PRACTICA DIRIGIDA N 5

Nombre: Julio Rubn Barrios Llacuachaqui

CODIGO: 20110447D

11. En Vargas del Rio et al. (2005) se presenta un estudio para evaluar la posibilidad de utilizar
puzolana como material alternativo en la construccin. Se aplica un diseo de experimentos de
mezclas, cuyos componentes son: puzolana, cal y cemento; y como variable de respuesta se tiene
la resistencia a la compresin de la mezcla. Se decide emplear un diseo simplex reticular (3,3) con
dos replicas en todos los puntos y se agrega seis mezclas de particular inters (las ltimas seis
mezclas) en la siguiente tabla:
Puzolana

Cal

Cemento

replica 1

replica 2

0.666

0.333

43.91

47.01

0.666

0.333333

245.67

264.48

0.333

0.666

11.95

11.13

0.333

0.333

0.333

113.67

120.19

0.333

0.666

499.19

420.4

5.13

3.08

0.666

0.333

35.97

32.69

0.333

0.666

269.73

244.79

617.78

599.94

0.666

0.166

0.166

132.67

121.34

0.166

0.666

0.166

13.26

18.4

0.166

0.166

0.666

317.01

328.86

0.75

0.25

49.99

50.82

0.85

0.15

64.2

62.87

0.15

0.85

613.71

613.71

a) Represente grficamente el diseo empleado.

b) Ajuste el modelo apropiado, anote la ecuacin y seale la ecuacin y seale si es suficiente

para explicar lo que ocurre en el experimento.
El modelo q mejor se ajusta es cubico cuya ecuacin se muestra a continuacin:
Y = 20*puz-7*cal+632*cem+160*puz*cal+202*puz*cem-765*cal*cem-1436*puz*cal*cem
Los parmetros de regresin se muestran a continuacin:
Anlisis de varianza para RM (proporciones del componente)
Fuente
Regresin
Lineal
Cuadrtica
Cbico especial
Error residual
Total

GL
6
2
3
1
9
15

SC Sec.
670985
614251
54194
2539
5785
676769

SC Ajust.
670985
387133
47224
2539
5785

MC Ajust.
111831
193567
15741
2539
643

F
P
173,99 0,000
301,15 0,000
24,49 0,000
3,95 0,078

El modelo tiene un p-valor de cero, por lo que se acepta dicho modelo.

S = 25,3526
R-cuad. = 99,15%

PRESS = 26021,3
R-cuad.(pred.) = 96,16%

R-cuad.(ajustado) = 98,58%

Se observa que el modelo explica alrededor del 98% de la varianza, lo que indica que es
bastante eficiente, sin embargo no es del todo suficiente para explicar completamente los
valores de respuesta.

c) Por medio de la grfica de trazas jerarquice en orden de importancia los materiales que
tienen mayor impacto sobre la resistencia, y diga si hay alguna sinergia de relevancia o
antagonismo. Justifique sus afirmaciones.
La grafica de trazas para el modelo cubico utilizado se observa a continuacin:

En la siguiente grafica es observar que el componente que ms afecta a la resistencia al

compresin es el cemento, este seguido por la puzalona. La que menos influye es la cal.
Esto tiene sentido ya que es el cemento el ms duro de entre estos y por tanto el que
mayor resistencia da.
El grafica que sigue se observa sinergia entre la puzalona y la cal:

Es deir, cuando la mezcla tan solo contine puzalona y cal, hay un aumento en la
resistencia extra dado por la interaccion entre estos dos componentes.
En la siguiente se observa que tambin hay sinergia entre la puzalona y el cemento:

Lo contrario ocurre para la interaccin entre la cal y el cemento donde hay interaccin
antagnica, al parecer los efectos de la cal afectan a los del cemento.

Mediante las grficas se podra concluir que la interaccin ms relevante es la cemento y

cal, aunque en general esta no es muy pronunciada.
d) Bosqueje la grfica de contornos y seale en q zona se dan las respuestas mximas.
Se muestra la grfica de contornos:

Los valores mximos se dan cuando la proporcin de cemento es cerca de ser igual a la
unidad.
e) Encuentre la mezcla ptima.

Para el modelo utilizado, el mximo valor se logra cuando la mezcla es cemento puro, es
decir que el valor del cemento es 1.

