Beruflich Dokumente
Kultur Dokumente
Metodos
de Diseno
de
Experimentos
Patricia Isabel Romero Mares
Departamento de Probabilidad y Estadstica
IIMAS UNAM
abril 2013
1 / 37
2 / 37
Introduccion
3 / 37
Introduccion
Introduccion
Na
donde N = na, y bajo la hipotesis
nula
Se tiene que SSE
2
SStrat
2
a1 , entonces, bajo H0 :
2
Fc =
SStrat /a 1 CMtrat
=
Fa1,Na
SSE/N a
CME
5 / 37
Tabla de ANOVA
F.V.
Factor A
Error
Total
g.l.
a1
N t
N 1
SS
SSA
SSE
SStot
CM
CMA
CME
Fc
CMA /CME
E(CM)
2 + n2
2
Fc > Fa1,Na
.
6 / 37
Componentes de varianza
metodo
de analisis
de varianza o de momentos, ya que usa
de la tabla de ANOVA.
la informacion
El metodo
consiste en igualar la esperanza de cuadrados
medios a sus valores observados.
CMtrat = 2 + n2
CME = 2
por lo tanto
2 = CME
CMtrat CME
2 =
n
7 / 37
Componentes de varianza
El metodo
de analisis
de varianza para estimar los
componentes de varianza es relativamente sencillo y bueno
cuando se tienen experimentos balanceados.
de maxima
verosimilitud restringida, REML (este
es el metodo
recomendado en JMP).
8 / 37
Ejemplo
Una fabrica
textil produce un tipo de tela en un numero
grande
Resistencia
98, 97, 99, 96
91, 90, 93, 92
96, 95, 97, 95
95, 96, 99, 98
ej12-1.jmp
9 / 37
Ejemplo
F.V.
Telar
Error
Total
Componente
Telar
Error
Total
g.l.
3
12
15
SS
89.19
22.75
111.94
CM
29.73
1.89
F
15.68**
Componente de varianza
estimado
6.96
1.89
8.85
E(CM)
2 + 4T2
2
% del total
78.59
21.41
100.00
telares la produccion
10 / 37
un numero
grande de niveles que son de interes.
ijk N(0, 2 )
11 / 37
es:
Por lo tanto, la varianza de cualquier observacion
2
V(yijk ) = 2 + 2 +
+2
= 0
12 / 37
E(CME) = 2
13 / 37
2
H01 :
= 0 Fc =
CMAB
CME
H02 : 2 = 0 Fc =
CMA
CMAB
H03 : 2 = 0 Fc =
CMB
CMAB
14 / 37
metodo
de analisis
de varianza, igualando los cuadrados
medios observados a sus respectivos valores esperados y
resolviendo las ecuaciones, quedando:
2 = CME
=
CMAB CME
n
2 =
CMB CMAB
an
2 =
CMA CMAB
bn
15 / 37
del funcionamiento de
(Ejemplo 7.1 Kuehl) Evaluacion
maquinas
con componentes de varianza.
las maquinas
de la lnea de produccion.
Pregunta de investigacion:
Un componente crtico del funcionamiento de un instrumento
es la consistencia de las mediciones de un da a otro entre las
maquinas.
Se quiere saber si la variabilidad de las mediciones
dentro
entre las maquinas
operadas durante varios das estan
de los estandares
aceptables para aplicaciones clnicas.
Estructura de tratamientos:
factorial con maquinas
Se construye un diseno
y das como
probadas 4 maquinas
factores. Seran
en 4 diferentes das en
un arreglo 4 4.
16 / 37
experimental:
Diseno
17 / 37
Maquina
Da
1
2
3
4
1
142.3,144.0
134.9, 146.3
148.6, 156.5
152.0, 151.4
2
148.6, 146.9
145.2, 146.3
148.6, 153.1
149.7, 152.0
3
142.9, 147.4
125.9, 127.6
135.5, 138.9
142.9, 142.3
4
133.8, 133.2
108.9, 107.5
132.1, 149.7
141.7, 141.2
Las maquinas
son un factor aleatorio porque representan una
potencial de maquinas
poblacion
El
de la interaccion
entre
arreglo factorial permite la evaluacion
maquinas
y das. La consistencia del funcionamiento de las
maquinas
se evidenca por la ausencia de interaccion.
ej7 1 kuehl.jmp
18 / 37
F.V.
Da
Maquina
Interaccion
Error
g.l.
