Diseño de Experimentos 2

Diseo de Experimentos.
DOE.
Maestra en Calidad .
ANOVA - Condiciones
Todas las poblaciones son normales
Todas las poblaciones tiene la misma varianza
Los errores son independientes con distribucin normal
de media cero
La varianza se mantiene constante para todos los

niveles del factor
2
ANOVA Ejemplo de datos

Niveles del Factor Peso % de algodn y Resistencia de tela
T
r
a
t
a
m
i
e
n
t
o
s
Observaciones
Peso %
algodon
15
20
25
30
35
Resistencia a la tension observada lb/pul^2

1
2
3
4
7
7
15
11
12
17
12
18
14
18
18
19
19
25
22
19
7
10
11
15
5
9
18
19
23
11
ANOVA Ejemplo de datos

Niveles del Factor Peso % de algodn y Resistencia de tela
Datos tpicos de un experimento de un solo factor.
ANOVA Suma de
cuadrados total
DESCOMPOSICION DE LA SUMA TOTAL DE CUADRADOS
Xij
Gran media
Xij
SCT
i 1
j 1
( Xij X )
ANOVA Suma de cuadrados de

renglones (a)-tratamientos
Media Trat. a
Media Trat. 1
a renglones
Gran media
Media trat. 2
SCTr b( X i X )
i 1
ANOVA Suma de cuadrados

del error
X2j
X3j
X1j
Media X1.
Media X3.
Media X2.
Muestra 1
Muestra 2
SCE
i 1
Muestra 3
(X
j 1
ij
X i)
2
7
ANOVA Suma de cuadrados

del error
X2j
X3j
X1j
Media X1.
Media X2.
Muestra 1
Muestra 2
Media X3.
Muestra 3
SCE SCT SCTr

8
ANOVA Grados de libertad: Totales,

Tratamientos, Error
gl.SCT n 1
gl.SCTr a 1
gl.SCE (n 1) (a 1) n a
n= total de pruebas
a= total de tratamientos
9
ANOVA Cuadrados medios: Total,

Tratamiento y Error
MCT SCT /(n 1)

MCTr SCTr /(a 1)
MCE SCE /(n a)
10
ANOVA Clculo del estadstico Fc y

Fexcel
Teorema de Cochran : El cuadrado medio de los
tratamientos MCTr de la
varianza y el cuadrado medio del error son
variables aleatoria ji cuadrada
Con una distribucin independiente. Por lo tanto,
si la hiptesis nula de
que no hay diferencias en las medias de los
tratamientos es verdadera
Tenemos el consiente.
MCTr
Fc
MCE
Fexcel FINV ALFA, gl .SCTr , gl .SCE
Fc> Fexcel (,a-1,N-a)

11
Tabla final de ANOVA
12
ANOVA Toma de decisin

Distribucin F
Fexcel
Alfa
Zona de rechazo
De Ho o aceptar Ha
Zona de no rechazo de Ho
O de no aceptar Ha
Fc
13
ANOVA Toma de decisin

Si Fc es mayor que Fexcel se rechaza Ho
Aceptando Ha donde las medias son diferentes
O si el valor de p correspondiente a Fc es menor de
Alfa se rechaza Ho
14
2. Diseo de Experimentos con un solo factor.

Anlisis del modelo de efectos fijos
Descomposicin de la suma total de cuadrados.
Anlisis estadstico.
Prueba formal de la hiptesis
(Efecto de las medias)
Ho: u1=u2=ua.
(Efecto de los tratamientos)
Ho: 1=2=a
MCT SCT /(n 1)

MCTr SCTr /(a 1)
MCE SCE /(n a)
SCE SCT SCTr
SSTr+ SCE = SCT

Comprobacin preliminar de la adecuacin del modelo.
El supuesto de normalidad
Los valores centrales de los residuos graficados en una
grafica de probabilidad deben tener semejanza a una
lnea recta.
Normal Probability Plot
(responses are 15%Alg., 20%Alg., 25%Alg., 30%Alg., 35%Alg.)

