Sei sulla pagina 1di 63
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
U-2- Capitulo dos: Diseños Factoriales 2 K
Lección 1: Codificación de variables
La codificación consiste en asignar valores numéricos o alfanuméricos (códigos) a
cada una de las variables con el fin de facilitar el tratamiento de los datos.
Los niveles de los factores para el diseño factorial se pueden codificar con los
símbolos +1 ( nivel superior) y -1 ( nivel inferior); para proporcionar un marco de
trabajo uniforme y apropiado para investigar los efectos de los factores (variables)
en cualquier región experimental en la que los valores reales de los factores
dependen de la diferencia entre los valores altos y bajos.
Ecuación 24
D iferencia = ½ (X M – X n ) Ecuación 65
(X M – X n ) = diferencia entre los valores máximo y mínimo.
= el valor en el experimento
= el valor medio en el experimento
Lección 2: Diseño factorial 2 K
Definiciones
Los diseños factoriales 2 k son diseños en los que se trabaja con k factores, todos
ellos con dos niveles (se suelen denotar + y -). Estos diseños son adecuados para
tratar el tipo de problemas descritos porque permiten trabajar con un número
elevado de factores y son válidos para estrategias secuenciales.
En este diseño se consideran solo dos factores, A y B, cada uno con dos niveles.
Se acostumbra denominar el nivel inferior de los factores como -1 o también A 1
57
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Y el nivel inferior por 1 o también A 2 .
Es la estrategia más adecuada para conocer simultáneamente qué efecto tienen k
factores sobre una respuesta y descubrir si interaccionan entre ellos.
Para la notación utilizada k = numero de factores.
Y 2 (báse) es el número de niveles seleccionados.
Las interacciones suelen ser muy corrientes y a veces son los efectos más
importantes, por lo que conocerlas es imprescindible para comprender el
comportamiento de muchos sistemas.
Éste describe los experimentos más adecuados para conocer simultáneamente
qué efecto tienen k factores sobre una respuesta y descubrir si interaccionan entre
ellos.
Al no haber factores correlacionados se evitan experimentos redundantes.
Además, los experimentos se complementan de tal modo que la información
buscada se obtiene combinando las respuestas de todos ellos.
Efecto de un factor en un diseño 2 2
La influencia que tiene un factor sobre la variable de respuesta como el cambio en
la respuesta cuando un factor cambia de su nivel inferior a su nivel superior,
promediado sobre los demás factores.
Procedimiento
Calculo del efecto de un factor en un diseño 2 2
La influencia que tiene un factor sobre la variable de respuesta como el cambio en
la respuesta cuando un factor cambia de su nivel inferior a su nivel superior,
promediado sobre los demás factores
Tabla 15. Signos algebraicos para calcular los efectos en un diseño 2 2
PRUEBA
A
B
AXB
Combinación
REPETICIONES
PROMEDIO
de los
Y
Y
Y
Y
tratamientos
1
2
n
1
-
-
+
(1)
2
+
-
-
a
3
-
+
-
b
58
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES CONTENIDO DIDÁCTICO DEL CUSO: 90001 METODOLOGÍA DE TRABAJO ACADÉMICO

4

4 a) El efecto promedio de A es definido como: A = 1/2n {[ab-b]+[a-(1)]} A =
a) El efecto promedio de A es definido como: A = 1/2n {[ab-b]+[a-(1)]} A =
a)
El efecto promedio de A es definido como:
A
= 1/2n {[ab-b]+[a-(1)]}
A
= 1/2n [ab + a – b -(1)] Ecuación 25
b)
El efecto promedio de B es definido como:
B
= 1/2n {[ab-a]+[b-(1)]}
B
= 1/2n {[ab + b – a - (1)]} Ecuación 26
c)
El efecto de interacción de AB es definido como:
AB = 1/2n {[ab-b]-[a-(1)]}
AB = 1/2n [ab + (1)-a-b] Ecuación 27
n
= número de repeticiones o replicas
d)
la suma de cuadrados de los efectos se calcula a partir de los contrastes y se
definen como:
SS= [Efecto] 2 [2 k-2 ]n Ecuación 28
También puede ser calculada
d 1 ) Para el factor A este se calcula con:
Ecuación 29
d2. De B
Ecuación 30
d3. De AB
Ecuación 31

d4. Calculo de la suma de cuadrados totales

59

+

+

+

ab

+ + + ab
+ + + ab
+ + + ab
+ + + ab
+ + + ab
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Ecuación 32
N = número de pruebas
d5. Calculo de la suma de cuadrados del error
SC E = SC T -SC A -SC B -SC AB Ecuación 33
ANOVA para un diseño factorial 2 2
Con los productos de las ecuaciones del numeral anterior debemos construir la
siguiente tabla.
Tabla 16. ANOVA para un diseño factorial 2 2
Suma de
Grados de
Cuadrados
Fo
p-value
cuadrados
libertad
medios
EFECTO A
SC A
1
CM
Fo = CM A /
P(F >
A
C
Fo)
ME
EFECTO B
SC B
1
CM
Fo = CM B /
P(F >
B
C
Fo)
ME
EFECTO AB
SC AB
1
CM
Fo = CM AB/
P(F >
AB
C
Fo)
ME
Error
SC E
4(n-1)
CM
E
Total
SC T
n2 2 -1
Ejemplo de un diseño experimental factorial 2 2
Los pasos a seguir en la resolución de un ejercicio o situación de ingeniería en
donde se aplique un diseño experimental son los siguientes:
1- Planteamiento del problema
Se quiere comprobar el rendimiento de una reacción con un nuevo catalizador.
Por tanto, se pretende determinar en qué grado la temperatura y el tiempo influyen
en el rendimiento de reacción y cómo este se puede variar para mejorarlo.
2- Factores y dominio experimental
Para lo cual acorde con la experiencia previa, la revisión bibliografía o las
necesidades de la experimentación (criterios de rentabilidad, limitaciones
60
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
experimentales), se debe escoger qué factores interesa estudiar y qué valores
pueden tomar (el dominio experimental).
La tabla 35 muestra los dos factores escogidos. Como ambos factores son
continuos, su dominio experimental se expresa con los valores máximo y mínimo
que pueden tomar.
Para lo cual se acordó que el tiempo de reacción no debería ser inferior a 8 horas
para que el proceso fuera rentable, y superior a 6 horas para asegurar un buen
rendimiento; además el rango de temperatura de trabajo debe ser superior a los
(40ºC) pero sin exceder los 80ºC.
La tabla 35 también muestra la notación codificada más habitual para factores
continuos: se asigna el valor –1 al extremo inferior del dominio experimental y el
valor +1 al extremo superior 2.
Para simplificar a menudo sólo se indican – y +.
Es necesario definir la correspondencia entre variables reales y codificadas porque
el diseño de experimentos describe la experimentación óptima empleando
variables codificadas (X1, X2,
)
sin dimensión. De este modo las herramientas
matemáticas y estadísticas son generales y se pueden aplicar a cada problema
concreto.
La experimentación más económica (mínimo número de experimentos) es aquella
en la que cada factor toma sólo dos valores (niveles). Y la que proporcionará la
información con menor incertidumbre es aquella en la que estos valores son los
extremos del dominio experimental, –1 y +1.
Esta misma tabla 17 muestra la matriz de experimentos que se obtiene
combinando los dos niveles de los dos factores. Cada fila es un experimento y
cada columna es un factor estudiado.
Tabla 17. Respuestas para el ejemplo de diseño factorial 2 2
Matriz de
Plan de
Respuesta
experimentos
experimentación
(% rendimiento)
x1
x2
Tiempo
Temperatura(ºC)
Corrida
Corrida
Corrida
1
2
2
(h)
1 -
-
6
40
49
48
49
2 +
-
8
40
54
58
55
3 -
+
6
60
70
72
73
4 +
+
8
60
78
55
56
61
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Tabla 18. Matriz para el ejemplo de diseño factorial 2 2
PRUEBA
A
B
AXB
Combinación
Repeticiones
Y
de los
tratamientos
PROMEDIO
x1
x2
x1 x2
Y 1
Y 2
Y 3
1
-
-
+
(1)
49
48
49
48,66666667
2
+
-
-
a
54
58
55
55,66666667
3
-
+
-
b
70
72
73
71,66666667
4
+
+
+
ab
78
55
56
63
Pasos a seguir
a) El efecto promedio de A es definido como:
A = 1/2n[ ab+a – b -(1)]
A = 1/2n[ ab+a – b -(1)]
A= 7,666
b)
El efecto promedio de B es definido como:
B
= 1/2n{[ ab + b – a - (1)]}
B
= 13
c)
El efecto de interacción de AB es definido como:
AB = 1/2n{[ ab-b]-[a-(1)]}
AB = 1/2n[ ab+(1)-a-b] =
AB = -9
n
= número de repeticiones o replicas
Tabla 19. Análisis de varianza para el ejemplo de diseño factorial 2 2
Suma de
Grados de
Cuadrados
Fo
p-value
cuadrados
libertad
medios
EFECTO A
176,3333333
176,3333333
0,032713984
P(F >
Fo)
62
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
EFECTO
507
1
507
0,094060433
P(F >
B
Fo)
EFECTO
264,4533907
1
264,4533907
0,049062328
P(F >
AB
Fo)
Error
43121,21328
8
5390,151659
Total
SC T
11
Lección 3: Diseños factoriales 2 3
Definiciones
Diseño factorial de tres factores con dos niveles cada uno.
Un diseño factorial de 2 3 involucra a tres factores A,B,C, todos con dos niveles sus
combinaciones se muestran en la tabla siguiente.
Si tenemos un factorial con 3 factores cada uno con 2 niveles, las posibles
combinaciones de este experimento forman los vértices de un cubo como se
muestra en la figura 5.
Al variar un factor a la vez solo se pueden explorar la mitad de las posibles
combinaciones.
En la figura 4 podemos notar los espacios vacíos de las combinaciones sin
explorar.
Efecto de un factor en un diseño 2 3
Es la influencia que tiene un factor sobre la variable de respuesta (cambio en la
respuesta) cuando un factor cambia de su nivel inferior a su nivel superior,
promediado sobre los demás factores.
