de los contrastes individuales de igualdad de medias son mayores de 0.05 para todas las parejas excepto para la comparaci on entre los niveles 3 y 7 que ha sido igual a 0.0405. Es posible este resultado? Qu e se puede concluir del an alisis? Qu e procedimiento sugiere para realizar los contrastes individuales? 13. Se ha realizado un dise no factorial sin replicaci on con tres factores A, B, C con 5, 5 y 4 niveles respectivamente. Si la interacci on de tercer orden es nula, obtener la descomposici on de la variabilidad e indicar los grados de libertad de cada t ermino. 14. Sea un dise no factorial con 4 factores a 3, 4, 2 y 5 niveles. Calcular el n umero de par ametros totales correspondientes a efectos principales e interacciones de orden 2, 3 y 4. 5

15. Un ingeniero ha estudiado el efecto que tienen 5 niveles de iluminaci on en una operaci on de ensamblado. El departamento en el que se ha experimentado tiene cuatro estaciones de trabajo, que representan una fuente potencial de variabilidad. Para cada estaci on de trabajo y nivel de iluminaci on se ejecut o la operaci on de ensamblado, midiendo la holgura en micras. Los resultados fueron: ESTAC. 1 2 3 4 y j ILUMINACION 1 2 3 4 5 y i 131 116 88 75 104 102.8 92 96 97 70 75 86.0 128 129 99 94 105 111.0 121 107 84 89 86 97.4 118 112 92 82 92.5 y = 99.3

(a) Contrastar ( = 0.05) si la iluminaci on o la estaci on de trabajo inuye en los resultados del ensamblado. (b) Comparar los niveles de iluminaci on y los niveles de las estaciones de trabajo. Indicar en cada caso cuales se pueden considerar distintos y cuales no. (c) Calcular la varianza te orica del valor medio previsto para cada observaci on. (d) Explicar por qu e no se debe contrastar la hip otesis H0 : 1 = 2 = ... = m del modelo b asico de an alisis de la varianza (un factor), mediante contrastes de la t de m pares de muestras. Student a cada uno de los 2 16. Se realiza un experimento para estudiar la inuencia de 2 factores en el rendimiento de un proceso, donde el factor que se encuentra a 3 niveles (Alto, medio y bajo ) es la temperatura, el otro factor, catalizador, tiene dos niveles: catalizador I y II . Los datos del experimento se muestran en la siguiente tabla: Alto Medio Bajo 279 172 176 174 277 130 397 348 434 (215.6) (193.6) (393) 253 238 387 252 367 323 417 427 423 (292.6) (314) (422.3)

CI CII

(Nota: Los n umeros entre parentesis son las medias de las casillas) (a) Contrastar con = 0.05 que efectos son signicativos. Interprete el resultado. (b) Determinar el intervalo con el 99% de conanza para la varianza del error experimental.

(c) Dar un intervalo para una observaci on realizada en condiciones o ptimas. Si se realizan 10 experimentos en estas condiciones, determinar el intervalo que con probabilidad igual al 95% contiene a todas ellas. Utilice la aproximaci on t g = z (1 z + 1 1 ) 4g