99
95
90
Percent
80
70
60
50
40
30
20
10
5
-7.5
-5.0
-2.5
0.0
Residual
2.5
5.0

El supuesto de independencia.
Una tendencia al tener residuales positivos y negativos
indica tener una correlacin positiva. Esto implicara que
el supuesto de independencia de los valores ha sido
violado.
Por lo que se debe trabajar con la aleatoriedad de las
corridas para evitar este problema.
Time Series Plot of RESI1, RESI2, RESI3, RESI4, RESI5
No se observa alguna violacin

al supuesto de independencia
o de una varianza constante.
Variable
RESI1
RESI2
RESI3
RESI4
RESI5
5.0
Data
2.5
0.0
-2.5
-5.0
1
3
Index

Grafico de residuales vs Valores ajustados
Al graficas los residuales vs valores ajustados no
debern presentar alguna estructura o patrn obvio.
Algunas veces se presenta una varianza no constante
que puede ser por algn desgaste de instrumento o
equipo de medicin.
Versus Fits
(responses are 15%Alg., 20%Alg., 25%Alg., 30%Alg., 35%Alg.)
No se presenta algn
patrn siendo.
5.0
Cuando se detecta una

forma de embudo de
derecha a izquierda hay
un problema.
Residual
2.5
0.0
-2.5
-5.0
10
12
14
16
Fitted Value
18
20
22

Prueba de Bartlett y de Leven.
Cuando existe duda acerca de la normalidad de los datos se
utilizan las pruebas de Bartlett o de Levens en Minitab nos
calcula esta ultima que es mas robusta que la de Bartlett.
Se prueba la hiptesis de que las varianzas son iguales en todos
los tratamientos.
P>0.05.
Prueba igualdad de varianzas
Prueba igualdad de varianzas
F-Test
Bartlett's Test
Test Statistic
P-Value
16.32
0.003
Levene's Test
Test Statistic
P-Value
1.40
0.269
Empujar
0.020
0.025
0.030
0.035
0.040
95% Bonferroni Confidence Intervals for StDevs
0.045
4
Disparar
Empujar
0.00
0.02 0.04 0.06 0.08 0.10 0.12 0.14 0.16

95% Bonferroni Confidence Intervals for StDevs
1.72
0.192
Levene's Test
Test Statistic
P-Value
Metodo
Operador
Disparar
Metodo
Test Statistic
P-Value
0.18
1.25
1.30
1.35
Distancia
1.40
1.47
0.231

Interpretacin practica de los resultados.
Los grficos de cajas, histogramas, de medias nos
pueden dar un panorama general del resultado de un
ANOVA.
Histogram of C14
Boxplot of Qumico 1, Quimico2, Quimico3, Quimico4
Normal
Mean
StDev
N
100
51.4
28.09
20
80
3
Data
Frequency
60
40
20
1
0
Qumico 1
20
40
60
C14
80
100
Quimico2
Quimico3
Quimico4

Modelo de regresin.
Otra forma de analizar un resultado de ANOVA es ver si
existe alguna relacin con un modelo de regresin esto
es que exista una relacin entre la variable y su
resultado. Este tipo de regresin pueda ser un modelo
lineal, cuadrtico o cubico.
Individual Value Plot of Operador 5, Operador 1, Operador 3, ...
1.36
Probable regresin inversa

Ocasionada por desgaste,
Cansancio a travs del tiempo.
1.34
Data
1.32
1.30
1.28
1.26
1.24
1.22
Operador 5
Operador 1
Operador 3
Operador 2
Operador 4

Seleccin del tamao de muestra.
El tamao de muestra tiene relacin con respecto a la diferencia

entre las medias de los factores, la desviacin estndar y la
potencia de la prueba.
La potencia de la prueba
Potencia=1-= P(NO ES RECHAZADA Ho I Ho es falsa)
Por lo que tiene que ver con el error tipo II o riesgo del consumidor.
Para su calculo usaremos minitab haciendo la consideracin que

una buena potencia es un valor de 0.8 y en caso extremo de las
corridas del experimento para obtenerlo ser de 0.7

Ejemplo usando minitab.

Necesitamos:
Numero de niveles
Diferencia mxima /
Medias.
Potencia prueba
Desviacin estndar

Obtenemos :
Tamao de
Muestras o
Replicas o
Corridas.
3. Prueba de Duncan y Tukey.