Discusión
El efecto de un factor en un diseño 2 3 , se calcula como se explica en las tablas
siguientes:
Tabla 20. Combinación de los tratamientos para un diseño 2 3
COMBINACIÓN
DE
CORRIDA
A
B
AXB
AXC
BXC
AXBXC
TRATAMIENTOS
C
1
-
-
-
(1)
+
+
+
-
63
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
2
+
-
-
a
-
-
+
+
3
-
+
-
b
-
+
-
+
4
+
+
+
ab
+
-
-
-
5
-
-
+
c
+
-
-
+
6
+
-
+
ac
-
+
-
-
7
-
+
+
bc
-
-
+
-
8
+
+
+
abc
+
+
+
+
Tabla 21. Signos algebraicos para calcular los efectos en un diseño 2 3
COMBINACIÓN DE LOS
TRATAMIENTOS
EFECTO FACTORIAL
I
A B
AXB
AXC
BXC
AXBXC
C
- -
-
(1)
+
+
+ +
-
+ -
-
a
+
-
- +
+
- +
-
b
+
-
+ -
+
+ +
-
ab
+
+
- -
-
- -
+
c
+
+
- -
+
+ -
+
ac
+
-
+ -
-
- +
+
bc
+
-
- +
-
+ +
+
abc
+
+
+ +
+
a) El efecto promedio de A es definido como: a b ab c ac bc abc
A
= 1/2n{[-(1)+a -b+ab-c+ac-bc+abc]}
Ecuación 34
A = 1/2n[ a+ab+abc – b - bc -(1)] Ecuación 35
b) El efecto promedio de B es definido como:
B
= 1/2n{[-(1)-a+b+ab-c-ac+bc+abc]}
B = 1/2n{[ ab + b+bc+abc – a-c-ac - (1)]}
Ecuación 36
c) El efecto de interaccion de AB es definido como:
AB = 1/2n{[(1)-a-b+ab+c-ac-bc+abc]}
64
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
AB = 1/2n{[(1) +abc+ab+c -a-b-ac-bc]} Ecuación 37
n
= numero de repeticiones o replicas
d) El efecto de interaccion de AC es definido como:
AC = 1/2n{[(1)-a+b-ab-c+ac-bc+abc]}
AC = 1/2n{[(1) +b+ac+abc – a -ab-c-bc]} Ecuación 38
n
= numero de repeticiones o replicas
e) El efecto de interaccion de ABC es definido como:
ABC = 1/2n{[(-1)+a+b-ab+c-ac-bc+abc]}
ABC = 1/2n{[ a +b+c+abc – (1) -ab-ac-bc]}
Ecuación 39
n
= numero de repeticiones o replicas
f) la suma de cuadrados es definida como:
SS= [Efecto] 2 [2 k-2 ]n
Ecuación 40
También pueden ser calculados.
Calculo de la suma de cuadrados totales
Ecuación 98.1
g) Calculo de la suma de cuadrados del error.
SS E = SS T -SS A -SS B -SS AB
Ecuación 41
h) Analisis de residuos
Ecuación 42
Análisis de varianza para un diseño factorial 2 3
Tabla 22. Calculo del Análisis de varianza para un diseño factorial 2 3
65
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Suma de
Grados de
Cuadrados
Fo
p-valor
cuadrados
libertad
medios
EFECTO A
SC A
1
CM A
Fo = CM A /
P(F >
C
Fo)
ME
EFECTO B
SC B
1
CM B
Fo = CM B /
P(F >
C
Fo)
ME
EFECTO C
SC C
1
CM C
Fo = CM C /
P(F >
C
Fo)
ME
EFECTO AB
SC AB
1
CM AB
Fo = CM AB/
P(F >
C
Fo)
ME
EFECTO AC
SC AC
1
CM AC
Fo = CM AC /
P(F >
C
Fo)
ME
EFECTO BC
SC BC
1
CM BC
Fo = CM BC /
P(F >
C
Fo)
ME
EFECTO ABC
1
Fo = CM ABC
P(F >
SC ABC
CM ABC
Fo)
/ C ME
Error
SC E
2 3 (n-1)
CM E
Total
SC T
n2 3 -1
Coeficientes de determinación
Estos coeficientes miden la proporción o el coeficiente de variabilidad en los datos
experimentales que es explicada por el modelo considerado.
Ecuación 43
Ecuación 44
Lección 4. Solución de un diseño factorial 2 3 con Stat Graphics
En una empresa productora de bebidas achocolatadas ha tenido problemas con la
viscosidad de cierta bebida de chocolate. Se cree que tres ingredientes que se
agregan en pequeñas cantidades son con los que se puede resolver este
66
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
problema, por lo que es necesario explorar la situación; para ello se corre un
experimento 2 3 con dos réplicas. Con los resultados obtenidos:
Tabla 23. Datos de la viscosidad de la bebida desarrollada.
INGREDIENTE
INGREDIENTE
INGREDIENTE
VISCOSIDAD
y
y
Y
1
2
m
A
B
C
-1
-1
-1
13,3
13,7
13,4985184
+1
-1
-1
14,7
14,4
14,5492268
-1
+1
-1
14,6
14,5
14,5499141
+1
+1
-1
14,3
14,1
14,1996479
-1
-1
+1
16,9
17,2
17,0493402
+1
-1
+1
15,5
15,4
15,4499191
-1
+1
+1
17,0
17,1
17,0499267
+1
+1
+1
18,9
19,0
18,949934
Tabla 24. Promedio y factores calculados para el ejemplo de la viscosidad
Promedio
15,6621
+/- 0,61255
Factor A
0,250257
+/- 1,2251
Factor B
1,0506
+/- 1,2251
Factor C
2,92545
+/- 1,2251
Factor AB
0,524613
+/- 1,2251
Factor AC
-0,099964
+/- 1,2251
Factor BC
0,699696
+/- 1,2251
Tabla 25. Análisis de la varianza para la viscosidad de la bebida desarrollada.
Suma de
Grados de
Cuadrados
F
p
cuadrados
libertad
medios
Factor_A
0,125257
1
0,125257
0,04
0,8717
Factor_B
2,20754
1
2,20754
0,74
0,5487
Factor_C
17,1166
1
17,1166
5,70
0,2525
AB
0,550439
1
0,550439
0,18
0,7424
AC
0,0199856
1
0,0199856
0,01
0,9482
BC
0,979149
1
0,979149
0,33
0,6696
67
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Total error
3,00174
1
3,00174
Total
24,0007
1
(corr.)
Para este caso hay cero efectos que sean de valor p menor que 0,05, lo cual nos
indica que son significativamente diferentes de cero al nivel de confidencia del
95%.
Tabla 44. Coeficientes de regresión de la ecuación de los datos de viscosidad de
la bebida desarrollada en el ejemplo anterior.
Constante
= 15,6621
Factor_A
= 0,125129
Factor_B
= 0,525302
Factor_C
= 1,46273
AB
= 0,262307
AC
= -0,049982
BC
= 0,349848
R 2
= 87,4931
La ecuación ajustada para el modelo es
VISCOSIDAD
=
15,6621
+
0,125129*Factor_A
+
0,525302*Factor_B
+
1,46273*Factor_C + 0,262307*Factor_A*Factor_B -
Estando los valores de las variables especificados en su forma original.
0,049982*Factor_A*Factor_C +
0,349848*Factor_B*Factor_C.
Ecuación 37.
R-cuadrado (ajustado para los grados de libertad) = 12,4516 porciento
Error estandar = 1,73255
Media absoluta del error = 0,61255
Tabla 45. Valores para el r 2 , el error estándar para el ejemplo de la viscosidad de
la bebida desarrollada.
El valor estadístico de R 2 indica que el modelo ajustado explica el 87,4931% de la
variabilidad de la viscosidad, es mas apropiado para comparar modelos con
diferente numero de variables independientes es de 12,455%
El estimativo del error estándar muestra que la desviación estándar del error de
los residuos es de 1,73255.
68
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
La media absoluta de error (MAE) fue de 0,61255 el cual es el valor promedio de
los residuos.
Tabla 26. Resultados estimados para los datos de viscosidad con la ecuación de
regresión encontrada para el ejemplo anterior, utilizando el programa Stat
Graphics.
Datos
Valor observado
Valor fijado
Lower 95,0%
CL for Mean
Upper
95,0%
CL
1 13,4985
14,1111
-6,48132
34,7035
2 14,5492
13,9367
-6,65571
34,5291
3 14,5499
13,9374
-6,65502
34,5298
4 14,1996
14,8122
-5,78019
35,4046
5 17,0493
16,4368
-4,1556
37,0292
6 15,4499
16,0625
-4,52992
36,6549
7 17,0499
17,6625
-2,92991
38,2549
8 18,9499
18,3374
-2,255
38,9298
Presentación de resultados.
La interpretación de los resultados sugerimos realizarlos en el siguiente orden y
las siguientes recomendaciones:
1) Valor medio
2) Efectos principales
3) Efectos de interacción de dos factores
4) No olvidar que existe interacción cuando el efecto de un factor es diferente a
distintos niveles de otro(s) factor(es). Esto se puede comprender fácilmente si
evaluamos el efecto de cada factor por pares de experimentos.
5) Efecto de interacción de tres factores
Por ejemplo para el ejercicio de la viscosidad se deberían presentar las siguientes
graficas.
Figura 16. Efectos medios para el ejemplo de la viscosidad.
69
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Lección 5. Otros diseños experimentales y diseño de parcelas divididas
Para la temática se consultaron a Padrón, 1996; Montgomery, 2000 y Gil, 2001.
El diseño experimental de parcelas divididas es un factorial conducido de tal
manera que la unidad experimental con respecto a uno o más factores es una
subunidad de la unidad experimental con respecto a otros factores. Los
experimentos con parcelas divididas son frecuentemente usados por necesidad
cuando un factor debe ser aplicado a una unidad experimental extensa, mientras
que otros factores son más apropiados aplicarlos a las subunidades-provenientes
de la primera. También este diseño es utilizado por la conveniencia o facilidad de
aplicar diferentes factores a diferentes unidades con tamaños distintos. El diseño
de parcelas divididas también puede ser usado para incrementar la precisión del
efecto estimado por la aplicación de un factor a las subunidades.
En este diseño se utilizan bloques, un mismo conjunto de tratamientos entran en
cada bloque, y ese conjunto da origen a otro conjunto de tratamientos. El primer
conjunto se le denomina tratamientos principales o parcelas completas o parcelas
principales, el segundo conjunto se le denomina tratamientos secundarios o
subparcelas o parcelas divididas. Es un diseño comúnmente utilizado cuando se
tienen partes grandes de cierta materia prima (parcela principal) y cada parte
grande se divide en partes pequeñas (subparcelas). El término tiene antecedentes
agrícolas porque las parcelas grandes eran grandes extensiones de tierra y las
parcelas pequeñas eran pequeñas áreas de tierra. Los bloques generalmente
corresponden a repeticiones del experimento o a distintos entornos para llevarlo a
cabo.
