Unidad 4 Diseo experimental para un factor

INSTITUTO TECNOLOGICO DE PIEDRAS NEGRAS

EQUIPO: -VIRGINIA GUADALUPE LOPEZ MIRANDA -VANESA AGUILAR CERVANTES

ESTADISTICA ADMINISTRATIVA ll Carrera: Contado pblico

Semestre: 3er semestre

Actividad: consulta y ejercicios de unidad 5

Fecha de entrega: 16 de Diciembre del 2012

Pgina 1 de 12

Unidad 4 Diseo experimental para un factor

4.1 INTRODUCCION, CONCEPTUALIZACION, IMPORTANCIA Y ALCANCE DEL DISEO EXPERIMENTAL EN EL AMBITO EMPRESARIAL. INTRODUCCION El diseo de experimentos con un factor constituye la versin ms sencilla del problema general de diseo de experimentos. Suele plantearse de la siguiente manera: se requiere analizar una caracterstica cualitativa X( que suele llamarse variable respuesta), sometida a m niveles de un nico factor. Fundamentalmente, el inters de estudiarlo radica en si el factor tiene una influencia significativa sobre la variable respuesta. Para esto, se obtendr, para cada uno de los niveles una muestra aleatoria de valores X. Estas observaciones Xij son observaciones independientes con distribucin N(+xij ). CONCEPTUALIZACION El diseo de experimentos ah sido creado por matemticos y estadsticos, por lo que posee su propio lenguaje, el cual es necesario conocer para su mejor comprensin y utilizacin, a continuacin se describen los trminos ms importantes: Factor.- Una de las variables dependientes que son estudiadas en el experimento. Esta puede ser cualitativa o cuantitativa. Nivel.- Valores que puede tener el factor a estudiar. Combinacin.- Es la asignacin de un solo nivel a un factor, o de varios niveles a todos los factores en una corrida experimental. Variable de respuesta.- Es el resultado de una corrida experimental. Variable a estudiar. Efecto.- Es el cambio en la variable de respuesta por el cambio del nivel de un factor. Interaccin.- Cuando uno o ms factores trabajan juntos para producir un efecto diferente que los efectos producidos por aquellos factores de manera individual. Corrida experimental.- Implementacin de cada una de las combinaciones. Bloque.- Agrupacin planeada de factores o combinaciones. Es realizada de manera a minimizar la variacin no incluida en el diseo, ejemplo puede ser el turno de dia de la semana. Replicacin.- Repeticin de la corrida experimental. ALCANCE DEL DISEO EXPERIMENTAL Para ms de dos factores, 2k el experimento factorial se puede disear recurrentemente de 2k-1 experimento factorial replegando los 2k-1 el experimento, asignando el primer repliega al primer (o punto bajo) llano del nuevo factor, y el segundo repliega al segundo (o colmo) llano. Este marco se puede generalizar a, e.g., diseando tres rplicas para los factores de tres niveles, etc. Un experimento factorial permite la valoracin de error experimental de dos maneras. El experimento puede ser replegado, o principio de los sparsity-de-efectos la poder se explote a menudo. La rplica es ms comn para los experimentos pequeos y es una manera muy confiable de determinar error experimental. Cuando el nmero de factores es grande (tpicamente ms que cerca de 5 factores, pero ste vara por el uso), rplica del diseo pueden llegar a ser operacionalmente difciles. En estos casos, es comn funcionar solamente un solo repliega del diseo, y asumir que las interacciones del factor ms que cierta orden (opinin, entre tres o ms factores) son insignificantes. Bajo esta asuncin, las estimaciones de tales interacciones de la alta orden son estimaciones de un cero exacto, as realmente una estimacin del error experimental.