2.4 .2 Comparacin entre medias de tratamientos
individuales.
Existen varios tipos de mtodos para comparar las
medias de un resultado de ANOVA en las que su
principal inters son ver que factores tienen la media
diferente y si existe una agrupacin entre estos factores.
One-Way Normal ANOM for C14
Alpha = 0.05
90
80
70
65.81
Mean
60
51.4
50
40
36.99
30
20
10
Q1
Q2
Q3
C13
Q4
Que mtodo de
comparacin de
pares de
medias debe
usarse?
Criterio de decisin :
Si no se incluye el cero
Existe diferencia
significativa
Metodo
Utiliza
Ventaja
Software
Contrastes
Usa una sospecha

inicial
Sin
Manual
Scheffe
Compara todos los

contrastes
Sin
Manual
Tukey
Control sobre el
Usa el
indice de error total. error
total.
Minitab
Mnima
diferencia
significativa
LSD Fisher
Compara la
diferencia
observada entre
cada par de
promedios
Prueba
eficaz
Minitab
Dunkan
Rango mltiple
Buen
desempe
o
Manual
Coservad
ora vs
Dunkan
Manual
Newman
Keuls
Dunnet
Tratamiento control
Minitab
2.- Experimentos con un solo factor.
Existe diferencia
significativa
Tukey Eq1
LSDFisher
EQ1
TukeyEq2
LSDFisher
EQ2
Op1-Op2
No
No
No
No
Op1-Op3
Si
Si
No
No
Op1-Op4
No
No
No
No
Op1-Op5
No
No
No
No
Op2-Op3
Si
Si
No
No
Op2-Op4
No
No
No
No
Op2-Op5
No
No
No
No
Op3-Op4
No
No
No
No
Op3-Op5
No
No
No
No
Op4-Op5
No
No
No
No
Tukey
Equipo 1
Tukey 95% Simultaneous Confidence Intervals

Operador 1_2 subtracted from:
-------+---------+---------+---------+-Oprador 2
(-------*-------)
Operador 3_2
(-------*-------)
Operador 4_2
(-------*-------)
Operador 5_2
(-------*-------)
-------+---------+---------+---------+--0.060 0.000 0.060 0.120
Oprador 2 subtracted from:
-------+---------+---------+---------+-Operador 3_2
(-------*-------)
Operador 4_2
(-------*-------)
Operador 5_2
(-------*-------)
-------+---------+---------+---------+--0.060 0.000 0.060 0.120
-------+---------+---------+---------+-Operador 4_2 (-------*-------)
Operador 5_2 (-------*-------)
-------+---------+---------+---------+--0.060 0.000 0.060 0.120
-------+---------+---------+---------+-Operador 5_2
(-------*-------)
-------+---------+---------+---------+--0.060 0.000 0.060 0.120
Fisher LSD
Fisher 95% Individual Confidence Intervals

--------+---------+---------+---------+Oprador 2
(------*------)
Operador 3_2
(------*-----)
Operador 4_2
(-----*------)
Operador 5_2
(-----*------)
--------+---------+---------+---------+-0.050 0.000 0.050 0.100
Oprador 2 subtracted from:
--------+---------+---------+---------+Operador 3_2
(------*-----)
Operador 4_2
(-----*------)
Operador 5_2
(-----*------)
--------+---------+---------+---------+-0.050 0.000 0.050 0.100
--------+---------+---------+---------+Operador 4_2 (------*------)
Operador 5_2 (------*------)
--------+---------+---------+---------+-0.050 0.000 0.050 0.100
--------+---------+---------+---------+Operador 5_2
(------*------)
--------+---------+---------+---------+-0.050 0.000 0.050 0.100
Existe diferencia
significativa
Tukey
Equipo 2
---------+---------+---------+---------+
Operador 2
(------------*------------)
Operador 3
(------------*------------)
Operador 4
(------------*------------)
Operador 5
(------------*------------)
---------+---------+---------+---------+
-0.035 0.000 0.035 0.070
Operador 2 subtracted from:
---------+---------+---------+---------+
Operador 3
(-------------*------------)
Operador 4 (------------*------------)
Operador 5
(------------*------------)
---------+---------+---------+---------+
-0.035 0.000 0.035 0.070
---------+---------+---------+---------+
Operador 4 (------------*------------)
Operador 5 (------------*------------)
---------+---------+---------+---------+
-0.035 0.000 0.035 0.070
Lower Center Upper
Operador 5 -0.03595 0.01000 0.05595
---------+---------+---------+---------+
Operador 5
(------------*------------)
---------+---------+---------+---------+
-0.035 0.000 0.035 0.070
Fisher LSD
-------+---------+---------+---------+-Operador 2
(---------*----------)
Operador 3
(----------*---------)
Operador 4
(----------*----------)
Operador 5
(---------*----------)
-------+---------+---------+---------+--0.030 0.000 0.030 0.060
-------+---------+---------+---------+-Operador 3
(---------*----------)
Operador 4 (----------*---------)
Operador 5
(----------*----------)
-------+---------+---------+---------+--0.030 0.000 0.030 0.060
Lower Center Upper
Operador 4 -0.05205 -0.02000 0.01205
Operador 5 -0.04205 -0.01000 0.02205
-------+---------+---------+---------+-Operador 4 (---------*----------)
Operador 5 (----------*---------)
-------+---------+---------+---------+--0.030 0.000 0.030 0.060
Lower Center Upper
Operador 5 -0.02205 0.01000 0.04205
-------+---------+---------+---------+-Operador 5
(---------*----------)
-------+---------+---------+---------+--0.030 0.000 0.030 0.060
Existe diferencia
significativa
ANOVA Identificar las medias