donde g son los grados de libertad de la t y z el valor de la normal est andar, tal que P (Z z ) = 17. Un laboratorio de An alisis Cl nicos ha adquirido un nuevo equipo (B ) para medir el colesterol en la sangre de los enfermos. Para evaluar si el nuevo equipo est a ajustado se decide analizar muestras de 5 enfermos que previamente han sido analizadas con otro equipo (A), dando como resultado Enfermo 1 2 3 4 5 Media Equipo A 215 305 247 221 286 254.8 Equipo B 224 312 251 232 295 262.8 Contrastar con = 0.05 existen diferencias entre los dos equipos. 18. Para estudiar el consumo de aceite de un motor se prueban 4 motores distintos con 3 tipos de aceites obteniendo 12 medidas de consumo. Se ha obtenido: Variabilidad explicada por aceite = 100 Variabilidad explicada por motor = 80 Variabilidad Total = 220 Se pide escribir la tabla ADEVA correspondiente, y obtener conclusiones. 19. Para determinar el consumo de energ a el ectrica para usos dom esticos se ha medido el consumo medio por persona en las distintas estaciones del a no en siete comunidades aut onomas para 1989, habi endose obtenido los siguientes resultados: COMUNIDAD INVIERNO PRIMAVERA VERANO OTONO MEDIAS 1 13.1 11.4 10.6 11.5 11.65 2 13.4 12.1 11.1 12.0 12.15 3 13.8 12.1 11.4 12.9 12.55 4 14.0 12.8 11.7 12.6 12.77 5 14.4 12.6 12.5 13.4 13.22 6 14.8 13.4 13.0 14.0 13.80 7 15.6 14.2 14.1 14.4 14.57 MEDIAS 14.16 12.66 12.06 12.97 12.96 (a) Analizar si el factor estaci on del a no es inuyente, sabiendo que s 2 y = 1.53.(No considerar el factor Comunidad). 7

(b) Razonar estad sticamente cu al es la estaci on de mayor consumo y la de menor, utilizando el an alisis anterior. Calcular los intervalos de conanza para el consumo medio de cada estaci on del a no. (c) Sabiendo que la variabilidad explicada por el factor comunidad es 23.62, construir una nueva tabla de la varianza, con dos factores, y decidir qu e factor es signicativo. (d) Utilizar los resultados del apartado anterior para realizar un contraste de igualdad de medias del efecto estaci on y comparar los resultados con los del apartado 2, justicando las diferencias encontradas. ( NOTA: Utilizar = 0.05 en todos los contrastes ) 20. Se realiza un experimento para estudiar si la presencia de uorita reduce el coste de fabricaci on de clinker de cemento en tres tipos diferentes de mezcla. Los resultados del mismo (en miles de pesetas por Tm) se muestran en la siguiente tabla: FLUORITA 0% 1% 2% 3% 4% y
5 3

MI MII MIII y i 15.4 10.6 17.8 14.6 10.3 5.5 10.9 8.9 7.4 1.2 8.1 5.5 10.7 6.5 9.6 8.9 13.5 11.6 15.5 13.5 11.4 7.1 12.4

e2 = 10.3 ij = 10.2 y
i=1 j =1

(a) Determinar si el tipo de mezcla y el nivel de uorita a nadido inuyen signicativamente en el coste de fabricaci on. Se supone que no existe interacci on entre los dos factores. (b) Contrastar que porcentaje de uorita produce el menor coste del clinker. 21. El an alisis de la varianza de un dise no en bloques aleatorizados proporciona los siguientes resultados: V T = 232, V E (factor) = 156, V E (bloque) = 15 y V NE = 61. El n umero de niveles del factor es 5 y el n umero de bloques 8. Construir la tabla ADEVA. Cu al ser a el resultado del an alisis si no se tiene en cuenta el efecto de los bloques ? Indicar en qu e circunstancias es preferible cada uno de los modelos. 22. Se ha realizado un experimento con tres factores, (A, B y C), con 4, 3, y 5 niveles, sin replicaciones. El modelo propuesto no incluye las interacciones de orden 3, por lo que la variabilidad explicada por estas interacciones se pretende utilizar para estimar la varianza residual. Los resultados proporcionan para la variabilidad explicada por las interacciones de orden 3 un valor igual a 234.5; que es muy superior a lo esperado. Debido a esto se repiti o por completo el experimento, obteni endose para este segundo experimento un valor de 158.7 8