Este estudio requiere de modelos de análisis de varianza con dos o más tipos de
errores experimentales y modelos de regresión. En muchos casos, estos
procedimientos modificados producen los resultados apropiados. Sin embargo,
estos métodos son frecuentemente incómodos y confusos de utilizar. En algunos
casos, y más importante, estos procedimientos para modelos de efectos fijos no
pueden ser modificados para producir la estadística apropiada para los objetivos
de la investigación (Littell et al., 1991).
Error experimental: variación en respuesta bajo las mismas condiciones de
prueba. También se denomina error residual.
CAPÍTULO 3. Regresión lineal y superficies de respuesta
Lección 1. Introducción y el significado de la regresión y suposiciones
básicas
70
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
El análisis de regresión es útil para averiguar la forma probable de la relación entre
las variables y cuando se utiliza éste método, el objetivo final generalmente
consiste en predecir o estimar el valor de una variable que corresponde a un valor
determinado de otra.
Con base a los resultados obtenidos a partir de los análisis realizados a la muestra
representativa, extraída de una población determinada, el investigador estará en
capacidad de comprender y conocer minuciosamente la naturaleza y
comportamiento de la población en la que se encuentra interesado.
Regresión lineal simple. (2, 3, 7 y varios autores)
El análisis de regresión es útil para averiguar la forma probable de la relación entre
las variables y cuando se utiliza éste método, el objetivo final generalmente
consiste en predecir o estimar el valor de una variable que corresponde a un valor
determinado de otra.
Por otro lado, el análisis de correlación, se refiere a la medición de la intensidad
existente entre las relaciones de las variables. Cuando se calculan los coeficientes
de correlación de un conjunto de datos, el interés se centra en el grado de
compatibilidad existente entre las variables que integran el problema.
Tabla 27. Ecuaciones para el estimativo de una regresión lineal simple
Y
= a + bX
Ecuación 45
2
2
b
=
{
Â
XY
-
[
 Â
X Y
n
]}
Â
X
-
[
Â
X
n
]
Ecuación 46
a
=
Â
Y b
-
Â
X
n
Ecuación 47
2
2
r
=
{
Â
XY
-
[
 Â
][
X Y
n
]}
[
)
Â
X
-
[
Â
X
n
Â
Y - Y
Â
n
Ecuación 48
También es representada como
Y =b +b X+e
En donde
Ecuación 49
0
1
b
= a = int er sec cion
b
= b = pendiente
0
1
e = cambio en el error. Variable aleatoria
71
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Lección 2. Coeficientes de correlación.
Una correlación es el grado de relación entre dos o más variables que busca
determinar en que medida una línea u otra ecuación describe o explica dicha
relación.
Se encuentran dentro de un rango que va desde -1 hasta 1 rango que explica el
alcance y la valoración de dicho coeficiente y la dirección de la correlación. Tabla
49.
Tabla 28. Grado de asociación de los coeficientes de correlación para un conjunto
de datos. (varios autores)
COEFICIENTE DE CORRELACIÓN
INTERPRETACIÓN
-1.00
Correlación negativa perfecta
-
0.95
Correlación negativa fuerte
-
0.50
Correlación negativa moderada
-
0.10
Correlación negativa débil
0.0
No existe ninguna correlación
+
0.10
Correlación positiva débil
+
0.50
Correlación positiva moderada
+
0.95
Correlación positiva fuerte
+
1.00
Correlación positiva perfecta
El grado de asociación, mientras más cerca este de la unidad, en una u otra
dirección, mayor es la correlación.
Generalmente en la mayoría de los trabajos de investigación se busca establecer
una correlación lineal, ya sea positiva o negativa, no se puede considerar que
todas las relaciones entre dos variables (X y Y) forman una línea recta. (ver
capitulo siguiente).
Existen muchas correlaciones de carácter curvilíneo que indican que una variable
aumenta a medida que la otra se incrementa hasta que la relación misma se
invierte, de tal manera que una variable decrece finalmente mientras que la otra
sigue en aumento, es decir, que la relación entre X y Y que en un principio es
positiva se convierte en negativa, o aquella que, en un comienzo es negativa se
convierte en positiva; por ejemplo en una reacción química o en una reacción
bioquímica.
Lección 3. Transformación de datos
72
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Regresión lineal múltiple.
El análisis de regresión lineal múltiple consiste en generar modelos de regresión
con más de una variable independiente (X1, X2, X3…
lineal múltiple es representado por:
);
el modelo de regresión
Y
=b +b
X
+b
X
+
+b
X
+e
Ecuación 50
0
1
1
2
2
k
k
k
= numero de variables (Xs)
Tabla 29. Modelos de regresión lineal simple
ECUACIÓN
MODELO
a
+ bX
Y = e
Exponencial
Ecuación 51
Y
= 1
(a + bX )
El reciproco
Ecuación 52
b
Y = aX
)
Multiplicativo
Ecuación 53
Y
= a + b ln( X )
Logarítmico
Ecuación 54
Reciproco
Y
=a+b
(X )
Ecuación 55
Transformación de datos. (3, 7, 8, 27 y varios autores)
En la práctica muchos de los procesos experimentales no siguen una distribución
normal con varianza constante y aunque el procedimiento de ANOVA es robusto y
admite desviaciones moderadas al realizar un análisis estadístico con resultados
que no cumplen con los supuestos acerca del modelo estadístico, se puede llegar
a
una conclusión y decisión errónea.
Para lo cual mediante una transformación adecuada puede conseguirse que una
variable que no se distribuye normalmente pase a tener una distribución casi
normal; por ejemplo un cambio de escala puede variar la media y la varianza de la
variable así como su relación con respecto a otras variables al igual que la forma
de la distribución de una variable cambia con la escala.
Las poblaciones con varianzas desiguales pueden convertirse en varianzas
homogéneas mediante una transformación apropiada.
Las transformaciones más usadas se presentan en la tabla siguiente:
Tabla 30. Transformaciones usadas para datos
73
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Transformación apropiada
Tipo de transformación
'
'
Transformación logarítmica
Y =
ln(
Y
)
O Y =
log
(
Y
)
Ecuac 56
10
'
-1/ 2
Y =Y
Ecuación 57
Transformación de la raíz cuadrada
'
-1
Y =Y
Ecuación 58
Transformación del reciproco
Lección 4. Correlación múltiple y ANCOVA
Si en la ecuación anterior es necesaria más de una variable independiente(X1,
X 2
)
se aplica el término de "correlación múltiple".
Los cálculos para este tipo de correlación son más dispendiosos y la interpretación
de sus resultados más complejo. La inclusión de variables adicionales incrementa
los datos necesarios y puede también adicionarse un considerable costo al
estudio.
Las razones principales para cambiar el análisis de una á dos o más variables
independientes son:
Existe una relación lógica, y una sola variable independiente no proporciona un
coeficiente de correlación suficientemente satisfactorio.
El coeficiente de correlación múltiple representa la proporción de variación en Y
que explica el conjunto de variables explicativas seleccionadas. (3, 7, 8, 27 y
varios autores)
Análisis de Covarianza-ANCOVA
El análisis de covarianza es un procedimiento muy importante en experimentación,
pero lamentablemente no se usa con frecuencia.
Utiliza el análisis de varianza y el de regresión para eliminar la variabilidad que
existe en la variable independiente X; también ajusta medias de tratamiento y así
estima mucho mejor el efecto de la variable independiente X sobre la variable
dependiente Y.
La variable independiente X es una observación hecha en cada unidad
experimental antes de aplicar los tratamientos, e indica hasta cierto grado la
respuesta final y de la unidad experimental.
Los objetivos del análisis de covarianza son:
74
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
a)
Disminuir el error experimental con el respectivo aumento en precisión del
experimento.
b) Ajustar los promedios de los tratamientos.
c) Interpretar mejor los resultados en el experimento, especialmente en lo
relacionado con la naturaleza de los efectos de los tratamientos.
d)
Estimar el valor de las unidades perdidas en los experimentos.
Lección 5. Superficies de respuesta
Los diseños factoriales son útiles para el tamizado de factores- para identificar los
factores más importantes que afectan el desempeño de un proceso o
caracterización del proceso (Montgomery, 2004).
Una vez que se ha identificado el subconjunto adecuado de variables del proceso,
generalmente el paso siguiente es la optimización del proceso, que implica
encontrar el conjunto de condiciones de operación de las variables del proceso
que producen el mejor desempeño del mismo (Cochran & Cox, 2001).
Puede resultar útil ajustar una curva de respuesta a los niveles de un factor
cuantitativo para que el investigador cuente con una ecuación que relacione la
respuesta con el factor. Esta ecuación pude utilizarse para hacer interpolaciones,
es decir, para predecir la respuesta en niveles intermedios entre los factores,
respecto de los que se utilizaron realmente en el experimento.
Cuando al menos dos de los factores son cuantitativos, puede ajustarse una
superficie de respuesta para predecir con varias combinaciones de los factores
de diseño (Christensen, 1990).
En este sentido cabe destacar la metodología de superficies de respuesta (RSM),
como el enfoque de optimización más exitoso y generalizado. En general, se usan
métodos de regresión lineal para ajustar estos modelos a los datos experimentales
(Cox, 1978). Además, los efectos de los factores cuantitativos pueden
representarse con efectos polinomiales con un solo grado de libertad. De manera
similar, es posible hacer la partición de las interacciones de factores cuantitativos
en componentes de interacción con un solo grado de libertad.
La superficie de respuesta se usa como guía para variar gradualmente los factores
controlables que afectan la respuesta de manera tal que se mejore el valor de la
respuesta. Una vez que el cambio de los factores controlables no origine una
mejora predecible en la variable de la respuesta, se puede aplicar un método de
75
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
experimentación más sofisticado para encontrar la superficie de respuesta
operativa final
del
proceso
de
interés.
Supongamos que un investigador desea encontrar los niveles de la variable x1 y
de x2 que maximicen el rendimiento Y de un proceso. El rendimiento del proceso
es una función de los niveles de la variable x1 y x2: Y=f(x1,x2)+épsilon
Donde epsilon representa el ruido o error observado en la respuesta Y. Si el valor
de la respuesta se denota por E(Y)=f(x1,x2) entonces la superficie representada
por E(Y)=f(x1,x2)se llama superficie de respuesta.