3
3
9
16
SS
1334.46
1647.28
786.04
286.33
CM
444.82
549.09
87.34
17.90
Fc
5.09*
6.29*
4.88**
E(CM)
2 + 8 2
2 + 2dm
d
2 + 8 2
2 + 2dm
m
2
2 + 2dm
2
2 = CME = 17.90
CMdm CME
2
dm
=
= 34.72
n
CMm CMdm
m2 =
= 57.72
na
CMd CMdm
d2 =
= 44.69
nb
19 / 37
Componente
Da
Maquina
Da x Maquina
Error
Total
Estimador
44.69
57.72
34.72
17.90
155.02
% del total
28.825
37.23
22.398
11.544
100
es:
La varianza estimada de una observacion
2
y2 = 2 + d2 + m2 + dm
= 155.02
20 / 37
Interpretacion:
Cada uno de los componentes de varianza contribuye
de las mediciones.
significativamente a la variacion
en la
El componente del error 2 = 17.9 representa la variacion
de las muestra de suero en sangre.
preparacion
en el
El componente de maquinas
m2 = 57.7, es la variacion
21 / 37
explicacion
de las maquinas
a lo largo de los das.
22 / 37
F.V.
A
B
C
AB
AC
BC
ABC
Error
g.l.
a1
b1
c1
(a 1)(b 1)
(a 1)(c 1)
(b 1)(c 1)
(a 1)(b 1)(c 1)
abc(r 1)
E(CM)
2 + rc 2 + rb 2 + rbc 2
2 + rabc
ac
a
ab
2 + rc 2 + ra 2 + rac 2
2 + rabc
b
bc
ab
2 + rb 2 + ra 2 + rab 2
2 + rabc
c
ac
bc
2
2
2
+ rabc + rcab
2 + rb 2
2 + rabc
ac
2
2
2
+ rabc + rabc
2
2 + rabc
2
23 / 37
ABC :
CMABC
CME
AB :
CMAB
CMABC
AC :
CMAC
CMABC
BC :
CMBC
CMABC
24 / 37
26 / 37
hipotesis
H0 : A = 0 es hacer
M1 = CMA + CMABC
M2 = CMAB + CMAC
con gl calculados con el procedimiento de
Satterthwaite,entonces la prueba queda como:
M1
.
M2
Lo mismo se hara para los otros efectos principales (B y C).
27 / 37
Efectos anidados
28 / 37
Efectos anidados
29 / 37
Ejemplo
30 / 37
Ejemplo
para el
proveedor particular.
Esto es, el lote 1 del proveedor 1 no tiene nada que ver con el
lote 1 de los otros proveedores, es solamente una etiqueta.
31 / 37
Efectos anidados
numero
de repeticiones.
Efectos anidados
F.V.
A
B(A)
Error
Total
g.l.
a1
a(b 1)
ab(n 1)
abn 1
SSA =
SSB(A) =
1 a b 2
1 a 2
yij.
yi..
n i=1 j=1
bn i=1
b
y2ijk n y2ij.
SSTot =
CM
CMA
CMB(A)
CME
1 a 2
y2...
y
i.. abn
bn i=1
SSE =
SS
SSA
SSB(A)
SSE
SSTot
i=1 j=1
y2...
y2ijk abn
33 / 37
Efectos anidados
E(CM)
A fijo
B fijo
A fijo
B aleatorio
A aleatorio
B aleatorio
E(CMA )
2 + bnA2
2 + nB2 + bnA2
2 + nB2 + bnA2
E(CMB(A) )
2 + nB2
2 + nB2
2 + nB2
E(CME)
34 / 37
Ejemplo
1
Lote
1
1
-1
0
2
-2
-3
-4
3
-2
0
1
4
1
4
0
Proveedor
2
1 2 3
1 0 -1
-2 4 0
-3 2 -2
3
4
0
3
2
1
2
4
0
2
-2
0
2
3
1
-1
2
4
3
2
1
35 / 37
Ejemplo
F.V.
Proveedor
Lote(Proveedor)
Error
Total
g.l.
2
9
24
35
SS
15.06
69.92
63.33
148.31
CM
7.53
7.77
2.64
E(CM)
2 + 3B2 + 12A2
2 + 3B2
2
F
0.97
2.94*
Estimacion
1.7099
2.6389
4.3488
% del total
39.32
60.68
100.00
36 / 37
Ejemplo
g.l.
2
33
35
SS
15.06
133.25
148.31
CM
7.53
4.038
F
1.864
p-value
0.171
37 / 37