(para la variabilidad explicada por la interacciones de orden 3). Proponer un procedimiento para contrastar si se ha producido un cambio signicativo en esta variabilidad de uno a otro experimento, indicando las hip otesis en las que se basa el contraste. (Dejar el resultado del contraste indicado en funci on de los valores cr ticos de la tabla correspondiente.) 23. 8.25. (2-96) En un modelo de an alisis de la varianza se ha observado que la desviaci on t pica an relacionadas linealmente, ( si ) y la media (y i ) de las observaciones de cada tratamiento est s i = ky i , donde k es una constante. Cu al de las siguientes transformaciones es la m as 2 adecuada para corregir la heterocedasticidad ? z = log y , z = y o z = ky 24. La oxidaci on es una etapa de la fabricaci on de chips y consiste en a nadir una capa de o xido sobre la placa silicio (oblea). Se est a experimentando con 6 tratamientos (Ti ) para seleccionar el que proporciona un mayor espesor de oxido en un mismo tiempo de proceso. Una caracter stica que inuye en el espesor es el acabado supercial de la oblea, por lo que se tomaron 5 tipos distintos de acabado (Oj ). De cada tipo (Oj ) se tomaron 6 obleas y se asignaron aleatoriamente a los tratamientos. En la tabla se proporciona el espesor obtenido en cada oblea y las medias por las y columnas. T1 85.60 89.30 84.70 87.60 87.30 86.90 T2 90.90 91.50 87.50 90.50 93.10 90.70 T3 93.00 93.60 90.90 95.60 94.90 93.60 T4 80.50 83.20 81.00 84.60 82.70 82.40 T5 85.20 87.80 83.20 87.60 86.70 86.10 T6 88.90 91.00 86.30 91.10 88.70 89.20

O1 O2 O3 O4 O5

87.35 89.40 85.60 89.50 88.90 88.15

VT = 465.1

(a) Contrastar si el tipo de oblea y el tratamiento inuyen en el espesor del o xido. Elegir el tipo de oblea y tratamiento m as adecuado, indicando si son signicativamente distintos del resto. (b) Para jar los seis tratamientos, se seleccionaron dos temperaturas (t1 , t2 ) y tres presiones (p1 , p2 , p3 ) y se combinaron de forma que T1 = (t1 , p1 ), T2 = (t1 , p2 ), T3 = (t1 , p3 ) T4 = (t2 , p1 ), T5 = (t2 , p2 ) y T6 = (t2 , p3 ). Calcular las variabilidades explicadas por la temperatura, la presi on y su interacci on (t p). (c) Indicar si sus efectos son signicativos, suponiendo nulas las interacciones de los factores O t, O p y O t p. j son independientes. 25. Demostrar que en un modelo de bloques aleatorizados, , i y 26. Un centro ha realizado un experimento para mejorar la resistencia a la tensi on de ciertos muelles de acero. En una etapa del proceso el muelle caliente se sumerge en aceite templado. Se han estudiado tres factores, A (temperatura del acero antes de la inmersi on, con tres niveles), B (temperatura del ba no de aceite, dos niveles) y C (concentraci on de carbono en el acero, dos niveles). El experimento se ha replicado tres veces. En la tabla se muestra la media y la varianza (corregida) para los tres datos de cada tratamiento.

A 1 1 1 1 2 2 2 2 3 3 3 3

B 1 1 2 2 1 1 2 2 1 1 2 2

C 1 2 1 2 1 2 1 2 1 2 1 2

yi s 2 i 40.2 0.25 61.1 2.68 35.9 2.43 57.1 4.44 49.0 3.49 70.3 7.77 46.7 5.08 67.6 1.03 41.9 4.27 62.7 11.41 37.1 1.33 60.3 6.13

(a) Dar un intervalo del 95 % de conanza para la varianza del error experimental, 2 . (b) Indicar si los efectos principales de A, B y C son signicativamente distintos de cero. (c) Dado 2 , construir un intervalo que cumpla que la probabilidad de que s 2 i (la varianza muestral corregida de un tratamiento) est e contenido en el sea igual a 0.95. Sustituir 2 por su estimador y con ayuda de este intervalo, discutir si se puede rechazar la hip otesis de homocedasticidad de las observaciones. 27. Estimar por m axima verosimilitud los par ametros , i y j del modelo de bloques aleatorizados. Obtener la distribuci on de estos estimadores, indicando su media y varianza. 28. Explicar por qu e en un modelo de dos factores con interacci on es necesario poner las condiciones
I J I J

i = 0,
i=1 j =1

j = 0,
i=1

( )ij = 0 para todo j ,

y
j =1

( )ij = 0 para todo i.