Método de Superficie de respuesta (RSM): es la gráfica de la respuesta del
sistema vs los factores del sistema. RSM emplea el diseño experimental para
descubrir la forma de la superficie de respuesta y aprovecha los conceptos
geométricos
Variable de respuesta: Variable que muestra los resultados observados de un
tratamiento experimental, es la variable dependiente
Modelo de Superficie de Respuesta para un diseño 2 k
Un aspecto interesante de los diseños factoriales 2 k es que si se codifican las
variables al intervalo [-1,1] entonces, se puede obtener el modelo de regresión
correspondiente con relativa facilidad (Montgomery & Vining, 2002). Consideremos
por ejemplo el diseño 2 2 . En este diseño se tienen dos efectos principales, A y B y
la interacción AB. El modelo de regresión correspondiste es:
y=b +bx +b x +b xx
59
0
1
1
2
2
12
1
2
Donde x 1 representa el factor A, x 2 representa el factor B, y el producto entre x 1 y
x 2 representa la interacción entre A y B. Los parámetros del modelo de regresión,
b 1 , b 2 , b 12 se pueden demostrar que son iguales a la mitad de las estimaciones de
los efectos correspondientes, mientras que b 0 es igual a la gran media. En
general, se tiene que:
Efecto en ANOVA
Cualquier Parámetro en el modelo de Regresión =
60
2
Y
¡Error!
No
hay
texto
b =
gran promedio
=
promedio de todas las observaciones
0
con el estilo
especificado
en
el
documento.1
Se debe recordar que los valores de las variables en el modelo de regresión están
codificadas al intervalo [-1, 1]. Esto quiere decir que si se quiere expresar el
modelo en las unidades en las que realmente se mide la variable se debe hacer la
76
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
transformación
correspondiste.
Esta
transformación
se
ilustra
en
la
figura
siguiente:
Factor en escala
normalizada
+1
Bajo
Factor en
Alto
escala real
-1
Figura 7. Transformación usada para encontrar el modelo de regresión en un
diseño 2 k
Esto nos lleva a la ecuación de transformación- revisemos numeral anterior:
x
-
Bajo Alto
-
real
x
= 2
62
cod .
Alto Bajo
-
La cual se puede utilizar para obtener el modelo de regresión en las unidades
originales en las que se miden los factores de interés. Esto transforma la ecuación
¡Error! No se encuentra el origen de la referencia. en el modelo:
Ê 2
x
-
A
-
A
ˆ
Ê 2 x
-
B
-
B
ˆ
A
Bajo
Alto
B
Bajo
Alto
y =
b
+
b
Á
˜
+
b
Á
˜
+
0
1
Á
˜
2
Á
˜
A
-
A
B
-
B
Ë
Alto
Bajo
¯
Ë
Alto
Bajo
¯
63
Ê 2
x
-
A
-
A
B
-
B
ˆ
A
Bajo
Alto
B
+
ˆ ˜ -
Alto
b
Á
Ê Á 2 x
˜
12
Á
˜
A
-
A
Bajo
˜
B
-
B
Ë
Alto
Bajo
¯ Alto
Á Ë
Bajo
¯
Sin embargo, siempre se prefiere trabajar el modelo con las variables codificadas
(en el intervalo [-1,1])
Si los factores son cuantitativos, el modelo de regresión, se puede utilizar, con
toda confianza, para predecir el valor de la variable respuesta para cualquier punto
entre -1 y 1 (si el factor o variable está codificado) o desde el valor bajo al alto si la
variable o factor no está codificado. Es decir, el modelo de regresión se puede
77
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
utilizar para interpolar cualquier valor intermedio de la variable respuesta sin
problemas pero no se debe utilizar para extrapolar.
Adición de puntos centrales en un diseño 2 k
Un aspecto muy importante en el empleo de diseños factoriales de dos niveles es
la hipótesis de linealidad en los efectos de los factores. Claro está que la linealidad
perfecta es innecesaria, y el sistema 2 k trabaja muy bien aun cuando la suposición
de linealidad es sólo aproximada. Sin embargo, existe un método para replicar
ciertos puntos en el diseño 2 k factorial que proporciona protección contra la
curvatura y permite una estimación independiente del error que ha de obtenerse.
El método consiste en añadir puntos centrales al diseño 2 k . Éstos coinciden de
n C réplicas de las corridas en el punto x i = 0 (i= 1, 2,…, k). Una razón importante
para añadir réplicas de las corridas en el centro del diseño es que los puntos
centrales no tienen impacto en las estimaciones usuales de los efectos en un
diseño 2 k . Se supone que los k factores son cuantitativos.
ab
b
Alto (+)
Corrida
Central
Medio
Bajo (-)
Medio
a
(1)
Bajo (-)
Alto (+)
Figura 8. Representación geométrica del diseño 2 2 con corridas centrales o
puntos centrales
Para ilustrar este enfoque, considérese un diseño 2 2 con una observación en cada
uno de los puntos factoriales (-, -), (+, -), (-, +) y (+, +), y n C observaciones en los
puntos centrales (0, 0). La Figura 8. ilustra esta situación. Sean
y
y
y
los
F
C
promedios de las cuatro corridas en los cuatro puntos factoriales y el promedio de
las n C corridas en el punto central, respectivamente. Si la diferencia
y
-
y
es
F
C
pequeña, entonces los puntos centrales se encuentran sobre el plano que pasa
por todos los puntos factoriales, o cerca de él, y no hay curvatura. Por otra parte,
si
y
-
y
es grande, entonces la curvatura está presente. Una suma de
F
C
cuadrados de un grado de libertad para la curvatura está dada por:
n n
(
y - y
) 2
F C
F
C
SS
=
64
Curvatura
n
+ n
F
C
donde, en general, n F es el número de puntos en el diseño factorial. Esta cantidad
puede ser comparada con el error cuadrático medio para probar la curvatura. De
78
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
manera más específica, cuando se añaden puntos al centro del diseño 2 k ,
entonces el modelo que se considera es
k
k
2
Y
=
b
+
Â
b
x
+
ÂÂ
b
xx
+
Â
b
x
+
e
65
0
j
j
ij
i
j
jj
j
=
1
i
<
j i
<
j
j
=
1
donde las β jj son efectos cuadráticos puros. La prueba de curvatura consiste, en
realidad, de la prueba de las hipótesis
k
H
:
Â
b
=
0
0
jj
j
= 1
66
k
H
:
Â
b
0
1
jj
j
= 1
Por otra parte, si los puntos factoriales en el diseño no están replicados, entonces
pueden emplearse los n C puntos centrales para construir una estimación del error
con n C -1 grados de libertad.
Surface Plot of Res
95
90
Res
85
80
1
0
B
-1
0
-1
A
1
Grafica 9. Ejemplo de una superficie de respuesta
Revisar ejemplos de los apéndices
79
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Apéndices
En los siguientes apéndices-ejemplos resueltos de diseños experimentales
encontraras cuatro ejercicios para analizarlos y tenerlos de guías para los trabajos
colaborativos a realizar.
80
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Apéndice 1
Repaso de la estadística aprendida en cursos anteriores
Recientemente un instituto de certificación de normas técnicas realizo una
investigación sobre la composición bromatológica de alimentos. Estudio en donde
se pretende lograr una confiabilidad del 98%, una probabilidad esperada del 55%
y no cometer un error superior al 2 %.
Los interesados tomaron muestras del producto vegetal directamente de los
árboles, en tres épocas de cosecha diferente pero consecutiva, procesaron el
material y determinaron algunas propiedades físico-químicas, reportada en la tabla
1.
Tabla 1. Composición química de harinas de plátano, de ocho localidades
diferentes (%)**
Característica/procede
Humedad
Ceniza
grasa
Proteína
Almidón
Fibra
ncia
Harina de platano-1
10
2,5
1
7,12
60-72
1
Harina de platano-2
7,5
2,1
0,1
12,8
23
Harina de platano-3
14
8
12
13
Harina de platano-4
14
11
1
21
Harina de platano-5
13.1
3,6
1.2
21,3
60,8
3,9
Harina de platano-6
12.2
2
1.5
8
73
4
Harina de platano-7
12.1
3,5
18
78,5
4,5
Harina de platano-8
14
6
3
11,5
11
Solución
Verifiquemos el desarrollo numérico del ejercicio
Características/pro
Humedad
ceniza
grasa
proteína
Almidón
fibra
total
Media
cedencia
Harina de platano-
13.1
3,6
1.2
21,3
60,8
3,9
103,9
17,31
5
Harina de platano-
12.2
2
1.5
8
73
4
100,7
16,78
6
Harina de platano-
12.1
3,5
18
78,5
4,5
116,6
19,43
7
TOTAL
37,4
GRAN MEDIA
12,5
81
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
a) Describa detalladamente el diseño del experimento que programaron
los profesionales a cargo del proyecto. Se deben identificar los
elementos que intervienen en el estudio experimental.
Rta: Es un diseño completamente al azar. Se trata de un experimento de
una variable (en este caso la localización). En el cual se pretenda medir su
efecto sobre el contenido químico (bromatológico) de las muestras tomadas
(tres por cada localidad) y partir de los resultados generados y que se
presentan en la tabla 1, realizar los análisis respetivos.
Los elementos que intervienen en el diseño experimental son: Las
ocho localidades (variables), las unidades de análisis u observación objeto
de la evaluación (planta de plátano) las personas que toman los datos, el
laboratorio donde se hace los análisis y quien organiza, procesa y e
interpreta los datos.
b) Se podría asociar un modelo matemático a la experimentación
desarrollada?
No; no se hablo de tratamiento.
Ho:
*=
Ha: al menos una humedad es diferente de las demás.
C) El número de muestras fue apropiado? Justifique su respuesta atreves de
una formula.
Para obtener el tamaño de la muestra de una población determinada se
requiere tomar en cuenta los siguientes factores:
1-
El tiempo y los recursos disponibles.
2-
Las técnicas de muestreo.
3-
Las técnicas de análisis de datos.
4-
La estimación de la varianza.
5-
El margen de error máximo posible.
6-
El nivel de confianza.
Esta fórmula se utiliza cuando se desconoce el tamaño de la población.
n
=
n
= tamaño de la muestra.
Z= intervalo de confianza.
E= error de muestreo aceptable.
=desviación estándar.
Entonces tenemos:-intervalo de confianza=98%
Error de muestreo aceptable=2%
Desviación estándar= para calcular.
82
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Calculo de desviación estándar: La desviación estándar corresponde a
la raíz cuadrada de la variación(S).