Pgina 2 de 12

Unidad 4 Diseo experimental para un factor

Cuando hay muchos factores, muchos funcionamientos experimentales sern necesarios, incluso sin la rplica. Como con cualquier experimento estadstico, los funcionamientos experimentales en un experimento factorial se deben seleccionar al azar para reducir el impacto eso diagonal poda tener en los resultados experimentales. En la prctica, esto puede ser un desafo operacional grande. Los experimentos factoriales pueden ser utilizados cuando hay ms de dos niveles de cada factor. Sin embargo, el nmero de los funcionamientos experimentales requeridos para (o ms) los diseos factoriales de tres niveles ser considerablemente mayor que para sus contrapartes de dos niveles. Los diseos factoriales son por lo tanto menos atractivos si un investigador desea considerar ms de dos niveles. 4.2 CLASIFICACION DE LOS DISEOS EXPERIMENTALES Los diseos experimentales se clasifican en diseos experimentales clsicos y diseos de caso nico. Los diseos experimentales clsicos se clasifican en funcin de varios criterios: 1. En funcin del nmero de variables independientes que se manipulan: Diseos simples, en los que se manipula una sola variable independiente. Diseos factoriales, en los que se manipulan dos o ms variables independientes. 2. En funcin del nmero de variables dependientes que se registren: Diseos univariables, en los que registra una sola variable dependiente. Diseos multivariables, en los que se registra ms de una variable dependiente. 3. En funcin del nmero de observaciones por sujeto y condicin experimental: Diseo transversal (tambin denominado diseo crosssectional o esttico) en el que disponemos de una sola medida u observacin por sujeto y condicin. Diseo longitudinal, en el que disponemos de ms de una medida u observacin. 4.En funcin de su capacidad para controlar las variables extraas y reducir la variancia de error. Diseo de grupos al azar: la asignacin de los sujetos a los grupos experimentales se realiza al azar. Diseo de grupos homogneos: los grupos experimentales no se forman por aleatorizacin pura sino introduciendo ciertas restricciones de manera que los grupos sean homogneos respecto de cierta caracterstica de inters. Diseo de medidas repetidas: es aqul en el que el investigador registra dos o ms medidas de la variable dependiente para cada sujeto o unidad experimental. Cada una de estas medidas se tomar bajo la accin de cada una de las condiciones de tratamiento. 4.3 NOMENCLATURA Y SIMBOLOGIA DE DISEO EXPERIMENTAL En los diseos experimentales se presenta la nomenclatura que se utilizara para representar de una manera clara y visual la estructura de los diseos: O: Indica la medida de la variable independiente antes (O1) o despus (O2) del tratamiento. El subndice expresa la posicin de la medida en el diseo. X: Indica el tratamiento o variable independiente. Esta lnea discontinua sirve para indicar que los sujetos no han sido elegidos ni asignados al azar a los grupos experimentales y de control. R: Esta letra expresa que los sujetos han sido elegidos al azar de la poblacin y asignados, tambin, al azar a los grupos experimentales y de control.

Pgina 3 de 12

Unidad 4 Diseo experimental para un factor

4.5 IMPORTANCIA DEL DISEO ALEATORIZADO Es el orden en que se ejecutan las condiciones experimentales en el experimento. Bajo la aleatoriedad todos los tratamientos tiene la misma oportunidad de ser seleccionados. Es usada con el propsito de cancelar efectos de variables que no se estn controlando (como efectos del ambiente en el que se realiza el experimentohumedad). La aleatoriedad cancela el efecto de factores que quiz no conocemos que estn all, incluso estos pueden estar cambiando sus niveles a medida que corremos el experimento. Cuando se conoce la fuente de variabilidad y se puede controlar, se usa una tcnica llamada bloqueo. La aleatorizacin hace vlida esta suposicin. Control local. Cantidad de balanceo, bloqueo y agrupamiento de las unidades experimentales que se emplean en el diseo estadstico adaptado. Agrupamiento. Colocacin de un conjunto de unidades experimentales homogneas en grupos, de modo que los diferentes grupos puedan sujetarse a distintos tratamientos. 4.6 SUPUESTOS ESTADISTICOS EN LAS PRUEBAS EXPERIMENTALES