17. En Bowles y Montgomery (1997) se presenta el problema de elaborar una margarita (bebida
de tequila). Disear la frmula de una margarita es un problema que corresponde al mbito de los
experimentos con mezclas, donde los ingredientes tienen restricciones, ya que una mezcla que
contenga 100% de cualquiera de los cuatro ingredientes resultara poco satisfactoria y se desea
que cada componente ste presente en cualquier formulacin. Con base en la experiencia prctica
con esta bebida se definieron las siguientes restricciones:
Margarita Mix:|
Tequila:
Triple Sec:
Jugo de lima:

0.49 X1 0.55
0.25 X2 0.31
0.08 X3 0.16
0.04 X4 0.10

Con X1 + X2 + X3 + X4 = 1. La variable de respuesta de este experimento debe ser una medida del
goce de esta bebida. Se usaron dos variables de respuesta, Y2: Los panelistas evaluaron cada
receta sobre una escala del 1 al 10, indicando que el 10 se refiere a la ms deliciosa (sabor y la
intensidad de la bebida); Y1: cada participante fue cuestionado para comparar el goce relacionado
con cada receta, construyendo una escala en la que la mejor se considerar en el lugar nmero 1,
la siguiente ocupara el nmero 2 y as sucesivamente. Se form un jurado con 15 participantes. Se
reportan los resultados promedio.
Mezcla
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

X1
49
51
55
55
55
51
55
52
52
49
55
55
55
49
49

X2
25
31
28
25
29
31
25
28
25
28
25
29
31
31
31

X3
16
8
13
10
8
8
10
16
16
13
16
8
10
13
16

X4
10
10
4
10
8
10
10
4
7
10
4
8
4
7
4

Y1
9.33
9.17
9.57
3.67
7.33
9
5.33
12.33
8.67
6.5
8
7.17
7.5
7.67
9.17

Y2
5.14
4.45
3.96
6.29
5.07
4.12
6.21
4.21
5.54
4.92
4.6
5.79
4.6
4.99
2.79

a) Ajustar el modelo apropiado y depurar el modelo para Y2.

Haciendo para un ajuste lineal tenemos los siguientes resultados para Y2:
Regresin para mezclas: Y2 vs. X1, X2, X3, X4
Coeficientes de regresin estimados para Y2 (proporciones del componente)

Trmino
X1
X2
X3
X4

Coef
13.84
-13.53
-0.58
19.88

SE Coef
2.757
4.447
4.224
5.588

S = 0.543429
R-cuad. = 72.24%

T
*
*
*
*

P
*
*
*
*

VIF
106.503
80.101
14.159
9.579

PRESS = 5.92222
R-cuad.(pred.) = 49.39%

R-cuad.(ajustado) = 64.67%

Anlisis de varianza para Y2 (proporciones del componente)

Fuente
Regresin
Lineal
Error residual
Falta de ajuste
Error puro
Total

GL
3
3
11
8
3
14

SC Sec.
8.4543
8.4543
3.2485
2.9316
0.3168
11.7028

SC Ajust.
8.4543
8.4543
3.2485
2.9316
0.3168

MC Ajust.
2.8181
2.8181
0.2953
0.3665
0.1056

F
9.54
9.54

P
0.002
0.002

3.47

0.167

Coeficientes de regresin estimados para Y2 (cantidades del componente)

Trmino
X1
X2
X3
X4

Coef
0.138442
-0.135303
-0.00575196
0.198773

Luego obtenemos un mejor ajuste para un modelo cuadrtico.

Regresin para mezclas: Y2 vs. X1, X2, X3, X4
Coeficientes de regresin estimados para Y2 (proporciones del componente)
Trmino
X1
X2
X3
X4
X1*X2
X1*X3
X1*X4
X2*X3
X2*X4
X3*X4

Coef
-39.1
5.6
-279.8
-765.1
82.4
520.5
1120.1
115.0
559.0
1241.7

SE Coef
101.0
198.1
228.7
306.0
531.1
522.0
543.8
364.6
444.4
418.7

S = 0.462055
R-cuad. = 90.88%

T
*
*
*
*
0.16
1.00
2.06
0.32
1.26
2.97

P
*
*
*
*
0.883
0.364
0.094
0.765
0.264
0.031

VIF
197932
219984
57404
39732
433937
80902
34202
11244
6562
993

PRESS = 23.8193
R-cuad.(pred.) = 0.00%

R-cuad.(ajustado) = 74.46%

Anlisis de varianza para Y2 (proporciones del componente)

