Diseño de Experimentos Nombre:

Examen de Fin de Semestre

1. Se realizó un experimento para mejorar el rendimiento de un proceso químico. Se aplicó un diseño 24

obteniendo las siguientes observaciones:
tratamiento réplicas tratamiento réplica
(1) 90 93 d 98 95
a 74 78 ad 72 76
b 81 85 bd 87 83
ab 83 80 abd 85 86
c 77 78 cd 99 90
ac 81 80 acd 79 75
bc 88 82 bcd 87 84
abc 73 70 abcd 80 80
a) Analice si se cumplen los supuestos para análisis.
b) Estimar todos los efectos con una tabla de ANOVA y comentar las conclusiones obtenidas.
c) Obtener las gráficas de efectos principales, interacción, y cubos; y comentar las conclusiones obtenidas.
d) Qué recomendaciones con respecto a estos 4 factores haría para obtener el mayor rendimiento??

2. Se estudia el efecto de cuatro factores en el peso en libras de un producto. Los factores son los siguientes:
(A) tiempo (B) concentración, (C) presión, (D) temperatura.
-1 1
A(h) 2.5 3
B(%) 14 18
C(psi) 60 80
D(°C) 225 250
Se obtuvieron los siguientes resultados:
A B C D libras
-1 -1 -1 -1 12
1 -1 -1 -1 18
-1 1 -1 -1 13
1 1 -1 -1 16
-1 -1 1 -1 17
1 -1 1 -1 15
-1 1 1 -1 20
1 1 1 -1 15
-1 -1 -1 1 10
1 -1 -1 1 25
-1 1 -1 1 13
1 1 -1 1 24
-1 -1 1 1 19
1 -1 1 1 21
-1 1 1 1 17
1 1 1 1 23
a) Estimar todos los efectos mediante ANOVA.
b) Hacer una gráfica de probabilidad normal/Pareto e identificar los efectos potencialmente significativos.
 c) Hacer una ANOVA para los efectos significativos junto con las gráficas de efectos principales y de interacción.
d) Que recomendaciones haría si se desea maximizar el peso.
e) Que recomendaciones haría si se desea minimizar el peso.
f) Realizar una gráfica de superficie y contorno para mostrar los valores óptimos de tiempo y presión.

3. En la elaboración de envases de plástico es necesario garantizar que cierto tipo de botella en posición
vertical tiene una resistencia mínima de 50 kg de fuerza. En la actualidad se lleva a cabo una prueba en la que
mediante un equipo se aplica fuerza a la botella hasta que esta cede, y el equipo registra la resistencia que alcanzó la
botella.
Para evaluar la resistencia media de los envases se toma una muestra aleatoria de n = 20 piezas.
a) De los resultados se obtiene que X.barra = 55.2 y S = 3. Estime con una confianza de 95%, ¿cuál es la
resistencia promedio de los envases?
b) Antes del estudio se suponía que u = 52. Dada la evidencia de los datos, ¿tal supuesto es correcto?

4. Se prueban 10 partes diferentes en cada nivel de temperatura y se mide el encogimiento sufrido en unidades
de porcentaje. Los resultados son:
Temperatura baja Temperatura alta
17.2 21.4
17.5 20.9
18.6 19.8
15.9 20.4
16.4 20.6
17.3 21.0
16.8 20.8
18.4 19.9
16.7 21.1
17.6 20.3
a) ¿La temperatura tiene algún efecto en el encogimiento? Plantee las hipótesis estadísticas correspondientes.

El rechazo de la hipótesis nula, la cual indica la igualdad de medias, permite afirmar que la temperatura si tiene un
efecto estadísticamente notorio en el encogimiento de las partes medidas.
𝐻𝑜 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 < 𝜇2

b) Dé un intervalo de confianza para la diferencia de medias.

Pruebe la hipótesis con 𝛼 = 0.05
Estadísticas descriptivas
Error
estándar
de la IC de 95% para
Muestra N Media Desv.Est. media μ
T baja 10 17.240 0.842 0.266 (16.638, 17.842)
T alta 10 20.620 0.520 0.165 (20.248, 20.992)
μ: media de T baja, T alta
Se rechaza 𝐻𝑜 en favor de 𝐻1 . Se concluye que el encogimiento medio de la temperatura alta es mayor que el
encogimiento medio de la temperatura baja.

c) ¿Cuál temperatura provoca un encogimiento menor?

 La temperatura baja da un menos encogimiento porque su media es de 17.240 comparada con la temperatura
alta con un valor de media 20.620, aunque la alta menos intervalo de confianza y la temperatura baja un mayor
intervalo.
d) Compare las varianzas de los dos tratamientos. Para ello plantee y pruebe las hipótesis pertinentes.
Prueba e IC para dos varianzas: T baja_1, T alta_1
Método
σ₁: desviación estándar de T baja_1
σ₂: desviación estándar de T alta_1
Relación: σ₁/σ₂
Los métodos de Bonett y Levene son válidos para cualquier distribución continua.
Estadísticas descriptivas
IC de 95%
Variable N Desv.Est. Varianza para σ
T baja_1 10 0.842 0.709 (0.561, 1.573)
T alta_1 10 0.520 0.271 (0.356, 0.946)
Relación de desviaciones estándar
IC de 95% IC de 95%
para la para la
relación relación
Relación usando usando
estimada Bonett Levene
1.61885 (0.780, 3.225) (0.670, 3.161)
Prueba
Hipótesis nula H₀: σ₁ / σ₂ = 1
Hipótesis alterna H₁: σ₁ / σ₂ ≠ 1
Nivel de significancia α = 0.05
Estadística
Método de prueba GL1 GL2 Valor p
Bonett 2.04 1 0.153
Levene 1.44 1 18 0.246
Prueba e IC para dos varianzas: T baja_1, T alta_1

𝐻𝑜 : 𝜎12 = 𝜎22
𝐻1 : 𝜎12 ≠ 𝜎22

Se acepta 𝐻𝑜 con un nivel de confianza de 95% Se concluye que las varianzas no son iguales.

e) Dibuje los diagramas de cajas simultáneos e interprete.