*Cálculo del número de muestras: Utilizando los tres valores correspondientes al
resultado de la humedad (13,1-12,2-12,1)
VARIANZA:
=
Desviación estándar:
S=
=0,54
Aplicamos la fórmula para calcular el número de muestras, tenemos:
n
=
*Calculando el numero de muestras utilizando los ocho valores correspondientes a
los resultados de la humedad (10; 7.1; 14; 13; 1; 12.2; 12.1; 14) de la tabla.
VARIANZA:
=
DESVIACION ESTANDAR:
S=
=2,3
Aplicando la fórmula para obtener el número de muestra tenemos:
n
=
=
83
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
d) ¿Qué tipo de información grafica se podría construir con los datos tomados?
-Podríamos generar un diagrama de columna agrupada para representar cada
característica Bromatológica de las tres harinas de plátano que elegimos.
-
también podemos representar
la
gran
media
de
las
tres
harinas
en
sus
características
bromatológicas
atreves
de
un
diagrama
circular.
e) Determine el intervalo de confianza para la proporción de varianza de una de
las propiedades determinadas
84
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Tabla de valores de Z de los diferentes niveles de confianza
Nivel
de
99.73%
99%
98%
96%
95.45%
95%
90%
80%
68.27%
50%
Confianza
Valores
3.00
2.58
2.33
2.05
2.00
1.96
1.645
1.28
1.00
0.6745
de Z
El nivel de confianza aquí es de 98% y si nos fijamos en la tabla podemos
ver que es de 2.33
f)
¿Se podría concluir que existen diferencias significativas entre la harina
proveniente de las diferentes localidades?
Sustente sus conclusiones utilizando un método estadístico de comparación
apropiado por ejemplo Duncan y Tukey.
PRUEBA DE TUKEY:
Se realizan comparaciones múltiples que son posibles con t tratamientos. Para
esto se procede a aplicar la siguiente ecuación: DMS= EE.
DONDE q es el valor que se encuentra en las tablas de Tukey con el número de
tratamientos, los grados de libertad del error y el nivel de significancia deseado.
El método es hallar todas las comparaciones posibles con t tratamientos que son
t(t-1)/2 poniendo las medias en orden creciente y decreciente y restando de la
media mayor todas las medias, después a la siguiente mayor le restamos las
demás medias y así sucesivamente hasta que se termine, si esta diferencias de
medias superan la DMS , se dice que las medias son significativas, en caso
contrario no son significativas o estadísticamente .
1) Ordenamos la media de mayor a menor
HP7
HP5
HP6
19,43
17,316
16,7833
2)
Hallamos el valor de DMS =
= (4,18) (3,83)=16,0094
3)
Se busca la diferencia entre todas las medias para lo cual se implementa la
siguiente Tabulación.
HP7
HP5
HP6
19,43
17,31
16,78
85
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
HP6
16,78
2,65
0,53
0,0
HP5
17,31
2,12
0,0
HP7
19,43
0,0
DMS=16,0094
4)
HP7
HP5
HP6
19,43
17,31
16,78
CONCLUSIÓN: Las Harinas no tienen mayor diferencia entre HP5 Y HP6, si hay
diferencia significativa entre HP7 y HP6, las medias de todas estas con respeto
DMS son significativas.
86
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Apéndice 2
Aplicación práctica
Experimentos sin bloquear - Diseño totalmente aleatorizado o
completamente al azar
Ejemplo
Se quiere mejorar las propiedades de transportabilidad, manejo y presentación de
las rosquillas elaboradas por una panificadora, para tal efecto de determinara el
efecto que sobre la dureza de estas tiene la incorporación de tres aditivos en la
misma proporción; los aditivos se incorporaran individualmente en la masa
elaborada (amasijo).
Diseño experimental totalmente aleatorizado
Rosquillas
3
1
8
5
4
2
6
7
9
Ingrediente A
IngredienteIngrediente BB
Ingrediente C
Figura 12. Diagrama de flujo para la producción de rosquillas a partir de una masa
estandarizada.
Para el estudio los investigadores emplearon un diseño de experimentos completo
al azar o sin bloquear-simple y balanceado por que todos los tratamientos tienen el
mismo número de datos.
Hipótesis de investigación: La hipótesis planteada es que al menos uno de los
tres ingredientes mejorara la dureza final de las rosquillas.
H 0 : U 1 =U 2 =U 3
87
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Y
la hipótesis alterna
H A : U 1 # U 2 # U 3
Diseño del experimento: una masa bien homogénea para la confección de las
rosquillas se divide en seis porciones iguales y a cada dos de ellas se les mezcla
el
ingrediente seleccionado.
El primer paso es aleatorizar asignándole una secuencia de números aleatorios a
las unidades experimentales, utilizando una de las tablas de permutación de
donde se toma una permutación aleatoria por ejemplo:
318594267, asignar el primer tratamiento a las tres porciones del tratamiento A,
los dos siguientes al tratamiento B y finalmente los otros dos restantes al
tratamiento C
En la tabla siguiente se resume la aleatorización hecha.
Tabla 12. De aleatorización para el ejemplo de las rosquillas
3
1
8
5
9
4
2
6
7
Tratamiento
o aditivo
A
A
A
B
B
B
C
C
C
La dureza se evalúa después de seis días de almacenamiento a 10*C.
Tabla 13. Datos obtenidos en la determinación de la dureza para el ejemplo de las
rosquillas.
Tratamientos
Dureza o variable de respuesta
Determinación
Total
Media
c/trata
(U nd / cmt)
miento
Secuencia de
experimentación
3
7
1
Aditivo A
7
9
5
21
7
Secuencia de
experimentación
5
8
4
88
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Aditivo B
10
8
9
27
9
Secuencia de
experimentación
2
9
6
Aditivo C
10
9
12
31
10.33
Gran media
79
8.77
Solución: con los datos de la tabla desarrollamos las siguientes operaciones:
1- Sumamos todos los resultados individuales (determinaciones de la dureza)
o sumatoria total.
n
Yij
=
Â
y
=
7+9 +5+10+8+9+10+9+12 = 79
ij
j = 1
2-
Podemos calcular la media por tratamiento y la gran media.
a= número de tratamientos.
r=repeticiones de haberse realizado.
N= total de mediciones-datos (N= anr).
r=1 solo una medida por tratamiento.
Yij1 = Yij
n
7+9 +5= 21
21/ 3 = 7
10+8+9= 27
27/3 = 9
10+9+12= 31
31/3= 10.33
Gran media 79/ 9 = 8.77
n
Y
= 79
Obsérvese que es igual a
Yij
=
Â
y
ij
j = 1
3- Elevamos al cuadrado cada uno de los datos u observaciones registradas.
Cada observación de cada tratamiento se eleva al cuadrado.
a
n
2
 Â
(
y
)
= {(7) 2 + (9) 2 + (5) 2 + (10) 2 + (8) 2 + (9) 2 + (10) 2 + (9) 2 + (12) 2 } =
ij
i = 1
j = 1
89
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
(49)+ 81+25+100+64+81+100+81+144= 725
3.1. Calculamos
[Y
2
N ]
= {(79) 2 /3x3} = 693.4444
Conocido también como factor de corrección
4- Elevamos al cuadrado la suma horizontal de los tratamientos (hallados en
2) estos valores (cuadrados) para cada tratamiento se suman.
Aplicamos la fórmula para calcular la suma de cuadrados por tratamiento= SCt.
SC tratamientos = [{(21) 2 + (27) 2 + (31) 2 }]/3 -- {(79) 2 /3x3} =
SC tratamientos = {441 + 749+ 961}/ 3 – 693.44444= 717- 693.4444= 23.5555
5- Todos los valores-determinaciones (producto cuadrado) se suman, con esta
calculamos la suma total de cuadrados.
a
n
2
2
SC
=
 Â
(
y
)
-
[
Y
N ]
Total
ij
i =
1
j = 1
SC Total = {(7) 2 + (9) 2 + (5) 2 +(10) 2 + (8) 2 + (9) 2 + (10) 2 +(9) 2 + (12) 2 }- {(79) 2 /3x3 }=
SC Total = 725 – 693.4444= 31.5556
SC
T =SC E +SCt
SC T – SCt = SC E
SC E = 31.5556 - 23.5555= 8.0
6- Calculo de los grados de libertad
6.1. ° Libertad de los tratamientos= 3-1 = 2
6.2. ° Libertad total= 9-1= 8
6.3. ° Libertad total - ° Libertad de los tratamientos = 8-2 = 6
7.
Calculo de los cuadrados medios
7.1 . Cuadrado medio de los tratamientos
CMtratamient = SCtrata/ ° libertad tratamieno
CMtratamient = 23.5555/ 2 = 11.77775
90
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
7.2 . Cuadrado medio del error
CMerror = SCerror/ ° libertad error
CMerror = 8 / 6 = 1.3333
7.3. Cuadrado medio total
CMtotal = SCtotal/ ° libertad total
CMtotal =31.5556 / 8 = 3.9445
Tabla 14. Análisis de varianza para evaluar el efecto de los aditivos en la
elaboración de rosquillas.
Grados
SC
CM
F
p-valor
0
de
Fuente de
Suma de
Cuadrados
Razon
Libertad
variación
cuadrados
medios
Ecuac
Ecuac
Ecuac
Ecuac
Tratamientos
3-1=2
23.5555
11.77775
8.83
0,1004
Error
6
8
1.3333
SS Totales / (kn -1)
Total
(9-1)=8
31.5556
Como la razón de varianza calculada-8.83 para los tratamientos es menor que la
reportada-propuesta en la tablas de valores criticos de distribución F -19.3 para 2
grados de libertad en el numerador (tratamientos) y 6 en el denominador (error)
para una significancia-alfa de 5%, concluimos que al menos un tratamiento es
diferente.
Entonces la pregunta del investigador es: ¿ Cuál de ellos?.
U establecer específicamente cuáles son las medias que difieren entre sí en forma
significativa.
Para el efecto utilizamos los llamados métodos de comparaciones múltiples como
la mínima diferencia significativa (LSD), el método de Tuckey y el método de
Dunnett.
La Diferencia Mínima Significativa (DMS) esta es la diferencia entre dos medias,
basadas en la prueba t de Student, empleando el valor de la varianza del error. El
valor de la LSD se encuentra referido a la distribución de t por la siguiente
relación:
- Media del tratamiento B = Sd (t)
91
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
½
-k
N-K = grados de libertad del error = 6
2 / n) ) ½ es el error típico de la media
n= 3- número de muestras en experimentación por tratamiento.