La hiptesis de investigacin establece un conjunto de circunstancias y sus consecuencias. Los tratamientos son una creacin de las circunstancias para el experimento. As, es importante identificar los tratamientos con el papel que cada uno tiene en la evaluacin de la hiptesis de investigacin. Si no se logra delinear con claridad esta hiptesis y el objetivo del estudio, puede haber dificultades en la seleccin de los tratamientos y experimentos sin xito. Relacin entre los tratamientos y las hiptesis. Cuando se eligen los tratamientos adecuados en respuesta a una hiptesis de investigacin, es posible comprender mejor los mecanismos fundamentales, ya sean fsicos, qumicos biolgicos o sociales. En algunos casos, el objetivo puede ser "escoger al ganador" para encontrar un tratamiento que proporcione la respuesta deseada; en otros casos, el experimento se usa para aclarar los mecanismos bsicos asociados con los tratamientos, en trminos de su influencia sobre las variables de respuesta medidas. En este ltimo caso, una hiptesis slida motiva la seleccin de los tratamientos. 4.7 PRUEBA DE DUNCAN. Es un procedimiento utilizado para realizar la comparacin de rangos mltiples de medias. Este procedimiento se basa en la nocin general de un rango studentizado (recordar distribucin tstudent). El rango de cualquier subconjunto de p medias muestrales debe exceder cierto valor antes de que se encuentre que cualquiera de la p medias es diferentes. Este valor se llama rango de menor significancia para las p medias y se denota con Rp donde

Pgina 4 de 12

Unidad 4 Diseo experimental para un factor

R p rp

s2 n

donde: 1. rp son los rangos studentizado de menor significancia y depende del nivel de significancia y den nmero de grados de libertad. 2. s2 es el cuadrado medio del error y se toma de la tabla de anlisis de varianza 3. n es el nmero de elementos para un tratamiento especifico. 4. p representa el tamao del conjunto de medias. 5. y Rp puede entenderse como la diferencia mnima que debe existir entre la media mas grande y la ms pequea de un conjunto de tamao p. Los pasos que debemos seguir para aplicar la prueba de Duncan son: 1. 2. 3. 4. 5. 6. Calcular el valor de cada una de las medias correspondientes a cada tratamiento y ordenarlas de mayor a menor, ya ordenadas las renumeraremos de 1 a p. Note que inicialmente p es igual al nmero de tratamientos k. Determinar de una tabla los valores rp para un valor de significancia a. Calcular los Rp de acuerdo con la expresin anterior y tomar de la tabla de anlisis de varianza el valor s2 = SSE/(k*(n-1)) Probar por rangos que vayan de la media 1 a la p Si la hiptesis se cumple, es decir si Rp < mi+p mi, terminamos Hacemos rangos ms pequeos p = p-1 y regresamos al paso 4 mientras p > 1.

Ejemplo Consideremos un ejemplo hipottico donde tenemos los siguientes valores para las medias de 6 tratamientos. Paso 1. media y n Paso 2. Los valores de rp los obtenemos de tablas. p rp Paso 3. Calculamos los Rp para nuestro ejemplo, tomando el valor de s2 = 2.45 del anlisis de varianza R2p = rp*[s2/n]1/2 R22 = r2*[s2/n]1/2 = 2.919*[2.45/5]1/2 = 2.043 R23 = r3*[s2/n]1/2 = 3.066*[2.45/5]1/2 = 2.146 2 2.919 3 3.066 4 3.160 5 3.226 6 3.276 m2 14.5 5 m5 16.75 5 m1 19.84 5 m3 21.12 5 m6 22.90 5 m4 23.20 5

Pgina 5 de 12

Unidad 4 Diseo experimental para un factor

R24 = r4*[s2/n]1/2 = 3.160*[2.45/5]1/2 = 2.212 R25 = r5*[s2/n]1/2 = 3.226*[2.45/5]1/2 = 2.258 R26 = r6*[s2/n]1/2 = 3.276*[2.45/5]1/2 = 2.293 En resumen p rp Rp Paso 4. Comenzamos con p=6, por lo tanto R6 = 2.293 y probamos m4 m2 = 23.20 - 14.5 = 8.7 Paso 5. m4 m2 es mayor que 2.293, por lo tanto el rango no es 6. Paso 6. p = 5. Paso 4.1 m4 m5 = 23.20 16.75 = 6.45 m6 m2 = 22.90 14.50 = 8.4 Paso 5.1 m4 m5 es mayor que R5 = 2.296, y m6 m2 es mayor que R5 = 2.296, por lo tanto el rango no es 5. Paso 6.1 p = 4. Paso 4.2 m4 m1 = 23.20 19.84 = 3.36 m6 m5 = 22.90 16.75 = 6.15 m3 m2 = 21.12 14.50 = 6.62 Paso 5.2 m4 m1 es mayor que R4 = 2.212, m6 m5 es mayor que R4 = 2.212, m3 m2 es mayor que R4 = 2.212, y por lo tanto el rango no es 4. 2 2.919 2.043 3 3.066 2.146 4 3.160 2.212 5 3.226 2.258 6 3.276 2.293