Fuente
Regresin
Lineal
Cuadrtica
Error residual
Falta de ajuste
Error puro
Total

GL
9
3
6
5
2
3
14

SC Sec.
10.6353
8.4543
2.1810
1.0675
0.7506
0.3168
11.7028

SC Ajust.
10.6353
1.5246
2.1810
1.0675
0.7506
0.3168

MC Ajust.
1.1817
0.5082
0.3635
0.2135
0.3753
0.1056

F
5.54
2.38
1.70

P
0.037
0.186
0.288

3.55

0.162

Coeficientes de regresin estimados para Y2 (cantidades del componente)

Trmino
X1
X2
X3
X4
X1*X2
X1*X3
X1*X4
X2*X3
X2*X4
X3*X4

Coef
-0.391486
0.0556546
-2.79774
-7.65137
0.00824337
0.0520509
0.112009
0.0115017
0.0559007
0.124168

Para un modelo con depuracin que mejor se ajusta seria el cubico centrado.

Regresin para mezclas: Y2 vs. X1, X2, X3, X4

No se pueden estimar los siguientes trminos y se eliminaron:
X1*X3*X4
X2*X3*X4
Coeficientes de regresin estimados para Y2 (proporciones del componente)
Trmino
X1
X2
X3
X4
X1*X2
X1*X3
X1*X4
X2*X3
X2*X4
X3*X4
X1*X2*X3
X1*X2*X4

Coef
119
-1106
5247
-14029
1835
-9548
25581
-10031
53944
-344
16944
-99346

SE Coef
271.7
666.5
2837.0
5135.2
1677.7
5610.4
9344.1
7554.9
20469.2
672.5
13748.5
38030.2

S = 0.324987
R-cuad. = 97.29%

T
*
*
*
*
1.09
-1.70
2.74
-1.33
2.64
-0.51
1.23
-2.61

P
*
*
*
*
0.354
0.187
0.071
0.276
0.078
0.644
0.306
0.080

PRESS = *
R-cuad.(pred.) = *%

VIF
2891901
5031919
17854788
22621134
8753671
18890677
20416145
9759055
28138589
5178
8693374
26338522

R-cuad.(ajustado) = 87.37%

Anlisis de varianza para Y2 (proporciones del componente)

Fuente
Regresin
Lineal
Cuadrtica
Cbico especial
Error residual
Total

GL
11
3
6
2
3
14

SC Sec.
11.3859
8.4543
2.1810
0.7506
0.3168
11.7028

SC Ajust.
11.38592
1.47140
2.78538
0.75063
0.31685

MC Ajust.
1.035084
0.490465
0.464231
0.375313
0.105617

F
9.80
4.64
4.40
3.55

P
0.043
0.120
0.126
0.162

Coeficientes de regresin estimados para Y2 (cantidades del componente)

Trmino
X1
X2
X3
X4

Coef
1.18897
-11.0584
52.4713
-140.290

X1*X2
X1*X3
X1*X4
X2*X3
X2*X4
X3*X4
X1*X2*X3
X1*X2*X4

0.183495
-0.954757
2.55810
-1.00306
5.39438
-0.0344444
0.0169444
-0.0993461

Se concluye que mejor el mejor modelo sin depuracin que se ajusta seria el
cuadrtico con un R- cuadrado de 90.88% pero si queremos con depuracin seria de
cubica centrada con un R-cuadrado de 97.99%.

b) De acuerdo con el modelo ajustado Cules son los aspectos ms relevantes?

Con el modelo cubico centrado podemos ver que el factor que ms influye es X3 seguido de X1
el cual corresponde al Triple Sec y Margarita Mix respectivamente.
De acuerdo al modelo ajustado los aspectos ms importantes es el R-cuadrado que para
nuestro modelo cuadrtico seria 90.88% y para nuestro modelo cubico centrada seria de
97.99%, Otro aspecto importante es el P-valor observando q para los modelos ajustados van a
ser menor de 0.5 lo cual van a ser significativos teniendo una observacin de que para el
modelo cubico centrado aumenta el P valor en comparacin del cuadrtico pero ambos
dentro del rango pero lo que ms tendramos que decidir seria por el R cuadrado.
Tenemos una representacin
Aqu tenemos la grfica de superficie para el modelo cubico centrado:

Grfica de superficie de mezcla de Y2

(cantidad de los componentes)

Valores fijos
X4 4

40

20

X1

Y2

63.00
8.00

25.00
X2

39.00

49.00
22.00
X3

c) Cul sera la mezcla optima?

Para el modelo de cubica centrada tendramos los siguientes valores ptimos.