diferentes por Prueba de Tukey T
T q , a , n a
CME
b
Para diseos balanceado (mismo

nmero de columnas en los
tratamientos) el valor
de q se determina por medio de
la tabla en el libro de texto
31
ANOVA Identificar las medias

diferentes por Prueba de Tukey T
Se calcula la diferencia Di entre cada par de Medias Xis:
D1 = X1 X2
D2 = X1 X3 D3 = X2 X3 etc.
Cada una de las diferencias Di se comparan con el

valor de T, si lo exceden entonces la diferencia es
Significativa de otra forma se considera que las medias
Son iguales
32

Aplicaciones de la prueba de Tukey. Utilizando
Minitab.
Las graficas son mas sencillas para identificar las medias
que son diferentes.
Operador
Operador
Operador
Operador
2
3
4
5
Operador
Operador
Operador
Operador
2
3
4
5
Lower
-0.03838
-0.00038
-0.05638
-0.04638
Center
0.01000
0.04800
-0.00800
0.00200
Upper
0.05838
0.09638
0.04038
0.05038
Operador 4
Operador 5
Operador 4
Operador 5
-------+---------+---------+---------+-(-------*-------)
(-------*-------)
(-------*-------)
(-------*-------)
-------+---------+---------+---------+--0.060
0.000
0.060
0.120
Lower
-0.10438
-0.09438
Center
-0.05600
-0.04600
Upper
-0.00762
0.00238
-------+---------+---------+---------+-(-------*-------)
(-------*-------)
-------+---------+---------+---------+--0.060
0.000
0.060
0.120
4. Diseo por bloques aleatorizados y cuadrado latino.

3.1 El diseo aleatorizado por bloques.
El factor perturbador es un factor del diseo que
probablemente tenga un efecto sobre la respuesta pero en el
que no existe un inters especifico.
Desconocido
No controlable
Aleatorizacion
Conocido
No controlable
Fuente de variacin
Conocido
Controlable
Formacin de bloques

Ejemplos de factores perturbadores .
Velocidad
Materia Prima
Tiempo
Operador
Mtodo
Por lo que hace este modelo apropiado y usual.

El diseo de bloques completo aleatorizado RCBD
Randomized Completed Block Design. Refleja el error de
los tratamientos mas el de los bloques.

ANOVA de un diseo de bloques completos aleatorizado.
Grados de libertad del error= gl Tratamientos x gl Bloques.

Cuidado se multiplican
Ejemplo Golfin 2 = 4x4=16
Gl Tratamientos = numero tratamientos -1 = (a-1) = 5-1=4
Gl Bloques = numero de bloques -1= (b-1)= 5-1=4

AHORA CON MINITAB.
Se hace arreglo de columnas y renglones como ANOVA
de dos vas es decir.
Datos de Golfito equipo-2
Operadores
Operador 1
Operador 2
Operador 3
Operador 4
Operador 5
A
1.23
1.30
1.33
1.29
1.29
B
1.28
1.29
1.29
1.29
1.28
C
1.34
1.29
1.33
1.29
1.29
D
1.29
1.28
1.30
1.28
1.28
E
1.30
1.30
1.29
1.29
1.35