Se podr an haber puesto otras condiciones distintas a las anteriores? Justicar la respuesta. 29. La calidad de un producto qu mico despues de un largo periodo de almacenamiento depende del conservante empleado y de las caracter sticas de almacenamiento. Se ha estudiado el efecto de cuatro conservantes distintos (columnas) y cinco almacenamientos (las) sobre la degradaci on del producto: 1 2 3 15.1 11.0 18.8 8.1 4.3 11.8 15.3 11.5 15.6 8.0 4.4 11.0 13.5 9.3 15.8 12.0 8.1 14.6 10 4 Medias 10.3 13.8 3.8 7.0 9.2 12.9 5.8 7.3 18.2 14.2 9.46 11.04

1 2 3 4 5 Medias

La tabla de an alisis de la varianza para los datos anteriores es: Suma de Cuadrados 205.488 123.676 61.484 390.648 Grados de Libertad 4 3 12 19 S. Cuadrados F Medios 51.372 10.03 41.225 8.05 5.123 Nivel Cr tico 0.0008 0.0033

Almacen. Conserv. Residuos Total

(a) Elegir con = 0.05 el conservante y el almacenamiento que producen menor degradaci on. (b) El an alisis de los residuos muestra como at pica la observaci on y54 = 18.2. Un examen qu mico conrma el resultado an omalo por lo que se recomienda eliminar la observaci on. Seg un el modelo de dos factores sin interacci on, la predicci on de la observaci on yIJ (eliminada) es: SI SJ S yIJ = + (J 1) (I 1) (I 1)(J 1) donde I = 5, J = 4, SI es la suma de las observaciones de la la I (sin incluir la eliminada), SJ es la suma de las observaciones de la columna J (sin incluir la eliminada), y S es la suma de las observaciones restantes no incluidas en la la I ni en la columna J. Obtener la distribuci on (media y varianza) del error de predicci on eIJ = yIJ yIJ . (c) Cuando, como en el caso anterior, falta una observaci on se recomienda el siguiente procedimiento: sustituir la observaci on faltante por su predicci on y aplicar los contrastes habituales teniendo en cuenta que los residuos tienen un grado de libertad menos. La nueva descomposici on de la variabilidad es: VT=339.63, VE(Conservantes)=166.02, VE(Almacenamiento)=164.02 y VNE=9.59. Contestar al apartado 1 con esta modicaci on e interpretar las diferencias. 30. Una instalaci on t pica de almacenamiento de combustible en una Estaci on de Servicio (gasolinera) est a formada por un tanque enterrado de gran capacidad, al que se encuentran conectados distintos surtidores. La cantidad total de gasolina suministrada en un d a se puede determinar midiendo directamente la variaci on que se ha producido en el tanque de almacenamiento (Y1j ) o por la suma de los suministros de los distintos surtidores (Y2j ). La comparaci on de ambas medidas permite determinar p erdidas en la instalaci on enterrada y otras anomal as. En el proceso de comparaci on es necesario tener en cuenta que las medidas est an afectadas por errores aleatorios. Durante 20 d as se han tomado los valores anteriores en un gasolinera:
D a Y1j Y2j D a Y1j Y2j 1 4116,2 4143,6 11 4323,6 4305,4 2 5627,0 5632,0 12 1880,7 1877,9 3 2820,4 2868,1 13 2131,4 2159,2 4 2521,8 2477,7 14 3349,6 3366,7 5 2973,5 2955,4 15 2545,0 2566,1 6 2834,9 2851,9 16 2247,3 2281,4 7 2335,7 2312,7 17 1817,5 1854,6 8 2590,8 2630,6 18 1461,3 1461,5 9 2182,7 2208,9 19 1646,5 1607,3 10 2621,4 2635,9 20 1955,4 1956,4