1.3333/ 3) ½
-k
S
=
t
-k (0.888888) ½
S
=
t
(0.9428)
t
= 2.44 extractado de
las tablas de
puntos
críticos
para
la
distribución T de Student con los grados de libertad del error.
S
= 2.44 (0.9428)
S= 2.3
Las diferencias entre las medias son
A - B = -2
A - C = -3
B - C = 1,33
Si la diferencia entre dos promedios seguidos excede el valor de 2.3, se la declara
significativa al nivel del 5%.
En este ejemplo, la LSD indica que no hay diferencias significativas entre
tratamientos adyacentes, pero la F de la ANALISIS DE LA VARIANZA indica que
sí existen diferencias si se comparan medias no adyacentes, en este caso, el
investigador podría optar por otro tipo de prueba de rango múltiple.
Por ejemplo si utilizamos además la prueba de rango múltiple para las rosquillas:
95% LSD, obtenemos los siguientes resultados:
Tabla 15. Análisis de homogeneidad y contraste de las rosquillas.
Tratamiento
Muestras
Media
Homogeneidad
del grupo
Contraste (Diferencia)
A
3
7
X
A-B
( -2)
92
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
B 3
9
XX
B-C
(-3.33)*
C 3
10.33
X
B-C
(-1,33)
* Indica diferencia estadísticamente significativa
Comprobando que el tratamiento seleccionado es el que presenta mejores
condiciones para ser aplicado a la rosquilla.
Solución por computadora
Hay muchos paquetes de software de estadística que cuentan con la capacidad
para probar hipótesis estadísticas. SPSS- EXCELL-
93
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Apéndice 3
Un grupo de profesionales-del que Ud hace parte, desarrollo un proyecto de
investigación el cual tenía como meta estudiar la composición de amino ácidos de
una alga cultivada en superficie en cuatro sustratos diferentes. Obteniéndose los
siguientes resultados:
Tabla 6. Composición Bromatológica (% Bs) De La Harina De un alga
desconocida. Según Los Sustratos Alimenticios/ **
Sustrato
MatSec
ProtC
ProtV
ProS
Grasa
EB
AcGrasS
AGI
AGP
FDN
FDI
Tot
S1
19.9
57.29
51.16
90.26
4.81
19.74
3.12
1.32
1.43
2.82
8.12
S2
20.1
56.67
50.91
91.00
5.75
20.08
3.89
1.87
1.85
2.91
7.96
S3
21.6
53.98
48.62
88.78
4.37
18.91
3.01
1.98
1.85
3.13
8.86
S4
19.9
56.59
49.96
91.78
5.75
18.09
3.10
1.79
1.37
2.82
8.58
S5
16.13
39.23
46.96
85.76
4.07
12.54
3.17
1.10
1.21
2.21
6.42
Datos tomados con fines educativos
Identifique con toda precisión: las unidades experimentales, los factores, los
tratamientos, las variables y demás características que intervienen en el estudio
que realizo tu equipo de trabajo.
Igualmente te solicitamos que de respuesta a las siguientes preguntas:
a) ¿Qué tipo de diseño siguieron los profesionales a cargo del estudio?
b) Plantee el modelo matemático, justificando su respuesta.
c) Establezca las suposiciones necesarias para el análisis de varianza de los
datos. Realice el análisis de varianza.
d)
Pruebe la hipótesis que no hay diferencias entre las medias de los tratamientos
con la prueba de F a un nivel de significancia de 0,05.
e) ¿Se puede decir que hay diferencias entre los distintos sustratos?
f) Y, en que otro tipo de situación experimental para su trabajo disciplinar, se
podría presentar este tipo de análisis. Describa el ejemplo
Desarrollo
-Los factores: El alga cultiva en superficie.
94
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
-Las unidades experimentales del presente ejercicio son: composición de
aminoácidos de un alga.
-Los tratamientos: los cinco sustratos diferentes.
-Variables: resultados de la composición de aminoácidos.
a)
Tipo de diseño: después de analizado este ejercicio parece ser que presenta el
nivel descriptivo ya que describe las características de la composición de
aminoácidos del alga y su comportamiento en los cinco sustratos.
b)
El modelo matemático: se va a utilizar el análisis de varianza (Esta medida nos
permite identificar la diferencia promedio que hay entre cada uno de los valores
respecto a su punto central (Media ) (ANOVA), esta se utiliza para determinar
una razón de las diferencias observadas, el nivel de margen de error y así mismo
para comprobar la hipótesis que se presenta mas adelante.
c)
Análisis de varianza:
Para este ejercicio se trabajara con los siguientes sustratos:
Composición Bromatológica (% Bs) De La Harina De un alga desconocida. Según
dos Sustratos Alimenticios.
2
2
Aminoácidos
S1 X
X
S2 X
X
MatSec
19.9
396.01
20.1
404.01
ProtC
57.29
3282.144
56.67
3211.488
ProtV
51.16
2617.345
50.91
2591.828
ProS
90.26
8146.867
91.00
8281
GrasaTot
4.81
23.136
5.75
33.0625
EB
19.74
389.667
20.08
403.2064
AcGrasS
3.12
9.7344
3.89
15.1321
AGI
1.32
1.7424
1.87
3.4969
AGP
1.43
2.0449
1.85
3.4225
FDN
2.82
7.9524
2.91
8.4681
FDI
8.12
65.9344
7.96
63.3616
TOTAL
259,97
14942,54
262,99
15018,46
Sustrato 1:
S1 (total)/ 11(sustratos total)
95
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
ẋ = 259,97/11 (sustratos) = 23.633
Sustrato 2:
S2
ẋ = 262,99/11 = 23,908
Media total entre los dos sustratos:
S1 + S2 /22
522,96/22 = 23,770
Suma total de los cuadrados:
Σ
xt 2 = ΣX 2 - (ΣX) 2 = 29961 – (522,96) 2 = 29961 – 12431,23
------- ------------
N 22
= 17529,77
Suma de los cuadrados entre los dos sustratos:
Σ
xb 2 = (ΣX1) 2 + Σ(X2) 2 +
-
(ΣX) 2
------- -------- ---------=
n1 n2 N
=
(259,97) 2 /11 + (262,99) 2 /11 – (522,96) 2 /22 = 0,41
Entonces
Suma de los cuadrados dentro de los sustratos:
Esta se puede calcular restando la suma de los cuadrados entre los grupos y la
suma total de los cuadrados.
Σ
xb 2 = 17529,77 – 0,41 = 17529,36
Sacamos luego un resumen de las varianzas respecto de los dos sustratos S1 y
S2.
96
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Fuente de
SS
df
MS
F
Nivel de
varianza
signo
Suma
de
0,41
1
0.41
0,0004677
0,05
los
cuadrados
entre
dos
sustratos
Suma
de
17529,36
20
876,468
los
cuadrados
dentro
de
los
sustratos
TOTAL
17529,77
21
df: son los grados de libertad asociado a cada fuente de varianza, el numero de
grados de libertad de la varianza entre grupos (G-1) es 2-1 = 1 y los grados de
libertad de la varianza dentro de los grupos es: 11 – 1 +11 – 1 = 20.
MS: cuadrado de la media entre los grupos y el cuadrado de la media dentro de
los grupos. Se obtienen dividiendo la suma de los cuadrados así:
0,41/1 = 0,41 y 17529,36/20 = 876,468.
d)
Hipótesis: no existe diferencias entre las medias de los tratamientos.
Para hallar el producto final, o sea la razón F, se divide el cuadrado de la media
entre los grupos y el cuadrado de la media dentro de los grupos previamente
obtenidos:
F = 0,41/876,468 = 0,0004677
e)
¿Se puede decir que hay diferencias entre los distintos sustratos? mirar la tabla
de la razón F3, con el fin de determinar si esta tiene significancia estadística.
Localizando los grados de libertad entre grupos (numerador) y el número de
grados de libertad dentro de los grupos (denominador), encontramos: los grados
de libertad son 1 y 20, lo cual establece una razón de F de 4,3513.
F calculada en el ejemplo anterior resulta menor que el valor anterior, no es
significativa en el nivel 0,05, ya que si se hubiera obtenido la razón F igual o mayor
que la encontrada en la tabla, entonces la diferencia hubiera sido significativa y se
rechazaría la hipótesis nula.
f)
Y, en que otro tipo de situación experimental para su trabajo disciplinar, se
podría presentar este tipo de análisis: Existen muchas situaciones en la Ingeniería
97
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
de Alimentos, donde se presentan estos ejemplos de análisis, por ejemplo: análisis
de porciones con cierta muestras de alimentos, experimentos acerca del empleo
de químicos para alguna prueba de laboratorio, hay mucho ejemplos lo que se
debe tener en cuenta y es muy importante tomar el análisis correcto.
98
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Apéndice 4
Un equipo de ingenieros de alimentos y zootecnistas realizó un experimento, con
el fin de mejorar las condiciones de una dieta para semovientes, agregado dos
complementos alimenticios diferentes a sus ingredientes básicos (cinco
porcentajes diferentes). Las distintas calidades del primero se indican con las
letras latinas y las del segundo por las letras griegas. Se suministra la dieta a los
animales clasificados de acuerdo con cinco pesos iníciales (W1, W2, W3, W4, W5)
y cinco razas diferentes (R1,R2, R3, R4, R5). Los incrementos de peso logrado
por el tiempo del experimento se muestran en la tabla dada a continuación,
especifique si es correcto el diseño seguido, de respuesta a las siguientes
inquietudes, realizando y desarrollando los cálculos según el caso.
a. Qué tipo de diseño experimental siguieron los proyectantes? ¿Por qué?
El diseño que siguieron los proyectantes fue el cuadro Greco latino, el cual tiene
las siguientes características:
v
Es un diseño con cuatro factores a k niveles
v
Se asume que no hay interacciones
v
Requiere k2 observaciones
v
El diseño factorial completo requiere k4
v
Cada nivel de un factor aparece una vez con cada nivel de los otros factores
v
Es una superposición de dos cuadrados latinos
Cada letra griega aparece una vez en cada fila, en cada columna y una con cada
letra latina
99
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
En los arreglos por bloques, se pueden analizar 4 factores, introduciendo un
cuarto factor o bloque en un diseño cuadrado latino, siguiendo las mismas reglas
utilizadas para introducir un tercer factor en un diseño cuadrado de dos factores. A
este cuarto factor o bloque se le denomina Componente GRIEGO, ya que se
utilizan letras griegas para identificar sus niveles, a la adición de un diseño
cuadrado latino y un cuarto factor, se le llama Diseño Cuadrado Greco-Latino.
b.