Disparo_1 Operador
1.00
2.00
3.00
4.00
5.00
1.00
2.00
3.00
4.00
5.00
1.00
2.00
3.00
4.00
5.00
1.00
2.00
3.00
4.00
5.00
1.00
2.00
3.00
4.00
5.00
1.00
1.00
1.00
1.00
1.00
2.00
2.00
2.00
2.00
2.00
3.00
3.00
3.00
3.00
3.00
4.00
4.00
4.00
4.00
4.00
5.00
5.00
5.00
5.00
5.00
Distancia
1.23
1.28
1.34
1.29
1.30
1.30
1.29
1.29
1.28
1.30
1.33
1.29
1.33
1.30
1.29
1.29
1.29
1.29
1.28
1.29
1.29
1.28
1.29
1.28
1.35
Ahora tenemos :
5 disparos
5 operadores (Blocks)
25 distancias
Recuerda lo que queremos probar

es si el efecto de los bloques o
Disparos de los operadores
Debieron haber sido aleatorios.

AHORA CON MINITAB.
Stat>anova>two way

AHORA CON MINITAB.
Equipo 2 del golfito
Two-way ANOVA: Distancia versus

Operador, Disparo_1
Source
Operador
Disparo_1
Error
Total
DF
4
4
16
24
S = 0.02410
SS
0.001424
0.002504
0.009296
0.013224
MS
0.000356
0.000626
0.000581
R-Sq = 29.70%
Que interpretas del resultado???
F
0.61
1.08
P
0.660
0.400
R-Sq(adj) = 0.00%

AHORA CON MINITAB.
Equipo 1 del golfito
Two-way ANOVA: Distancia_1 versus Operador_1, Disparo
Source
Operador_1
Disparo
Error
Total
S = 0.02251
DF
4
4
16
24
SS
0.009656
0.004976
0.008104
0.022736
MS
0.0024140
0.0012440
0.0005065
R-Sq = 64.36%
Que interpretas del resultado???
F
4.77
2.46
P
0.010
0.088
R-Sq(adj) = 46.53%

3.2 El diseo de cuadrado Latino
Se utiliza para eliminar dos fuentes de variabilidad
perturbadora y tres factores.
Utiliza bloques sistmicos en dos direcciones.
P renglones
= p^2
P columnas
Por lo que es una extensin del diseo RCBD.
A,B,C,D,E Factor formulaciones

Cada letra del tercer factor por ejemplo formulaciones
ocurre una y solo una vez en cada renglon o columna.

Cada letra del tercer factor por ejemplo formulaciones
ocurre una y solo una vez en cada rengln o columna.

Tabla ANOVA del diseo de cuadro latino.

Que bonitas formulas y como se resuelve un caso.
Factor 1= Lotes de material (Batches)
Factor 2= Operadores
Factor 3= Tipo de Formulacin

Las dos fuentes de variabilidad perturbadora se aplican
las siguientes formulas para la suma de cuadrados.

El diseo de cuadrado Latino
Para el tercer factor o tratamiento a probar se utiliza.
A=y.1.= (-1+5+1+2+11)=18
B=y.2.=
C=Y.3.=
D=y.4.=
E=y.5.=

Como quedaria la tabla ANOVA ?
Fuente de
variacion
Formulaciones
Lotes MP
Operadores
Error
Total
Suma de
cuadrados
Grados de Cuadrado
libertad
medio
Fo

Minitab puede ayudar un poco.
Las dos fuentes de variabilidad perturbadora se
resuelven con ANOVA de dos vas.
Stat>anova>two way.
Para el tercer factor o tratamiento a probar no nos
salvamos del mtodo matemtico.
A resolver casos.

Ahora con golfito.
1.- Disea tu experimento de cuadro latino
2.- El tercer factor sern las pelotas 5 diferentes tipo.
3.- Elimina dos fuentes de variabilidad perturbadora
Operarios y Disparos.
4.- Evala el factor tipo de pelota si tiene influencia en la
Distancia de prueba.
5.- Exponer Resultados.

3.3 El diseo de cuadrado Grecolatino.
Se utiliza para eliminar tres fuentes de variacion externa
o variabilidad perturbadora y cuatro factores.
Renglones Columnas Letras Latinas Letras Griegas
Factores denotados por letras Griegas

.

ANOVA diseo cuadrado grecolatino.
SSt= SSrows+ SS columns + SStrat.greek + SStrat.latin + SSerror

SSserror = ??

3.3 El diseo de cuadrado Grecolatino.
Se utiliza para eliminar tres fuentes de variabilidad
perturbadora y cuatro factores.
ANOVA diseo cuadrado grecolatino.
SSt= SSrows+ SScolumns + SStrat.greek + SStrat.latin + SSerror

SS error = ??