11

(a) Llamando Dj = Y1j Y2j a la diferencia en las medidas de un mismo d a, contrastar con = 0.05 H0 : D = 0 H1 : D = 0 donde Dj tiene distribuci on N(D , D ). Calcular el nivel cr tico del contraste aproximando la distribuci on t de Student por la normal. (b) Los datos anteriores pueden ser analizados mediante un modelo de bloques aleatorizados tomando el tipo de medida (tanque, surtidores) como un factor y los d as como bloques. Demostrar con caracter general que en el modelo de bloques aleatorizados si el factor tiene dos niveles la varianza residual cumple: 1 2 s2 R = sD 2 donde s2 on de 2 D es la estimaci D del apartado 1. (c) Teniendo en cuenta lo anterior, demostrar que el contraste correspondiente al factor en el modelo de bloques aleatorizados es equivalente al contraste del apartado 1. 31. Una forma alternativa de la ecuaci on del modelo para comparar I tratamientos es yij = + i + uij , donde es la media global 1 , 2 , ..., I son los par ametros que determinan los efectos de cada tratamiento, cumplen I que i=1 i = 0 uij son variables aleatorias independientes con id entica distribuci on normal de media cero y 2 varianza . (a) Obtener el estimador m aximo veros mil de i , indicar su distribuci on de probabilidad, media y varianza. (b) Calcular la esperanza de la variabilidad explicada (V E = m par ametros i no son todos nulos.
I 2 i=1 i )

i = 1, 2, ..., I ;

j = 1, 2, ..., m

cuando los

(c) Calcular la correlaci on entre i y un residuo eij cualquiera (del mismo o diferente tratamiento). Que implicaci on tiene este resultado en el contraste de an alisis de la varianza. 32. Un ingeniero est a estudiando m etodos para mejorar ciertas propiedades mec anicas de una aleaci on met alica. Los dos factores que considera m as importantes son la cantidad de Manganeso y la temperatura de templado. Se dise na un experimento empleando tres niveles para el factor manganeso y dos para la temperatura, en total 32 = 6 tratamientos. Se dispone de 6 hornos diferentes para realizar la fundici on. Cada horno requiere un operador y se disponen de seis operadores cada uno de los cuales es capaz de manejar los seis hornos. Dise nar un experimento que con 36 observaciones permita estudiar las diferencias entre los 12

seis tratamientos y que tenga en cuenta el tipo de horno y el operador como variables bloques. Construir la tabla de an alisis de la varianza, indicando los grados de libertadad de cada variabilidad, separando en ella el factor manganeso, el factor temperatura y su interacci on. (Los bloques y los factores no interaccionan). (Nota: no es necesario indicar en la tabla como se obtienen las distintas variabilidades). 33. Una asociaci on de consumidores para comprobar la utilidad de ciertos compuestos que seg un sus fabricantes reducen el consumo de gasolina de los autom oviles realiz o el siguiente experimento: eligi o al azar 9 veh culos nuevos de distintas marcas con cilindrada similar y con cada uno de ellos recorri o tres veces un mismo trayecto con conductores distintos. Adem as en cada uno de estos tres trayectos emple o un tratamiento diferente para la gasolina: A: B: Tratamiento C: Gasolina con Cyber-Gas Gasolina con Consumin Gasolina sin aditivo

En la tabla siguiente se muestra el consumo en litros de gasolina en cada uno de los recorridos y el tipo de tratamiento (letra latina). N umero Veh culo 1 2 3 4 5 6 7 8 9 Media Columna Conductores 1 2 3 15,5 (A) 15,6 (B) 16,6 (C) 13,0 (B) 13,3 (A) 13,0 (C) 11,8 (B) 13,1 (C) 12,5 (A) 14,4 (A) 14,8 (C) 15,0 (B) 12,4 (B) 14,3 (A) 14,1 (C) 15,6 (C) 15,3 (A) 14,7 (B) 12,7 (C) 12,0 (B) 12,0 (A) 14,2 (C) 14,0 (B) 15,1 (A) 12,6 (A) 13,5 (C) 12,3 (B) 13,58 13,99 13,92 Media la 15,90 13,10 12,47 14,73 13,60 15,20 12,23 14,43 12,80 Media Total 13,83