Pgina 6 de 12

Unidad 4 Diseo experimental para un factor

Paso 6.2 p = 3. Paso 4.3 m4 m3 = 23.20 21.12 = 2.08 m6 m1 = 22.90 19.84 = 3.50 m3 m5 = 21.12 16.75 = 4.37 m1 m2 = 19.84 14.50 = 5.84 Paso 5.3 m4 m3 es menor que R3 = 2.146, por tanto hay un rango 3 dado por [m4, m6, m3]. Para el resto m6 m1 es mayor que R3 = 2.146, m3 m5 es mayor que R3 = 2.146, m1 m2 es mayor que R3 = 2.146 y por lo tanto el rango no es 3. Paso 6.3 p = 2. Paso 4.4 Como ya determinamos el conjunto [m4, m6, m3], trabajamos con el resto de las medias as m3 m1 = 21.12 - 19.84 = 2.08 m1 m5 = 19.84 - 16.75 = 3.09 m5 m2 = 16.75 - 14.50 = 2.25 Paso 5.4 m3 m1 es menor que R2 = 2.043, por tanto hay un rango 2 dado por [m3 m1 ]. Para las dems m1 m5 es mayor que R2 = 2.043, m5 m2 es mayor que R2 = 2.043 por lo tanto el rango no es 2. Paso 6.3 p = 1. Terminamos. Finalmente los rangos quedan m = {[m4, m6, m3, m1], [m5], [m2]}

Pgina 7 de 12

Unidad 4 Diseo experimental para un factor

4.8 APLICACIONES El diseo de experimentos tiene una gran variedad de aplicaciones y puede ser aplicado a un gran numero de industrias, la optimizacion de recursos,la identificacin de causas de variabilidad son algunos de los objetivos del diseo de experimentos aplicados en nivel industrial. necesito experimentos de un solo factor. Aplicaciones segn la clasificacin de la industria A continuacion se muestran algunos ejemplos de aplicaciones existentes segn el tipo de industria. Industrias pesadas o de base Qumica pesada Estudio de la composicin para la elaboracin de productos: Estudio de los valores mas apropiados para la elaboracin de compuestos qumicos que requieran diversos componentes. Anlisis del efecto de las condiciones del entorno en la elaboracin del producto como la temperatura ambiente,humedad relativa etc. 2 Industrias de bienes de equipo Maquinaria Medida de la variabilidad de los instrumentos de medida: Es posible aplicar el diseo de experimentos como herramienta para determinar y mejorar los indices de capacidad de un proceso concreto apoyandose en estudios de reproducibilidad y repetitividad.3 Diseo de motores elctricos: Estudio de las caractersticas constructivas del motor y su influencia en variables importantes como la perdida de flujo y la constante de velocidad.4 Diseo de electrodos: Estudio de los esfuerzos en los electrodos en funcion de la fuerza de aplicacion y el tamao del electrodo.5 Diseo de elementos de sujecin: Analisis de la influencia de los parametros geometricos en la resistencia de los remaches.6 Materiales de construccin Estudios de corrosin: Estudios de la influencia del tiempo en la corrosin de aceros de construccin y metales en general. Aplicaciones en el mecanizado: estudio de la variabilidad en los procesos de mecanizado,ayuda a la reduccion de piezas defectuosas y aumento de la capacidad de produccion.7 Produccion de vehculos industriales Estudio de procesos de soldadura: estudio de un proceso de soldadura, para determinar las variables que influyen en la resistencia de la soldadura.8 Industria aeronutica Optimizacion del proceso de anodizado y pintado: optimizar los procesos de anodizado y pintado para conseguir una buena proteccion anticorrosion.9 Industrias ligeras o de uso y consumo