Defina la variable, los tratamientos, elige una significancia apropiada.
TRATAMIENTOS:
Las diferentes dietas
VARIABLES:
El peso de los animales
c.
Calcule el ANOVA.
100
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
FACTOR DE CORRECCION
FC: (X…)2 / 25
FC: 185761/ 25
FC: 7430,44
SUMA DE LOS CUADRADOS TOTAL
SCTotal: 7881-7430,44
SCTotal: 450,56
SCHileras: 13,36
SCColumnas: 22,16
SCTratamientos: 350,56
SC4° Factor: 10,16
SCError: 54,32
Ft
FUENTES
GRADOS
SC
CM
Fo
5%
1%
DE
101
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
LIBERTAD
TRATAMIENTOS
4
350,56
87,64
12,90722
3,84
7,01
COLUMNAS
4
22,16
5,54
0,815906
3,84
7,01
4° Factor
4
10,16
2,54
0,37408
3,84
7,01
HILERAS
4
13,36
3,34
0,4919
3,84
7,01
ERROR
8
54,32
6,79
TOTAL
24
450,56
SẊ=√6,79/5 = 0.521.
Sd=√2(6,79)/5 = 1,648.
Existe una confiabilidad de 15 %.
Para F 0.05, 4, 8 = 3.84, entonces tenemos:
Raza: Como la Fo (0,50) < F 0.05, 4, 8 = 3.84, entonces se Acepta Ho, la raza no
es fuente de variación para la respuesta.
Peso: Como la Fo (0,82) < F 0.05, 4, 8 = 3.84, entonces se Acepta Ho, el peso no
es fuente de variación para la respuesta.
Como la Fo (12,9) > F 0.05, 4, 8 = 3. 84,
Ho. Se rechaza, el primer complemento alimenticio es el que causa variación.
Como la Fo (0,38) < F 0.05, 4, 8 = 3.84,
Ho. Se acepta, el segundo complemento no es fuente de variación.
a. ¿Se podrían realizar comparaciones entre medias? Justifique su respuesta.
La hipótesis nula
H 0 : m 1 - m 2 = d 0
Generalmente d 0 =0
Hay 3 situaciones distintas:
conocidos (poco frecuente).
102
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
desconocidos pero iguales.
desconocidos pero distintos.
Los estadísticos son distintos (z en 1 y t en 2 y 3) pero el procedimiento es el
mismo. En los 3 casos se supone que las muestras son independientes; si no lo
fueran hay otro estadístico (t pareada).
Todos asumen normalidad. Si no se cumpliera hay que usar los llamados test no
paramétricos.
e. En caso afirmativo determine la mejor de ellas
Nº efectivo de replicación = 5
COMPARACIÓN
DIFERENCIA
PROMEDIO
PROMEDIO
DMS
CONCLUSIÓN
1
2
A-E
10.8
23.6
12.8
5.4781
sig.
A-D
8.4
23.6
15.2
5.4781
Sig.
A-C
8.0
23.6
15.6
5.4781
Sig.
A-B
4.6
23.6
19.0
5.4781
No sig.
C-E
6.2
19.0
12.8
5.4781
Sig.
C-D
3.8
19.0
15.2
5.4781
No sig.
C-B
3.4
19.0
15.6
5.4781
No sig.
B-E
2.8
15.6
12.8
5.4781
No sig.
B-D
0.4
15.6
15.2
5.4781
No sig.
D-E
2.4
15.6
12.8
5.4781
No sig.
e) ¿Consideras que los datos tomados son suficientes? ¿O habría que tomar
datos adicionales?
Si porque con estos datos se pudo identificar diferencias significativas, y
determinar cuál tratamiento causa variación.
103
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Apéndice 5
Diseño factorial
Un ingeniero está interesado en el efecto de la velocidad de corte (A) en la dureza
de una pierna de bovino (tejido muscular y hueso) congelada instantáneamente
por IQF (B) y el ángulo de corte (C) sobre la duración del dispositivo utilizado-
sierra. Para lo cual el equipo de trabajo eligió dos niveles para cada factor y corrió
dos réplicas en un diseño factorial 23. La tabla siguiente presenta los datos de
tiempo de duración (en horas) de la herramienta.
a.
Represente gráficamente los datos y calcule los efectos correspondientes y las
interacciones de cada uno de los factores.
b.
Determine cuáles de estos efectos son importantes usando la tabla de análisis
de varianza.
c. Determine los residuos.
d. Ajuste un modelo estadístico para estos datos
e. Reporte las conclusiones obtenidas.
Nota: Representar los datos. Interpretar los resultados enunciando las hipótesis.
Solución al ejercicio
Geométricamente las combinaciones de tratamientos que se encuentran en la
tabla anterior, se representan de la siguiente forma:
104
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
COMBINACION
REPLICA
TOTAL
DE
I
II
TRATAMIENTOS
(1)
221
311
532
a
325
435
760
b
354
348
702
ab
552
472
1024
c
440
453
893
ac
406
377
783
bc
605
500
1105
abc
392
419
811
6610
Modelo estadístico
Donde,
µ: efecto medio general
li: efecto del i-ésimo nivel del factor A
βj: efecto del j-ésimo nivel del factor B
γk: efecto del k ésimo nivel del factor C
105
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
:
Efecto de la interacción entre el i-ésimo nivel de A y el j-ésimo nivel de B
: Efecto de la interacción entre el i-ésimo nivel de A y el k-ésimo nivel de C
: Efecto de la interacción entre el j-ésimo nivel de B y el k-ésimo nivel de C
Efecto de la interacción entre el i-ésimo nivel de A, j-ésimo nivel de B y el
K-ésimo nivel de C
:
: Componente del error aleatorio (error natural)
Tabla de hipótesis
Forma verbal de las Hipótesis a probar:
a) H0: La velocidad de corte no influye significativamente en la duración del
dispositivo utilizado-sierra
H1: La velocidad de corte influye significativamente en la duración del dispositivo
utilizado-sierra
106
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
b) H0: La congelación IQF no influye significativamente en la duración del
dispositivo utilizado-sierra
H1: La congelación IQF influye significativamente en la duración del dispositivo
utilizado-sierra
c) H0: El ángulo de corte no influye significativamente
dispositivo utilizado-sierra
en
la duración del
H1: El ángulo de corte influye significativamente en la duración del dispositivo
utilizado-sierra
d)
H0: La velocidad de corte y la congelación IQF no influyen significativamente
H1: La velocidad de corte y la congelación IQF influyen significativamente en la
duración del dispositivo utilizado-sierra
e)
H0: La velocidad de corte y el ángulo de corte no influyen significativamente en
la duración del dispositivo utilizado-sierra
H1: La velocidad de corte y el ángulo de corte influyen significativamente la
duración del dispositivo utilizado-sierra
f) H0: La congelación IQF y el ángulo de corte no influyen significativamente en la
duración del dispositivo utilizado-sierra
H1: La congelación IQF y el ángulo de corte influyen significativamente en la
duración del dispositivo utilizado-sierra
g)
H0: La velocidad de corte, la congelación IQF y el ángulo de corte no influyen
significativamente en la duración del dispositivo utilizado-sierra
H1: La velocidad de corte, la congelación IQF y el ángulo de corte influyen
significativamente en la duración del dispositivo utilizado-sierra
a=2 ,
b=2 , c=2
, n=2
, i=1,2
, j=1,2
, k=1,2
Estimación
de
los
efectos
promedios
de
los
factores
principales
e
interacciones
Efecto A: velocidad de corte
Efecto B: congelación IQF
Efecto C: ángulo de corte
107
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Efecto velocidad de corte
A=
1
[a- (1) + ab – b + ac – c + abc - bc]
4n
A=
1
[760-532+1024-702+783-893+811-1105]
4(2)
A=
1
[3378-3232]
8
A = 18.25
Efecto congelación IQF
B=
1
[b+ab+bc+abc-(1)-a-c-ac]
4n
B=
1
[702+1024+1105+811-532-760-893-783]
4(2)
B =
1
[3642-2968]
8
B= 84.25
Efecto ángulo de corte
C=
1
[c+ac+bc+abc-(1)-a-b-ab]
4n
C=
1
[893+783+1105+811-532-760-702-1024]
4(2)
C=
1
[3592-3018]
8
C= 71.75
Efecto promedio de AB
AB=
1
[(1)-a-b+ab+c-ac-bc+abc]
4n
108
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
AB=
1
[532-760-702+1024+893-783-1105+811]
4(2)
AB=
1
[3260-3350]
8
AB= -11.25
Efecto promedio AC
AC=
1
[(1)-a+b-ab-c+ac-bc+abc]
4n
AC=
1
[532-760+702-1024-893+783-1105+811]
4(2)
AC=
1
[2828-3782]
8
AC= -119.25
Efecto promedio BC
BC=
1
[(1)+a-b-ab-c-ac+bc+abc]
4n
BC=
1
[532+760-702-1024-893-783+1105+811]
4(2)
BC=
1
[3208-3402]
8
BC=-24.25
Efecto promedio de ABC
ABC=
1
[abc-bc-ac+c-ab+b+a-(1)]
4n
ABC=
1
[811-1105-783+893-1024+702+760-532]
4(2)
ABC=
1
[3166-3447]
8
109
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
ABC= -35.13
Los valores encontrados para cada uno de los efectos significan:
El efecto de la velocidad de corte es positivo e igual a 18.25; significa que
se espera un aumento de 18.25 en la duración del dispositivo utilizado-
sierra
El efecto de la congelación IQF es positivo e igual a 84.25; significa que se
espera un aumento de 84.25 en la duración del dispositivo utilizado-sierra
El efecto de del ángulo de corte es positivo e igual a 71.75; significa que se
espera un aumento de 71.75 en la duración del dispositivo utilizado-sierra
El efecto de la velocidad de corte y la congelación IQF es negativo (-11.25);
significa que la combinación de ambos no afecta en la duración del
dispositivo utilizado-sierra
El efecto de la velocidad de corte y el ángulo de corte es negativo (-119.25);
significa que la combinación de ambos no afecta en la duración del
dispositivo utilizado-sierra
El efecto de la congelación IQF y el ángulo de corte es negativo (-24.25);
significa que la combinación de ambos no afecta en la duración del
dispositivo utilizado-sierra
El efecto de la velocidad de corte, la congelación IQF y el ángulo de corte
es negativo (-35.13); significa que la combinación de los tres no afecta en la
duración del dispositivo utilizado-sierra
Contrastes para los efectos principales e interacciones:
Los contrastes son el resultado de lo que se encuentra entre paréntesis de los
efectos
Contraste A = 146
Contraste B= 674
Contraste C= 574
Contraste AB= -90
110
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Contraste AC= -954
Contraste BC= -194
Contraste ABC= -281
Suma De Cuadrados
SS A = (contraste A) 2
8n
SS A = (146) 2
16
SSA = 1332.25
SS B = (contraste B)2
8n
SS B = (674) 2
16
SSB = 28392.25
SS C = (contraste C) 2
8n
SS C = (574) 2
16
SS C = 20592.25
SS AB = (contraste AB) 2
8n
SS AB = (-90) 2
16
SS
AB =506.25
111
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
SS AC = (contraste AC) 2
8n
SS AC = (-954) 2
16
SS AC = 56882.25
SS BC = (contraste BC) 2
8n
SS BC = (-194) 2
16
SS
=2352.25
BC
SS ABC = (contraste ABC) 2
8n
SS ABC = (-281) 2
16
SS ABC = 4935.06
SUMA DE CUADRATOS TOTAL
2
2
2
SST
= [(221)
+(311)
+(325)
+(435) 2 +(354) 2 +(348) 2 +(552) 2 +(472) 2 +(440) 2 +(453) 2 +(406) 2 +(377) 2 +(605) 2
2
+(500) 2 +(392) 2 +(419) 2 ] – (6610)
16
SST = 2865344 – 2730756.25
SST = 134587.75
Suma De Cuadrados Del Error
SSE = SST - SSA – SSB – SSC – SSAB – SSAC – SSBC –SSABC
112
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
SsE=
134587.75 – 1332.25 – 28392.25 – 20592.25 – 506.25 – 56882.25 –
2352.25 – 4935.06
SSE = 19595.19
SSE: Tiene 8(n -1) grados de libertad; porque cada suma de los efectos
principales e interacciones tienen un grado de libertad cada una.