A:13,89 Media de B:13,42 Tratam. C:14,18

El an alisis de los datos se realiza con el siguiente modelo yijk = + i + j + k + uijk d onde yijk representa el consumo en litros, la media global; i , i = 1, 2, ..., 9 y j , j = 1, 2, 3 los efectos correspondientes a los veh culos (las) y los conductores (columnas). La estimaci on e interpretaci on de estos par ametros es similar al modelo de bloques aleatorizados. Adem as se incluye los par ametros k , k = 1, 2, 3 que miden el efecto de los tratamientos (tipo ltimo, uijk la componente aleatoria son variables de aditivo) y cumplen 3 k =1 k = 0. Por u aleatorias independientes con distribuci on normal de media cero y varianza 2 para todas las observaciones. (a) Obtener razonadamente los estimadores m aximo veros miles de k . 13

(b) La tabla del an alisis de la varianza del modelo anterior es

Tratamiento Veh culo Conductor Residual Total

Suma de Cuadrados 2,67 40,2 0,876 2,73 46,4

Grados de Libertad 2 8 2 14 26

Varianza 1,31 5,02 0,438 0,195

F p-Valor 6,7 0,0091 25,7 0,0000 2,2 0,1428

Reducen los aditivos el consumo de gasolina? Existen diferencias signicativas entre Cyber-gas (A) y Consumin (B)? (Realizar los contrastes con nivel de signicaci on 0.05). (c) Demostrar que el dise no anterior, independientemente de los valores num ericos (yijk ) obtenidos, es un dise no ortogonal, es decir que cumple: VT = VE(Veh culos) + VE(Conductores) + VE(Tratamientos) + VNE (Nota.- Es suciente con demostrar la ortogonalidad del vector correspondiente a los tratamientos con respecto a los otros tres). 34. Un inform atico quiere comparar los tiempos de ejecuci on de tres programas realizados en lenguajes diferentes que realizan el mismo proceso. Para hacer la comparaci on utilizan 4 ordenadores con microprocesadores distintos. Los tiempos requeridos por cada programa en cada ordenador han sido: ORDENADOR 1 2 3 4 y j PROGRAMA A B C 1,36 2,23 1,54 0,97 0,70 0,76 1,79 1,74 1,84 0,64 0,69 0,74 1,19 1,34 1,22

y i 1,71 0,81 1,79 0,69 1,25

Existen diferencias signicativas en los tiempos requeridos por los 3 programas? 35. Se ha realizado un experimento con dos factores cada uno de ellos con 3 niveles. El 20% de la variabilidad total est a explicada por la interacci on de los dos factores y el 40% de la variabilidad total es debida a la variabilidad residual. Determinar el n umero de replicaciones necesarias en cada tratamiento para que la interacci on sea signicativa con = 0.01. (Explicar el procedimiento de c alculo, dejando el resultado indicado en funci on de las tablas).

14

36. Un investigador quiere estudiar el efecto de sexo (hombre, mujer) y tipo de formaci on (ciencias, letras) en el dominio del ingl es escrito en profesores universitarios. Para ello analiza el n umero de incorrecciones gramaticales en art culos cient cos enviados a publicaci on. Para cada combinaci on de niveles de los factores se han elegido al azar tres profesores. En la tabla se proporciona el n umero de fallos detectados en art culos de 15 p aginas