Pgina 8 de 12

Unidad 4 Diseo experimental para un factor

Farmacia y qumica ligera Informtica y telecomunicaciones Estudio del rendimiento de una red informatica: Realizando simulaciones es posible cuantificar el rendimiento y las variables criticas que hacen que la transferencia de datos en la red sea econmicamente rentable.10 Mejora del rendimiento de un procesador: Se usa para determinar el impacto que tienen variables importantes como la temperatura y las horas de uso en el rendimiento del procesador. Reduccin del tiempo del CPU: El estudio se basa en la aplicacion del diseo de experimentos para determinar la mejor combinacion de factores que reduzcan el tiempo de CPU. Optimizacion de materiales en semiconductores: Estudio de las propiedades electricas del arsienuro de galio dopado con silano.11 Diseo de filtros pasivos: se utiliza el diseo de experimentos para determinar los valores de las tolerancias de los componentes para optimizar los circuitos. 12 Biotecnologa Operaciones en un sistema de fangos activos: optimizar y entender las reacciones que se dan en el tratamiento secundario de una EDAR, por ejemplo, los fangos activos.13 Un ejemplo Un ingeniero quiere estudiar la resistencia de una pieza plstica sometida a temperaturas cambiantes. La pieza puede ser elaborada con tres tipos de plstico distintos. De ah que se plantee las siguientes preguntas: Qu efecto tienen la composicin de la pieza y la temperatura en la resistencia de la pieza? Existe algn material con el que la pieza resulte ms resistente que con cualquiera de los otros dos independientemente de la temperatura?

Para darles respuesta, el ingeniero se plantea realizar una batera de experimentos. Cada uno de ellos consiste en tomar una pieza de un material dado, someterla a una temperatura prefijada y aplicarle una presin hasta que la pieza se quiebre. El grado de presin necesario ser la medida de resistencia de la pieza. Por fijar ideas, selecciona tres temperaturas, -20 C, 20 C y 60 C. Por lo tanto, puede realizar 9, es decir, 3x3, pruebas distintas. Adems, decide repetir cada una de las 9 pruebas 4 veces cada una. Finalmente, decide aleatorizar las pruebas, es decir, desordenarlas aleatoriamente en el tiempo. Tras realizar los experimentos, obtiene 36, es decir, 4x9, medidas de resistencia distintas. A partir de ese momento, realiza un estudio cuantitativo utilizando tcnicas estadsticas, como la ANOVA, que ya no forman parte propiamente de la fase del diseo experimental. Ejemplo numrico Una empresa manufacturera desea saber que factores son mas importantes en el proceso de mecanizado, para obtener el mejor acabado superficial en uno de sus productos. Para realizar el experimento se han identificado 3 parametros que se consideran de importancia, la velocidad de giro de la mquina, el avance y el radio de la herramienta. Se ha decido realizar un experimento a dos niveles (alto y bajo),con 3 factores.

Pgina 9 de 12

Unidad 4 Diseo experimental para un factor

Los datos tomados son los siguientes. Corrida 1 2 3 4 5 6 7 8 Velocidad de giro (RPM) 588 588 588 588 1182 1182 1182 1182 Avance (mm/rev) 0,004 0,004 0,008 0,008 0,004 0,004 0,008 0,008 Radio de la herramienta ( pulgadas)o 1/64 1/32 1/64 1/32 1/64 1/32 1/64 1/32 Acabado superficial 50,50,55,50 145,150,100,110 160,160,160,155 180,190,195,200 60,60,60,55 25,35,35,30 160,160,160,160 80,70,70,80

Para el analisis del experimento se toma la siguiente notacion Factor A: Velocidad de giro (RPM) Factor B: Avance (mm/rev) Factor C: Radio de la herramienta ( pulgadas) Respuesta: Acabado superficial

Primero es necesario definir la matriz que tome tanto los efectos principales, como las interacciones entre ellas. segun muchos autores, se suele despreciar las interacciones de tercer orden o superiores ya que no influyen de manera significativa. 14 La matriz para nuestro caso, queda como sigue. Combinaciones de Tratamientos 1 a b ab c ac bc abc A -1 1 -1 1 -1 1 -1 1 B -1 -1 1 1 -1 -1 1 1 C -1 -1 -1 -1 1 1 1 1 AB 1 -1 -1 1 1 -1 -1 1 AC 1 -1 1 -1 -1 1 -1 1 BC 1 1 -1 -1 -1 -1 1 1 ABC -1 1 1 -1 1 -1 -1 1 RESPUESTA 145,150,100,110 25,35,35,30 180,200,190,195 70,70,80,80 50,50,50,55 55,60,60,60 155,160,160,160 160,160,160,160