Optimizacin de respuesta
Parmetros
Y2

Meta
Mximo

Inferior
1

Objetivo
5

Superior
5

Ponderacin
1

Importar
1

Solucin global
Componentes
X1
X2
X3
X4

=
=
=
=

49
28
16
7

Respuestas pronosticadas
Y2

8.70281

conveniencia =

1.000000

Conveniencia compuesta = 1.000000

Se observa que se tendra un valor optimo como es este caso que es para maximizar
teniendo para margarita Mix 49, tequila 28, triple Sec 16 y jugo de lima de 7

d) Repita el anlisis anterior Ahora para Y1:

Haciendo para un ajuste lineal tenemos los siguientes resultados para Y2:
Regresin para mezclas: Y1 vs. X1, X2, X3, X4
Coeficientes de regresin estimados para Y1 (proporciones del componente)
Trmino
X1
X2
X3
X4

Coef
-6.68
32.69
28.29
-14.72

SE Coef
8.502
13.715
13.030
17.235

S = 1.67612
R-cuad. = 45.58%

T
*
*
*
*

P
*
*
*
*

VIF
106.503
80.101
14.159
9.579

PRESS = 58.4575
R-cuad.(pred.) = 0.00%

R-cuad.(ajustado) = 30.73%

Anlisis de varianza para Y1 (proporciones del componente)

Fuente
Regresin
Lineal
Error residual
Falta de ajuste
Error puro
Total

GL
3
3
11
8
3
14

SC Sec.
25.880
25.880
30.903
29.498
1.405
56.783

SC Ajust.
25.880
25.880
30.903
29.498
1.405

MC Ajust.
8.6265
8.6265
2.8094
3.6873
0.4683

F
3.07
3.07

P
0.073
0.073

7.87

0.059

Coeficientes de regresin estimados para Y1 (cantidades del componente)

Trmino
X1

Coef
-0.0667942

X2
X3
X4

0.326929
0.282901
-0.147200

Luego obtenemos un mejor ajuste para un modelo cuadrtico.

Regresin para mezclas: Y1 vs. X1, X2, X3, X4
Coeficientes de regresin estimados para Y1 (proporciones del componente)
Trmino
X1
X2
X3
X4
X1*X2
X1*X3
X1*X4
X2*X3
X2*X4
X3*X4

Coef
-561
-1177
89
126
3375
1154
1020
213
439
-1414

SE Coef
261.3
512.3
591.3
791.1
1373.2
1349.7
1405.9
942.7
1149.1
1082.6

S = 1.19468
R-cuad. = 87.43%

T
*
*
*
*
2.46
0.85
0.73
0.23
0.38
-1.31

P
*
*
*
*
0.057
0.432
0.501
0.830
0.718
0.248

VIF
197932
219984
57404
39732
433937
80902
34202
11244
6562
993

PRESS = 174.674
R-cuad.(pred.) = 0.00%

R-cuad.(ajustado) = 64.81%

Anlisis de varianza para Y1 (proporciones del componente)

Fuente
Regresin
Lineal
Cuadrtica
Error residual
Falta de ajuste
Error puro
Total

GL
9
3
6
5
2
3
14

SC Sec.
49.646
25.880
23.767
7.136
5.731
1.405
56.783

SC Ajust.
49.646
7.416
23.767
7.136
5.731
1.405

MC Ajust.
5.5163
2.4718
3.9611
1.4273
2.8656
0.4683

F
3.86
1.73
2.78

P
0.075
0.276
0.141

6.12

0.087

Coeficientes de regresin estimados para Y1 (cantidades del componente)

Trmino
X1
X2
X3
X4
X1*X2
X1*X3
X1*X4
X2*X3
X2*X4
X3*X4

Coef
-5.60693
-11.7749
0.892155
1.25783
0.337451
0.115388
0.101998
0.0212972
0.0438548
-0.141420

Para un modelo con depuracin que mejor se ajusta seria el cubico centrado.

Regresin para mezclas: Y1 vs. X1, X2, X3, X4

No se pueden estimar los siguientes trminos y se eliminaron:
X1*X3*X4
X2*X3*X4

Coeficientes de regresin estimados para Y1 (proporciones del componente)

Trmino
X1
X2
X3
X4
X1*X2
X1*X3
X1*X4
X2*X3
X2*X4
X3*X4
X1*X2*X3
X1*X2*X4

Coef
1185
3082
10728
-1089
-8436
-22668
-951
-40756
-523
-1256
77778
3825

SE Coef
572.1
1403.5
5974.2
10813.8
3533.0
11814.5
19676.9
15909.1
43104.3
1416.2
28951.7
80084.3