Hombre Mujer

Letras 8, 6, 13 5, 10, 6

Ciencias 22, 28, 33 12, 14, 9

Contrastar con nivel de signicaci on 0.05 si los efectos principales y la interacci on son signicativos. Tener en cuenta que P (F1,8 5.32) = 0.95, siendo F1,8 la distribuci on F con grados de libertad 1 y 8. Interpretar los resultados. 37. Un alumno, como trabajo de la asignatura de estad stica, ha comparado tres marcas distintas (A,B,C) de palomitas de ma z precocinadas. Cada marca puede prepararse friendolas en una sart en (m etodo 1) o en el horno microondas (m etodo 2). El alumno ha realizado un dise no factorial completo 32 con cinco replicaciones en cada uno de los seis tratamientos. La variable respuesta medida es el porcentaje de granos de ma z que no se han inado adecuadamente. Los resultados del experimento se muestran en la tabla, en cada tratamiento se proporciona la media y entre par entesis la desviaci on t pica corregida para las cinco replicaciones. Contrastar si la interacci on entre los dos factores es signicativa.

Sart en Horno

A 5.5 (1,4) 3.8 (1,3)

B 3.6 (1,8) 3.4 (0,9)

C 7.5 (2,5) 4.3 (1,3)

38. Se ha realizado un experimento con dos factores, A (temperatura con tres niveles), B (concentraci on con cuatro niveles). El experimento se ha replicado 5 veces. En la tabla se

15

muestra la media y la varianza (corregida) para los 5 datos de cada tratamiento. A 1 1 1 1 2 2 2 2 3 3 3 3 B 1 2 3 4 1 2 3 4 1 2 3 4 yi 240 261 235 257 249 270 246 267 241 262 237 260 s 2 i 1.2 1.6 1.4 2.4 1.4 5.7 5.8 1.7 4.2 9.4 1.3 6.1

Escribir la tabla de an alisis de la varianza. 39. Se desea estudiar la inuencia de 2 factores en el error de medida de un equipo de visi on articial. Un factor F es la distancia focal, para el que se han jado 4 niveles y el otro factor L es el nivel de iluminaci on con 2 niveles. Adem as se dispone de 2 equipos diferentes para realizar las medidas. Se ha tomado un patr on y se ha medido en las combinaciones indicadas en la tabla, donde yijk es el error obtenido al situar la distancia focal i, con iluminaci on j y el equipo k. F 1 L 1 Equipo 1 y111 Equipo 2 y112 2 1 y211 y212 3 1 y311 y312 4 1 y411 y412 1 2 y121 y122 2 2 y221 y222 3 2 y321 y322 4 2 y421 y422

Construir la tabla de an alisis de la varianza, que incluya los efectos principales debidos a la distancia focal (F ), la iluminaci on (L) y el equipo, y adem as la interacci on F L, suponiendo que son nulas el resto de interacciones. 40. Cierta industria de lentes para gafas desea comparar dos tipos de recubrimiento antireectante A, B. Los dos tipos tienen id entico aspecto y prestaciones, pero antes de decidirse por uno u otro desean comprobar si el tipo de recubrimiento inuye en el desgaste que sufre la lente. Para ello construyen gafas con una lente de cada tipo que distribuyen entre 10 personas seleccionadas al azar que habitualmente utilizan gafas. Al cabo de seis meses miden el desgaste y se obtienen los valores que se indican en la tabla.