Media de cuadrados
MS A = SS A = 1332.25 = 1332.25
a-1
2 – 1
MS B = SS B = 1332.25 = 28392.25
b-1
2 – 1
MS C = SS A = 1332.25 = 20592.25
c-1
2 – 1
MS AB = SS A
(a-1)(b-1)
= 1332.25 = 506.25
1 x 1
MS AC = SS A
(a-1)(c-1)
= 1332.25 = 56882.25
1 x 1
MS BC = SS A
(b-1)(c-1)
= 1332.25 = 2352.25
1 x 1
MS ABC = SS A
(a-1)(b-1)(c-1)
= 1332.25 = 4935.06
1 x 1 x 1
MS E = SS A
= 1332.25 = 2449.39875
abc(n-1)
2x2x2(1)
Fo = MS A = 1332.25
= 0.54
MS E
2449.39
Fo = MS B = 28392.25
= 11.59
MS E
2449.39
Fo = MS C = 20592.25
= 8.40
MS E
2449.39
113
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Fo = MS AB = 506.25
= 0.20
MS E
2449.39
Fo = MS AC = 56882.25
= 23.2
MS E
2449.39
Fo = MS BC = 2352.25
= 0.96
MS E
2449.39
Fo = MA ABC = 4935.06
= 2.01
MS E
2449.39
Tabla Análisis De Varianza
FUENTES
DE
GRADOS
DE
SUMA
DE
CUADRADOS
VALOR DE F
F CRÍTICA
VARIACION
LIBERTAD
CUADRADOS
MEDIOS
(1,8,0.05)
A
1
1332.25
1332.25
0.54
5.32
B
1
28392.25
28392.25
11.59
C
1
20592.25
20592.25
8.40
114
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
AB
1
506.25
506.25
0.20
AC
1
56882.25
56882.25
23.2
BC
1
2352.25
2352.25
0.96
ABC
1
4935.06
4935.06
2.01
ERROR
8
19595.19
2449.39875
TOTAL
15
134587.75
Tomando α= 0.05 para obtener el F de tablas con un grado de libertad del
numerador y 8(n-1)= 8(2-1) = 8 en el denominador, se tiene que:
F α, 1,8(n-1 ) = F 0.05, 1,8 = 5.32
Conclusiones
Revisémoslas, analicémoslas y fijemos nuestra posición acorde con criterios
estadísticos.
a)
Para el caso del factor A (velocidad de corte) el F0 < F Tablas (0.54<5.32); por
lo tanto, se acepta H0 y se rechaza H1; es decir, que velocidad de corte no influye
significativamente en la duración del dispositivo utilizado-sierra
b)
Para el caso del factor B (congelación IQF) el F0 > F Tablas (11.59 >5.32); por
lo tanto, se rechaza H0 y se acepta H1; es decir, que la congelación IQF influye
significativamente en la duración del dispositivo utilizado-sierra
c)
Para el caso del factor C (ángulo de corte) el F0 > F Tablas (8.40>5.32); por lo
tanto, se rechaza H0 y se acepta H1; es decir, que el ángulo de corte influye
significativamente en la duración del dispositivo utilizado-sierra
d)
Para el caso de la interacción del Factor A y el factor B (velocidad de corte y
congelación IQF) el F0 < F Tablas (0.20<5.32); por lo tanto, se acepta H0 y se
rechaza H1; es decir, que la velocidad de corte y la congelación IQF no influyen
significativamente en la duración del dispositivo utilizado-sierra
e)
Para el caso de la interacción del Factor A y el factor C (velocidad de corte y el
ángulo de corte) el F0 >F Tablas (23.2>5.32); por lo tanto, se rechaza H0; es decir,
que la velocidad de corte y el ángulo de corte influyen significativamente en la
duración del dispositivo utilizado-sierra.
f)
Para el caso de la interacción del Factor B y el factor C (congelación IQF y
ángulo de corte ) el F0 < F Tablas (0.96<5.32); por lo tanto, se acepta H0 y se
rechaza H1; es decir, que la congelación IQF y el ángulo de corte no influyen
significativamente en la duración del dispositivo utilizado-sierra.
115
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
g) Para el caso de la interacción del Factor A, factor B y el factor C (velocidad de
corte, congelación IQF y ángulo de corte) el F0 < F Tablas (2.01<5.32); por lo
tanto, se acepta H0 y se rechaza H1; es decir, que la velocidad de corte,
congelación IQF y ángulo de corte no influyen significativamente en la duración del
dispositivo utilizado-sierra.
116
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
GLOSARIO
Análisis de varianza: Es una técnica estadística que sirve para analizar la variación
total de los resultados experimentales de un diseño en particular,
descomponiéndolo en fuentes de variación independientes atribuibles a cada uno
de los efectos en que constituye el diseño experimental.
Análisis multivariante: Cualquier técnica estadística diseñada para medir la
influencia de varias variables independientes actuando simultáneamente en más
de una variable dependiente.
Bloque: conjunto de unidades experimentales lo más homogénea posible, en el
cual, aparecen todos los tratamientos una sola vez.
Diseño al azar: se usa cuando las unidades experimentales son homogéneas, y la
variación entre ellas es muy pequeña.
Diseño de bloques: se presenta cuando se reúnen las unidades experimentales a
las cuales se les aplicaran los tratamientos, en bloques de cierto tamaño, de tal
forma que los tratamientos se efectúen dentro de cada bloque.
Diseño experimental: Plan general del procedimiento para llevar a cabo un
experimento en función de unos datos específicos deseados.
Diseño factorial. Diseño experimental que incorpora uno o más niveles de dos o
más variables independientes.
Desarrollo Experimental: Trabajo sistemático sobre el conocimiento ya existente,
adquirido a través de investigaciones o experiencias prácticas, que se dirige a
producir nuevos materiales, productos, sistemas o métodos; instalar nuevos
procedimientos, sistemas o servicios; o mejorar sustancialmente los producidos
instalados.
Error experimental: medida de la variación que existe entre las observaciones de
unidades experimentales en el mismo tratamiento.
Estadística: Subdisciplina de las Matemáticas que reúne y evalúa datos numéricos
y los trata de tal manera que la relación entre esos datos se muestra claramente.
Innovación: se entiende por innovación tecnológica la transformación de una idea
en un producto nuevo o mejorado que se introduce en el mercado.
117
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Interacción: Una interacción ocurre cuando el efecto de un factor de entrada en la
salida depende del nivel de otro factor de entrada. A veces se pierden con los
diseños factoriales fraccionales.
Sin interacción
Interacción
Interacción
Interacción
moderada
fuerte
fuerte
Investigación básica: es la investigación original, teórica o experimental, llevada a
cabo principalmente con objeto de adquirir nuevos conocimientos o una mayor
comprensión de los fenómenos y observaciones en estudio, sin el propósito de
ninguna
aplicación
particular.
Investigación aplicada: es también investigación original llevada a cabo para
adquirir nuevos conocimientos. Sin embargo, va dirigida principalmente hacia
objetivos específicos eminentemente prácticos. Sus resultados son válidos para un
único o limitado número de productos, operaciones, métodos o sistemas. El
conocimiento o información derivado de ella es, con frecuencia, patentado o bien,
guardado como secreto.
Metodología: Término utilizado en sentido amplio que generalmente se refiere a
estrategias,
técnicas o procedimientos usados en estudios experimentales, descriptivos o
aplicados.
Prototipo o modelo: Primer ejemplar construido industrialmente, de una máquina,
vehículo, aparato, etc., y destinado a experimentar en funcionamiento sus
cualidades y características, con vistas a la construcción en serie.
Proyecto de investigación. Se entiende el proceso de indagación sistemática y
planificada sobre un determinado problema temático, inscrito dentro de una línea
de investigación, y en el marco global de un programa investigativo, tendiente a
indagar por una de las temáticas particulares denotadas en la línea.
Repetición. El número de veces que un tratamiento aparece en el experimento.
118
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
CONTENIDO DIDÁCTICO DEL CUSO: 90001 – METODOLOGÍA DE TRABAJO ACADÉMICO
Testigo: Es el tratamiento de comparación adicional, que no debe faltar en un
experimento.
Tratamiento: es una de las formas que en cantidad o calidad, el factor a estudiar
toma durante el experimento.
Unidad experimental: Es el objeto o espacio al cual se aplica el tratamiento y
donde se mide y analiza la variable que se investiga. En los experimentos
pecuarios la unidad.
Variable independiente es una observación hecha en cada unidad experimental
antes de aplicar los tratamientos, e indica hasta cierto grado la respuesta final de
la unidad experimental.
119