S = 0.684361
R-cuad. = 97.53%

T
*
*
*
*
-2.39
-1.92
-0.05
-2.56
-0.01
-0.89
2.69
0.05

P
*
*
*
*
0.097
0.151
0.964
0.083
0.991
0.441
0.075
0.965

PRESS = *
R-cuad.(pred.) = *%

VIF
2891901
5031919
17854788
22621134
8753671
18890677
20416145
9759055
28138589
5178
8693374
26338522

R-cuad.(ajustado) = 88.45%

Anlisis de varianza para Y1 (proporciones del componente)

Fuente
Regresin
Lineal
Cuadrtica
Cbico especial
Error residual
Total

GL
11
3
6
2
3
14

SC Sec.
55.3776
25.8796
23.7668
5.7313
1.4050
56.7827

SC Ajust.
55.3776
12.6416
19.6981
5.7313
1.4050

MC Ajust.
5.03433
4.21385
3.28301
2.86563
0.46835

F
10.75
9.00
7.01
6.12

P
0.038
0.052
0.069
0.087

Coeficientes de regresin estimados para Y1 (cantidades del componente)

Trmino
X1
X2
X3
X4
X1*X2
X1*X3
X1*X4
X2*X3
X2*X4
X3*X4
X1*X2*X3
X1*X2*X4

Coef
11.8460
30.8225
107.284
-10.8911
-0.843634
-2.26684
-0.0950752
-4.07556
-0.0522627
-0.125556
0.0777778
0.00382523

Se concluye que mejor el mejor modelo sin depuracin que se ajusta seria el
cuadrtico con un R- cuadrado de 87.43% pero si queremos con depuracin seria de
cubica centrada con un R-cuadrado de 97.53%.

De acuerdo con el modelo ajustado Cules son los aspectos ms relevantes?

De acuerdo al modelo ajustado los aspectos ms importantes es el R-cuadrado que para
nuestro modelo cuadrtico seria 87.43% y para nuestro modelo cubico centrada seria de
97.53%, Otro aspecto importante es el P-valor observando q para los modelos ajustados van a
ser menor de 0.5 lo cual van a ser significativos teniendo una observacin de que para el
modelo cubico centrado aumenta el P valor en comparacin del cuadrtico pero ambos
dentro del rango pero lo que ms tendramos que decidir seria por el R cuadrado.

Tenemos una representacin

Aqu tenemos la grfica de superficie para el modelo cubico centrado:

Grfica de superficie de mezcla de Y1

(cantidad de los componentes)

Valores fijos
X4 4

30

20

X1

Y1

63.00
8.00

10

25.00
X2

39.00

49.00
22.00
X3

Cul sera la mezcla optima?

Para el modelo de cubica centrada tendramos los siguientes valores ptimos.
Optimizacin de respuesta
Parmetros
Y1

Meta
Mnimo

Inferior
5

Objetivo
5

Superior
10

Ponderacin
1

Solucin global
Componentes
X1
X2
X3
X4

=
=
=
=

52.4499
25
12.5501
10

Respuestas pronosticadas
Y1

3.71651

conveniencia =

Conveniencia compuesta = 1.000000

1.000000

Importar
1

Se observa que se tendra un valor ptimo como es este caso que es para minimizar
Y1 teniendo para margarita Mix 52.4499, tequila 25, triple Sec 12.55 y jugo de
lima de 10

e) Qu combinaciones es satisfactoria para ambas variables?

Optimizacin de respuesta
Parmetros
Y1
Y2

Meta
Mnimo
Mximo

Inferior
5
1

Objetivo
5
5

Superior
10
5

Ponderacin
1
1

Importar
1
1

Solucin global
Componentes
X1
X2
X3
X4

=
=
=
=

54.6091
25
10.4187
9.97218

Respuestas pronosticadas
Y1
Y2

=
=

4.10806
5.00676

,
,

conveniencia =
conveniencia =

1.000000
1.000000

Conveniencia compuesta = 1.000000

Grafica de optimizacin
Para obtener un valor optimo para Y1 (Minimizar) y Y2 (maximizar) se tiene para
margarita Mix 52.6091, tequila 25, triple Sec 10.4187 y jugo de lima de 9.97218.

ptimo
Alto
D
Act
1.0000 Bajo

Compuesto
Conveniencia
1.0000

Y1
Mximo
y = 12.2628
d = 1.0000

[ ]:X1
55.0
[52.2308]
52.2308

[ ]:X2
31.0
[27.7692]
27.7692

[ ]:X3
16.0
[16.0]
10.8571

[ ]:X4
10.0
[4.0]
4.0