16

Persona 1 2 3 4 5 6 7 8 9 10

Lente A 6.7 5.0 3.6 6.2 5.9 4.0 5.2 4.5 4.4 4.1

Lente B 6.9 5.8 4.1 7.0 7.0 4.6 5.5 5.0 4.3 4.8

Qu e tipo de recubrimiento recomendar a a los fabricantes con el criterio de m nimo desgaste?. 41. Demuestre que en un modelo en bloques aleatorizados, con I niveles para el factor y J niveles para el bloque, con modelo yij = + i+ j + uij ,el valor esperado de la variabilidad explicada por el factor es: E [V E ()] = 2 2 (I 1) 2 + J J i=1 i ,siendo la varianza del error experimental. 42. Se desea comprobar si el orden en el que aparecen las preguntas de un examen test inuye en resultado obtenido por el alumno. Se han preparado dos examenes, el Test A tiene las preguntas en orden de dicultad creciente y el Test B a la inversa. Se ha elegido una muestra aleatoria de 20 alumnos y se han emparejado seg un su habilidad, de forma que los dos alumnos de cada pareja han demostrado durante el curso una habilidad similar. De cada pareja, un alumno se ha asignado aleatoriamente al Test A y el otro al Test B. Los resultados nales del ejercicio han sido (cada pareja es una columna) Test A: Test B: 83 82 95 92 76 62 70 74 91 60 89 69 70 72 52 63 48 80 76 74

Es evidente que las puntuaciones del Test B son mas bajas que las del Test A? 43. El an alisis de la varianza de un dise no en bloques aleatorizados proporciona los si-guientes resultados: V T = 129, V E (factor) = 38, 5 y V E (bloque) = 82, 5. El n umero de niveles del factor es 4 y el n umero de bloques 4. Construir la tabla de an alisis de la varianza y hacer los contrastes correspondientes con nivel de signicaci on 0,05. 44. Se ha estudiado la inuencia de la cantidad de cierto aditivo en la opacidad de un material pl astico que se puede fabricar por tres m etodos de extrusi on. El objetivo es conseguir el tratamiento con opacidad m nima. Cada tratamiento se ha replicado 5 veces, los valores medios y las desviaciones t picas corregidas para cada caso se proporcionan en la tabla 1. La tabla 2 corresponde al an alisis de la varianza. Se ha comprobado que se verican las condiciones de normalidad y homocedasticidad. 17

M etodo 1 1 2 2 3 3

Aditivo 1 2 1 2 1 2

Medias 9.5 9.3 10.0 8.1 11.5 6.0

Desv. T p. 0.83 0.67 1.53 (TABLA 1) 0.77 0.78 1.23

Extrus. Aditivo Interac. Residual Total

Suma de cuadrad. 2.210 47.636 37.572 24.728 112.146

g.l. 2 1 2 24 29

Var. F p-valor 1.105 1.072 0.358 47.636 46.2 0.000 (TABLA 2) 18.786 18.2 0.000 1.030

(a) A la vista de los resultados de las dos tablas indica qu e m etodo de extrusi on es aconsejable para conseguir la opacidad m nima. (b) Da un intervalo del 95% de conanza para la opacidad media en las condiciones o ptimas. (c) Sea d i = y i1 y i2 la diferencia entre las medias observadas en los dos niveles del factor aditivos para el m etodo de extrusi on i. Calcula el valor esperado y la varianza de di en t erminos de los par ametros del modelo factorial. (d) Si E (di) = 0 para los tres m etodos, obt en la distribuci on de probabilidad de
2 5 d2 + d2 2 + d3 1 . 2 2

45. Se ha estudiado el efecto de tres hornos diferentes y dos temperaturas (290 o C y 320 o C) en la duraci on de cierto componente. Para cada combinaci on de horno y temperatura se ha replicado el experimento 3 veces. En la tabla siguiente se proporcionan las medias y desviaciones t picas de los datos de cada tratamiento. Temperatura o C 290 o C 320 o C Media Desv. T. Media Desv. T. Horno 1 245.6 8.50 180.0 2.65 Horno 2 191.0 15.39 144.0 2.65 Horno 3 187.0 4.58 134.3 8.62

18

Fuente Horno Temp. HxT Residual Total

Suma Cuadrado 9646.3 13667.6 274.8 837.3 24426

Grados Libertad 2 1 2 12 17

Varianza F p-valor 4823.2 69.1 0.000 13667.6 195.9 0.000 137.4 1.97 0.182 69.8

Seleccionar el horno y la temperatura que proporcionan m axima duraci on, haciendo los contrastes de igualdad de medias con nivel de signicaci on 0.01.

19

Das könnte Ihnen auch gefallen