Arreglo de datos diseo cuadrado grecolatino.
SSt= SSrows+ SScolumns + SStrat.greek + SStrat.latin + SSerror

SS error = ??

El diseo de cuadrado Grecolatino
Las tres variabilidad perturbadora se aplican las
siguientes formulas para la suma de cuadrados.

El diseo de cuadrado Grecolatino
Como quedara la tabla ANOVA ?
Fuente de
variacin
Formulaciones
Lotes MP
Operadores
Montaje de
prueba
Error
Total
Suma de
cuadrados
Grados de Cuadrado
libertad
medio
Fo

El diseo de cuadrado Grecolatino.
Fuentes de
variacin
Operadores
Disparos
Pelotas
???
Error
Total
Suma de
cuadrados
Grados de Cuadrado
libertad
medio
Fo

Solucin Cuadro Latino con Minitab.
STAT>ANOVA>GENERAL LINEAR MODEL

OPTIONS> GRAPHICS> COMPARITIONS

RESULTS> FACTORIAL PLOTS

Tarea clase .
Resolver los problemas del libro Diseo y anlisis de
Experimentos de Montgomery :
3-13
3-14
3-16
4-13
4-14
4-15
4-22

Diseño de Experimentos 2

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Diseño de Experimentos 2

Hochgeladen von

Copyright:

Verfügbare Formate

Diseo de Experimentos.

La varianza se mantiene constante para todos los

ANOVA Ejemplo de datos

Resistencia a la tension observada lb/pul^2

ANOVA Ejemplo de datos

Datos tpicos de un experimento de un solo factor.

ANOVA Suma de cuadrados de

ANOVA Suma de cuadrados

ANOVA Suma de cuadrados

SCE SCT SCTr

ANOVA Grados de libertad: Totales,

ANOVA Cuadrados medios: Total,

MCT SCT /(n 1)

ANOVA Clculo del estadstico Fc y

Fc> Fexcel (,a-1,N-a)

Tabla final de ANOVA

ANOVA Toma de decisin

ANOVA Toma de decisin

2. Diseo de Experimentos con un solo factor.

MCT SCT /(n 1)

SCE SCT SCTr

SSTr+ SCE = SCT

2. Diseo de Experimentos con un solo factor.

(responses are 15%Alg., 20%Alg., 25%Alg., 30%Alg., 35%Alg.)

2. Diseo de Experimentos con un solo factor.

No se observa alguna violacin

2. Diseo de Experimentos con un solo factor.

(responses are 15%Alg., 20%Alg., 25%Alg., 30%Alg., 35%Alg.)

Cuando se detecta una

2. Diseo de Experimentos con un solo factor.

Prueba igualdad de varianzas

Prueba igualdad de varianzas

0.02 0.04 0.06 0.08 0.10 0.12 0.14 0.16

2. Diseo de Experimentos con un solo factor.

Boxplot of Qumico 1, Quimico2, Quimico3, Quimico4

2. Diseo de Experimentos con un solo factor.

Probable regresin inversa

2. Diseo de Experimentos con un solo factor.

El tamao de muestra tiene relacin con respecto a la diferencia

Para su calculo usaremos minitab haciendo la consideracin que

2. Diseo de Experimentos con un solo factor.

2. Diseo de Experimentos con un solo factor.

2. Diseo de Experimentos con un solo factor.

3. Prueba de Duncan y Tukey.

Usa una sospecha

Compara todos los

2.- Experimentos con un solo factor.

Tukey 95% Simultaneous Confidence Intervals

Fisher 95% Individual Confidence Intervals

ANOVA Identificar las medias

Para diseos balanceado (mismo

ANOVA Identificar las medias

Cada una de las diferencias Di se comparan con el

2. Diseo de Experimentos con un solo factor.

Operador 1 subtracted from:

4. Diseo por bloques aleatorizados y cuadrado latino.

4. Diseo por bloques aleatorizados y cuadrado latino.

4. Diseo por bloques aleatorizados y cuadrado latino.

4. Diseo por bloques aleatorizados y cuadrado latino.

Grados de libertad del error= gl Tratamientos x gl Bloques.

4. Diseo por bloques aleatorizados y cuadrado latino.

4. Diseo por bloques aleatorizados y cuadrado latino.

Recuerda lo que queremos probar

4. Diseo por bloques aleatorizados y cuadrado latino.