Hipotesis para dos medias
 En el siguiente grafica boxplot de la temperatura baja tiene una media con un valor de 17.24 y la temperatura alta
con un valor de media de 20.62 las medias van a ser diferentes en un 16.39%.
Hipótesis para dos varianzas

En la siguiente grafica boxplot de temperatura baja y temperatura alta las varianzas no son iguales y el cada nivel
de temperatura el encogimiento va ser diferente.

5. Una compañía farmacéutica desea evaluar el efecto que tiene la cantidad de almidón en la dureza de las ta-
bletas. Se decidió producir lotes con una cantidad determinada de almidón, y que las cantidades de almidón a aprobar
fueran 2, 5 y 10%. La variable de respuesta sería el promedio de la dureza de 20 tabletas de cada lote. Se hicieron
cuatro réplicas por tratamiento y se obtuvieron los siguientes resultados:
% de almidón Dureza

2 4.3 5.2 4.8 4.5

5 6.5 7.3 6.9 6.1
10 9.0 7.8 8.5 8.1
a) ¿Hay evidencia suficiente de que el almidón influye en la dureza en las tabletas? Halle el ANOVA.
Modelo lineal general: Dureza vs. % Almidon, Replicas
Método
 Codificación de factores (-1, 0, +1)
Información del factor
Factor Tipo Niveles Valores
% Almidon Fijo 3 2, 5, 10
Replicas Fijo 4 1, 2, 3, 4
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
% Almidon 2 26.7267 13.3633 52.29 0.000
Replicas 3 0.5367 0.1789 0.70 0.586
Error 6 1.5333 0.2556
Total 11 28.7967
Resumen del modelo
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
0.505525 94.68% 90.24% 78.70%
Con un valor de P=0<0.05, por lo tanto se rechaza la hipótesis nula entonces para cada tratamiento por porcentaje
de almidón si influye en la dureza de las tabletas.
b) Realice los análisis complementarios necesarios.

Como se puede observar en la siguiente figura de diagrama de cajas no existe traslape entre una y otra, se visualiza
que el almidón influye considerablemente en la dureza de las tabletas, con un 10% de algodón se obtiene mayor
dureza.

c) Si se desea maximizar la dureza de las tabletas, ¿qué recomendaría al fabricante?

Si el objetivo es maximizar la dureza en las tabletas se recomienda ampliamente

aumentar el porcentaje de almidón en el proceso de fabricación de las tabletas.
 d) Verifique los supuestos.

 Normalidad
 Varianza
 Independencia
En la gráfica de probabilidad normal, los residuos tienden ajustarse a la línea recta, se deduce que las observaciones
proceden de poblaciones normales, es decir se cumple el supuesto de normalidad.
Las otras graficas no presentan patrones anormales tales como forma de embudo o corneta por lo tanto las muestras
son aleatorias e independientes. Se cumple el supuesto de que los tratamientos tienen igual varianza e independencia.

6. Se comprueba el peso en gramos de un material de tres proveedores: A, B y C, por tres diferentes

inspectores: I, II y III, utilizando tres diferentes escalas: 1, 2 y 3. El experimento se lleva a cabo como el siguiente
cuadro latino:
Escala

Inspector 1 2 3
I A = 16 B = 10 C = 11
II B = 15 C =9 A = 14
III C = 13 A = 11 B = 13
a) ¿Hay diferencias entre los proveedores?

Modelo lineal general: Pgramos vs. Inspector, Escala, Provedores

Método
Codificación de factores (-1, 0, +1)

Información del factor

Factor Tipo Niveles Valores
Inspector Fijo 3 I, II, III
Escala Fijo 3 1, 2, 3
Provedores Fijo 3 A, B, C

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Inspector 2 0.2222 0.1111 1.00 0.500
Escala 2 32.8889 16.4444 148.00 0.007
Provedores 2 10.8889 5.4444 49.00 0.020
Error 2 0.2222 0.1111
Total 8 44.2222

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
0.333333 99.50% 97.99% 89.82%
De Acuerdo a la tabla de ANOVA el valor de P para proveedores es de 0.020 (P=0.020<0.05), es decir se rechaza la
hipótesis nula y se dice que existe diferencia significativa entre los proveedores.
b) ¿Hay diferencias entre los inspectores y entre las escalas?
 Inspectores
De Acuerdo a la tabla de ANOVA el valor de P para inspectores es de 0.5 (P=0.5>0.05), es decir no se rechaza la
hipótesis nula y se dice que no existe diferencia significativa entre los inspectores.
 Escalas
De Acuerdo a la tabla de ANOVA el valor de P para escalas es de 0.007 (P=0.007<0.05), es decir se rechaza la
hipótesis nula y se dice que existe diferencia significativa entre las escalas.
c) Si el peso debe ser 15 g, ¿cuál proveedor es mejor?

d) Si algún factor de bloque es no significativo, elimínelo y haga el análisis adecuado.