Con esta matriz se pasa a realizar el analisis de la influencia de cada componente sobre la respuesta utilizando el analisis de la varianza (ANOVA). La tabla ANOVA inicial queda como sigue: Fuentes de Variacion A B C AB BC AC ABC ERROR TOTAL Contraste -810 1270 20 -110 400 880 60 Suma de Cuadrados 20503,125 50403,125 12,5 378,125 5000 24200 112,5 2312,5 102921,875 grados de libertad 1 1 1 1 1 1 1 24 31 Cuadrado Medio 20503,125 50403,125 12,5 378,125 5000 24200 112,5 96,3541667 3320,06048 Fo 212,789189 523,102703 0,1297 3,92432 51,89189 251,1567 1,1675 34,02659 Ft 4,2596 4,2596 4,2596 4,2596 4,2596 4,2596 4,2596

Pgina 10 de 12

Unidad 4 Diseo experimental para un factor

Se puede apreciar en la tabla inicial que las interacciones ABC,no afectan significativamente a la respuesta, pues su Fo es menor a Ft. Asi pues elminamos la interaccion ABC (antes se haba mencionado que estos efectos son despreciables de manera directa por varios autores), y pasamos a recalcular la tabla ANOVA,y elminamos aquellos elementos cuyas Fo sean menor a Ft. Es necesario recordar que no es posible elminar los efectos principales si existen interacciones dobles donde estas se encuentren, es decir no es posible eliminar A, sin antes haber elminado AC y AB. la tabla final de la ANOVA es la siguiente. Fuentes de Variacion A B C BC AC ERROR TOTAL Contraste -810 1270 20 400 880 Suma de Cuadrados 20503,125 50403,125 12,5 5000 24200 2803,,125 102921,875 grados de libertad 1 1 1 1 1 26 31 Cuadrado Medio 20503,125 50403,125 12,5 5000 24200 107,8125 3320,06048 Fo 212,789189 523,102703 0,1297 51,89189 251,1567 38,0730051 Ft 4,2252 4,2252 4,2252 4,2252 4,2252

Como se puede apreciar en la tabla, no es posible eliminar el efecto principal C aun si su Fo es menor a su Ft, ya que existen las interacciones BC y AC las cuales son significativas. La tabla ANOVA nos muestra que la influencia de los efectos principales A,B,C y los interacciones dobles AC y BC tienen una importancia no despreciable en la respuesta. Para cuantificar que tanto influye cada elemento, pasamos a calcular su efecto y los coeficientes de la ecuacion que predecira la respuesta en funcion de los elementos que hemos cosiderado como importantes. Fuentes de Variacion A B C BC AC Efecto 5125,7815 12600,7813 3,125 !250 6050 Coeficiente Interseccion de la recta 2562,89063 106,5625 6300,39063 1,5625 625 3025

El diagrama de Pareto para nuestro caso, revela el peso que tiene cada elemento en la respuesta. Se puede apreciar la importancia de cada elemento en orden descendente. 1. Avance: es la variable que mas influye en el acabado superficial, si se quiere tener una mejor respuesta es necesario actuar sobre esta variable. 2. Velocidad de Giro y radio de la herramienta: esta interaccion doble representa tambin una variable no menospreciable y la actuacion sobre estas dos variables lograra tener una mejor respuesta. 3. Velocidad de Giro: si bien parece que esta en tercer lugar, su efecto en la respuesta es casi identica a la interaccion doble, por lo que es actuar sobre esta variable mejoraria la respuesta. 4. Avance y radio de la herramienta: el efecto conjunto de estas dos variables muestra una influencia en la respuesta significativa estadsticamente pero no tan grande como las anteriores. 5. Radio de la herramienta: su efecto es casi imperceptible sin embargo no es posible elimnarla por la existencia de interacciones doble.

Pgina 11 de 12

Unidad 4 Diseo experimental para un factor

CONCLUSION: El diseo de experimento nos ayuda a planear el experimento que deseamos donde analizan los datos correspondientes de manera estadstica. Tambin nos proporciona una gran cantidad de datos sobre el problema, nos ayuda a comprobar hiptesis, en donde podemos analizar una o ms variables. Teniendo en cuenta las ventajas y las desventajas que nos deja el diseo de experimento para un proyecto futuro y que esto se nos facilite al momento de analizarlo siguiendo los pasos del programa.

Pgina 12 de 12